|
стики. А также необходимо ограничить область рассмотрения сигналов изображений. Всю совокупность различного рода сигналов, характерных для тех или иных методов распознаваний, можно разделить на две большие группы, рисунок 1.1: детерминированные и стохастические [22]. 19 % й Рисунок 1.1 —Классификация типовых сигналов используемых при диагностических исследованиях Детерминированные сигналы представляют собой некоторые функции времени, вид которых задан, а конкретные параметры, определяющие однозначно форму этих сигналов, неизвестны. Например x(t) = A sin(со0t + (р). Амр плитуда А, фаза ф и частота со0априори неизвестны. Стохастическими называются процессы, развитие которых во времени 4 или пространстве подчиняются вероятностным законам. Из большого числа различных классификаций стохастических сигналов целесообразно выделить т классификацию, в которой содержатся лишь те разновидности сигналов, представители которых встречаются в функционально-диагностических исследованиях или полезны как достаточно удобная математическая модель, с необходимой точностью адекватная реальным процессам. |
21 Классификация типовых сигналов функционально-диагностических исследований Рис. 1.5. Детерминированные сигналы представляют собой некоторые функции времени, вид которых задан, а конкретные параметры, определяющие однозначно форму этих сигналов, неизвестны. Например x(t) = A sin(со01+ ф). Амплитуда А, фаза ф и частота ю0априори неизвестны. Стохастическими называются процессы, развитие которых во времени или пространстве подчиняются вероятностным законам. Из большого числа различных классификаций стохастических сигналов целесообразно выделить классификацию, в которой содержатся лишь те разновидности сигналов, представители которых встречаются в функционально-диагностических исследованиях или полезны как достаточно удобная математическая модель, с необходимой точностью адекватная реальным процессам. С этих позиций все стохастические сигналы разделяют на три группы [17]: случайные (скалярные) процессы; векторные случайные процессы; случайные поля. Случайный (скалярный) процесс X(t) есть функция одного аргумента t (обычно функция времени), причем для каждого фиксированного t значение X(t) является некоторой случайной величиной. В зависимости от конкретных особенностей из всей совокупности процессов X(t) выделяют: чисто случайный процесс (процесс типа "белого" шума); линейный случайный процесс, который можно интерпретировать как результат прохождения чисто случайного процесса через линейную динамическую систему; |