Научная статья на тему 'Оценка функции автокорреляции в виде линейной комбинации экспонент'

Оценка функции автокорреляции в виде линейной комбинации экспонент Текст научной статьи по специальности «Математика»

CC BY
431
74
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
АВТОКОРРЕЛЯЦИОННАЯ ФУНКЦИЯ / СЕЙСМИЧЕСКИЕ ДАННЫЕ / ОБРАБОТКА СЕЙСМИЧЕСКОЙ ИНФОРМАЦИИ / AUTOCORRELATION FUNCTION / SEISMIC DATA / PROCESSING OF SEISMIC DATA

Аннотация научной статьи по математике, автор научной работы — Устинова Ирина Георгиевна, Пахомова Елена Григорьевна

Рассмотрена аппроксимация автокорреляционной функции в виде линейной комбинации экспонент. На примерах показательной и показательно-косинусоидальной автокорреляционных функций показана возможность такой аппроксимации.

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

The paper considers approximation of autocorrelation function in the form of exponent liner combination. The possibility of such approximation has been shown by the example of exponential and exponential-cosine autocorrelation functions.

Текст научной работы на тему «Оценка функции автокорреляции в виде линейной комбинации экспонент»

УДК 519.25 (550.831.05)

ОЦЕНКА ФУНКЦИИ АВТОКОРРЕЛЯЦИИ В ВИДЕ ЛИНЕЙНОЙ КОМБИНАЦИИ ЭКСПОНЕНТ

И.Г. Устинова, Е.Г. Пахомова

Томский политехнический университет E-mail: igu@sibmail.com

Рассмотрена аппроксимация автокорреляционной функции в виде линейной комбинации экспонент. На примерах показательной и показательно-косинусоидальной автокорреляционных функций показана возможность такой аппроксимации.

Ключевые слова:

Автокорреляционная функция, сейсмические данные, обработка сейсмической информации.

Key words:

Autocorrelation function, seismic data, processing of seismic data.

Функция автокорреляции Я[т] стационарного случайного процесса является одной из его важнейших характеристик второго порядка [1], так как позволяет решать следующие практические задачи:

1) оценивать корреляционные свойства сигналов и помех;

2) производить расчеты весовых функций и частотных характеристик оптимальных фильтров, базирующихся на знании автокорреляционной функции (АКФ) сигналов и помех [2];

3) оценивать разрешающую способность сейсмической записи [3].

Часто для оценки функции автокорреляции приходится использовать короткие отрезки сейсмических записей, поэтому вопрос о точности оценивания автокорреляционной функции имеет большое практическое значение. В данной статье рассмотрена возможность представления любой автокорреляционной функции в виде линейной комбинации экспонент.

Постановка задачи

Рассмотрим некоторый случайный процесс с функцией автокорреляции Я[т]=М[х(^х^+т)], значения которой могут быть представлены в виде

RM -XetNt (т) + п(т)

где %(т) - некоторые известные функции аргумента т, причем интегралы

(rypj(r)dт, IЩ[т]щ (т)dr, i, j - l,

N

известных параметров вк, &=1Д будем исходить из условия минимума ошибки аппроксимации:

!

Щ[т] -Х0 кук (т)

dr ^ min. (3)

е t

Продифференцировав (3) по неизвестным параметрам вк, к=р,Ы, получим систему N уравнений с N неизвестными:

(1)

(2)

сходятся, вк, k=1,N- неизвестные параметры, а п(т) -случайные добавки, которые представляют собой независимые, одинаково распределенные случайные величины с М[п(т)]=0 и 5[п(т)]=а2. Задача состоит в построении оценки Я [т] функции Я[т].

Решение задачи

Будем искать оценку автокорреляционной функ-

Щ[т] -Хв t(Pt(т) t-1

N

r[t] -Хв (т)

. t-l .

