Difference between revisions of "Aufgaben:Exercise 4.11Z: C Program "acf2""
From LNTwww
m (Textersetzung - „\*\s*Sollte die Eingabe des Zahlenwertes „0” erforderlich sein, so geben Sie bitte „0\.” ein.“ durch „ “) |
|||
Line 3: | Line 3: | ||
}} | }} | ||
− | [[File:P_ID395__Sto_Z_4_11.png|right|]] | + | [[File:P_ID395__Sto_Z_4_11.png|right|frame|C-Programm 2 zur AKF–Berechnung]] |
− | Sie sehen rechts das C-Programm „akf2” zur Berechnung der diskreten AKF-Werte $\varphi_x(k)$ mit Index $k = 0$, ... , $l$. Im Gegensatz zum Programm „akf1” aus [[Aufgaben:4.11_C-Programm_„akf1”|Aufgabe 4.11]] wird hier der im Theorieteil beschriebene Algorithmus direkt angewendet. Dabei ist zu beachten: | + | Sie sehen rechts das C-Programm „akf2” zur Berechnung der diskreten AKF-Werte $\varphi_x(k)$ mit Index $k = 0$, ... , $l$. |
+ | |||
+ | Im Gegensatz zum Programm „akf1” aus [[Aufgaben:4.11_C-Programm_„akf1”|Aufgabe 4.11]] wird hier der im Theorieteil beschriebene Algorithmus direkt angewendet. Dabei ist zu beachten: | ||
*Der an das Programm übergebene Long-Wert sei hier $l=10$. | *Der an das Programm übergebene Long-Wert sei hier $l=10$. | ||
Line 11: | Line 13: | ||
*Die Bezeichnungen der Laufvariablen in Zeile 6 sind an den angegebenen Algorithmus angepasst. | *Die Bezeichnungen der Laufvariablen in Zeile 6 sind an den angegebenen Algorithmus angepasst. | ||
*Die eigentliche AKF-Berechnung erfolgt ab Zeile 11. Dieser Programmteil ist im Programmcode rot gekennzeichnet. | *Die eigentliche AKF-Berechnung erfolgt ab Zeile 11. Dieser Programmteil ist im Programmcode rot gekennzeichnet. | ||
+ | |||
+ | |||
+ | |||
''Hinweise:'' | ''Hinweise:'' | ||
*Die Aufgabe gehört zum Kapitel [[Stochastische_Signaltheorie/Autokorrelationsfunktion_(AKF)|Autokorrelationsfunktion]]. | *Die Aufgabe gehört zum Kapitel [[Stochastische_Signaltheorie/Autokorrelationsfunktion_(AKF)|Autokorrelationsfunktion]]. | ||
− | *Bezug genommen | + | *Insbesondere wird Bezug genommen auf die Seiten |
+ | **[[Stochastische_Signaltheorie/Autokorrelationsfunktion_(AKF)#Numerische_AKF-Ermittlung|Numerische AKF-Ermittlung]], | ||
+ | **[[Stochastische_Signaltheorie/Autokorrelationsfunktion_(AKF)#Genauigkeit_der_numerischen_AKF-Berechnung|Genauigkeit der numerischen AKF-Berechnung]]. | ||
Line 22: | Line 29: | ||
<quiz display=simple> | <quiz display=simple> | ||
− | {Auf wie vielen Summanden ($S$) basiert die AKF-Berechnung für den Index $k=0$ bzw. für $k=10$? | + | {Auf wie vielen Summanden ($S$) basiert die AKF-Berechnung für den Index $k=0$ bzw. für $k=10$? |
|type="{}"} | |type="{}"} | ||
− | $S_{k=0} \ = $ { 10000 0.01% } | + | $S_{k=0} \ = \ $ { 10000 0.01% } |
− | $S_{k=10} \ = $ { 9990 0.01% } | + | $S_{k=10} \ = \ $ { 9990 0.01% } |
Line 40: | Line 47: | ||
+ Je stärker die inneren statistischen Bindungen des Prozesses sind, desto <u>ungenauer</u> ist bei gegebenem $N$ das AKF-Ergebnis. | + Je stärker die inneren statistischen Bindungen des Prozesses sind, desto <u>ungenauer</u> ist bei gegebenem $N$ das AKF-Ergebnis. | ||
- Je stärker die inneren statistischen Bindungen des Prozesses sind, desto <u>genauer</u> ist bei gegebenem $N$ das AKF-Ergebnis. | - Je stärker die inneren statistischen Bindungen des Prozesses sind, desto <u>genauer</u> ist bei gegebenem $N$ das AKF-Ergebnis. | ||
− | + Besitzt der Prozess statistische Bindungen, so sind die Fehler der numerischen AKF-Berechnung ebenfalls korreliert. <i>Beispiel:</i> | + | + Besitzt der Prozess statistische Bindungen, so sind die Fehler der numerischen AKF-Berechnung ebenfalls korreliert. <i>Beispiel:</i> <br> Ist der Wert $\varphi_x(k=5)$ zu groß, so werden mit großer Wahrscheinlichkeit auch $\varphi_x(k=4)$ und $\varphi_x(k=6)$ zu groß sein. |
− | <br>Ist der Wert $\varphi_x(k=5)$ zu groß, so werden mit großer Wahrscheinlichkeit auch $\varphi_x(k=4)$ und $\varphi_x(k=6)$ zu groß sein. | ||
Revision as of 16:24, 18 August 2018
Sie sehen rechts das C-Programm „akf2” zur Berechnung der diskreten AKF-Werte $\varphi_x(k)$ mit Index $k = 0$, ... , $l$.
