Questions tagged «approximation»

5
移动平均滤波器(FIR滤波器)的最佳一阶IIR(AR滤波器)近似值是多少?
假定以下一阶IIR滤波器: y[n]=αx[n]+(1−α)y[n−1]y[n]=αx[n]+(1−α)y[n−1] y[n] = \alpha x[n] + (1 - \alpha) y[n - 1] 我如何选择参数 st IIR尽可能接近FIR,FIR是最后样本的算术平均值:αα \alpha kk k z[n]=1kx[n]+1kx[n−1]+…+1kx[n−k+1]z[n]=1kx[n]+1kx[n−1]+…+1kx[n−k+1] z[n] = \frac{1}{k}x[n] + \frac{1}{k}x[n-1] + \ldots + \frac{1}{k}x[n-k+1] 其中,表示IIR的输入可能比,但我想对最后输入的平均值进行最佳近似。n∈[k,∞)n∈[k,∞) n \in [k, \infty) kk k kk k 我知道IIR具有无限的脉冲响应,因此我正在寻找最佳近似值。无论是还是成本函数的分析解决方案,我都很高兴。L2L2 {L}_{2} L1L1 {L}_{1} 仅给出一阶IIR,如何解决此优化问题。 谢谢。

1
平方超根函数有哪些近似技术?
我需要实现的倒数的近似值,即平方超根(ssrt)函数。例如,表示。与使用幂级数更直接的方法相比,我对了解特定的精度/位深度不感兴趣,而对了解我的选择却不那么感兴趣。小号小号ř 吨(2 )≈ 1.56 1.56 1.56 ≈ 2xxxxx^xssrt(2)≈1.56ssrt(2)≈1.56\mathrm{ssrt}(2) \approx 1.561.561.56≈21.561.56≈21.56^{1.56} \approx 2 Wolfram Alpha 就Lambert W函数(即)给出了一个很好的符号解决方案。维基百科给出了相同的公式,以及等效的。鉴于在计算 [1] [2]方面有合理的信息量,从技术上讲,这是为各种需求实现某些东西所需的一切。我知道至少有两本书详细介绍了关于 [3] [4]的详细信息,因此从该方向上甚至还有很多优化的空间。ln(x)/W(ln(x))ln⁡(x)/W(ln⁡(x))\ln(x)/W(\ln(x))eW(ln(x))eW(ln⁡(x))e^{W(\ln(x))}W(x)W(x)W(x)ln(x)ln⁡(x)\ln(x) 但是,我有两个问题: 此功能专用的近似技术是否已在任何地方发布? 除了“平方超级根”以外,它是否还有其他名称,这将使搜索参考变得容易一些? Wikipedia / Google已经找到了一些引用,这些引用专门用于更一般的“文本”功能,其中包括作为特例,但其中大多数似乎更适合于探索/定义一般情况。ssrt(x)ssrt(x)\mathrm{ssrt}(x) - Corless,R .;Gonnet,G .;野兔,D。杰弗里(D. Knuth,Donald(1996),“关于Lambert W函数”, http://www.apmaths.uwo.ca/~djeffrey/Offprints/W-adv-cm.pdf 数学函数数字图书馆。http://dlmf.nist.gov/4.13 Crenshaw,Jack W.(2000),《实时编程的数学工具包》。 Hart,John F.(1978),计算机近似。 Chapeau-Blondeau,F.和Monir,A.(2002)。Lambert W函数的数值评估及其在指数为1/2的广义高斯噪声生成中的应用。IEEE Transactions on Signal Processing 50,2160-2165。http://www.istia.univ-angers.fr/~chapeau/papers/lambertw.pdf 米内罗,保罗。快速近似兰伯特w ^。http://www.machinedlearnings.com/2011/07/fast-approximate-lambert-w.html - 更新资料 在过去几天进行了更多研究之后,我仍然没有发现那种动手的“ …

