mõõtmine); sageduse eraldusvõimest (radiaalkiiruse mõõtmine). Süntees, milline vastaks optimaalsele lähedasele variandile signaali parameetrite mõõtmiseks (kvasioptimaalsele variandile), viib jällegi struktuuri juurde, milline sarnaneb optimaalsele vastuvõtjale kas ühe või mitme signaali avastamiseks. Siinjuures tuleb määrata ka optimaalne signaalikuju, mis peaks parima täpsuse ning eraldusvõime tagamiseks omama mõõdetava parameetri suhtes kitsa korrelatsioonifunktsiooni tipu. Kui mõõdame näiteks: viiteaega, siis on selleks funktsiooniks tavaline korrelatsioonifunktsioon ajas, mis on seda kitsam, mida laiem on signaali specter; sagedust, siis tuuakse sisse korrelatsioonifunktsioon sageduse järgi, mis on analoogne korralatsioonifunktsiooniga ajas, kuid ajalise signaali nihke asemel on siin sageduslik nihe. Selline funktsioon on vaadeldav kui optimaalse filtri väljundsignaali amplituudi muutus sageduse kõrvalehäälestamisel filtri kesksagedusest
kataloogi koostamine ja superparvede omaduste ja ruumijaotuse uurimine, galaktikagruppide ja galaktikaparvede ning tumeda aine halode omaduste uurimine erinevas ümbruses, galaktikaparvede ja superparvede ruumjaotuse korrapära uurimine, röntgen- ja optiliste parvede jaotuse uurimine superparvede tühikute võrgustikus, maailmaruumi ehituse modelleerimine eriti suure lahutusega mudelites, korrelatsioonifunktsiooni uurimine, galaktikaparvede jaotuse võimsusspektri ja korrelatsioonifunktsiooni uurimine suurtel skaaladel, struktuuri tekke uurimine Universumis ja parvede võimsusspektri uurimine Press-Schechteri lähenduses, galaktikate ruumjaotus superparvedes ja tühikutes, galaktikate süvavalimite uurimine, kiiruste välja uurimine superparvede ja galaktikaparvede ümbruses, galaktikate evolutsiooni uurimine ja Linnutee modelleerimine. (8)
Tahapoole ennustamisel saadav signaali hinnang: elliptiline filter range nagu mudeli järgu valik. Bessel'i filter Korrelatsioonifunktsiooni korrutamisel aknaga Autokorrelatsiooni-, osalise autokorrelatsiooni- ja Tuleb mainida, et protsess on statsionaarne kui tema väheneb spektri hinnangu dispersioon olenevalt mistahes liiki statistiline kirjeldus ei muutu ajas. 7. Digitaalaja signaali maatriksesitus: signaali PSD testi järgi me saame hinnata, kas
kovariatsioonifunktsioon, mis kirjeldab seoseid protsessi väärtuste vahel argumendi erinevatel väärtustel. Juhusliku protsessi X(t) kovariatsioonifunktsiooniks nimetatakse mittejuhuslikku kahemuutuja funktsiooni KX(t1, t2): KX(t1, t2) = E[(X(t1) EX(t1))(X(t2) EX(t2))]. Kui t1 = t2, siis KX(t,t) = DX(t). Kovariatsioonifunktsioon on sümmeetriline oma argumentide suhtes: KX(t1, t2) = KX(t2, t1). Kovariatsioonifunktsiooni asemel kasutatakse sageli korrelatsioonifunktsiooni: RX(t1, t2) = KX(t1, t2)/X(t1) * X(t2), seejuures - 1 RX(t1, t2) 1 Statsionaarsed juhuslikud protsessid: Juhuslikku protsessi nimetatakse statsionaarseks, kui selle keskväärtus on konstante, dispersioon on konstantne ning kovariasioonifunktsioon sõltub ainult argumentide vahest, st kui: EX(t) = const; DX(t) = const; KX(t1, t2) = kX(). Juhuslikku protsessi nimetatakse kitsamas mõttes statsionaarseks, kui tema kõik mitmemõõtmelised
annaabi.ee 
