1) Maximum entropy spectrum analysis
最大熵谱分析
1.
The comparison of Burg algorithm and Marple algorithm in maximum entropy spectrum analysis;
最大熵谱分析中Burg算法和Marple算法比较
2.
On the basis of the Meiyu characteristic variable data at 37 stations in the Changjang-Huaihe River Valley from 1954 to 2001,the temporal evolution and spatial distribution of Meiyu characters are investigated in terms of harmonic analysis,empirical orthogonal function(EOF) and maximum entropy spectrum analysis and so on.
利用江淮地区37站1954—2001年48 a梅雨特征量资料,采用谐波分析、EOF和最大熵谱分析等方法讨论了江淮梅雨的时空变化特征。
3.
modeled with maximum entropy spectrum analysis and prominent period stacking, the historical earthquake activity in Guanting reservoir and its surrounding area is studied.
利用最大熵谱分析与显著周期叠加建模的方法,首先对官厅水库及邻区的历史地震活动进行最大熵谱分析,然后利用所得到的显著周期进行建模,最后对未来50年内官厅水库及邻区的地震危险性进行了分析和预测。
2) Maximum entropy spectral analysis
最大熵谱分析
1.
The basic principle and the realization of the maximum entropy spectral analysis in MATLAB is introduced briefly.
介绍了最大熵谱分析方法的基本思想和在MATLAB中的实现方法,通过对实际观测资料的计算,说明最大熵谱分析方法比传统谱分析方法具有较高的分辨率。
2.
Maximum entropy spectral analysis has the merits of high resolution and sensibility as well as stability.
最大熵谱分析方法具有分辨率高、灵敏度和稳定性好等优点。
3.
It can t be satis-fied for the requirement of resolution and smoothness simultaneously with the conventionalspectrum analysis methods,but use maximum entropy spectral analysis,it can get a spec-trum estimation with high-resolution and smoothness.
常规的谱分析方法，往往无法兼顾分辩力和平滑性两方面的要求，而用最大熵谱分析方法则可得到分辩力很高的、平滑的谱估计。
3) maximum entropy analysis
最大熵谱分析
1.
As a new semi-active algorithm, short time maximum entropy analysis is firstly proposed, in which the exact time and the frequency signal at every control short time sequence are given out.
方法是在很小的时间段中风荷载信号的主频率及其幅值可在线预测的条件下 ,利用短时最大熵谱分析给出各小时间段中的频率、幅值和时间的三维关系 ,因此能准确给出变频信号在较短时间序列中的时频信息 ,进而提出主动变刚度体系的频率控制算法。
4) the maximum entropy spectra method
最大熵谱分析法
5) methods of maximum entropy spectrum analysis
最大熵谱分析方法
6) the maximum entropy method of spectra analysis
最大熵方法谱分析
补充资料：最大熵法
对信号的功率谱密度估计的一种方法。1967年由J.P.伯格所提出。其原理是取一组时间序列，使其自相关函数与一组已知数据的自相关函数相同，同时使已知自相关函数以外的部分的随机性最强，以所取时间序列的谱作为已知数据的谱估值。它等效于根据使随机过程的熵为最大的原则,利用N个已知的自相关函数值来外推其他未知的自相关函数值所得到的功率谱。最大熵法功率谱估值是一种可获得高分辨率的非线性谱估值方法，特别适用于数据长度较短的情况。
最大熵法谱估值对未知数据的假定 一个平稳的随机序列，可以用周期图法对其功率谱进行估值。这种估值方法隐含着假定未知数据是已知数据的周期性重复。现有的线性谱估计方法是假定未知数据的自相关函数值为零，这种人为假定带来的误差较大。最大熵法是利用已知的自相关函数值来外推未知的自相关函数值，去除了对未知数据的人为假定，从而使谱估计的结果更为合理。
熵在信息论中是信息的度量，事件越不确定，其信息量越大，熵也越大。对于上述问题来说，对随机过程的未知的自相关函数值，除了从已知的自相关函数值得到有关它的信息以外，没有其他的先验知识。因而，在外推时，不希望加以其他任何新的限制，亦即使之"最不确定"。换言之，就是使随机过程的熵最大。
最大熵法功率谱估值表达式 最大熵法功率谱估值的表达式为
式中PM为M阶预测误差滤波器的输出功率;B为随机过程的带宽;为采样周期;ɑm(m＝1,2,...,M)由下式决定：
式中rNx(M)为已知的随机过程的自相关函数值。
从功率谱估值的表达式可以看出，最大熵法与自回归信号模型分析法以及线性预测误差滤波器是等价的，只是从不同的观点出发得到了相同的结果。
由已知信号计算功率谱估值的递推算法 应用上述的谱估值表达式进行计算时，需要知道有限个自相关函数值。但是，实际的情况往往是只知道有限长的时间信号序列，而不知道其自相关函数值。为了解决这个问题，J.P.伯格提出了一种直接由已知的时间信号序列计算功率谱估值的递推算法，使最大熵法得到广泛的应用。递推算法如下：
递推算法只需要知道有限长的时间信号序列，不须计算其自相关函数值,所得的解保证是稳定的。但是,其解只是次优解。
应用递推算法往往使谱估值出现"谱线分裂"与"频率偏移"等问题，因而,又有各种改进的算法。其中,较著名的有傅格算法和马普尔算法，但是所需的计算量较大。另外，在有噪声的情况下，如何选定阶数仍有待进一步探讨。
最大熵法谱估值对未知数据的假定 一个平稳的随机序列，可以用周期图法对其功率谱进行估值。这种估值方法隐含着假定未知数据是已知数据的周期性重复。现有的线性谱估计方法是假定未知数据的自相关函数值为零，这种人为假定带来的误差较大。最大熵法是利用已知的自相关函数值来外推未知的自相关函数值，去除了对未知数据的人为假定，从而使谱估计的结果更为合理。
熵在信息论中是信息的度量，事件越不确定，其信息量越大，熵也越大。对于上述问题来说，对随机过程的未知的自相关函数值，除了从已知的自相关函数值得到有关它的信息以外，没有其他的先验知识。因而，在外推时，不希望加以其他任何新的限制，亦即使之"最不确定"。换言之，就是使随机过程的熵最大。
最大熵法功率谱估值表达式 最大熵法功率谱估值的表达式为
式中PM为M阶预测误差滤波器的输出功率;B为随机过程的带宽;为采样周期;ɑm(m＝1,2,...,M)由下式决定：
式中rNx(M)为已知的随机过程的自相关函数值。
从功率谱估值的表达式可以看出，最大熵法与自回归信号模型分析法以及线性预测误差滤波器是等价的，只是从不同的观点出发得到了相同的结果。
由已知信号计算功率谱估值的递推算法 应用上述的谱估值表达式进行计算时，需要知道有限个自相关函数值。但是，实际的情况往往是只知道有限长的时间信号序列，而不知道其自相关函数值。为了解决这个问题，J.P.伯格提出了一种直接由已知的时间信号序列计算功率谱估值的递推算法，使最大熵法得到广泛的应用。递推算法如下：
递推算法只需要知道有限长的时间信号序列，不须计算其自相关函数值,所得的解保证是稳定的。但是,其解只是次优解。
应用递推算法往往使谱估值出现"谱线分裂"与"频率偏移"等问题，因而,又有各种改进的算法。其中,较著名的有傅格算法和马普尔算法，但是所需的计算量较大。另外，在有噪声的情况下，如何选定阶数仍有待进一步探讨。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条