Zusammenfassung
Zufälligen Signalen begegnet man in allen Bereichen der Signalverarbeitung und Signalanalyse. Zum einen treten sie als Störungen bei der Messung oder Signalübertragung auf, und zum anderen sind die zu verarbeitenden Signale (Sprache, Bilder, Messwerte) in der Regel selbst zufällig. In diesem Abschnitt werden einige der wichtigsten Methoden zur Beschreibung zufälliger Signale erläutert. Da Zufallssignale im Allgemeinen nicht mit den für deterministische Größen verfügbaren Werkzeugen behandelt werden können, ist es notwendig, ihre Eigenschaften im Rahmen der Wahrscheinlichkeitstheorie zu bestimmen und anzugeben. Prinzipiell unterscheidet man hierbei zwischen Zufallsvariablen und Zufallsprozessen. Im Folgenden wird zunächst auf Zufallsvariablen eingegangen, und dann werden Zufallsprozesse behandelt. Dabei wird im Wesentlichen nur die Statistik bis zur zweiten Ordnung betrachtet, die zum Beispiel durch Korrelationsfunktionen erfasst wird. Eine umfassende Behandlung allgemeiner statistischer Methoden findet man zum Beispiel in [15].
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
S. Amari: Natural gradient works efficiently in learning. Neural Computation, 10(2):251–276, Februar 1998.
S. Amari und A. Cichocki: Adaptive blind signal processing-neural network approaches. Proceedings of the IEEE, 86(10):2026–2048, Oktober 1998.
R. B. Blackman und J. W. Tukey: The Measurement of Power Spectra. Dover, New York, 1958.
J. F. Cardoso und A. Soulomiac: Blind beamforming for non-Gaussian signals. Proc. Inst. Elec. Eng., pt. F., 140(6):362–370, Dezember 1993.
A. Cichocki und S. I. Amari: Adaptive Blind Signal and Image Processing. Wiley, Chichester, 2002.
W. B. Davenport und W. L. Root: Random Signals and Noise. McGraw-Hill, New York, 1958.
A. Hyvärinen, J. Karhunen und E. Oja: Independent Component Analysis. Wiley, Chichester, 2001.
N. S. Jayant und P. Noll: Digital Coding of Waveforms. Prentice-Hall, Englewood Cliffs, NJ, 1984.
A. Jourjine, S. Rickard und O. Yilmaz: Blind separation of disjoint orthogonal signals: Demixing N sources from 2 mixtures. In: Proc. IEEE Int. Conf. Acoust., Speech, Signal Processing, Band 5, Seiten 2985–2988, 2000.
K.-D. Kammeyer und K. Kroschel: Digitale Signalverarbeitung. Springer Vieweg, Wiesbaden, 9. Auflage, 2018.
K. Karhunen: Über lineare Methoden in der Wahrscheinlichkeitsrechnung. Ann. Acad. Sci. Fenn. Ser. A.I.37 Math. Phys., Helsinki, 1947.
K. Kokkinakis und A. K. Nandi: Multichannel speech separation using adaptive parameterization of source PDFs, Band 3195 der Reihe Lecture Notes in Computer Science, Seiten 486–493. Springer, 2004.
T. Mei, A. Mertins, F. Yin, J. Xi und J. F. Chicharo: Blind source separation for convolutive mixtures based on the joint diagonalization of power spectral density matrices. Signal Processing, 88(8):1990–2007, 2008.
L. Molgedey und H. G. Schuster: Separation of a mixture of independent signals using time-delayed correlations. Physical Review Letters, 72(23):3634–3637, Juni 1994.
A. Papoulis: Probability, Random Variables, and Stochastic Processes. McGraw-Hill, New York, 3. Auflage, 1991.
L. Parra und C. Spence: Convolutive blind source separation of non-stationary sources. IEEE Trans. Speech and Audio Processing, 8(3):320–327, Mai 2000.
W. D. Ray und R. M. Driver: Further decomposition of the Karhunen Loéve series representation of a stationary random process. IEEE Trans. Inform. Theory, IT-16:663–668, November 1970.
M. Turk und A. Pentland: Eigenfaces for recognition. Journal of Cognitive Neuroscience, 3(1):71–86, 1991.
H. L. Van Trees: Detection, Estimation, and Modulation Theory, Part I. Wiley, New York, 1968.
P. D. Welch: The use of the fast Fourier transform for the estimation of power spectra: A method based on time averaging over short modified periodograms. IEEE Trans. Audio and Electroacoustics, 15:70–73, 1967.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Mertins, A. (2020). Charakterisierung und Transformation von Zufallsprozessen. In: Signaltheorie. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-29648-3_6
Download citation
DOI: https://doi.org/10.1007/978-3-658-29648-3_6
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-29647-6
Online ISBN: 978-3-658-29648-3
eBook Packages: Computer Science and Engineering (German Language)