N

r[t] -Хв tNt(т)

pl(j)dr - 0, q2(T)dT - 0,

(Pn(r)dr- 0,

из которой получаем систему в виде:

N

Хвt jvt(ФАт^т- JЩ[фi(t)dr,

k-l о 0

N

Xеt \nt(т)(р2(т)с1т- JЩ[ф2(т)dт,

X-

k-l 0

...,

N

X0 jNk WNn (т)(!т- J Щт^ (т)(!т. (4)

. t-l 0 0

Введем обозначения:

+» -+» +»

$ф1(т)р2(т)Л ... jvi(r)VN (т)<1т

0 0 0

j ^(тШт)^ \&(т¥т ■■■ In2(т )nNn(т )<1т

Y -

jNN (тШт)^ jNN (Ф2(т)^ ••• j^W*

0 0 0

в - 01 в2 ... Bn]t,

+» +» +»

j Щ[т]^(т ^т j Щ[т]N2(т)dт ... j R^Nj^ (т^т

N

ции в виде: Щ[т] - ХвtNt(т). Для нахождения не- тогда система (4) м°жет бытъ записана в виде

2

0

t-l

T

t-l

Хв = У,

(5)

откуда получаем вектор оценок неизвестных параметров

ё = х-1у. (6)

Частный случай

Рассмотрим семейство автокорреляционных функций Як[т]=9квкт, к=1,2,3,..., т. е. <рк(т)=в~кт.

Утверждение. Любую автокорреляционную функцию Я[т], стремящуюся к нулю при т-^да (что справедливо для физических приложений), можно аппроксимировать по методу наименьших квадратов линейной комбинацией экспонент [4]:

= Xвкв

(7)

Так же как и при нахождении неизвестных параметров формулы (1) для нахождения коэффициентов вк, к=ррразложения (7) будем исходить из условия минимума ошибки аппроксимации (3), которое приводит к системе

I

*м -£® ,е-

к= 1

N

Я[Т] -X®кЄ~

■ е 'йт = 0,

• е-2Ч т = 0,

■ е-т = 0,

Я[т] -X®ке

_ к=1

из которой получаем, вычислив несобственные ин-

тегралы вида |е-(к+')гйт, і = 1, N, систему

= [ Я[']е~N ч т, к к + N 1 [ ] ,

т. е.

N а +да

к

X ~т~~— = | *Ме- р"а т.

(8)

(9)

к=1 к + р 0

Правая часть (9) есть преобразование Лапласа функции Я[т], тогда, используя свойство линейно-

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

сти

Хв к

----- является

к=1 к + Р

X®®ке кт, что и доказывает утверждение.

Пример 1

Согласно [5] в приложениях при анализе временных последовательностей часто применяются стационарные случайные процессы с показательной функцией автокорреляции

Я[т] = е , -да<т<+да, а> 0.

Мы рассмотрим АКФ представленного вида только для случая, когда 0<т<+да, т. е. Я [т]=е“т, а>0. В этой ситуации система (8) примет вид:

УN

1

в1 в 2

-------\-------+ ... + ‘ — ,

2 3 N +1 а +1

У N

1

®1 ®2

------1---------+ . .. +--------------=--------------.

3 4 N + 2 а + 2'

71 в2 в N

- +---------------+ ... + -

1

IN +1 N + 2 Введем обозначения:

Г 1 1

2 3

1 1

3 4

X =

2N а + N

1 ') ' N +1 1

(10)

N + 2

1

1

У =

а +1 1

а + 2 1

^а + N у

тогда (10) может быть записана в виде (5), а ее решение в виде (6).

Нахождение матрицы X-1 приведено в приложении, а сами элементы обратной матрицы имеют вид

_-1 (N +1)! • (N + ])! (-1) +и

а х

5 (N - г)! • (N - ])! г + ]

1___________1

Х И^(1-Х)!. • ^•и-Г)'!.

В частности для диагональных элементов:

-1

а .. =

" (N + і)!" 2 1 " 1 "

_(N - і)!_ 2і _і! ■ (і-1)!_

Заметим, что N следует выбирать исходя из заданной точности приближения е, используя тот

факт, что Я[0]=1 и, следовательно,

1 -X

< Е.

