鉴别力 又称阈值，是指测量仪器产生未察觉的响应变化的最大激励变化，这种激励变化应缓慢而单调地进行。
简介
它是指
测量仪器在某一
示值给予一定的输入，这种激励变化缓慢从
单方向逐步增加，当测量仪器的输出产生有可觉察的响应变化时，此输入的激励变化称为鉴别力，同样可在反行程进行。
有时人们也习惯地称鉴别力为灵敏阈或
灵敏限。产生鉴别力的原因可能与噪声（内部或外部的）、摩擦、
阻尼、
惯性等有关，也与激励值有关。
但是注意，灵敏度与鉴别力是不同的。灵敏度是被测量变化引起测量仪器示值变化的程度；鉴别是引起测量仪器示值可觉察变化时被测量的最小变化值，是指使测量仪器指针移动所要输入的最小量值。二者也是相关的，灵敏度越高，其鉴别力越小；灵敏度越低，其鉴别力越大。
检索方法
为克服互联网中视频信息传统检索方法的不足，保证检索的准确率和高效性，针对镜头代表性强弱的问题，提出镜头鉴别力概念以及计算鉴别力大小的方法，并基于镜头鉴别力设计一种新的视频检索方法。该方法提取镜头静态特征和动态特征作为计算鉴别力大小的依据。实验结果证明，使用镜头鉴别力分析后的检索效果好于未使用镜头鉴别力分析的检索效果，在实验环境中达到94%的准确率。
镜头鉴别力定义
镜头是视频的基本组成单元，每个视频都由若干个镜头组成，然而并不是每个镜头都可以很好地代表视频的内容。有的镜头是某个视频独有的，可以很全面地表达该视频的内容，具有很强的代表性；而有的镜头出现频率很高，所表达的内容比较普通，很多视频中都包含类似的镜头。一般情况下，一个代表性强的镜头可以提供足够的信息准确定位该镜头所在的视频，而一个代表性不强的镜头却不足以提供足够的信息准确定位该镜头所在的视频。把这种镜头的代表性强弱程度定义为镜头鉴别力。为了清晰地阐述镜头鉴别力强弱对于检索的影响，下面举一个例子加以说明。
由于描述镜头信息的特征选取和维数限制导致的低镜头鉴别力情况。对2个镜头分别提取关键帧，并用关键帧在HSV空间下的颜色直方图表示镜头信息。为更好地表示颜色分布，3D的HSV颜色直方图特征被转化成2D的表达形式。可以发现：
(1)表示不同内容的镜头可能拥有相似的特征向量，有时候单一的特征不能很好地区分镜头。
(2)增加颜色柄的数量可以使特征更有区分度，但是如何选择一个合适的颜色柄数量却非常困难，因为颜色柄或者特征维数都不宜过多，否则会增加视频检索系统的复杂度。
在大量数据的情况下，如果特征选取不当或者维数选择过低都有可能出现上述情况。因此，这2个内容不同的镜头在以这种特征形式表达的数据库中就属于鉴别力低的镜头，会降低检索结果的准确率。
镜头鉴别力计算方法
鉴别力高低对检索结果的影响是客观存在的，因此，需要设计一种方法来计算不同镜头的鉴别力大小。由于镜头同样是一小段视频，包含的信息量非常巨大，无法直接进行鉴别力计算。考虑到关键帧可以很好地表达镜头内容，在视频检索系统中也比较常用，因此在计算镜头鉴别力信息时，依然可以采用关键帧的形式。
为了方便阐述，具体的设计可以采取如下方法：
(1)静态特征提取，HSV空间中的分块颜色直方图因为其有效性和低运算量而被广泛应用于视频检索系统。这种特征不仅考虑到了视频帧的颜色信息，还融入了空间信息。在实验中，选择这种特征作为视频帧的静态特征。
(2)关键帧提取经过静态特征的提取，镜头中的每一帧都由72维的HSV分块颜色直方图特征向量表示。采用改进型K-means聚类算法对视频帧聚类，然后将聚类的结果通过尺度不变特征变换(Scale-invariant Feature Transform)匹配相似度，将相似度比较高的冗余帧过滤掉，减少选择判断环节中的计算量。
(3)镜头鉴别力计算方法，得到了描述镜头的特征向量之后，就可以根据特征向量在数据库中的差异程度计算镜头鉴别力。采用一种基于欧式距离的最短路径权重法来估算不同镜头在数据库中的鉴别力。数据库中用来表示镜头的每一个特征向量与其他向量之间都可以计算出一个欧式距离(如式(2)所示)，其中，Distanceab表示特征向量a和b之间的距离，n表示向量维数。
所有距离中最小的那个就是该向量对应的最短距离。易知，如果某个特征向量的最短距离越大，说明它与其他特征向量的差异就越大，越具有代表性，它就越能反映其隶属镜头的独特性；反之，如果某个特征向量的最短距离很小，说明数据库中存在与它非常相似的特征向量，即该特征向量隶属的镜头鉴别力小。
