PULSE INTEGRAZIONE

[plc]

Sto cercando di estrarre un segnale di rumore attraverso l'integrazione di ritorno eco impulsi in MATLAB.Sto usando 'funzione AWGN' di introdurre rumore.ma gli aumenti di potenza del rumore, come i integrarsi.shouldnt la somma di nos casuale.zero approccio?

 

[bulx]

Immagino che l'integrazione per addizione.
forse si è dimenticato di dividere per il numero di campioni dopo aver aggiunto il rumore campioni del segnale?
-b

 

[plc]

thnx 4 la risposta.while the sinosoid of interest shud add up.

il mio punto è che il segnale di interesse è deterministico, mentre il rumore è casuale. campioni casuali dovrebbero aggiungere fino a dare circa zero,
mentre l'sinosoid di interesse shud add up.dividendo di no.di campioni anche diminuire la potenza del segnale. [/ b]

 

[bulx]

in realtà è buona domanda.Per rispondere con precisione, è necessario trovare qual è il valore di una variabile accumulato Randon gaussiana, data la media e la varianza della distribuzione.Penso che la risposta è che la somma accumulata è gaussiana.
wil be nearly zero.

Nel contesto del problema, non si può presumere che il rumore si accumula a zero, solo il wil media
è quasi zero.La somma è ancora una variabile aleatoria gaussiana.

Naturalmente, se il segnale è anche media zero e periodica (come un seno è) sarà inoltre accumulano a zero, determinstically.In breve, con una media non è una buona idea in questo contesto.correlazione sarebbe molto meglio.
-b

 

[plc]

Che tipo di correlazione sarà?auto o cross-correlazione?
che la funzione MATLAB shud utilizzare i.ci sono un bel po '.

 

[Armin]

Salve
presumere che il segnale deterministico dire X (t) ha un periodo di T.
e pensare che ogni volta che si ripete X (t), un rumore additivo viene aggiunto a X (t), dicono Ni (t) e si dovrà Yi (t), dove i è l'indice dell'intervallo corrispondente e

Yi (t) = X (t) Ni (t); X: deterministico; Yi & Ni casuale.

rumore è gaussiana con varianza var = (N)

Se si ripete per i tempi di X M e la media dei risultati, youwill sono:

Y (t) = X (t) N (t)
dove
Y (t) = media (Yi (t))
N (t) = media (Ni (t))
((in media è superiore # di esperimenti o ripetizioni))

è facile dimostrare che:
var (Y (t)) (var = N (t)) = (var) N / M

in modo intuitivo, per abbastanza grande M: Y (t) -> X (t)

Arminvar avg ((Y))