Рассмотрим а=1/2, е=0,05. Заданная точность до-

к=1

0

N

0

0

к=1

к=1

стигается при N=10, что представлено на рис. 1, а; при а=1,1 заданная точность достигается уже при N=2. На рис. 1, б представлен этот случай, когда N=9. Ситуация, когда aeN тривиальная и возможность аппроксимации Д[т] выражением (7) очевидна. Из приведенных рисунков видно, что аппроксимация показательной АКФ в виде линейной комбинации экспонент возможна даже при небольшом числе слагаемых.

Пример 2

На практике для описания формы автокорреляционной функции сейсмических колебаний часто используется показательно-косинусная АКФ

Щ[т] - в~ат cos т0т, -ж <т <+ж, а> 0,

где ю0 - видимый период колебаний, а a - коэффициент затухания. Рассмотрим данную функцию только для случая 0<т<+ж, т. е. В[т]=ват еот0т, a>0. В этом случае система (8) примет вид

Ol Ol

— + — +... + l З

Ol Ol

— + — +... + З 4

a +1

N +1 (a +1) + mo

O n a +1

N +1 (a +1) +o)o

N +1 N +1

■ +... + -

a + N

1N (a + N у +O0

Введя обозначения примера 1, получим данную систему в матрично-векторной форме (5), в которой

a +1

(a +1) + o0 cc +1

1

0

Y - (a +1) + m

a + N

(а + N) + ®о

Решение системы (5) доставляется выражением (6).

Как и в примере 1 рассмотрим случай, в котором а=1/2, е=0,05 и, добавив условие ю=1, заметим, что заданная точность достигается при N=7, что представлено на рис. 2, а; при а=1,1 заданная точность достигается уже при N=5. В этом случае можно сделать вывод аналогичный выводу примера 1, а именно: аппроксимация показательно-косинусной АКФ в виде линейной комбинации экспонент возможна даже при небольшом числе слагаемых.

Приложение

Пусть А=(ау) - матрица порядка п, элементы 1

которой имеют вид а.. = —

4 г + ] обратную матрицу А-1=(ау).

—. Требуется найти ее

Воспользуемся формулой А 1 = |—г • 8Т, где 8 -

IА |

матрица из алгебраических дополнений элементов матрицы А. Поскольку А симметрическая, то 8Т=8 и, следовательно,

а

б

Рис. 2. Графики показательно-косинусной автокорреляционной функции и ее оценки: а) R[т]=e 1т/2)^т; б) R[т]=e ',п^т

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

где М^ - дополнительный минор элемента а.

1) Найдем |А|. Введем следующее обозначение: |А|=А„,2 (п - порядок матрицы, 2 - знаменатель элемента ап).

Выполним следующую последовательность преобразований определителя Ап2:

а) вынесем из каждого столбца определителя Ап2 множитель, равный элементу первой строки этого столбца;

б) вычтем первую строку получившегося определителя из всех остальных строк:

Д.,2 =■

1 1 1 .. 1

1 1 1 1

3 4 5 " п + 2

1! 2 2 2 2

(п +1)! 4 5 6 " п + 3

1 - п 1 - п 1 - п 1 - п

п +1 п + 2 п + 3 2п

в) вынесем из каждой строки определителя множитель, равный элементу первого столбца этой строки;

г) вычтем первую строку получившегося определителя из всех остальных строк:

1! • 2!

___ • (-1)п-1 • (п -1)! Х

[(п +1)!]2 1

1

4

-1

5

1

2 5 _ 2 " 6

1

1 - п

п + 2 1 - п

0-

1

п + 3 1 - п

п + 2 п + 3 2п

д) вынесем общий множитель из каждой строки определителя и разложим определитель по элементам первого столбца:

1! • 2!

.!_2_• [(-1)п-1 • (п-1)!]2 Х

А ,2 =

[(п +1)!]2

1

5

1

6

1 5

1

1

п+2

1

п+3

1

п + 2 п + 3 п + 4

п+4

2п

Итак, выполнив действия а-д, получили:

А,? =

(п -1)! (п +1)!

1! • 2! • А,-1,4

Применим к определителю Ап-1,4 действия а-д и найдем:

(п -1)! ■ (п -2)!

