Comme vous le savez peut-être, l'orthogonalité dépend du produit intérieur de votre espace vectoriel. Dans votre question, vous déclarez que:
Alors que le sinus et le cosinus sont des fonctions orthogonales ...
Cela signifie que vous avez probablement entendu parler du produit interne "standard" pour les espaces fonctionnels:
⟨f,g⟩=∫x1x2f(x)g(x) dx
Si vous résolvez cette intégrale pour f(x)=cos(x) et g(x)=sin(x) pour une seule période, le résultat sera 0: ils sont orthogonaux.
L'échantillonnage de ces signaux, cependant, n'est pas lié à l'orthogonalité ou quoi que ce soit. Les "vecteurs" que vous obtenez lorsque vous échantillonnez un signal ne sont que des valeurs réunies qui ont du sens pour vous : ce ne sont pas strictement des vecteurs , ce ne sont que des tableaux (en argot de programmation). Le fait que nous les appelions vecteurs dans MATLAB ou tout autre langage de programmation peut être déroutant.
C'est un peu délicat, en fait, car on pourrait définir un espace vectoriel de dimension N si tu as Néchantillons pour chaque signal, où ces tableaux seraient en effet des vecteurs réels . Mais cela définirait des choses différentes.
Pour simplifier, supposons que nous soyons dans l'espace vectoriel R3 et tu as 3des échantillons pour chaque signal, et tous ont une valeur réelle. Dans le premier cas, un vecteur (c'est-à-dire trois nombres réunis) ferait référence à une position dans l'espace. Dans le second, ils se réfèrent à trois valeurs qu'un signal atteint à trois moments différents. Dans cet exemple, il est facile de repérer la différence. Si tu avaisn échantillons, alors la notion d '"espace" serait moins intuitive, mais l'idée tient toujours.
En un mot, deux signaux sont orthogonaux si le produit intérieur entre eux (à savoir l'intégrale que j'ai écrit ci-dessus) est 0, et les vecteurs / tableaux obtenus en les échantillonnant ne nous disent pas qu'ils sont orthogonaux.
L'orthogonalité est en effet définie via un produit interne, avec une intégrale pour une variable de temps ordinale continue, avec une somme pour une variable de temps discrète.
Lorsque vous convertissez deux signaux orthogonaux (continus) en signaux discrets (échantillonnage régulier, amplitudes discrètes), éventuellement fenêtrés (support fini), vous pouvez affecter l'orthogonalité. En d'autres termes: deux signaux orthogonaux à temps continu ne peuvent devenir que presque orthogonaux lorsqu'ils sont discrétisés. Si la discrétisation est assez fine et la fenêtre bien choisie, alors dans certains cas (concernant la périodicité, la fréquence), vous maintenez l'orthogonalité.
Dans le réglage continu, l'espace de fonction est infini, vous avez donc beaucoup d'options pour trouver des signaux orthogonaux. Dans un espace discret, le nombre maximum de signaux mutuellement orthogonaux est limité par la dimension de l'espace.
la source
Vous devez d'abord définir un produit interne pour les fonctions. Vous ne pouvez pas simplement vous multiplier.
Je ne suis pas sûr des propriétés du produit intérieur moi-même, mais selon cette conférence, un produit intérieur doit être commutatif, linéaire et le produit intérieur d'une fonction avec lui-même doit être défini positivement.
Une option pour un produit interne pour les fonctions pourrait être,
aveca < b . Mais peut-être pourriez-vous trouver vous-même différentes définitions ou jouer avec celle-ci et voirune et b , péché( x ) et cos( x ) sont orthogonales.
la source
Je pense que je peux répondre à la question après avoir lu l'article "La décomposition du mode empirique et le spectre de Hilbert pour l'analyse des séries chronologiques non linéaires et non stationnaires" par Huang. Dans cet article (page 927), Huang a donné la définition de l'orthogonalité entre deux signaux:
Et aussi, je voudrais partager avec vous mon code MATLAB:
C'est tout, bonne chance ~
la source
En termes de multiplication matricielle (comme pour un DFT), l'intervalle équivalent d'intégration pour les signaux est déterminé par la taille de la matrice (ou la taille du vecteur d'entrée) et la fréquence d'échantillonnage. Ceux-ci sont souvent choisis en raison de considérations pratiques (temps ou espace d'intérêt et / ou de disponibilité, etc.). L'orthogonalité est définie sur cet intervalle d'intégration.
la source
Je dirais que votre exemple est un peu décalé.
Vous n'avez probablement pas échantillonné les fonctionspéché et cos correctement, en ce sens que l'échantillonnage doit respecter leur périodicité. Si vous échantillonnez ces fonctions sur l'ensemble{n 2 πN | n∈{0,…,N - 1 } } , Je vous assure que vous constaterez que le N -les vecteurs dimensionnels que vous trouverez seront entièrement orthogonaux.
la source
J'aime avoir une approche géométrique sur ce type de problème en me souvenant que la formule de Pythogoras est toujours valable pour les vecteurs:
avec le produit scalaire définissant le coefficient de corrélation comme le cosinus de l'angle entre les deux vecteurs dans cet espace de produit interne :
Le scalairecos( a n gl e ( x , y) ) est donc limité entre - 1 et 1 et mesure le cosinus de l'angle a n gl e ( x , y) entre les vecteurs X et y .
de telle sorte que, pour répondre à votre question, l' orthogonalité est définie (comme dans l'espace planaire de la géométrie habituelle) comme lorsque le cosinus est nul .
la source