现代数字信号处理-使用MATLAB分析与实现(新形态版)习题及答案 第7章课后题答案_第1页
现代数字信号处理-使用MATLAB分析与实现(新形态版)习题及答案 第7章课后题答案_第2页
现代数字信号处理-使用MATLAB分析与实现(新形态版)习题及答案 第7章课后题答案_第3页
现代数字信号处理-使用MATLAB分析与实现(新形态版)习题及答案 第7章课后题答案_第4页
现代数字信号处理-使用MATLAB分析与实现(新形态版)习题及答案 第7章课后题答案_第5页
已阅读5页,还剩15页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

7-1现有一低通滤波潜,其频率响应为:

71

1同<-

//(co)=

0其他

且满足G(3)=一exp(-ja))H"(a)+兀),试求由G(o))得到的小波函数促⑺。

解:

因为“(3)是实值的(()或1),所以才(3)=〃(&)

G3)=.e73H34-TT)

,(3)的支撑集(非零区间)为:

7T

囱<5

那么H3+兀)的非零区间为:

1侬+兀1

即:

71n

——<o)+n<—

乙乙

3TT7T

———<<*><——

22

所以:

37r71

1,--<0)<--

H⑷+7T)=乙乙

0,其他

于是:

37rn

二<3<一2

G(o)=

10,其他

直接用逆傅里叶变换求小波"(t)

()=,

WtGO)/3td3

代入G(M)=-e-汝•1在区间3G(-37T/2,-7T/2)±:

1r-7r/2

=—I—?-」3标3td3

2"J-37T/2

c-n/2

1j^t-l)

/)=一石eda)

-3n/2

11

必一而[e-加(t-l)/2_g-J37T(t-l)/2]

1

e-j7T(t-l)

7-2现利用Harr小波对一信号观测序列{3,5,9,11,13,15,17,19}进行三级多分辨率

分析,请给出每一级的变换结果。

解:

低频近似:

1_S2k+$2k+1

%=2

高频细节:

>1_S2k~s2k+l

dk=2

第1级分解:

(3,5):

aj=(3+5)/2=4

需=C-5)/2=-1

(9,11):

研=(94-11)/2=10

d\=(9-11)/2=-1

(13,15):

al=(13+15)/2=14

d[=(13-15)/2=-1

(17,19):

al=(17+19)/2=18

点=(17-19)/2=-1

所以:

Level1近似(低频)a1=[4,10,14,18]

Level1细节(高频)dl=[-1,一1,一1,-1]

第2级分解:

现在对小=[4,10,14,18]再做Haar分解。

(4J0):

说=(4+10)/2=7

席=(4-10)/2=-3

(14,18):

2

a1=(14+18)/2=16

di=(14-18)/2=-2

所以:

Level2近似a2=[7,16]

Level2细节小=[-3,-2]

第3级分解:

现在对a?=[7,16]再做Haar分解。

(7,16):

=(7+16)/2=11.5

dl=(7-16)/2=-4.5

所以:

Level3近似凉=[11,5]

Level3细节小=[-4.5]

7-3设信号为x(£)=Acos(3°t),设小波母函数为解析函数Morlct小波,求其CWT

的表达式WT(〃〃)。

解:

WT(a.b)=dt

Morlet小波(复值)通常取为:

lp(t)=。,3"%一"/2,C=兀-1/4

则

2

W*匕(t--b)\=Cexp卜的工t-b(t—b)]

则

t—b(t—b)2

WT(a,b)=/cos(3。t)exp_ja)力dt

a2a2

又因为

/30t+?一,30t

cos®。=------------

乙

则

WTa切=慧?L"PWaQ'詈(£一3一

忽略常数中Tri*等,因Morlct小波归一化常数可包含在定义

,|_g-;a>bg-(aa>o+Wip)2/2]

WT(a,b)=—93。-3"/2o

7-4设/⑺出⑺是Harr尺度和小波函数,信号工⑺存在于必子空间,并定义如下:

(-1,0<t<1

4,1<t<2

2,2<t<3

、—3,3工t<4

将M/)分解到子空间叫、死、幺分别求各小波和尺度系数。

解:

Haar尺度函数:

小fl,0<t<1

W("belse

Haar小波函数:

(1,0<t<1/2

”(t)=-1,1/2<t<1

0,else

Vj=span{(pM(t)=2"2心九一女)}

吗=span®川⑴=2"23⑵t-k))

信号工(£)€%,所以可以用90%«)=卬(£一攵)展开,系数就是区间[k,k+D上的常

数值:

c°=[—1,4,2,—3]

其中x(t)=Ek=oC&(t一k)

%=匕㊉%

匕=%㊉%

因此%=V2®WZ®W-

我们要将x(t)分解到%(第一层细节)”2(第二层细节)入(第二层近似)。

使用非归一化的平均/差形式

+

~2

j

_au2/c+l

2

其中a?=或。

第一层分解(%一匕㊉%)

-1+4

ao=-2-=1.5

2+(-3)

=—0.5

=2

-1-4

diF二一2.5

”25

d;

所以匕系数口.5,-0.5],上系数[-2.5,2,5],

第二层分解(匕一彩8卬2)

对凉=[1.5,-0.5]:

1.5+(-0.5)

9=——'=05

乙

1.5-(-0.5)

诟19=——~~-=1.0

乙

所以V2系数[0.5],W2系数[1.0]。

可以整体写出:

%©=0.5-82,0©+1。-啊,0(£)+(-2.5)-晒,0⑷+2.5•晒,式£)

其中02,o⑴=。(〃4)支撑[0,4),在Haar未归一化时它在整个[0,4)上为1°

7-5设信号%(t)=e~t2,1Q(sin2t+2cos4t+0.5sin(t)s讥(50£)),用间隔T=l/28,

从z=0开始采样256个样本,设采样值为%系数或。

(1)用MATLAB的DWT函数,将磷分解到1%,…,似,,必,画出各子空间

小波和尺度系数的图形;

(2)用IDWT函数,进行合成实验,重构碎;

(3)假设在婢中混入了方差为1的离散高斯白噪声,请设计一种去噪算法,

并在小波域中进行实验验证。

解:

(1)分解并画图

步骤:

1.生成信号X(。的采样。

2.采样间隔7=1/28,从t=0开始,取256个点,则t=(0:255)/256。

3.用dwt或wavcdec进行多级分解到第6层,得到叫1,…,W6M系数。

4.分别画出各层小波系数和最后一层尺度系数。

MATLAB代码:

%参数设置

N=256;

T=1/256;%1/2A8

t=(O:N-l)*T;

%生成信号

x=exp(-t.A2/10).*(sin(2*t)+2*cos(4*t)+0.5*sin(t).*sin(50*t));

%设定小波类型,比如db4

wavelet='db4';

level=6;

%多级分解

[C,L]=wavedec(x,level,wavelet);

%提取各层系数

approx_cocf=appcocf(C,L,wavelet,level);%V6系数

detail_coefs=cell(l,level);

fork=klevel

detail_coefs{k}=detcoef(C,L,k);%W_k系数

end

%画图:近似系数(V6)

figure;

subplot(level+1,1,1);

plot(approx_coef);

title(['ApproximationCoefficientsVnum2str(level)J);

xlabel('Position');ylabel('AmpIitude');

gridon;

%画图:细节系数W1到W6

fork=l:level

subplot(lcvcl+l,l,k+l);

plot(detail_coefs(k});

title(['DctailCoefficientsW'num2str(k)]);

xlabel('Position');ylabel('Aniplitude');

gridon;

end

sgtitle('WaveletDecompositionCoefficients');

WaveletDecompositionCoefficients

2ApproximationCoefficientsV6

8o

p

n1o

三

d

uo

j

4

2345678910

Position

DetailCoefficientsW1

e

p4

22

--

dO

u

j

v-2Y

20406080100120140

Position

DetailCoefficientsW2

o25

(DP

20

一

一O5

-O

-S1

Position

DetailCoefficientsW3

①

p

m

=

d

E

<

510152025303540

Position

DetailCoefficientsW4

。2

a)p

m0

二da2

E

。4

<

10152025

Position

2DetailCoefficientsW5

O

P

2

=

d

i

u

v

2468101214

Position

DetailCoefficientsW6

①—

p

n5

O.4

三0

d

E5

4

6

Position

分解画图:按上述代码画出%,以,…,%的系数图,可以看到高频部分(Wl,W2),

主要对应50Hz振荡却噪声,低频部分(W5,W6)对应2Hz、4Hz成分。

第(2)问:合成重构

步骤:直接使用waverec(或idwt逐层重构)对上面分解的系数进行重构,验证

是否与原信号一致。

MATLAB代码:

%重构信号

x_recon=waverec(C,L,wavelet);

%计算重构误差

err=max(abs(x-x_recon));

disp。最大重构误差:num2str(err)]);

%画图比较

figure;

subplot(2,l,l);

plot(t,x,'b;'LineWidth;1.5);

title('OriginalSignal');

xlabel('t');ylabel('x(t)');

gridon;

subplot(2,l,2);

plot(t,x_recon,'r—'LineWidth',1.5);

title('ReconstructedSignal');

xlabeKT);ylabel('x_{recon}(t)');

gridon;

sgtitle('OriginalvsReconstructedSignal');

OriginalvsReconstructedSignal

OriginalSignal

2

1

to

-1

■2

00.10.20.30.40.50.60.70.80.91

t

ReconstructedSignal

2

重构实验:用waverec重构,误差极小(VKT"),验证完美重构。

第(3)问:小波去噪

去噪算法设计步骤:

1.对含噪信号进行小波分解到第6层。

2.对每一层细节系数进行阈值处理(硬阈值或软阈值)。

3.阈值选择:通用阈值(UniversalThreshold)oj21ogN,其中(7是噪声标准差,可

用第一层细节系数的中位数绝对值估计:

入median(|Wil)

d---------

0.6745

4.用处理后的系数重构信号。

MATLAB代码:

%添加噪声

rng(O);

noise=randn(1,N);

x_noisy=x+noise;

%分解含噪信号

[Cn,Ln]=wavedec(x_noisy,level,wavelet);

%估计噪声标准差7从第一层细节系数)

detail1=detcoef(Cn,Ln,1);

sigma=median(abs(detail1))/0.6745;

%通用阈值

universal_thr=sigma*sqrt(2*log(N));

%对各直细节系数进行软阈值处理

thresholded_C=Cn;%复制系数向量

start_idx=Ln(l)+1;%跳过近似系数部分的位置

fork=klevel

length_delail=Ln(level+2-k);%细节系数长度

detail=thresholded_C(start_idx:start_idx+length_detail-1);

%软阈值

detail=sign(dctail).*irax(abs(dctail)-univcrsal_thr,0);

thresholded_C(start_idx:start_idx+length_detail-I)=detail;

start—idx=start—idx+length—detail;

end

%重构去噪信号

x_denoised=waverec(thresholded_C,Ln,wavelet);

%画图比较

figure;

subplot。,1,1);

plot(t,x,'b');

title('OriginalCleanSignal');

gridon;

subplot(3,l,2);

plot(t,x_noisy,'m');

titlc('NoisySignal(GaussianWhiteNoise,var=l),);

gridon;

subplot©』,3);

plot(t,x_denoised,'r','LineWidth',1.5);

lille('DenoisedSignal(WaveletSoftThresholding),);

gridon;

%计算信噪比改善

SNR_noisy=20*log10(norm(x)/norm(x_noisy-x));

SNR_denoised=20*log10(norm(x)/norm(x_denoised-x));

disp(['SNR_noisy:num2str(SNR_noisy),'dB'J);

disp(['SNR_denoised:;num2str(SNR_denoised),'dB'l);

2

去噪算法:采用小波软阈值去噪,阈值用通用阈值,噪声标准差由第一层细节系

数中位数估计。大噪后信号SNR提高,视觉效果改善。

7-6对应于Daub4小波的低通与高通分解滤波器如下

LO_D=-0.12940.22410.83650.4830

HO_D=-0.48300.8365-0.2241-0.1294

证明这齿个滤波器自身正交。

证明:

设“词为低通滤波器,支撑集为"0,123。

设g[n]为高通滤波器,支撑集也为-0,123。

要证明的是分析滤波器h与g在偶数平移上正交,即:

00

71

VfcE7LtW.九]矶-2.=0.

n=-oo

由于滤波器有限长,求和只需考虑n使九8]和讥九-2田都非零的项。

先验证是否满足Daubechies正交小波的镜像对称公式:

g[n]=(-l)n+1/i[3-n]

逐一验证:

•n=0:(-1)1九[3]=-0.4830=g[0]

•n=l:(-l)2/i[2]=+0.8365=疝]

•n=2:(-l)3h[l]=­0.2241=g[2]

-n=3:(-1)4/I[0]=-0.1294=g[3]

成立。因此g是h的交替翻转形式(带一个全局符号-1对于所有n实际等价

于(-DA(n+l))

九㈤只在n=0』,2,3非零。

g[n—2k]只在04n一2/c43非零,即2k<n<2k+3

所以重叠的条件是:

0<n<32k<n<2k+3.