1! ■ 2! ■ 3! ■ 4! ■ А

(п +1)! • (п + 2)!_

Продолжив этот процесс, получим формулу:

-|2

(п -1)! • (п - 2)! •...• (п- к)!

Аи,2 =

Тогда

Аи,2 =

(п +1)! ■ (п + 2)! ■...■ (п - к)!_ х1! ■ 2! ■...■ (2к)! ■ Аи-^+2.

(п -1)! ■ (п-2)! ■...■ (п-(п-2))! (п +1)! ■ (п + 2)! ■...■ (п + (п-2))! х1! ■ 2! ■ 3! ■...■ (2п-4)! ■ А22и-2,

(11)

где

А2,2

1

1

2п - 2 2п -1

1

2п

(2п -3)! ■ (2п -2)!

[(2п-1)!]2 ^ 2п.

2п -1 Таким образом,

2

(п-1)! ■ (п-2)! ■ ...■ (п-(п-1))!

А =

(п +1)! ■ (п + 2)! ■ ...■ (п + (п-1))!

х 1!■2! ■ 3!■

■ (2п-2)! ■^ = 2п

ПИп - к)!'

П =П( п + к)!_

2(и-1) і

■Пк! =

к=1 2п

(п - к)! ІІ (п + к)!

П

2) Найдем дополнительные миноры Му (где і<і). Имеем:

2 3 1 1 + І -1) 1 1+(І+1) 1 1 п +1 1

4 1 2 + І -1) 1 1 + (І +1) 1 п +1 1 п + 2 1

(і -1) +1 (і -1) + 2 1 і -1 + І -1 1 і -1 + І +1 1 (і -1) + (п - 1) 1 (і -1) + п 1

(і +1) +1 (і +1) + 2 1 і +1 + І -1 1 і +1 + І +1 1 (і + 1) + (п - 1) 1 (і +1) + п 1

п +1 1 (п -1) + (І -1) 1 (п -1) + (І -1) 1 2п - 2 1 2п -1 1

п +1 п + 2 п + (і - 1) п + (і +1) 2п -1 2п

Выполнив для определителя М^ действия а-д -1 раз, получим:

=

(п -1)! ■ (п - 2)! ■...■ (п - і +1)! (п +1)! ■ (п + 2)! ■...■ (п + і -1)! х1! ■ 2! ■... ■ (2і - 3) ■ (2 і - 2)! х

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

х (• +1) ■(• + 2) ■ — ■(І +і -1) х (І -1) ■(І - 2) ■ —■(І - і +1)

2

2

2

0

X

X

Х (г +1) • (г + 2)•...• (2г -1) • с =

(г -1) • (г - 2) • ... • 1

2

ттт(п - к)! \ =!( п + к)!

2(г-1)

П к! Х

к=1

Х (] + г -1)! • (] - г)! (2г -1)! с

(]-1)! • ]! (г -1)! • г! п-/,

где Сп-1 - определитель порядка п-1 следующего вида:

(г +1) + г (г +1) + (г +1)

(г +1) + (]-1) (г + 1) + (] + 1)

(г + 1) + (и-1) (г + 1) +

(г + 2) + г (г + 2) + (г +1)

(г + 2) + (] -1) (г + 2) + (] +1)

(г + 2) + (п -1) (г + 2) +

] + (г +1)

/ + (] - 1)

] + (/ +1)

] + (« -1)

(] + 1) + г (] + 1) + (г +1) (] +1)+ (]- 1) (]+1) + (] +1)

(п-1) + г (п-1) + (г +1) (п- 1)+ (]- 1) (п- 1) + (] + 1)

(] +1) + (п- 1) (] + 1) + п

1 1

2п-2 2п-1

1 1

2п-1 2п

п+г » + (г+1) »+ (]-1) » + (] +1)

Для определителя С— выполним действия а-д — раз и придем к результату:

с

(« - г)! • (« - ])!

(п - г -1)! • (п - г - 2)! • ...• (п - ] +1)!

(п + г)! • (п + ])! х(2/)! • (2г +1)! • .... (2]-2)! • (2]-1)!

