首页 理论教育 SES算法的优化及应用

SES算法的优化及应用

时间:2023-07-01 理论教育 版权反馈
【摘要】:对于任意的α0,给定一个很小的区间A0(δ)=[α0-δ,α0+δ],记A0=那么相应的有xα0(t,δ)={[t,f],α∈A0(δ)},此时xα0=故离散分形信号的奇异性能量分布算法为:对于离散的分形信号,为得到其分形能量谱分布,可以仿照传统的离散信号能量定义方法,将采样点模值的平方和定义为离散信号的能量。,αM-2,αM-1=αmax]。

SES算法的优化及应用

由于f(α)max=1(对应的奇异性指数为α=α0),故在分形子集簇中,当α≠α0时,满足f(α)<1,这表明除xα0(t)外,所有的分形子集xα(t)皆为稀疏的,即为非连续统的,按照实变函数理论,xα(t)为可数可列子集。

离散分形信号的奇异性能量分布算法为:对于离散的分形信号,为得到其分形能量谱分布,可以仿照传统的离散信号能量定义方法,将采样点模值的平方和定义为离散信号的能量。对于离散分形信号x(n),0≤n≤N-1而言,首先给出离散点的奇异性指数估计α(n),0≤n≤N-1,按照奇异性指数划分奇异性子集xα(n)={[n,xα(n)]},从而可得分形子集的能量

奇异性能量分布的离散逼近方法如下:首先给出离散点的奇异性指数估计α(n),0≤n≤N-1,假定α(n)∈[αmin,αmax],按照等步长对奇异性指数进行划分,得到一组奇异性指数向量α(m)=[αmin0,α1,…,αM-2,αM-1max]。对于α(m),0≤m≤M-1,假定α(m)≤α(n)<α(m+1),定义离散分形子带信号

由此可以计算离散分形信号的能量(www.xing528.com)

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。

我要反馈