自相關函數
關注創建者：v/恒 創建時間：2021-03-10
自相關函數的視頻教程
1-30基于matlab圖像清晰度評價指標
基于matlab的圖像清晰度評價指標，圖像剃度的清晰度評價( EOG, Roberts, Tenengrad, Brenner, Variance, Laplace,)，頻域評價(離散傅里葉變換，離散余弦變換)，熵值評價，統計值評價(灰度帶，自相關函數)。程序保證可直接運行。 購買后可下載視頻中的源程序文件。
￥9.9 2分鐘 5播放
查看
考慮巖土體參數空間變異性盾構隧道開挖對地表沉降影響
本案例采用協方差矩陣法生成五種常見自相關函數對應的巖土體參數隨機場，通過ABAQUS生成盾構隧道開挖模型，導出確定性有限元模型INP文件。同時，利用MATLAB生成n和INP文件，選用Python調用abaqus進行隧道開挖計算、提取計算結果，并根據計算結果確實抽樣次數是否滿足要求。
￥200 54分鐘 258播放
查看
自相關函數的實例教程
當均值μ為零時，有
即為信號的平均功率
我們得到了σ的表達式，但是由于x(t)隨時間的變化是隨機的，沒有一個具體的函數來表示它，我們不能得到σ的值。所以需要進行傅里葉變換，將隨機信號由時域轉為頻域表述，在這個過程中，它的平均功率不變，保證了σ不隨著傅里葉變換而改變其大小。
即有：
其中，是x(t)的傅里葉變換。這稱之為帕斯瓦定理。
代入平均功率的表達式，有
其中，表示了信號的平均功率（或能量）在頻域上的分布，即單位頻帶的功率隨頻率變化的情況，故稱之為信號的自功率譜密度函數，簡稱自功率譜或自譜。
為了滿足傅里葉變換的條件，信號x(t)絕對值需要可積，即。而實際的隨機信號是不滿足的，所以需要將隨機信號進行自相關處理，令
稱為隨機函數x(t)的自相關函數。它反映了隨機信號本身在不同時刻的相互關系。
對隨機信號來說，當時，自相關函數即為時域上的平均功率；當非常小時，和是相差很小的，當慢慢增大時，和逐漸不再相關，自相關函數快速衰減為零。
當隨機信號中具有某種周期性信號時，其自相關函數會將其識別出來，并且忽略其相位信息。
根據維納-辛欽定理，信號的自相關函數與功率譜密度是一對傅里葉變換對：
所以隨機信號的功率譜密度可以通過對其自相關函數的傅里葉變換求得。
注：這里有一個問題，前面說隨機信號不一定滿足傅里葉變換的條件，后面說對信號進行自相關處理后就可以進行傅里葉變換進而求得功率譜密度，但是對功率譜密度的定義是對隨機信號進行傅里葉變換得到的。也就是功率譜密度是對一個不一定滿足變換條件的函數進行傅里葉變換得到的。這個地方我還不是很理解。
總結一下，隨機振動的信號輸入是隨機的，不能作為振動分析的輸入，但是其分布是滿足正態分布的，可以作為隨機振動分析的輸入。
展開 2、隨機場文件生成
隨機場的生成主要參考的文獻是《考慮自相關函數影響的邊坡可靠度分析》，這篇文獻后面列出了生成隨機場的matlab代碼，其核心的算法是采用喬列斯基分解，5000個單元以內時候，matlab的計算速度是很快的。以下是以函數形式調用的隨機場生成算法。
function [field]=midpoint_RF (Coord, mu,cov,dh,dv,Nsim,ACF)
%考慮自相關函數影響的邊坡可靠度分析,李典慶
sigma=mu.
各態歷經平穩隨機過程： 對于一個平穩隨機過程，經歷各種狀態統計平均值等于時間平均值，統計自相關函數等于時間自相關函數（數學期望和相關函數的各態歷經性。）
平穩：樣本概率分布與時間無關（與時間間隔有關），即主要針對概率分布而言，并非樣本本身。平穩隨機過程滿足一定條件才會各態歷經，各態歷經一定平穩；
隨機信號強度用均方值描述：隨機變量X(t)的平方的均值，記為，在工程上表示信號的平均功率，其平方根稱有效值。信號的平均功率 = 信號交流分量功率 + 信號直流分量功率。
工程上常把數據信號看成不隨時間變化的靜態分量(即直流分量) 和隨時間變化的動態分量之和。
靜態分量用均值表述。用E(x)表示。高斯白噪聲信號均值為0，只有交流分量。
動態分量部分用方差表述。方差是x（t）偏離均值的平方的均值，它反映離開均值的波動情況，交流信號的平均功率。
有時候分母也換成n-1,這取決于數據是樣本數據還是整體數據。
概率密度函數、概率分布函數、自相關函數、相關系數后續再寫。
展開 我們在這里繼續同樣有關可編程的內容，只是這次將討論傳輸函數:傅里葉光學中一個著名的概念。傳輸函數是對于包含理想組件的光學系統是一種極好的實現方法。在VirtualLab的全矢量電磁方法中也更好地體現出來。在以下教程和示例的幫助下，學習如何在VirtualLab Fusion中編寫自己的自定義函數！
傳輸函數
按照本教程的說明學習如何在VirtualLab Fusion中編寫自定義傳輸函數，并以一個理想的柱面透鏡為例。
編寫一個錐透鏡的傳輸函數
通過這個錐透鏡傳輸函數的附加示例，進一步加強您的VirtualLab編程知識。
展開 https://en.wikipedia.org/wiki/Intel_Fortran_Compiler
inel fortran Compiler 不同版本對應的編譯器
Intel Parallel Studio XE 2015 Update 4 or later (compiler 15.0.4) VS2010, VS2012, VS2013, VS2015 (includes VS2010 Shell)
