生成白噪声(具有零均值和单一方差的正态分布)
Posted
技术标签:
【中文标题】生成白噪声(具有零均值和单一方差的正态分布)【英文标题】:Generate White noise (normal distribution with null mean and unitary variance) 【发布时间】:2019-10-31 02:29:40 【问题描述】:我正在尝试为通过 Cholesky 分解构建的 100 行 x 3 列数据集生成白噪声;数据集是参数为 0 和 Sigma(cov. 矩阵)的高斯多元分布,如下所示:
[1.0, 0.4, 0.5] [0.4, 1.0, 0.4] [0.5, 0.4, 1.0]
# no_pop = number of rows
# M = number of columns
# mu = mean = 0
# sigma = variance = 1
# Sigma_matrix = covariance matrix (see above)
Z = scipy.random.normal(mu, sigma, [no_pop, M])
cov_Z = covariance_matrix(Z)
chol_Z = scipy.linalg.cholesky(cov_Z);
chol_inv_Z = scipy.linalg.inv(chol_Z)
zch = np.dot(Z, chol_inv_Z)
Chol = scipy.linalg.cholesky(Sigma_matrix)
X = zch.dot(Chol)
# It returns covariance matrix
def covariance_matrix(matrix):
X1 = matrix[:, 0]
X2 = matrix[:, 1]
X3 = matrix[:, 2]
C = np.vstack([X1, X2, X3])
return np.cov(C.astype(float), rowvar=True)
(我检查了生成数据集的相关系数和协方差矩阵)。现在,我需要生成噪声并将其添加到数据集中,如link - Section 2.1 所示。到目前为止我所做的是:
while(True):
noiseZ = scipy.random.normal(mu, sigma, size=(no_pop * M))
if(abs(mu - np.mean(noiseZ)) < 0.0001 and abs(sigma - np.std(noiseZ)) < 0.0001):
noiseZ = np.reshape(noiseZ, [no_pop, M])
noiseFinal = noiseZ;
break;
然后检查noiseFinal的协方差矩阵是否等于单位矩阵(不相关的Noise)。这样做,我应该看到,在“dataset + noiseFinal”的协方差矩阵中,协方差保持不变(或者它们可能会发生非常小的变化),而方差已经发生了变化。
错误发生在哪里?
【问题讨论】:
【参考方案1】:其实我觉得你应该增加样本... 尝试在 10k 左右拥有更大的人口,然后提取所需大小的样本。这应该可以解决问题! 让我知道,祝你好运!
【讨论】:
我认为这是唯一的方法。以上是关于生成白噪声(具有零均值和单一方差的正态分布)的主要内容,如果未能解决你的问题,请参考以下文章