这意味着:

max(0,2/c)<n<min(3,2k+3).

K可以取的使重叠非空的值有限:

・k=0:区间[0,3]与[0,3]重叠长度为4

・k=l:区间。3]与[2,5]重叠:n=2,3

・k=1:区间[0,3]与[-2,1]重叠:n=0,l

•其他k无重叠,和为0显然。

因此只需要验证k=-1,0,1

(i)k=0

3

So=W""]。网

n=O

=h[0]g[0]+h[l]g[l]+h[2]g[2]+h[3]g[3]

=0.0625002+0.18749965-0.18749965-0.0625002

=0.

(ii)/c=1

重叠九二2,3:

=h[2]g[0]+h[3]g[l]

=0.8365x(-0.4830)+0.4830x0.8365

=-0.4040195+0.4040195

=0.

(iii)k=-1

重叠n=0,1:

S-r=h[0]g[2]+h[l]g[3]

=(-0.1294)x(-0.2241)+0.2241x(-0.1294)

=0.02900054-0.02900054

=0.

对于所有整数k,都有

Wh[n】g〔n—2k]=0.

n

因此这两个滤波器h与g满足正交条件,即它们自身正交(分析滤波器之间的偶

数平移正交性)。

7-7利用MATLAB提供的chirp函数产生一个chirp信号,其频率从50Hz变化

到1000Hz,持续时间为2s,信号的采样频率为2500Hz。

(1)利用Morlet小波对信号进行连续小波变换,显示其时间-频率分布图;

(2)采样频率不变,当chirp信号的频率在2s内从50Hz变化到2000Hz,再

利用Morlet小波对信号进行连续小波变换,诠释出现混叠的原因。

解:(1)

MATLAB代码

%%参数设置

fs=2500;%采样频率2500Hz

T=2;%信号持续时间2s

t=O:l/fs:T-l/fs;%时间向量

N=length(t);%采样点数=5000

%%1.生成第一个chirp信号(50Hzt1000Hz)

chirp1=chirp(t,50,T,1000,'linear');

%%2.Morlet小波连续小波变换

figure;

[cwt_coeffs1,freql]=cwt(chirpl,'amor\fs);%'amor'表示复Morlet小波

%绘制时频分布图

imagesc(t,freq1,abs(cwt_coeffs1));

axisxy;colormap(jct);colorbar;

xlabel('时间(s));ylab式频率(Hz),);

title(Chirp信号时频图(50Hz->1000Hz)1);

set(gca,'YScale','log');%对数频率轴便于观察

Chirp信号时频图(50Hz-1000Hz)

00.20.40.60811.21.41.61.6

时间⑸

结果说明:第一个信号的时频图显示频率从50Hz线性增加到1000Hz,频率轨

迹清晰连续,没有异常现象。因为信号最高频率(1000Hz)小于Nyquist频率

(1250Hz),满足采样定理,无混叠。

(2)

MATLAB代码

%%3.生成第二个chirp信号(50Hz一2000Hz)

chirp2=chirp(t,50,T,2000,'linear');

%%4.Morlet小波连续小波变换

figure;

[cwt_coeffs2,freq2]=cwt(chirp2,'amor\fs);

%绘制时频分布图

imagesc(t,freq2,abs(cwt_coeffs2));

axisxy;colormap(jet);colorbar;

xlabel('时间(s)');ylabelf频率(Hz),);

title(Chirp信号时频图(50Hz-2000Hz)-出现混叠');

set(gca,'YScale','log');

Chirp信号时频图(50Hz-2000Hz)-出现;昆挣

00.20.40.60.811.21.41.61.8

时间(S)

结果说明:第二个信号的时频图出现异常:频率轨迹在约1.5秒后发生畸变,高

频部分01250Hz)的能量出现在低频区域,形成虚假的频率成分。

本实验中:

