【摘要】:可行计算在定义确定性信号时非常重要的。图4-11 一个短序列的噪声信号s(n+1)=4·s·,n=1,2,…,其中s=0.241我们可以利用这种随时间推移产生的误差作为优势。一个具有上述机制的计算机并不能真正产生我们上面提到的混沌信号。事实上,计算机只能表示0,1之间有限多的不同数,任何产生的序列必须能够进行自身的重复,计算机用这个算法产生信号的时候必然出现周期性的误差,这种现象被称作“噪声坍塌”。
可行计算在定义确定性信号时非常重要的。在现实的计算中,仅仅通过现有的理论去计算信号往往不够有效和实效。
例如,关系式s(n+1)=4·s(n)·(1-s(n)),n=1,2,…在0,1之间的初始值s(1),看起来足够合理。但是,由于关系式的本质和计算机有限的数据处理能力,在实际计算中,这样的关系式不能用来在任意长的时间范围内计算信号。实际上,为了计算s(n)使其具有N位的精确度,这就需要s(1)具有N+n-1的位长[11]。对于较大的n,这不是一个切实可行的办法,随着n的增大,计算资源也呈线性增长。所计算出的s(n)的值也就呈现噪声状态,如图4-11所示。
图4-11 一个短序列的噪声信号s(n+1)=4·s(n)·(1-s(n)),n=1,2,…,其中s(1)=0.241(www.xing528.com)
我们可以利用这种随时间推移产生的误差作为优势(任何事情都有两面性)。事实上,如果我们知道信号s遵循该关系式,我们用工具测量一组s(1)到s(n)的序列,提供给带有x位精度的s值,这样我们就可以确定带有x+n-1位的精确度的s(1)[12]。
一个具有上述机制的计算机并不能真正产生我们上面提到的混沌信号。事实上,计算机只能表示0,1之间有限多的不同数,任何产生的序列必须能够进行自身的重复,计算机用这个算法产生信号的时候必然出现周期性的误差,这种现象被称作“噪声坍塌”。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。