Pravděpodobnost křehkosti - Whittle likelihood
Ve statistikách je Whittleho pravděpodobnost aproximací funkce pravděpodobnosti stacionární gaussovské časové řady . Je pojmenována po matematikovi a statistikovi Peteru Whittleovi , který ji představil ve své disertační práci v roce 1951. Obvykle se používá při analýze časových řad a zpracování signálu pro odhad parametrů a detekci signálu.
Obsah
Kontext
Ve stacionárním modelu Gaussovy časové řady je funkce pravděpodobnosti (jako obvykle v Gaussových modelech) funkcí souvisejících průměrných a kovariančních parametrů. Při velkém počtu ( ) pozorování může být kovarianční matice ( ) velmi velká, což v praxi dělá výpočty velmi nákladnými. Kvůli stacionaritě má však kovarianční matice poměrně jednoduchou strukturu a pomocí aproximace lze výpočty značně zjednodušit (od do ). Myšlenka se efektivně scvrkává na převzetí heteroscedastického gaussovského modelu s nulovou střední hodnotou ve Fourierově doméně ; modelová formulace je založena na diskrétní Fourierově transformaci časové řady a její výkonové spektrální hustotě .
Definice
Nechť je stacionární Gaussova časová řada s ( jednostrannou ) výkonovou spektrální hustotou , kde je sudá a vzorky jsou odebírány v konstantních intervalech vzorkování . Nechť je (komplexní hodnota) diskrétní Fourierova transformace (DFT) časové řady. Pak pro pravděpodobnost Whittleho efektivně předpokládáme nezávislé nulové Gaussovské distribuce pro všechny s odchylkami pro skutečné a imaginární části dané
kde je ta Fourierova frekvence. Tento přibližný model okamžitě vede k (logaritmické) funkci pravděpodobnosti
kde označuje absolutní hodnotu pomocí .
Zvláštní případ známého šumového spektra
V případě, že se šumové spektrum předpokládá a priori známé a hlukové vlastnosti nelze odvodit z dat, lze funkci pravděpodobnosti dále zjednodušit ignorováním konstantních výrazů, což vede k výrazu součtu čtverců
Tento výraz je také základem pro společný odpovídající filtr .
Přesnost aproximace
Whittleho pravděpodobnost je obecně pouze přibližná, je přesná, pouze pokud je spektrum konstantní, tj. V maličkém případě bílého šumu . Účinnost tohoto Whittle sbližování vždy záleží na konkrétních okolnostech.
Všimněte si, že kvůli linearitě Fourierovy transformace Gaussianita ve Fourierově doméně implikuje Gaussianitu v časové doméně a naopak. To, co činí Whittleho pravděpodobnost pouze přibližně přesnou, souvisí s teorémem vzorkování - účinek Fourierovy transformace pouze konečného počtu datových bodů, což se také projevuje jako únik spektra v souvisejících problémech (a které lze zmírnit pomocí stejných metod, jmenovitě okna ). V tomto případě implicitní předpoklad periodicity implikuje korelaci mezi prvním a posledním vzorkem ( a ), které jsou účinně považovány za „sousední“ vzorky (jako a ).
Aplikace
Odhad parametrů
Whittleho pravděpodobnost se běžně používá k odhadu parametrů signálu pro signály, které jsou pohřbeny v nebílém šumu. Hlukového spektra pak lze předpokládat, známé, nebo to může být odvozeno spolu s parametry signálu.
Detekce signálu
Detekce signálu se běžně provádí s využitím přizpůsobeného filtru , který je založen na Whittleově pravděpodobnosti v případě známé spektrální hustoty šumového výkonu. Odpovídající filtr účinně přizpůsobí signál maximální pravděpodobnosti hlučným datům a použije výsledný poměr pravděpodobnosti jako statistiku detekce.
Odpovídající filtr lze zobecnit na analogický postup založený na Studentově distribuci také zvážením nejistoty (např. Nejistoty odhadu ) v šumovém spektru. Po technické stránce to znamená opakované nebo iterativní přizpůsobené filtrování.
Odhad spektra
Whittleho pravděpodobnost je také použitelná pro odhad šumového spektra , a to buď samostatně, nebo ve spojení s parametry signálu.
Viz také
- Barevný šum
- Diskrétní Fourierova transformace
- Funkce pravděpodobnosti
- Odpovídající filtr
- Výkonová spektrální hustota
- Statistické zpracování signálu
- Vážené nejméně čtverce