Versuch 243 Auto- und Kreuzkorrelation - physics - Johannes Dörr
Versuch 243 Auto- und Kreuzkorrelation - physics - Johannes Dörr
Versuch 243 Auto- und Kreuzkorrelation - physics - Johannes Dörr
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4 2 THEORIE<br />
1 Einleitung<br />
Bei diesem <strong>Versuch</strong> wird eine <strong>Auto</strong>korrelationsanalyse verschiedener Signale durchgeführt.<br />
Er führt dabei in die Eigenschaften der <strong>Auto</strong>korrelationsfunktion sowie ihre praktische<br />
Anwendung, wie zum Beispiel der Herausfilterung eines von Rauschen überlagerten Signals,<br />
ein <strong>und</strong> zeigt außerdem, wie sich mit Hilfe einer <strong>Kreuzkorrelation</strong>sanalyse die Position eines<br />
Radiosterns bestimmen lässt.<br />
2 Theorie<br />
2.1 Korrelation von Messreihen<br />
Der Korrelationskoeffizient ist ein Maß für die Abhängigkeit einer Größe von einer anderen.<br />
Betrachten wir zunächst zwei Messreihen<br />
x1, x2, ... xn <strong>und</strong> y1, y2, ... yn ,<br />
dann kann man mit den Mittelwerten ¯x <strong>und</strong> ¯y die jeweiligte Abweichung<br />
als Vektor schreiben:<br />
x ′ i = xi − ¯x bzw. y ′ i = yi − ¯y ,<br />
�X = (x ′ 1, x ′ 2, ... x ′ n) bzw. � Y = (y ′ 1, y ′ 2, ... y ′ n) .<br />
Mit dem Standardskalarprodukt 〈 � X, � Y 〉 ist dann der Korrelationskoeffiziernt cn definiert<br />
als:<br />
cn =<br />
〈 � X, � Y 〉<br />
�<br />
〈 � X, � X〉〈 � Y , � Y 〉<br />
2.2 Korrelation von Funktionen<br />
= 〈 � X, � Y 〉<br />
| � X| · | � Y |<br />
Der Korrelationskoeffizient kann auch für kontinuierliche Messreihen berechnet werden,<br />
wenn man das Skalarprodukt für Funktionen definiert:<br />
<strong>und</strong> analog auch den Betrag:<br />
〈f, g〉 = 1<br />
b − a<br />
�b<br />
a<br />
|f| = � 〈f, f〉 .<br />
.<br />
f(t) · g(t) dt (2.1)