دانلود کتاب Automatic Autocorrelation and Spectral Analysis (به فارسی: همبستگی خودکار و تحلیل طیفی) نوشته شده توسط «Piet M. T. Broersen»
اطلاعات کتاب همبستگی خودکار و تحلیل طیفی
موضوع اصلی: تحلیل و بررسی
نوع: کتاب الکترونیکی
ناشر: Springer
نویسنده: Piet M. T. Broersen
زبان: English
فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2006
تعداد صفحه: 301
حجم کتاب: 3 مگابایت
کد کتاب: 9781846283291 , 1-84628-329-9 , 1846283280 , 9781846283284
توضیحات کتاب همبستگی خودکار و تحلیل طیفی
خودهمبستگی خودکار و تجزیه و تحلیل طیفی به داده های تصادفی زبانی می دهد تا اطلاعاتی را که در آنها وجود دارد به صورت عینی ارتباط برقرار کند.
در عمل کنونی تحلیل طیفی، تصمیمات ذهنی باید گرفته شود که همگی بر تخمین طیفی نهایی تأثیر میگذارند و بدین معناست که تحلیلگران مختلف نتایج متفاوتی را از مشاهدات تصادفی ثابت به دست میآورند. پردازش سیگنال آماری می تواند بر این مشکل غلبه کند و راه حل منحصر به فردی برای هر مجموعه ای از مشاهدات ایجاد کند، اما این راه حل تنها در صورتی قابل قبول است که به بهترین دقت قابل دستیابی برای اکثر انواع داده های ثابت نزدیک باشد.
خودکار. خودهمبستگی و تحلیل طیفی روشی را توصیف میکند که معیار حل تقریباً بهینه را برآورده میکند. از قدرت محاسباتی بیشتر و الگوریتم های قوی برای تولید مدل های کافی برای اطمینان از ارائه یک نامزد مناسب برای داده های داده شده استفاده می کند. بهبود کیفیت انتخاب سفارش تضمین می کند که یکی از بهترین ها (و اغلب بهترین ها) به طور خودکار انتخاب می شود. خود داده ها بهترین نمایش آنها را نشان می دهد، اما اگر تحلیلگر بخواهد مداخله کند، می توان جایگزین هایی را ارائه کرد. این متن برای دانشجویان فارغ التحصیل پردازش سیگنال و برای محققان و مهندسان با استفاده از تجزیه و تحلیل سری های زمانی برای کاربردهای عملی از پیشگیری از خرابی در ماشین آلات سنگین تا اندازه گیری صدای ریه برای تشخیص پزشکی نوشته شده است، این متن ارائه می دهد:
- آموزش چگونگی چگالی طیفی توان و تابع همبستگی خودکار داده های تصادفی را می توان در مدل های سری زمانی تخمین زد و تفسیر کرد؛
- پشتیبانی گسترده از جعبه ابزار MATLAB® ARMAsel؛
- برنامه هایی که روش ها را در عمل نشان می دهند.
- ریاضیات مناسب برای دانشآموزان برای استفاده از روشها با منابع برای کسانی که میخواهند آنها را بیشتر توسعه دهند.
Automatic Autocorrelation and Spectral Analysis gives random data a language to communicate the information they contain objectively.
In the current practice of spectral analysis, subjective decisions have to be made all of which influence the final spectral estimate and mean that different analysts obtain different results from the same stationary stochastic observations. Statistical signal processing can overcome this difficulty, producing a unique solution for any set of observations but that solution is only acceptable if it is close to the best attainable accuracy for most types of stationary data.
Automatic Autocorrelation and Spectral Analysis describes a method which fulfils the near-optimal-solution criterion. It takes advantage of greater computing power and robust algorithms to produce enough models to be sure of providing a suitable candidate for given data. Improved order selection quality guarantees that one of the best (and often the best) will be selected automatically. The data themselves suggest their best representation but should the analyst wish to intervene, alternatives can be provided. Written for graduate signal processing students and for researchers and engineers using time series analysis for practical applications ranging from breakdown prevention in heavy machinery to measuring lung noise for medical diagnosis, this text offers:
- tuition in how power spectral density and the autocorrelation function of stochastic data can be estimated and interpreted in time series models;
- extensive support for the MATLABВ® ARMAsel toolbox;
- applications showing the methods in action;
- appropriate mathematics for students to apply the methods with references for those who wish to develop them further.
دانلود کتاب «همبستگی خودکار و تحلیل طیفی»
📖 خرید این کتاب
برای دریافت فایل و اطلاع از قیمت، روی یکی از دکمههای زیر کلیک کنید تا پیام آماده برای شما ارسال شود:
پس از ارسال پیام، قیمت و لینک دریافت فایل در اسرع وقت برای شما ارسال خواهد شد.