论文部分内容阅读
研究非平稳加速度时间历程，有时并不需要知道随机变量的全部统计信息，而只需求得随机变量的某些既重要又有代表性的信息。基于兰帕尔一齐夫复杂度理论的符号基概念，由随机信号经粗粒化处理后得到符号序列，然后计算每个符号基的权系数，再将符号基线性叠加得到符号空间。将随机信号的采样数据分为n段再构建一个n行数据矩阵，计算此n行矩阵的符号空间。将该符号空间的系数矩阵进行奇异值分解，所得的奇异值即为频率，数据矩阵对应行的标准差即为相应频率的幅值。算例结果表明，该方法能够获得随机信号的代表性频率信息。对非平稳随机信号不需引入