Академический Документы
Профессиональный Документы
Культура Документы
(1)
4
Para comodidad de la escritura fueron introducidas las siguientes simplificaciones:
, .
n k
n k
C F C
F T
_ _
, ,
La estimacin por el perodograma se encuentra por el modulo cuadrado de el espectro
amplitudinal
2
1
0
1
exp 2 .
N
k n
n
kn
S i
N N
(2)
Otra estimacin del espectro se realiza mediante la funcin de correlacin:
( ) ( ) ( )
max
0
max
1
,
N n
n
R M t n t n M t
N n
+ 1
]
(3)
donde N el numero de miembros de la serie temporal discreta
( )
n
t
, M es el parmetro de
retraso del tiempo y es necesario calcular los valores de la densidad espectral en max
n
de puntos
equidistantes est se transforma por la TDF (1),
1
0
( ) exp 2 .
N
k
n
kn
S R M t i
N
(4)
donde
k
S
es estimacin espectral o espectro energtico.
Las estimaciones por los mtodos no lineales (adaptativos) se realizarn mediante la
utilizacin de un filtro de transformacin o filtro blanco,
5
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
'
'
1
1
1
1
]
1
0
0
1
0 2 1
2 0 1
1 1 0
2
1
1
M
M
a
a
R M R M R
M R R R
M R R R
(5)
dnde en donde N M , M es el orden del filtro,
( ) R j
es la
j
sima cuenta de la funcin
de correlacin, solucionando el sistema (5) se encuentran los coeficientes del filtro
j
a
(factores de
peso) y la dispersin
2
M
en su salida.
De los coeficientes se calcula la estimacin espectral por el Mtodo de Mxima Entropa
(ME):
2
2
1
0
( )
exp( )
x
M
j j
j
t
S
a i t
, (6)
donde t es el intervalo entre las muestras en la serie inicial,
0
1 a
(Konyaev, 1990).
La segunda estimacin adaptativa obtenida por el mtodo de Mxima Verosimilitud (MV)
se fundamenta en la solucin comprometida: se construyen los filtros de todas las longitudes
posibles desde 2 hasta N, donde ij
a
se obtiene de una matriz, la matriz inversa de correlacin de la
sucesin inicial:
6
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
1
1
1
1
]
1
1
1
1
1
]
1
N N N N
N
N
a a a
a a a
a a a
R N R N R
N R R R
N R R R
2 1
2 2 2 2 1
1 1 2 1 1
1
0 2 1
2 0 1
1 1 0
(8)
Ya que los valores de ij
a
por lo general se normalizan en la dispersin del ruido de salida,
la estimacin de Mxima Verosimilitud tiene la forma:
( )
( )
2
1
,
, 1
.
exp
N
i j i j
i j
t
S f
a i t
(9)
El campo aleatorio, tal y como el proceso aleatorio, se presenta como una serie mltiple,
siendo cada una de ellas una funcin aleatoria del argumento vectorial. La descomposicin
espectral de los campos aleatorios y sus funciones de correlacin no presenta ninguna diferencia de
las descomposiciones de los procesos aleatorios y de las funciones de correlacin de una
dimensin. Todas las propiedades y relaciones descritas para los procesos aleatorios conservan su
fuerza para los campos, con algunas extensiones debido a la modificacin del argumento escalar
por vectorial.
La estimacin por la funcin de correlacin se lleva a cabo en dos etapas. Inicialmente se
construye una estimacin de la funcin de correlacin
7
( ) ( ) ( ) x d x x x
x
x R
x
x
x
+
. (8)
Despus el espectro del campo se encuentra a travs de la Transformada de Fourier de la
estimacin de la funcin de correlacin
( ) ( ) x d x k i x R k S
2 exp
. (9)
Al estimar el espectro por el periodograma inicialmente se realiza la Transformada de Fourier
para la serie del campo
( )
( )
exp 2
x
x
C k x i k x dx
r r
r r r
(10)
y se encuentra el periodograma del campo
( ) ( )
2
1
1
, S k C k
x
r r
y despus se calcula la estimacin suavizada del espectro,
( ) ( ) ( ) ,
' ' '
1
k d k k Q k S k S
(11)
en donde ( ) k Q
es la ventana suavizante frecuencial.
