Digital Signal Processing Reference
In-Depth Information
14.4.6
Versuchsdurchführung
M14.6
Der Bedeutung der Korrelation wird zunächst anhand von Streudiagrammen veran-
schaulicht. Erzeugen Sie die vier Signale
x
1
[
n
] bis
x
4
[
n
] mit
x1 = randn(500,1); x2 = randn(500,1) + x1;
x3 = randn(500,1); x4 = randn(500,1) - x1;
Stellen Sie die vier Streudiagramme grafisch dar, indem Sie
x1
für die Abszissen-
werte und
x1
,
x2
,
x3
bzw.
x4
für die Ordinatenwerte wählen, z. B. wie beim
Grafikbefehl
plot(x1,x3,'.')
.
Vergleichen Sie die Streudiagramme. Welche Aussagen können gemacht werden?
Was folgt daraus für die Wertepaare der Signale?
M14.7
Bestimmen Sie mit dem MATLAB-Befehl
corrcoef
die empirischen Korrela-
tionskoeffizienten der Signale
x
1
[
n
] bis
x
4
[
n
] bzgl. Signal
x
1
[
n
]. Tragen Sie die
Resultate in Tabelle 14-5 ein und diskutieren Sie die Ergebnisse mit Blick auf die
Streudiagramme.
Tabelle 14-5
Empirische Korrelationskoeffizienten zu den Signalen
x
1
[
n
] bis
x
4
[
n
]
Signal
i
1
2
3
4
U
1
i
M14.8
Erzeugen Sie eine wesentlich größere Stichprobe für die Signale
x
1
[
n
] bis
x
4
[
n
] und
stellen Sie die bidimensionalen WDFen entsprechend den obigen Untersuchungen
grafisch dar, siehe Bild 14-5.
Diskutieren Sie die Ergebnisse im Zusammenhang mit obigen Untersuchungen.
Welchen Einfluss hat der Korrelationskoeffizient auf die bidimensionale WDF der
Normalverteilung?
Hinweis:
Verwenden Sie der Einfachheit halber das Programm
dsplab12_3
mit
der Funktion
hist2d
für das bidimensionale Histogramm.
4
3
0.2
2
0.15
1
0.1
0
0.05
-1
0
-2
4
2
4
-3
2
0
0
-2
-2
-4
-4
-4
-4
-3
-2
-1
0
1
2
3
4
m
y
x
o
x
o
Bild 14-5
Grafische Darstellung der bidimensionalen WDF einer Normalverteilung (links) und ihrer
Höhenlinien (rechts) (
dsplab14_3
)