Advertisement

Kenngrößen stochastischer Signale

  • Martin Werner
Chapter

Zusammenfassung

Zufallssignale unterliegen oft gewissen Regelmäßigkeiten. Statistische Kenngrößen werden durch Zeitmittelwerte geschätzt, wie das Histogramm, der Mittelwert, die Varianz etc. Von besonderer Bedeutung für die (linearen) Zusammenhänge in Signalen ist die Korrelationsfunktion und ihre Fourier-Transformierte, das Leistungsdichtespektrum. Im Versuch werden anhand von Simulationen eine Reihe von MATLAB-Befehlen zur Schätzung statistischer Kenngrößen und Darstellung der Ergebnisse eingesetzt.

Schlüsselwörter

Autokorrelation („autocorrelation“) Deskriptive Statistik („descriptive statistics“) Ergodizität („ergodicity“) Erwartungswert („expected value“) Freiheitsgrad („degree of freedom“) Korrelation („correlation“) Kovarianz („covarianve“) Gleichverteilung („uniform distribution“) Häufigkeit („frequency“) Kreuzkorrelation („crosscorrelation“) Histogramm („histogram“) Leistungsdichtespektrum („power density spectrum“) MATLAB Mittelwert („mean value“) Musterfolge („sample sequence“) Normalverteilung („normal distribution“) Spannweite („range“) Stationarität („stationarity“) Stochastischer Prozess („stochastic process“) Streudiagramm („scatterplot“) t-Verteilung („t-distribution“) Varianz („variance“) Wahrscheinlichkeitsdichtefunktion („probability density function“) Wahrscheinlichkeitsverteilungsfunktion („probability distribution function“) weißes Rauschen („white noise“) Zeitmittelwert („time average“) Zufallszahl („random number“) 

Literatur

  1. 1.
    Bronstein, I. N., Semendjajew, K. A., Musiol, G., & Mühlig, H. (1999). Taschenbuch der Mathematik (4. Aufl.). Frankfurt a. M.: Harri Deutsch.zbMATHGoogle Scholar
  2. 2.
    Eid, M., Gollwitzer, M., & Schmitt, M. (2015). Statistik und Forschungsmethoden (4. Aufl.). Weinheim: Beltz.Google Scholar
  3. 3.
    Kammeyer, K.-D., & Kroschel, K. (2018). Digitale Signalverarbeitung. Filterung und Spektralanalyse mit MATLAB®-Übungen (9. Aufl.). Wiesbaden: Springer Vieweg.zbMATHGoogle Scholar
  4. 4.
    Werner, M. (2008). Digitale Signalverarbeitung mit MATLAB®-Praktikum. Zustandsraumdarstellung, Lattice-Strukturen, Prädiktion und adaptive Filter. Wiesbaden: Vieweg.zbMATHGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  • Martin Werner
    • 1
  1. 1.FuldaDeutschland

Personalised recommendations