ใช้หลักการประมวลผลสัญญาณที่น่าสงสัยเพื่อระบุแนวโน้ม


10

ฉันกำลังเสนอให้พยายามหาแนวโน้มในข้อมูลระยะยาวที่มีเสียงดังมาก ข้อมูลนั้นเป็นการวัดรายสัปดาห์ของสิ่งที่เคลื่อนไหวประมาณ 5 มม. ในช่วงเวลาประมาณ 8 เดือน ข้อมูลมีความแม่นยำ 1 มม. และมีเสียงดังมากเปลี่ยนเป็นประจำ +/- 1 หรือ 2 มม. ในหนึ่งสัปดาห์ เรามีข้อมูลไปยังมิลลิเมตรที่ใกล้ที่สุดเท่านั้น

เราวางแผนที่จะใช้การประมวลผลสัญญาณพื้นฐานด้วยการแปลงฟูริเยร์ที่รวดเร็วเพื่อแยกสัญญาณรบกวนออกจากข้อมูลดิบ สมมติฐานพื้นฐานคือถ้าเราสะท้อนชุดข้อมูลของเราและเพิ่มลงในส่วนท้ายของชุดข้อมูลที่มีอยู่ของเราเราสามารถสร้างความยาวคลื่นเต็มรูปแบบของข้อมูลและดังนั้นข้อมูลของเราจะแสดงในการแปลงฟูริเยร์ที่รวดเร็วและหวังว่าจะแยกมันออกได้ .

ระบุว่าสิ่งนี้ฟังดูน่าสงสัยเล็กน้อยสำหรับฉันนี่เป็นวิธีที่คุ้มค่าหรือไม่หรือเป็นวิธีการทำมิเรอร์และต่อท้ายข้อมูลของเรา เรากำลังดูวิธีการอื่น ๆ เช่นการใช้ตัวกรองสัญญาณความถี่ต่ำเช่นกัน


สิ่งที่เกี่ยวกับการแปลงฟูริเยร์ช้า (มาตรฐาน)

การตรวจวัดการเคลื่อนที่ของจานด้วย GPS มีความแตกต่างกันหรือไม่?
whuber

มันเป็นความเคลื่อนไหวของอุโมงค์ในขณะที่งานก่อสร้างกำลังดำเนินต่อไป เราคาดว่าการเคลื่อนไหวจะตามโค้ง S อย่างคร่าวๆในช่วงเวลาของการเฝ้าสังเกต
เอียนเทอร์เนอร์

คำตอบ:


9

มันฟังดูเหิน ๆ สำหรับฉันเนื่องจากการประเมินแนวโน้มจะลำเอียงใกล้จุดที่คุณต่อข้อมูลเท็จ วิธีการทางเลือกคือการถดถอยแบบไม่ใช้พารามิเตอร์อย่างนุ่มนวลเช่นดินเหลืองหรือเส้นโค้ง


8

หากคุณต้องการกรองแนวโน้มระยะยาวโดยใช้การประมวลผลสัญญาณทำไมไม่ใช้ low-pass?

สิ่งที่ง่ายที่สุดที่ฉันนึกได้ก็คือค่าเฉลี่ยเคลื่อนที่แบบเลขชี้กำลัง


เราได้ดูมัน ทำงานได้ดี แต่ในกรณีนี้เสียงก็ยังค่อนข้างแรงเกินไปและถ้าเราเปลี่ยนพารามิเตอร์เพื่อให้การแจกแจงมากพอแล้วก็ปรากฏว่าแนวโน้มนั้นชื้นมากเกินไป บางทีในกรณีนี้อาจไม่มีวิธีแก้ไขข้อมูลและเสียงดังเกินไป
Ian Turner

1
ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักเป็นกรณีพิเศษของเคอร์เนลที่ราบรื่นกว่า (สมมติว่าคุณใช้ MA แบบ 2 ด้านมากกว่า 1 ด้าน) การคาดคะเนที่ดีขึ้นซึ่งเป็นภาพรวมของสิ่งนี้คือเหลืองหรือเส้นโค้ง - ดูคำตอบของฉัน
Rob Hyndman

7

ฉันคิดว่าคุณสามารถทำให้เกิดความผิดเพี้ยนได้ที่จุดวางเนื่องจากคลื่นที่อยู่ภายในนั้นอาจเชื่อมต่อได้ดี

ฉันขอแนะนำให้ใช้การแปลง Hilbert Huang สำหรับสิ่งนี้ เพียงแค่แบ่งออกเป็นฟังก์ชั่นโหมดภายในและดูสิ่งที่เหลืออยู่เป็นสารตกค้างเมื่อคำนวณพวกเขา