(п + г +1)! • (п + г + 2)! • ...• (п + ]-1)!

(г +1 + }) • (г + 2 + ]) •... •2] _

(] - г')! '

1 1 1 1

(]+1)+(]+1) (] + 2) + 041) 0 + 1) + ( п-1) 04 Ц + п

1 1 1 1

(] + 2) + (] +1) 0 + 2) + 0 + 2) 0 + 2) + ( п -1) 04 2) + п

1 1 1 1

(п -1) + 0' +1) (п -1) + 0 + 2) 2п - 2 2п -1

1 1 1 1

п + 0' +1) п + 0' + 2) 2п -1 2п

или

С , =

(п - г)! • (п - ])! (п + г)! • (п + ])! ^ 1

П( п - к)! к П1( п + к)!

хПк! •

к=2г (]- 0! • (] + г)!

Следовательно,

п-],2]+2 •

М/] Ап-], 2]+2

тгт(п - к)! П(п - к)!

Ц(п + к)! 1к{п + к)!

х ^ к! П к! х

(п + г)! • (п + ])! * =1 *= 2г

.(] + г -1)! • (]-г)! (2г -1)!

1

(]-1)! • ]!

= А

п- ], 2]+2

(г -1)! • г! (] - г)! • (г + ])!

2

Х

гт(п - к)! П4(п - к)! ]=П(п + к)! !!(п + к)!

Х (п - г)! •(п - ])! Пк! Х

(п + г)! • (п + ])! к=1

1 1 1

(]-1)! • ]! (г -1)! • г! (г + ])

Согласно формуле (11)

А =

(п -1)! • (п - 2)! •_• (п- ])!

(п +1)! • (п + 2)! •...• (п + ])! х1! • 2! • _ • (2]-1)! • (2])!• Аи_]Л]+1.

Следовательно, при К] справедливы утверждения 1 (п + г)! (п + ])!

м1_

1А г + ] (п - г)! (п - ])! 1

Х---------------------,

(г -1)! • г! • (]-1)! ]!

(12)

М..

= (-!)г+^ГТГ=-

(-1)г+] (п + г)! (п + ])!

А г + ] (п - г)! (п - ])!

1

(г -1)! • г! • (]-1)!]!. (13)

3) И, наконец, рассмотрим дополнительные миноры М11. Выполнив для М11 действия а-д 1-1 раз, получим:

Мгг =

(п -1)! • (п- 2)! •...• (п- г +1)! (п +1)! • (п + 2)! •...• (п + г -1)!

х1! • 2! •... • (2г - 3) • (2г -2)! х

2

(г +1) • (г + 2) •...• (г + г -1)

(г -1) • (г - 2) •_• (г - г +1)

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

• А

^п-1,21 +2

Т^(п - к)! (п + к)!

Тогда

М± = 1

и I 2 г

2(г-1) •^ к!

к =1

(п + г)! _(п - г)!.

(2г -1)!

(г-1)! • г!

• А

1

[(г -1)! • г!]2

(14)

Но формула (14) получается из (12) при Ь=]. Следовательно, для любых элементов а матрицы А-1 справедливо равенство (13), т. е.

(-1)г+] (п + г)! (п + ])! у

а г; Х

г + ] (п - г)! (п - ])!

1

----, ^г,].

(г -1)! • г! • (]-1)! ]! У

Выводы

1. На основе метода наименьших квадратов получена оценка автокорреляционной функции в виде_линейной комбинации функций %(т), k=1,N, удовлетворяющих условиям (2).

2. Обоснована возможность аппроксимации АКФ линейной комбинацией экспонент.

3. На примерах продемонстрирована возможность представления автокорреляционной функции в виде (7) с заданной точностью.

2

С

Х

2

Х

2

2

2

2

2

СПИСОК ЛИТЕРАТУРЫ

1. Идрисов Ф.Ф., Устинова И.Г. Оценка функции корреляции стационарного случайного процесса при случайном числе измерений // Экономика, технология, предпринимательство. -Томск: Изд-во ТГПУ, 2000. - Вып. 1. - С. 75-79.

