กระบวนการ Gaussian Wavelet-Domain: ความแปรปรวนร่วมคืออะไร?


20

ฉันได้อ่านMaraun et al , "กระบวนการ Gaussian Nonstationary ในโดเมนเวฟเล็ต: การสังเคราะห์, การประมาณค่าและการทดสอบที่สำคัญ" (2007) ซึ่งกำหนดคลาสของ GP ที่ไม่คงที่ซึ่งสามารถระบุได้โดยตัวคูณในโดเมนเวฟเล็ต การตระหนักถึงหนึ่งใน GP ดังกล่าวคือ: ที่เป็นเสียงสีขาว,คือการแปลงเวฟเล็ตต่อเนื่องที่เกี่ยวข้องกับ wavelet ,เป็นตัวคูณ (kinda เช่นค่าสัมประสิทธิ์ฟูริเยร์) ที่มีขนาดและเวลาและเป็นผกผันแปลงเวฟเล็ตกับการฟื้นฟูเวฟชั่วโมงη ( t ) W g g m ( b , a ) a b M hชม

s(t)=Mhm(b,a)Wgη(t),
η(เสื้อ)Wก.ก.m(,a)aMชั่วโมงชั่วโมง

หนึ่งผลที่สำคัญของกระดาษคือว่าถ้าคูณเพียงเปลี่ยนช้าแล้วสำนึกตัวเองเท่านั้น "ระทวย" ขึ้นอยู่กับทางเลือกที่แท้จริงของและเอชดังนั้นระบุกระบวนการ พวกเขาทำการทดสอบที่สำคัญเพื่อช่วยอนุมานตัวคูณเวฟเล็ตตามการรับรู้g h m ( b , a )ม.(,a)ก.ชั่วโมงม.(,a)

สองคำถาม:

1. เราจะประเมินความเป็นไปได้ของ GP มาตรฐานซึ่งเป็นอย่างไร?พี(D)=ยังไม่มีข้อความ(0,K)

ฉันเดาว่าเรากำลังทำการเปลี่ยนพิกัดอย่างมีประสิทธิภาพดังนั้นโดยที่เป็นเวฟเล็ตและคือเมทริกซ์ (ทแยงมุม) ของเมทริกซ์เวฟb) อย่างไรก็ตามพวกเขาใช้ CWT ที่ไม่ใช่ orthonormal ดังนั้นฉันไม่รู้ว่านี่ถูกต้องหรือไม่W M m ( a , b )K-1=WTM-1WWMม.(a,)

2. โดเมนเวฟเล็ตนี้จะเชื่อมโยงกับ GP ในพื้นที่จริงได้อย่างไร? โดยเฉพาะเราสามารถคำนวณเคอร์เนลพื้นที่ว่าง (ไม่เคลื่อนที่)จากหรือไม่?m ( a , b )kม.(a,)

สำหรับการเปรียบเทียบเคอร์เนลของกระบวนการแบบเกาส์ที่อยู่กับที่คือ Fourier dual ของความหนาแน่นของสเปกตรัม (ทฤษฎีบทของ Bochner, ดู Rasmussen ตอนที่ 4) - ซึ่งให้วิธีที่ง่ายในการสลับระหว่าง GP อวกาศจริงกับพื้นที่ความถี่หนึ่ง ที่นี่ฉันถามว่ามีความสัมพันธ์เช่นนี้ในโดเมนเวฟเล็ต


คุณได้รับทุกที่ด้วยสิ่งนี้ ฉันไม่แน่ใจว่าการเปลี่ยนแปลงของตัวแปรถูกต้องซึ่งจะขัดแย้งเมื่อพวกเขาพูดว่าคือ เรียกว่าเคอร์เนลการทำซ้ำ? Kก.,ชั่วโมง(-/a,a/a)=Wก.,ชั่วโมง(-/a)
tdc

คำตอบ:


0

กระบวนการขับขี่เสียงสีขาวη (t) ไม่ขึ้นอยู่กับทางเลือกของพื้นฐาน ใน CWT (ต่างจาก DWT กระโดดในอ็อกเทฟ) มีความซ้ำซ้อน wavebands แคบทำทับซ้อนกัน "คุณสมบัติ" ที่ทดสอบสำหรับความสำคัญคือความแปรปรวน (กำลัง) ที่พบในความถี่ที่แคบในช่วงเวลาสั้น ๆ สิ่งนี้ชัดเจนขึ้นอยู่กับทางคณิตศาสตร์บนเวฟเล็ตที่เลือก แต่ไม่มากนักแบนด์วิดท์ที่แคบกว่าสามารถตรวจจับคุณสมบัติที่เปลี่ยนแปลงช้ากว่าด้วยความไวที่สูงกว่าแบนด์วิดธ์ที่กว้างขึ้นตอบสนองได้ดีกว่า

  1. เนื่องจากมาตรการนี้เป็นการวัดพื้นที่เวฟเล็ตซึ่งรวมเข้ากับช่วงเวลาของเวฟเล็ตการแปลงที่คุณเขียนจะเป็น "จุดในเวลา" ใด ๆ โดยทั่วไปแล้วต้องการข้อมูลเฟสเพื่อสลับ CWT การทดสอบของ Maraun นั้นแท้จริงแล้ว Chi-squared อยู่ในอำนาจ

  2. ไม่ Maraun ขึ้นอยู่กับสัญญาณเสียงรบกวนในช่วงความถี่ในช่วงเวลาซึ่งอาจมีการรับรู้ที่แตกต่างกันมากมายในพื้นที่เสียงรบกวนและเป็นเฟสอิสระ มันมีความไวต่อสัญญาณ AR (1) ในโดเมนเวฟเล็ตที่ความถี่ที่เฉพาะเจาะจงเช่นการสั่นอย่างต่อเนื่องในช่วงเวลาเช่นโดเมน CWT จะมีแนวโน้มที่จะปราบปรามเสียงแหลมบรอดแบนด์ในเสียงรบกวน

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.