7

คุณสามารถใช้ (เร็ว :)) ไม่ต่อเนื่องแปลงเวฟเล็ต แพ็คเกจ wavethresh ภายใต้ R จะทำงานทั้งหมด อย่างไรก็ตามฉันชอบวิธีการแก้ปัญหาของ @James เพราะมันเรียบง่ายและดูเหมือนจะตรงไปตรงจุด


ตกลงกัน; เวฟเล็ตเป็นเลิศในการเลือกพฤติกรรมที่ไม่หยุดนิ่งในระดับเสียงรบกวนสูง คุณต้องระวังกับ DWT ด้วย ไม่ใช่การหมุนแบบคงที่ (แม้ว่าจะมีการปรับเปลี่ยน DWT ที่เป็นเช่นดู Percival และ Walden 2000) ดังนั้นคุณสามารถสูญเสียทรานส์ชาร์ปขึ้นอยู่กับจุดเริ่มต้นสำหรับข้อมูลของคุณ นอกจากนี้การใช้งานส่วนใหญ่ของ DWT จะทำการวนข้อมูลแบบเป็นนัยดังนั้นคุณยังคงต้องควบคุมสิ่งนั้น
รวย

หากหน่วยความจำของฉันดีแพคเกจ wavethresh มี denoising การแปลคงที่ (การอ้างอิงของฉันคือ Coifman 1995) (โปรดทราบว่าคุณพูดคุยเกี่ยวกับการหมุนเราจะไม่พูดถึงสัญญาณทางโลกหรือไม่)
robin girard

คุณกำลังพูดถึง MODWT (การแปลงเวฟเล็ตไม่ต่อเนื่องสูงสุดซ้อนทับกัน)
RockScience

@fRed: nop นี่คือกระดาษ Coifman และ Donoho: citeseerx.ist.psu.edu/viewdoc/ ......
robin girard

4

ส่วนใหญ่เวลาที่ฉันได้ยิน "แนวโน้มระยะยาว" ฉันคิดว่าแนวโน้มขาขึ้นในระยะยาวหรือแนวโน้มขาลงในระยะยาวไม่ได้ถูกแปลงโดยการแปลงฟูริเยร์อย่างใดอย่างหนึ่ง แนวโน้มทางเดียวเช่นมีการวิเคราะห์ที่ดีขึ้นโดยใช้การถดถอยเชิงเส้น (การแปลงฟูริเยร์และช่วงเวลานั้นเหมาะสมกว่าสำหรับสิ่งที่ขึ้นและลง)

การถดถอยเชิงเส้นทำได้ง่ายในสเปรดชีตส่วนใหญ่ (a) แสดงสมการสำหรับเส้นการถดถอย (b) การสร้าง XY Scattergraphs ด้วยสเปรดชีต

การถดถอยเชิงเส้นพยายามประมาณข้อมูลของคุณด้วยเส้นตรง การแปลงฟูริเยร์พยายามประมาณข้อมูลของคุณด้วยคลื่นไซน์สองสามตัวที่รวมเข้าด้วยกัน มีเทคนิคอื่น ๆ ("การไม่เชิงเส้นถดถอย") ที่พยายามประมาณข้อมูลของคุณกับชื่อพหุนามหรือรูปร่างอื่น ๆ


2

การแปลงฟูริเยร์จะสมมติความคงตัวของสัญญาณความรู้สึกที่กว้างและความแปรปรวนเชิงเส้นของเวลา (LTI) ในขณะที่มันแข็งแกร่งสำหรับการละเมิดเงื่อนไขเหล่านี้บางอย่างฉันไม่คิดว่ามันเหมาะสมสำหรับการวิเคราะห์แนวโน้มเนื่องจากการสันนิษฐานของ stationarity เช่นคุณกำลังพยายามวัดบางสิ่งที่ละเมิดสมมติฐานพื้นฐาน FFTs อย่างใดอย่างหนึ่ง

ฉันจะเห็นด้วยกับโปสเตอร์ข้างต้น ทำมิเรอร์ข้อมูลของคุณและเพิ่มข้อมูลที่ทำมิเรอร์ไปยังตอนท้ายของอนุกรมเวลาของคุณคือหลบ ฉันอยากจะแนะนำว่าการปรับตัวแบบการถดถอยเชิงเส้นให้เหมาะสมกับแนวโน้มเวลาตามที่กล่าวไว้ข้างต้นนั้นน่าจะเหมาะสมกว่า

หากคุณต้องการตรวจสอบเป็นระยะคุณสามารถลบแนวโน้มด้วยการกรองความถี่สูงและทำการวิเคราะห์ฟูริเยร์ หากแนวโน้มยังคงปรากฏให้เห็นหลังจากการกรองคุณสามารถลบเส้นถดถอยเชิงเส้นที่ติดตั้งจากสัญญาณดั้งเดิมก่อนที่จะ FFT

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