Intel Parallel Studio XE 2015 Initial release through update 3 (compiler 15.0) VS2010, VS2012, VS2013 (includes VS2010 Shell)
Composer XE 2013 SP1 Update 1 or later (compiler 14.0.1) - VS2008, VS2010, VS2012, VS2013 (includes VS2010 Shell)
Composer XE 2013 SP1 initial release (compiler 14.0.0) - VS2008, VS2010, VS2012 (includes VS2010 Shell)
Composer XE 2013 (compiler 13.0 and 13.1) - VS2008, VS2010, VS2012 (includes VS2010 Shell)
Composer XE 2011 (compiler 12.0 and 12.1) - VS2005, VS2008, VS2010 (includes VS2008 Shell (12.0) or VS2010 Shell (12.1))
展開 
自相關函數的相關專題、標簽、搜索
自相關函數的最新內容
從微觀角度出發，利用壓力張量自相關函數積分計算黏度。理論基礎強，能考慮復雜微觀因素，但計算量極大，對計算機性能和時間要求高，積分上限選擇需謹慎。（2）愛因斯坦關系法。通過分析粒子擴散行為間接求黏度，依據愛因斯坦關系，由粒子擴散系數計算。計算相對簡單，只需粒子運動軌跡信息。不過對于粒子間作用強、擴散不明顯的復雜體系誤差較大，粒子半徑選擇也會影響結果。（3）非平衡分子動力學方法。
摘要
由于相位和結構之間的直接關系，衍射分束鏡通常采用一定的傍軸近似來設計，這些算法也提供了這種近似，反之亦然。在非傍軸或甚至高NA分束器的情況下，這些近似將引入一些不準確性，因此，如果不進行額外嚴格的后優化，至少建議進行嚴格的分析。在這個用例中，使用奇數衍射級對典型的二元1:6分束器執行這樣嚴格的評估。為此，對初始系統的結構進行了參數化，并通過可編程光柵分析器定義了一組自定義的評價函數
在之前的通訊中，我們指出VirtualLab Fusion軟件結合可定制化功能的模塊化特性是的其基本優勢之一，并且通過可編程表面這一實例高亮了該優勢。我們在這里繼續同樣有關可編程的內容，只是這次將討論傳輸函數:傅里葉光學中一個著名的概念。傳輸函數是對于包含理想組件的光學系統是一種極好的實現方法。在VirtualLab的全矢量電磁方法中也更好地體現出來。在以下教程和示例的幫助下，學習如何在VirtualLab
摘要
由于相位和結構之間的直接關系，衍射分束鏡通常采用一定的傍軸近似來設計，這些算法也提供了這種近似，反之亦然。在非傍軸或甚至高NA分束器的情況下，這些近似將引入一些不準確性，因此，如果不進行額外嚴格的后優化，至少建議進行嚴格的分析。在這個用例中，使用奇數衍射級對典型的二元1:6分束器執行這樣嚴格的評估。為此，對初始系統的結構進行了參數化，并通過可編程光柵分析器定義了一組自定義的評價函數
基于matlab的基于S函數的變步長自適應濾波算法，比傳統的算法收斂速度更快。傳統的LMS算法中，權值向量實時地被更新。這些更新可能會由于噪聲的影響而變得不穩定。SVSLMS算法是一種改進的LMS算法，它采用了矢量處理的概念，利用信號和噪聲的矢量特征來抑制噪聲，從而提高了算法的穩定性和收斂速度。程序已調通，可直接運行。
圖像剃度的清晰度評價( EOG, Roberts, Tenengrad, Brenner, Variance, Laplace,)，頻域評價(離散傅里葉變換，離散余弦變換)，熵值評價，統計值評價(灰度帶，自相關函數)。
輸入數據為自相關的功率譜密度PSD，輸出為響應功率譜密度、自相關函數、響應變量的均方根等參數。基于這些參數可以考察結構在隨機環境下的工作情況，評估結構的振動特性和可靠性。
而實際的隨機信號是不滿足的，所以需要將隨機信號進行自相關處理，令
稱為隨機函數x(t)的自相關函數。它反映了隨機信號本身在不同時刻的相互關系。
對隨機信號來說，當時，自相關函數即為時域上的平均功率；當非常小時，和是相差很小的，當慢慢增大時，和逐漸不再相關，自相關函數快速衰減為零。
當隨機信號中具有某種周期性信號時，其自相關函數會將其識別出來，并且忽略其相位信息。
<p class="ql-align-center"><strong>1. 簡介</strong></p><p class="ql-align-center"><br></p><p> 今天我們接著說Fluent UDF功能，我們經常使用的UDF宏主要有以下幾種：</p><p>DEFINE_PROFILE：
前面我們所講述的Fluent的相關知識只是很少很少的一部分，但是今天我們還是開始一部分新的知識。之所以這樣做，是因為今天所講述的知識在大家以后的學習中用途很廣泛，同時這部分知識需要大家提前學習一些基礎知識。
圖1.UDF用戶手冊
UDF介紹： 所謂UDF-用戶自定義函數（User-defined functions），學習過編程語言的同學對此應該并不陌生，無論是C語言、JAVA
