3. Преобразование Карунена-Лоэва
В случае ортогонального преобразования с набором базисных векторов преобразование из в можно записать как
,
где - матрица ортогонального преобразования.
Из всего множества значений запоминаются первые , причем . После восстановления получаем оценку вектора :
,
где - некоторое константное значение отброшенных коэффициентов разложения . Ошибка при отбрасывании коэффициентов определяется как
,
а дисперсия этой ошибки
. (9)
Анализ выражения (9) показывает, что для минимизации дисперсии ошибки необходимо подобрать соответствующие значения и векторы . Очевидно, значения или, для центрированных случайных величин , .
Для нахождения оптимальных векторов , перепишем выражение (9) с учетом и , при ; в виде
(10)
где представляет собой ковариационную матрицу. Для минимизации (10) применяется метод множителей Лагранжа. В результате получаем
(11)
Выражение (11) определяет векторы и значения как собственные векторы и собственные значения корреляционной матрицы . Таким образом, матрица преобразования , составленная из собственных векторов корреляционной матрицы , позволяет выполнять преобразование Карунена-Лоэва, которое минимизирует среднюю дисперсию ошибки при восстановлении сигнала по неполным данным.
Недостатком описанного метода является необходимость априорных сведений о корреляционной матрице исходного сигнала , а также относительно высокая вычислительная сложность. Так, в случае применения разделимого преобразования Карунена-Лоэва, для вычисления всех коэффициентов преобразования требуется арифметических операций, где количество отсчетов исходного сигнала .
Таким образом, рассмотренный метод может быть применен в задачах, в которых априори известна корреляционная матрица , а также нет больших ограничений на вычислительные ресурсы.
В связи с этим возникает проблема поиска преобразования, которое обладало бы малой вычислительной сложностью и давало результаты преобразования близкие к преобразованию Карунена-Лоэва. Этим условиям удовлетворяет преобразование Фурье.
|