La estimacin tradicional del espectro espacio temporal tiene la forma:
( )
( )
1 1
, exp 2
P P
ij ij ij
i j
S k f a S f i k x
r r
r
(12)
en donde
( ) f S
ij es la matriz de espectros cruzados,
k
r
es el vector de onda;
ij
x
r
es el vector de la
diferencia de coordenadas entre esimo i y
esimo j
sensor; ij
a
son multiplicadores de peso
escogidos para cada posicin concreta de los sensores de tal manera que se pueda formar una
buena ventana espectral espacial a travs de la eliminacin o supresin de la informacin obtenida
con sensores ubicados no adecuadamente.
El estimador mismo de Mxima Entropa (con una exactitud de hasta el multiplicador
normativo) se calcula de la forma:
8
( )
( )
1
1
, 0
, exp 2
P
ij ij
i j
S k f h f i k x
_
,
r r
(13)
donde ( )
ij
h f
es la matriz de filtros de multicanales
( ) { }
'
1 1 0
1
1
0
p
p
ij
a a a
a
a
a
f h
(14)
Para la estimacin del espectro por el mtodo de Mxima Verosimilitud el filtro multicanal se
determina por la matriz espectral inversa
( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
1
2 1
2 2 2 2 1
1 1 2 1 1
1
1
1
1
1
]
1
f S f S f S
f S f S f S
f S f S f S
f h
p p p p
p
p
i j
(15)
y la estimacin se calcula sustituyendo (15) en (13) (Burg 1972).
La meta de la estimacin espectral es describir la distribucin (sobre la frecuencia) del poder
contenido en una seal, basado en un juego finito de datos. La estimacin del espectro de
energtico es til en una variedad de aplicaciones, incluyendo la deteccin de series ocultas en
ruido de banda angosta.
Estas estimaciones sern llevadas a cabo mediante programas implementados en Fortran y
Matlab para el grfico de los mismos, ya que su realizacin analticamente es demasiado extensa.
9
CRONOGRAMA DE ACTIVIDADES
Ao 2005
Actividades
Febrero Marzo Abril Mayo Junio Julio AgostoSeptiembre
Investigacin
Bibliogrfica
X X X X
Redaccin de
fundamentos bsicos
X X X
Anlisis y desarrollo
de los mtodos
lineales y no lineales
X X X
Aplicacin de datos
reales a los mtodos
X X X X
Anlisis de
resultados
X X
Presentacin de tesis
X
BIBLIOGRAFIA
Bendat, J.S., and Piersol, A.G. (1986) Random Data: Analysis and Measurement Procedures. Third
Edition, John Wiley & Sons, Inc.
Burg, J. P. (1972) The relationship between maximum entropy spectra and maximum likelihood
spectra. Geophysics, Vol. 37, No. 2, P. 375-376.
Emery, W. J. and Thomson R.E. (2004) Data analysis methods in physical oceanography. Second
Ed. Elsevier B.V.
Jenkins, G.M., and Watts, D.G. (1969) Spectral Analysis and Its Applications. San Francisco-
Cambridge-London-Amsterdam, Holden-Day, 345 p.
Konyaev, K.V. (1990). Spectral Analysis of Physical Oceanographic Data. A.A.
Balkema/Rotterdam, 200 p.
Mooers, C.N.K. (1973) A Technique for the Cross-Spectrum Analysis of Pairs of Complex Valued
Time Series with Emphasis on Properties of Polarized Components and Rotational
Invariants. Deep Sea Res. 20: 1129-1141.
10
Ulrych, T., and Jensen O. (1974) Cross spectral analysis using maximum entropy. Geophysics, Vol.
39, No. 3, P. 353-354
11