Новационные методы анализа стохастических процессов и структур в оптике. Фрактальные и мультифрактальные методы, вейвлет-преобразования. Короленко П.В - 26 стр.

UptoLike

Рубрика: 

Глава 2. ОСНОВЫ ФРАКТАЛЬНОГО АНАЛИЗА
26
Таким образом, фрактальная размерность броуновского
сигнала
равна . 5,1
2.2. Описание сигналов на основе модели
обобщенного броуновского движения
Рассмотренную выше модель классического броуновского
движения можно рассматривать как модель марковских
случайных процессов. Для соответствующих им сигналов
вероятность того, что
(
)
2
tX
достигнет определенного значения
при заданном
(
)
1
tX
(
21
tt
<
), зависит только от и , а не от
поведения
при
1
t
2
t
()
tX
1
tt
<
. Такие сигналы имеют строго
определенное значение фрактальной размерности
5,1
=
D , т.е.
являются броуновскими. В тех случаях, когда нужно описать
случайные сигналы с другими значениями
, обладающие
некоторойпамятью”, прибегают к
модели обобщенного
броуновского движения
(ОБД).
D
Считается, что гауссовский сигнал
(
)
tX
со стандартным
отклонением
подчиняется модели ОБД, если приращение σ
(
)(
12
tXtXX
)
=
(2.2.1)
имеет гауссовское распределение, характеризуемое выражением
du
tt
u
tt
xXP
x
H
H
σ
σπ
=<
2
12
12
)(
2
1
exp
)(2
1
)(
. (2.2.2)
Из (2) следует, что в модели ОБД
дельта-дисперсия равна
(
)
(
)
(
)
[
]
H
tttXtXE
2
12
2
2
12
- σ=
. (2.2.3)
Входящий в вышеприведенные соотношения параметр
(
) называется параметром Херста. При
H
10 << H 21
=
H модель
ОБД совпадает с классической моделью броуновского движения.
Математическое ожидание приращения сигнала (т.е.
структурная функция первого порядка) определяется
выражением
() ()
[]
()
H
tttXtXE
1212
2
σ
π
=
. (2.2.4)
Глава 2. ОСНОВЫ ФРАКТАЛЬНОГО АНАЛИЗА

Таким образом, фрактальная                          размерность                  броуновского
сигнала равна 1,5 .

        2.2. Описание сигналов на основе модели
          обобщенного броуновского движения
   Рассмотренную выше модель классического броуновского
движения можно рассматривать как модель марковских
случайных процессов. Для соответствующих им сигналов
вероятность того, что X (t 2 ) достигнет определенного значения
при заданном X (t1 ) ( t1 < t 2 ), зависит только от t1 и t 2 , а не от
поведения X (t ) при t < t1 . Такие сигналы имеют строго
определенное значение фрактальной размерности D = 1,5 , т.е.
являются броуновскими. В тех случаях, когда нужно описать
случайные сигналы с другими значениями D , обладающие
некоторой “памятью”, прибегают к модели обобщенного
броуновского движения (ОБД).
   Считается, что гауссовский сигнал X (t ) со стандартным
отклонением σ подчиняется модели ОБД, если приращение
                                ∆X = X (t 2 ) − X (t1 )                                (2.2.1)
имеет гауссовское распределение, характеризуемое выражением

                      1           x   ⎛ 1⎛        u              ⎞
                                                                     2
                                                                         ⎞
                                      ⎜− ⎜                       ⎟       ⎟du .
                               H ∫
P ( ∆X < x ) =                     exp    ⎜                      ⎟                     (2.2.2)
                 2πσ(t 2 − t1 ) − ∞   ⎜ 2 ⎝ σ(t 2 − t1 )H                ⎟
                                      ⎝                          ⎠       ⎠
     Из (2) следует, что в модели ОБД дельта-дисперсия равна
                          [                 2
                                                ]
                        E ( X (t 2 ) - X (t1 )) = σ2 t 2 − t1
                                                                2H
                                                                     .                 (2.2.3)
    Входящий в вышеприведенные соотношения параметр H
( 0 < H < 1 ) называется параметром Херста. При H = 1 2 модель
ОБД совпадает с классической моделью броуновского движения.
    Математическое ожидание приращения сигнала (т.е.
структурная       функция    первого  порядка)   определяется
выражением

                          [                ]
                       E X (t 2 ) − X (t1 ) =
                                                    2
                                                    π
                                                      σ(t 2 − t1 ) .
                                                                  H
                                                                                       (2.2.4)

26