这种统计最短距离分布的直方图能够提供最可靠最直观的镜头鉴别力分布。根据已知信息，可以直接定义有鉴别力特征向量与无鉴别力特征向量，然而硬性判决的阈值选择比较困难，如何明确定位一个阈值需要考虑多方面的因素，因此，选择采用软性判决进行鉴别力估算。这里采用的算法是S型函数概率估算法。
镜头鉴别力的视频检索方法
构建完成带有镜头鉴别力程度的数据库后，就可以在该视频库中进行视频片段的检索了。可以发现与一般的检索系统流程基本相似，不同在于最后的选择判断环节。
传统的判决法是根据提取出来的关键帧特征向量在数据库中搜索最接近的向量，根据若干关键帧的匹配情况直接按大数选择法决定最后的检索结果，是最简单也是最常用的方法。该方法实际上包含了一种等权重的概念，把待检索视频的每个关键帧都认为具有相同的权值，因此，在选择判断中，只需要统计出现频率最高的匹配视频即可。然而这种方法的不足在于如果出现频率最高的匹配视频不止一个，那么检索结果可能同时返回多个视频位置，也可能不返回结果，使得检索性能大幅下降。
基于镜头鉴别力的检索方法可以有效地利用镜头鉴别力对检索结果进行指导判断。基于镜头鉴别，力最简单的例子，示例中待检视频有3个关键帧，关键帧A和B在视频数据库中最接近的特征向量同属于视频No.1，而视频 No.1的鉴别力很低，仅为0.2，关键帧C在数据库中最接近的特征向量属于视频No.2，而视频No.2 的鉴别力很高，达到0.9。因此，检索结果通过鉴别力的指导，防止了低鉴别力镜头如视频No.1对结果的影响，准确定位了视频No.2。当然，示例中只是最简单的说明，在对每一个关键帧的相似度匹配中，还可以得到最匹配的前几个结果，再将所有关键帧的最匹配结果进行加权综合，总鉴别力值最大的就是检索到的视频。
影响
探讨了
GNSS系统中，伪码跟踪环的时间鉴别力与采样率之间的定量关系，提出了时间鉴别力的性能评估准则及其计算方法。然后以GPSL5信号为例，重点考察多普勒效应对采样系统时间鉴别力的影响。实验表明，一般来说，随着采样率的增加，采样系统的时间鉴别力也会随之提高。
采样性能的定量评估准则
首先探讨等量采样技术的本质缺陷，以及非等量采样技术的高分辨力原理。然后从利用采样序列的相关曲线反演伪码相位同步误差的角度出发，提出非等量采样系统的时间鉴别力的定量评估准则。
非等量采样技术时间鉴别力定量评估准则
这时，码片宽度TC与采样间隔TS之比不是整数，并且每个码片内采样点分布特性不完全相同。当ε在 [0， TS)范围内变化时，接收伪码波形上多个采样点的幅度值随之改变，从而导致相关函数发生变化。因此有可能利用相关曲线读取出小于TS的同步误差，即NCS技术具有识别微小伪码同步误差的潜力。
采样系统时间鉴别力评估示例
注意到在GNSS接收机中，影响Eε取值的三个重要因素 ———采样率 、码片速率与伪码序列 ———都不是特确定的。例如，不同的导航卫星有不同的伪码序列 ；多普勒效应会改变接收信号和本地复现信号的码片速率，使之偏离标称值。因此在研究GNSS接收机中采样性能时，需要综合考虑以上各种因素的影响。
GPSL5信号的载波频率为1176.45MHz，最大可见卫星数目为32颗，码片速率为10.23MHz，载波多普勒频移变化范围为[ -3.7kHz，3.7kHz]。令kp=1， 则性能评估指标随采样率以及多普勒频移的变化规律。
当等量采样率3rc时，所有导航卫星的性能评估指标Eε的最大值 、均值和最小值等三个统计量随着多普勒频移变化的规律。显然，多普勒效应能够显著提高等量采样系统的时间鉴别力。
当多普勒频移为零并且2rc
在3倍码速率(30.69MHz)附近的局部特征。显然，在一定的频率范围内，随着采样率逐步偏离等量采样率，采样系统的时间鉴别力会显著提高。但是，当采样率偏离量达到2.5kHz时，性能改善不再明显。
在25MHz附近的局部特征。显然，对于一般的非等量采样率而言，微小的频率偏移对时间鉴别性能影响不大。
因此，在GNSS接收机时，可以应用本文提出的准则及其算法在大量的候选采样率中筛选出合适的采样率来，即能够以较低硬件成本 (例如选择速率较低，或者易于被晶振合成的采样率 )达到较高时间鉴别力。
全国各地天气预报查询