•采样频率6=2500Hz

■Nyquist频率为=fs/2=1250Hz

・第二个信号的最高频点源以=2000Hz>1250Hz

因此违反了采样定理.导致混叠。混叠是采样过程中违反Nyquist定理的直接

后果,时频分析方法(包括小波变换)只能显示采样后信号的特征,无法恢复混叠

前的高频信息。

7-8利用Daub4小波演示一个单位脉冲信号通过一级离散小波变换的全过程,并利

用MATLAB提供的dwt和idwt函数验证其结果;分析离散小波变换后的数据,以

及重建后的数据。(可利用MATLAB函数wfilters获得Daub4小波对应的滤波器系

数,即[LoDHiDLoRHiR]=wfilters(rdb2'))

解:

MATLAB代码

%%1.获取Daub4(db2)滤波器系数

[LoD,HiD,LoR,HiR]=wfilters('db2');

disp('Daub4滤波器系数:');

disp(低通分解LoD:');disp(LoD');

dispC高通分解HiD:');disp(HiD');

disp(低通重构LoR:');disp(LoR');

dispC高通重构HiR:');disp(HiR');

%%2.生成单位脉冲信号

x=zeros(1,10);

x(5)=l;%8[n-4](MATLAB索引从1开始)

dispC原始信号x:');disp(x);

%%3.使用dwt函数进行一级分解

[cAl,cDl]=dwt(x,LoD,HiD);

dispC近似系数cAl(dwt输出):');disp(cAl);

dispC细节系数cDl(dwt输出)。disp(cDl);

%%4.手工计算验证

%卷积后下采样

convjow=conv(x,LoD,'full');

conv_high=conv(x,HiD,'full');

cAl_manual=convjow(2:2:end);%MATLABdwt从索引2开始取(保持相

位)

cDl_manual=conv_high(2:2:end);

disp('手工计算cAl:');disp(cAl_manual);

dispC手工计算cDl:1);disp(cDl_manual);

%检查与dwt是否一致

fprintf('cA1匹配误差:%e\n',norm(cAl-cAl_manual));

fprintf('cDl匹配误差:%e\n\norm(cDl-cDl_manual));

%%5.使用idwt重构

x_rec=idwt(cAl,cDl,LoR,HiR);

disp('重建信号x_rec:');disp(x_rec);

dispC重建误差disp(norm(x-x_rcc));

运行结果:

Daub4滤波器系数:

低通分解LoD:[-0.1294;0.2241;0.8365;0.4830|

高通分解HiD:[-0.4830;0.8365;-0.2241;-0.1294]

低通重构LoR:[0.4830;0.8365;-0.2241;0.1294]

高通重构HiR:[-0.1294;-0.2241;0.8365;-0.4830]

原始信号x:[0000100000]

近似系数cAl(dwt输出):[0.22410.4830000]

细节系数cDl(dwt输出):[0.8365-0.1294000]

手工计算cAl:[0.22410.483000000]

手工计算cDl:[0.8365-0.129400000]

cAl匹配误差:0.00()000e+00

cDl匹配误差:0.000000e+00

重建信号x_rec:[0000100000]

重建误差:L5701e・16

7-9分别采用Daub4小波和Haar小波,利用MATLAB对下列定义的信号进行

离散小波变换,显示其一级近似系数和细节系数。

fs=1()()()();T=1/fs

t=0:T:4095*T;

fn=cos(2*pi*6*t);

fn(1250:1255)=fn(1249);

该信号是一个频率为6Hz的余弦信号,其在样点1250〜1255之间有个毛刺干扰。

解:

MATLAB代码

%%1.信号生成

fs=10000;%采样频率10000Hz

T=1/fs;%采样间隔

t=0:T:4095*T;%时间向量,4096个点

fn=cos(2*pi*6*t);%6Hz余弦信号

fn(1250:1255)=fn(1249);%毛刺干扰(样点1250-1255)

%%2.获取小波滤波器系数

%Daub4小波(db2)

[LoD_d4,HiD_d4,〜,〜]=wfilters('db2');

%Haar小波(dbl)

[LoD_haar,IIiD_haar,〜,〜]=wfilters('dbr);

