Die Definition eines white-noise-Prozess in Python
Muss ich ziehen Proben aus einem white noise Prozess, um zu implementieren ein bestimmtes integral numerisch.
Wie erstelle ich diese mit Python (d.h., numpy, scipy,...)?
InformationsquelleAutor dbliss | 2015-08-26
Du musst angemeldet sein, um einen Kommentar abzugeben.
Können Sie erreichen dies durch die
numpy.random.normal
- Funktion, womit eine bestimmte Anzahl von Proben aus einer Gauß-Verteilung.numpy.random.standard_normal(size=num_samples)
können auch verwendet werden, wenn Mittelwert=0, std=1Dies können Sie erreichen mit jeder Art von Verteilung, solange es keine autocorrelations in das signal. "numpy.random.uniform(low=0.0, high=1.0, size=1000)", "np.random.dreieckige(-3, 0, 8, 100000)" erhalten auch weißes Rauschen. Sie können auch ein korreliertes signal verarbeiten und mischen es mit "numpy.random.shuffle" für immer "weißes Rauschen".
InformationsquelleAutor Sam
Kurze Antwort ist
numpy.random.random()
. Numpy Website-BeschreibungAber da finde ich mehr und mehr Antworten zu ähnlichen Fragen geschrieben, wie
numpy.random.normal
, vermute ich, eine kleine Beschreibung ist erforderlich. Wenn ich richtig verstehe Wikipedia (und ein paar Lektionen an der Universität) richtig, Gauss und White Noise sind zwei getrennte Dinge. Weißes Rauschen hat eine Gleichmäßige Verteilung, nicht Normal (Gaussian).Dies ist meine erste Antwort, also, wenn Sie Fehler korrigieren möglicherweise von mir gemacht, hier werde ich gerne ein update. Danke =)
White noise has Uniform distribution, not Normal (Gaussian).
Weißes Rauschen muss eine Gleichmäßige Verteilung über Frequenzen aber es kann jede beliebige Verteilung über Zeit (etwa Normal).Wie Wikipedia sagt: "weißes Rauschen ist ein zufälliges signal mit gleicher Intensität bei verschiedenen Frequenzen". Dies bedeutet, dass können Sie jede Art von PDF-Datei für ein signal so lange, wie es keine temporäre Zusammenhänge. Also Weißes Rauschen haben kann, Gleichverteilung, Normalverteilung oder eine andere Art von Distributionen
Diese Antwort ist falsch. Weißes Rauschen ist ein stetiger Prozess von der jeder unkorrelierten zufälligen Prozess, wie uniform oder normal. Jedoch, wenn Sie es digitalisieren, müssen Sie die bandpass-filter an der Nyquist-Frequenz, sonst wird Ihre Annäherung an den kontinuierlichen Prozess enthält aliasing. Es stellt sich heraus, dass bandpassing white noise Ergebnisse in einem diskreten zufälligen Prozess, bei dem jede Probe ist ausgewählt aus einem Gauß - /normal-Verteilung. Dies ist das Ergebnis Ihrer Verwirrung. Gauß und weißes Rauschen sind die gleiche Sache in diskreter Prozesse. Gaussian ist ein Untermenge kontinuierliche white noise Prozessen.
InformationsquelleAutor user8866568
Erstellen Stichproben mit Normalverteilung (Gaussian) mit
numpy.random.normal
:InformationsquelleAutor Mehran Yarah