Im Gegensatz zum Programm „akf1” aus Aufgabe 4.11 wird hier der im Theorieteil beschriebene Algorithmus direkt angewendet. Dabei ist zu beachten:
- Der an das Programm übergebene Long-Wert sei hier $l=10$.
- Die berechneten AKF-Werte $\varphi_x(0)$, ... , $\varphi_x(10)$ werden mit dem Float-Feld $\rm AKF[ \ ]$ an das Hauptprogramm zurückgegeben. In den Zeilen 7 und 8 wird dieses Feld mit Nullen vorbelegt.
- Die Zufallsgröße $x( \ )$ ist als Float-Funktion in Zeile 4 definiert, ebenso ein Hilfsfeld ${\rm H}[10000 ]$, in das die $N = 10000$ Abtastwerte $x_\nu$ eingetragen werden (Zeile 9 und 10).
- Die Bezeichnungen der Laufvariablen in Zeile 6 sind an den angegebenen Algorithmus angepasst.
- Die eigentliche AKF-Berechnung erfolgt ab Zeile 11. Dieser Programmteil ist im Programmcode rot gekennzeichnet.
Hinweise:
- Die Aufgabe gehört zum Kapitel Autokorrelationsfunktion.
- Insbesondere wird Bezug genommen auf die Seiten
Fragebogen
Musterlösung
(1) Zur Berechnung des AKF-Wertes $\varphi_x(0)$ wird über $\underline{N =10000}$ Summanden gemittelt, für $\varphi_x(10)$ nur über $\underline{N = 9990}$.
(2) Richtig sind die Lösungsvorschläge 1, 3 und 4:
- Die Rechenzeit steigt mit $N$ und $l + 1$ näherungsweise linear an, wie aus der rot hervorgehobenen AKF-Berechnung hervorgeht. Die Rechenzeit für die weiteren Programmteile kann demgegenüber vernachlässigt werden.
- Natürlich wird die Berechnung mit steigendem $N$ auch genauer. Dies geht hier – im Gegensatz zum Programm „akf1” von Aufgabe 4.11 – allerdings auf Kosten des erforderlichen Speicherbedarfs. Da jede Float-Variable genau vier Byte beansprucht, benötigt alleine das Hilfsfeld ${\rm H}[10000 ]$ einen Speicher von 40 kByte.
(3) Richtig sind die Lösungsvorschläge 1 und 3:
- Je stärker die statistischen Bindungen innerhalb des Zufallsprozesses sind, desto ungenauer ist bei gegebenem $N$ die AKF-Berechnung.
- Diesen Sachverhalt kann man sich beispielsweise anhand der Leistungsberechnung (AKF-Wert bei $k=0$) verdeutlichen: Sind alle N Abtastwerte statistisch unabhängig, so liefern alle Beiträge die maximale Information über den AKF–Wert $\varphi_x(k=0)$.
- Bestehen jedoch statistische Bindungen zwischen $x_\nu$ und $x_{\nu+1}$, nicht jedoch zwischen $x_\nu$ und $x_{\nu+2}$, so liefern nur die Hälfte aller Abtastwerte die volle Information über $\varphi_x(k=0)$ und die anderen nur eingeschränkte Informationen.
- Dieser auf Korrelationen beruhende Informationsverlust kann in diesem Beispiel nur durch eine Verdopplung von $N$ ausgeglichen werden.
- Die letzte Aussage trifft ebenfalls zu, wie auf der Seite „Genauigkeit der numerischen AKF-Berechnung” im Theorieteil ausführlich erläutert wird.