python加噪声,python 降噪

　　引言假设我们要模拟绘制白噪声过程 0， 1， t \ varepsilon _ 0，\ varepsilon _ 1.\ varepsilon _ t 0， 1， t，其中每个t \ var_ tt服从独立正态分布。我们会通过Python用不同的方式实现。

　　在运行Python程序之前，我们需要导入我们需要的包。

　　导入numpy作为NP导入matplotlib。pyplot as PLT #导入分析所需的包方法I代码如下：

　　PLT . RC params[ figure . figure size ]=(10，6) #设置绘制图像的显示比例var epsilon _ values _ 1=NP . random . randn(100)#随机生成100个服从标准分布的点PLT . plot(var epsilon _ values _ 1)PLT。

　　第二种方式使用for循环构造白噪声序列，代码如下：

　　T=100varepsilon_values_2=[]#为范围(t)中的I创建一个空列表：e=NP . random . randn()var epsilon _ values _ 2 . append(e)#循环获取随机数并将它们合并到列表plt.plot (var epsilon _ values

　　在掌握了用白噪声序列模拟线性模型绘制白噪声序列的方法后，我们尝试将其应用于线性模型的模拟。假设我们需要模拟以下自相关时间序列模型：

　　x t 1=x tt 1 x _ { t 1 }=\x _ t \ var epsilon _ { t 1 } XT 1=XTt 1

　　其中x 0=0 x _ 0=0 x0=0，t=0，T t=0，T t=0，T，{ t \varepsilon_t t}满足独立同分布(IID)，服从正态分布。设T=200 T=200 T=200，=0.9 \ =0.9 =0.9。

　　代码如下：

　　Alpha=0.9T=200#设置参数x=NP . empty(T ^ 1)#生成一个长度为T ^ 1的空序列，用来存放xx [0]=0f或者range (t)中的T:x[t1]=alpha * x[T]NP . random . randn()#用生成的随机数模拟模型PLT。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。