2. Устинова В.Н., Устинова И.Г. Дискретные иерархические системы в геофизике // Известия Томского политехнического университета. - 2012. - Т. 320. - № 1. - С. 91-97.

3. Никитин А.А. Теоретические основы обработки геофизической информации. - М.: Недра, 1986. - 342 с.

4. Бендат Дж. Основы теории случайных шумов и ее применения. - М.: Наука, 1965. - 463 с.

5. Пугачев В.С., Синицын И.Н. Стохастические дифференциальные системы. Анализ и фильтрация. - М.: Наука, 1990. -642 с.

Поступила10.06.2013 г.

УДК 517

ОБОБЩЁННЫЙ G-ОПЕРАТОР КОМПЛЕКСНЫХ ПОРЯДКОВ ВЕЩЕСТВЕННОЙ ПЕРЕМЕННОЙ

В.А. Чуриков

Томский политехнический университет E-mail: vachurikov@list.ru

Вводится локальный G-оператор дифференцирования и интегрирования вещественной переменной комплексных порядков, который является обобщением d-оператора вещественных порядков на случай бесконечного количества локальных операторов, для которых выполняется принцип соответствия. Рассмотрены некоторые его свойства и частные случаи.

Ключевые слова:

G-оператор комплексного порядка, пространство коэффициентов, полиномы интегрирования, полиномы дифференцирования. Key words:

G-operator of a complex order, space of factors, Integration polynomials, differentiation polynomials.

Введение

В работе [1] был введён обобщённый вещественный локальный оператор дробного интегро-дифференцирования, но без учёта полиномов дифференцирования, или б-оператор, который представляет бесконечное множество локальных операторов дробного интегродифференцирования вещественных порядков вещественной переменной.

Обобщим б-оператор на комплексные порядки интегродифференцирования, действующие на степенные функции с комплексными показателями, следуя в основном [1]. Кроме того, в новый б-опера-тор, по сравнению с оператором из [1], внесены изменения, связанные с логарифмическими случаями.

6-оператор комплексных порядков

Определение. Оператор б’х будем называть обобщённым локальным оператором дифференцирования и интегрирования дробных комплексных порядков э=х+1у, X, X, 7=СОП8^ X, 7^0, дей-

ствующим над множеством степенных функций хч вещественной переменной х с комплексными показателями q=л+iv, /л, veK•' /л, у=со^

О-5х : х9 = К(—5, д; х)х9-5 + С(х);

О0 х: х9 = К (0, д; х) х9+0 + С0( х) = х9;

0°х: х9 = К(5, д; х)х9+* + С1 (х); 5 ^ —д;

О*х: х— = К(5, — 5; х) 1п5(х) + Сх(х). (*)

Рассмотрим важные частные случаи порядков интегродифференцирования в.

Если порядок нулевой, в=х=у=0, то это соответствует единичному оператору, который переводит функции самих в себя, что можно записать О0х=1.

Если порядок интегродифференцирования вещественный, s=Re(s)=x>0, а в равенствах (*) перед показателем порядка оператора в, стоит знак минус, то это соответствует оператору дробного дифференцирования вещественного порядка х, а если перед показателем порядка оператора стоит знак плюс, тогда это будет соответствовать оператору дробного интегрирования вещественного порядка х.

Когда порядок мнимый, 8=іІт(в)=іу; у>0, а в равенствах (*) перед показателем порядка оператора в стоит знак минус, то это будет соответствовать О-оператору дробного дифференцирования мнимого порядка у, а если значение мнимого порядка оператора со знаком плюс, то это будет О-оператор дробного интегрирования мнимого порядка у.

Если порядок интегродифференцирования комплексный, в=х+іТу X, 7>0, и перед ним стоит знак минус, то это соответствует дробному дифференцированию комплексного порядка в, а если знак плюс - дробному интегрированию комплексного порядка в.

В случаях, когда знаки у вещественной и мнимой части порядка интегродифференцирования различаются, т. е. в=-х+іу или в=х-їу, то такие порядки будем называть смешанными комплекс-

i Надоели баннеры? Вы всегда можете отключить рекламу.