%%3.一级离散小波变换

%使用Daub4小波

[cAl_d4,cDl_d4]=dwt(fn,LoD_d4,HiD_d4);

%瀛Haar小波

[cAl_haar,cDl_haar]=dwt(fn,LoD_haar,HiD_haar);

%%4.显示结果

figurc('Position',[100,100,1200,800]);

%(1)原始信号

subplot(4,2,1);

plot(t,fn);

xlabelC时间(s)');ylabelC幅度');

title。原始信号(6Hz余弦+毛刺力;

gridon;

xlimdO,0.5]);%显示前0.5秒

%标记毛刺位置

holdon;

plot(t(1249:1256),fn(1249:1256),'r;'LineWidth',2);

holdoff;

%⑵Daub4近似系数

subplot(4,2,3);

plot(1:length(cAl_d4),cAl_d4);

xlabelC样点索引);ylabe(幅度);

title('Daub4小波-近似系数(cAl),);

gridon;

为⑶Daub4细节系数

subplot(4,2,4);

plol(1:length(cD1_d4),cDI_d4);

xlabelC样点索引上ylabel(喃度);

title(Daub4小波-细节系数(cDl),);

gridon;

%标记毛刺对应位置(下采样后)

holdon;

dwtjoc=ceil(1250/2);%DWT后毛刺大致位置

plot(dwt_Ioc,cDl_d4(dwt_loc),Yo*,'MarkerSize',8,'LineWidth*,2);

holdoff;

%(4)Haar近似系数

subplot(4,2,5);

plot(l:length(cA1_haar),cAl_haar);

xlabelC样点索弓I');ylab&C幅雇上

title('Haar小波-近似系数(cAl)1);

gridon;

%(5)Haar细节系数

subplot(4,2,6);

plot(l:length(cD1」iaar),cDl_haar);

xlabel(样点索引ylab式幅度);

lilleCHaar小波-细节系数(cDl),);

gridon;

%标记毛刺对应位置

holdon;

plot(dwt_loc»cDl_haar(dwt_loc),'ro','MarkerSize',8,'LineWidth',2);

holdoff;

%(6)信号频谱

subplot(4,2,2);

N=length(fn);

f=fs*(0:N/2-l)/N;

spectrum=abs(fft(fn));

plot(f,spectrum(1:N/2));

xlabel('频率(Hz)');ylabelf幅度上

litleC信号频谱上

gridon;

xlim([0,100]);

%(7)细节系数对比

subplot(4,2,7:8);

plot(l:length(cDl_d4),cDl_d4,'b','LineWidth',1.5);

holdon;

plot(1:length(cDl_haar),cDl_haar,"r','LineWidth',1.5);

xlabel(样点索引)ylabel('幅屋');

title(细节系数对比(蓝色:Daub4,红色:Haar)');

gridon;

legend('Daub4,,'Haar");

holdoff;

运行结果与分析

1.系数长度

原始信号长度:4096点;一级DWT后系数长度:2048点(下采样2倍)

2.Daub4小波结果

近似系数cAl:平滑地表示6Hz余弦信号的低频成分

细节系数cDl:

在毛刺位置(样点625附近)有明显的脉冲响应

Daub4小波长度=4,毛刺影响范围较宽

毛刺能量分散到多个系数中

3.Haar小波结果

近似系数cAl:阶跃式表示信号的低频成分

细节系数cDl:

在毛刺位置有明显的脉冲响应

Haar小波长度=2,毛刺响应更局部

毛刺能量集中在少数几个系数中

7-10基于MATLAB,利用Daub4小波对图像进行多尺度统计分析,要求:

(1)利用网络资源搜集10幅质量较高的图像,要求图像分辨率^256x256像

素,保存为.jpg或.png咯式;

(2)对每幅图像进行4层二维小波分解,生成13个子带;

(3)计算每个子带的小波系数均值和方差。

解析:

1)二维小波分解:对图像行和列分别进行一维DWT;每层分解产生4个子

带:近似(A)、水平(H)、垂直(V)、对角(D);4层分解共产生13个子带

2)Daub4小波特性:

MATLAB函数:wfilters(,db2');滤波器长度:4;正交性:满足完美重建条件

3)统计量计算

均值:反映子带系数的平均强度

吁比Xi

i=l

方差:反映子带系数的离散程度

N

占W(i2

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论