4
求正弦波的多项式近似
我想近似由下式给出的正弦波sin(πx)sin⁡(πx)\sin\left(\pi x\right)通过将多项式波形成形器为一个简单的三角波,由该函数产生的 T(x)=1−4∣∣12−mod(12x+14, 1)∣∣T(x)=1−4|12−mod⁡(12x+14, 1)|T\left(x\right)=1-4\left|\tfrac{1}{2}-\operatorname{mod}(\tfrac{1}{2}x+\tfrac{1}{4},\ 1)\right| 其中mod(x,1)mod⁡(x,1)\operatorname{mod}(x, 1)是的小数部分xxx: mod(x,y)≜y⋅(⌊xy⌋−xy)mod⁡(x,y)≜y⋅(⌊xy⌋−xy) \operatorname{mod}(x, y) \triangleq y \cdot \left( \left\lfloor \frac{x}{y}\right\rfloor - \frac{x}{y} \right) 一个泰勒级数可以用来作为波形成形。 S1(x)=πx2−πx233!+πx255!−πx277!S1(x)=πx2−πx233!+πx255!−πx277!S_1\left(x\right)=\frac{\pi x}{2}-\frac{\frac{\pi x}{2}^3}{3!}+\frac{\frac{\pi x}{2}^5}{5!}-\frac{\frac{\pi x}{2}^7}{7!} 给定上述函数,S1(T(x))S1(T(x))S_1(T(x))将为我们提供正弦波的近似近似。但是,我们需要提高到该序列的7次方才能得到一个合理的结果,并且峰值有些低,并且斜率也不会完全为零。 代替泰勒级数,我们可以使用遵循几个规则的多项式波整形器。 必须通过-1,-1和+ 1,+ 1。 -1,-1和+ 1,+ 1处的斜率必须为零。 必须对称。 满足我们要求的简单功能: S2(x)=3x2−x32S2(x)=3x2−x32S_2\left(x\right)=\frac{3x}{2}-\frac{x^3}{2} 的图表S2(T(x))S2(T(x))S_2(T(x))和sin(πx)sin⁡(πx)\sin\left(\pi x\right)相当接近,但不是亲如泰勒级数。在峰值和零交叉点之间,它们明显偏离一点。满足我们要求的更重,更准确的功能: S3(x)=x(x2−5)216S3(x)=x(x2−5)216S_3\left(x\right)=\frac{x(x^2-5)^2}{16} 就我的目的而言,这可能足够接近,但我想知道是否存在另一个函数,该函数更接近正弦波,并且在计算上更便宜。我对如何找到满足上述三个要求的功能有很好的了解,但是我不确定如何找到满足这些要求并且最接近正弦波的功能。 有什么方法可以找到模拟正弦波的多项式(当应用于三角波时)? 为了澄清,我不一定只寻找奇对称多项式,尽管这些是最直接的选择。 类似以下功能的内容也可以满足我的需求: S4(x)=3x2+x24+x44S4(x)=3x2+x24+x44S_4\left(x\right)=\frac{3x}{2}+\frac{x^2}{4}+\frac{x^4}{4} 这可以满足负范围内的要求,也可以使用分段解决方案将其应用于正范围内。例如 3x2−P(x,2)4−P(x,4)43x2−P(x,2)4−P(x,4)4\frac{3x}{2}-\frac{P\left(x,2\right)}{4}-\frac{P\left(x,4\right)}{4} 其中是有符号幂函数。PPP 我也会对使用有符号幂函数来支持分数指数的解决方案感兴趣,因为这为我们提供了另一个“扭曲旋钮”而无需添加其他系数。 a0x …

2
在数字应用中使用连续经节离散小波变换
我熟悉小波背后的许多数学背景。但是,在具有小波的计算机上实现算法时,我不确定应该使用连续小波还是离散小波。当然,在所有现实中,计算机上的所有东西都是离散的,因此显而易见,离散小波是数字信号处理的正确选择。但是,根据维基百科,连续小波变换主要用于(数字)图像压缩以及大量其他数字数据处理活动。在决定是否将(近似)连续小波变换而不是(精确)离散小波变换用于数字图像或信号处理时,要考虑哪些利弊? PS(在此处检查假设)我假设在数字处理中使用了连续小波变换,方法是简单地获取连续小波在等距点处的值,然后将所得序列用于小波计算。它是否正确? PPS通常,维基百科在数学方面非常精确,所以我假设关于连续小波变换的文章中的应用实际上是连续小波变换的应用。当然,它提到了一些专门用于CWT的功能,因此在数字应用中显然存在CWT的一些用法。

2
从函数样本估计泰勒级数系数
假设我有一个函数测量值,并且在x i处采样并带有一些噪声,这可以通过泰勒级数展开来近似。是否有一种公认的方法可以根据我的测量结果估算出该膨胀系数?y=y(x)y=y(x)y = y(x)xixix_i 我可以将数据拟合为多项式,但这并不完全正确,因为对于泰勒级数,您越靠近中心点(例如x = 0),近似值就会越好。仅拟合多项式就可以平等地对待每个点。 我还可以在扩展时估算导数的各种阶数,但是然后我需要决定要使用哪些微分滤波器以及每个滤波器有多少个滤波器系数。用于不同导数的过滤器是否需要以某种方式组合在一起? 那么有人知道为此建立方法吗?对论文的解释或参考将不胜感激。 澄清说明 作为对以下评论的回应,我的采样是一个无限函数的矩形窗口,该函数不一定受带宽限制,但不具有强大的高频分量。更具体地说,我正在根据估算器的参数(基础组织的变形或应变水平)测量估算器的方差(测量医学超声信号中的位移)。我有一个理论上的泰勒级数,用于将方差作为变形的函数,并希望将其与我从仿真中得到的结果进行比较。 一个类似的玩具示例可能是:假设您有一个类似于ln(x)的函数,该函数以x的间隔采样,并添加了一些噪声。您不知道它真正的功能是什么,并且您想要估计它在x = 5附近的泰勒级数。因此,该函数在您感兴趣的点周围的区域内是平滑且缓慢变化的(例如2 <x <8),但在该区域外不一定很好。 答案很有帮助,某种最小二乘多项式拟合可能是采取的途径。但是,使泰勒级数估计值与正常多项式拟合不同的原因是,您应该能够去除高阶项,并使多项式仍近似原始函数,只是在初始点附近的较小范围内。 因此,也许该方法将是仅使用接近初始点的数据进行线性多项式拟合,然后进行二次拟合,并使用更多数据,然后使用三次以上的拟合,等等。
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.