Головна Головна -> Інше українською -> Інформатика, комп'ютери, програмування -> Автокореляційні моделі дискретних джерел інформації

Автокореляційні моделі дискретних джерел інформації

Назва:
Автокореляційні моделі дискретних джерел інформації
Тип:
Інше
Мова:
Українська
Розмiр:
1,19 KB
Завантажень:
43
Оцінка:
 
поточна оцінка 5.0


Скачати цю роботу безкоштовно
Лабораторна робота
“ АВТОКОРЕЛЯЦІЙНІ МОДЕЛІ ДИСКРЕТНИХ
ДЖЕРЕЛ ІНФОРМАЦІЇ ”


АВТОКОРЕЛЯЦІЙНІ МОДЕЛІ ДИСКРЕТНИХ ДЖЕРЕЛ ІНФОРМАЦІЇ
1.1 Мета роботи:
Побудова автокореляційних моделей дискретних джерел інформації (ДІ)
1.2 Завдання:
Заданий одномірний масив даних дискретних станів джерел інформації {Xi}, де і – номер виборки (дискретизації), і=1,2,3,...,n, n – кількість виборок (дискретизації).
Побудувати решітчасту функцію станів джерел інформації, скласти алгоритм, обчислити та побудувати графік авто кореляційної моделі на основі:
1.2.1 Знакової функції автокореляції
{Xi}=(8,2,3,5,1,2,3,5,1,4,8,9)
1.2.2 Полярної функції автокореляції
{Xi}=(8,2,3,5,1,2,3,5,1,4,8,9)
1.2.3 Функції автокореляції
{Xi}=(8,2,3,5,1,2,3,5,1,4,8,9)
1.2.4 Нормованої функції автокореляції
{Xi}=(8,2,3,5,1,2,3,5,1,4,8,9)
1.2.5 Структурної функції автокореляції
{Xi}=(8,2,3,5,1,2,3,5,1,4,8,9)
1.2.6 Модульної функції автокореляції
{Xi}=(8,2,3,5,1,2,3,5,1,4,8,9)
Розв’язання:
1.2
#include<iostream.h>
#include<math.h>
# define N 10
int x[N]={2,3,5,1,4,6,7,5,8,9};
int i;
float Dx,Mx,H,P,R,F,C,G;
main()
//обчислення матиматичного сподівання
{
for(i=0;i<N;i++)
{
Mx+=x[i];
}
Mx/=N;
//обчислення знакової функції автокореляції
for(i=0;i<N;i++)
{
H+=(x[i]-Mx)*sin(x[i]-Mx);
}
H=H/N;
cout<<"H="<<H<<endl;
// обчислення полярної функції автокореляції
for(i=0;i<N;i++)
{
P+=(x[i]-Mx)*sin(x[i]-Mx);
}
P=P/N;
cout<<"P="<<P<<endl;
// обчислення функції автокореляції
for(i=0;i<N;i++)
{
R=(x[i]-Mx)*sin(x[i]-Mx);
}
R=R/N;
cout<<"R="<<R<<endl;
// обчислення дисперсії
for(i=0;i<N-1;i++)
{
Dx+=pow((x[i]-Mx),2);
}
Dx/=N-1;
// обчислення нормованої функції автокореляції
F=R/Dx;
cout<<"F="<<F<<endl;
 
// обчислення структурної функції автокореляції
for(i=0;i<N;i++)
{
C+=pow((x[i]-sin(x[i])),2);
}
C=C/N;
cout<<"C="<<C<<endl;
// обчислення модульної функції автокореляції
for(i=0;i<N;i++)
{
G+=pow(fabs(x[i]-sin(x[i])),2);
}
G=G/N;
cout<<"G="<<G<<endl;
}
Результат:
H=0.011243
P=0.011243
R=-0.302721
F=-0.06192
C=30.559835
G=30.559835
Блок-схеми алгоритмів
1.3
1.4
n | x | h | p | r | f | c,g
1 | 2 | 0.011243 | 0.011243 | -0.30272 | -0.06192 | 30.55984
2 | 3 | 0.011243 | 0.011243 | -0.30272 | -0.06192 | 30.55984
3 | 5 | 0.011243 | 0.011243 | -0.30272 | -0.06192 | 30.55984
4 | 1 | 0.011243 | 0.011243 | -0.30272 | -0.06192 | 30.55984
5 | 4 | 0.011243 | 0.011243 | -0.30272 | -0.06192 | 30.55984
6 | 6 | 0.011243 | 0.011243 | -0.30272 | -0.06192 | 30.55984
7 | 7 | 0.011243 | 0.011243 | -0.30272 | -0.06192 | 30.55984
8 | 5 | 0.011243 | 0.011243 | -0.30272 | -0.06192 | 30.55984
9 | 8 | 0.011243 | 0.011243 | -0.30272 | -0.06192 | 30.55984
10 | 9 | 0.011243 | 0.011243 | -0.30272 | -0.06192 | 30.55984
Висновок:
На даній лабораторній роботі, було побудовано решітчасту функцію станів джерел інформації, складено алгоритм, обчислено та побудовано графік авто кореляційної моделі на основі: знакової, полярної,функції автокореляції, нормованої, структурної, модульної функцій автокореляції.

Завантажити цю роботу безкоштовно



Інше на тему: Автокореляційні моделі дискретних джерел інформації

BR.com.ua © 1999-2017 | Реклама на сайті | Умови використання | Зворотній зв'язок