谱估计
Big_quant
热爱技术,改变世界。
展开
-
现代谱估计:Blackman-Tukey 相关图
因为课题需要,开始了谱估计的学习之路,但上网一搜发现没有啥中文资料,为了方便后来人,写下此系列文档。 本文翻译自kspectra tool theory理论Blackman-Tukey 相关图 和 互谱相关图通过使用加窗傅里叶变换实现对一个时间序列自相关函数的谱估计 在1958年,Blackman和Tukey发明了该项技术,该项技术的基础是Wiener-Khinchin理论...翻译 2018-05-17 16:07:09 · 3200 阅读 · 0 评论 -
谱分析:互谱密度
cpsd 使用welch方法计算互功率谱密度1Pxy=cpsd(X,Y)返回使用welch方法计算的两个离散时间序列信号的互谱功率密度Pxy,默认参数中,X和Y会被分成八段,每段重复50%,每段通过汉明窗加窗,同时计算八个被调制的谱密度并做平均。 See “help pwelch” and “help cpsd” for complete details.X and Y may be ei...原创 2018-12-07 10:50:19 · 24387 阅读 · 2 评论 -
使用奇异值谱分析鉴定振荡成份
使用奇异值谱分析鉴定振荡成分针对蒙特卡罗或者卡方分布经典的检验过程将按照以下的方式:首先是检验纯噪声并且确定在那个数据部分展示了一个异常高的频率成分相对于零假设,其次,找到数据里面的和他们相关联的经验正交函数部分(表现成数据自适应型,这些经常会提供一个针对信号的更好的滤波器相对于有关联的噪声的经验正交函数);最后,重新检验这些原假设里的经验正交函数,来检验这里是否有其他特征在谱里面但被主导信号...翻译 2018-10-11 20:36:05 · 637 阅读 · 0 评论 -
蒙特卡罗奇异值谱分析
蒙特卡罗奇异值谱分析蒙特卡罗奇异值谱分析(MC-SSA)可以被用来重建一个给定的时间序列是否是线性可区分的从任何一个定义好的过程,包含了确定的混沌系统的输出。但我们可以专注于测试线性随机过程,通常被认为是噪声。红噪声通常被认为用来和线性随机过程相关联,也就是功率单调地随着频率增长下降。但我们更喜欢使用相关联术语-一阶自回归模型,或者说AR(1),也就是T时刻的值由t-1时刻的值唯一决定。其中...翻译 2018-10-11 20:14:45 · 1346 阅读 · 0 评论 -
(译)奇异值谱分析
#前言本文翻译自Kspectra -tool有兴趣的人可以去原文看看,话不多说开始讲解。#奇异值谱分析奇异值谱分析是一种非参数方法。它试图避免使用参数化方法-假定一个模型拟合时间序列,并且克服有限采样点数和采样噪声带来的问题。该方法使用一个数据自适应的基,而不是使用Blackman-Tukey方法-固定的sine或者cousine。Vautard and Ghil (1989: VG 之...翻译 2018-10-11 16:42:40 · 5660 阅读 · 1 评论 -
信号处理:谱密度
频谱分辨率我们知道计算上存储的都是离散的数据,和连续数据不一样的是,离散数据非稠密,是有最小间隔的。正如单位体积的质量叫密度,在频率轴上有几个频率点,叫做频谱密度。计算方法Finterval=FsamplePointtotalFinterval=FsamplePointtotalF_{interval}=\frac{F_{sample}}{Point_{total}} 因为Fsamp...原创 2018-07-01 10:32:31 · 2500 阅读 · 0 评论 -
现代谱估计:多窗口谱相关性
本篇文章翻译自:kspectra tool多窗口谱:相干性幅值均方相干性函数CCCXX_XYY_Y是一个输入为频率输出为(0−1)(0−1)(0-1)的函数。它代表着在线性关系这个角度下,两个时间序列xxx和yyy共同变化的部分有多少。可以通过计算时间序列X和Y的独立功率谱Px和Py,以及两者的互功率谱 Pxy,再按照以下公式获得该函数值:在实践中,CxyCxyCxy通常得通...翻译 2018-05-21 10:12:33 · 1628 阅读 · 0 评论 -
现代谱估计:多窗口谱重建
本篇文章翻译自:Kspectra tool,需要用的同学可自己看英文版的。多窗口谱信号重建一旦显著峰值信号(相对特定的零假设)可以从谱信号中分离出来,对应的时域信号可以使用多窗口谱分解技术获得的信息在时域中重建出来。这个信号或者说重建成份和之前SSA技术中描述的SSA有类似的成份,除了它用来重建侦测到的信号的信息是来自于频率域的特征分解而不是相关域的特征分解。 在相关域的情景时,...翻译 2018-05-21 09:03:32 · 602 阅读 · 0 评论 -
现代谱估计:多窗口谱分析和显著性
本文翻译自kspectra tool多窗口谱分析和显著性在地球物理研究中,信号和噪声性质的微妙差异导致了一个比传统的MTM方法具有更好普遍性的实现,该方法将上述谐波信号检测过程与用于检测显着的窄带“准振荡”信号的标准(相位和振幅调制),以及间歇振荡行为相结合,对于相当多的某些适当定义的零假设仍然有意义。 我们倾向于采用这种方法,它可以对时间序列的MTM频谱中的谐波和非谐波窄带信号进...翻译 2018-05-19 15:43:29 · 3018 阅读 · 0 评论 -
现代谱估计:MTM 谐波分析
本文翻译自Kspectra -tool 有兴趣的人可以去原文看看,话不多说开始讲解。 #多窗口谐波分析。1目标谐波分析的目标是为了确定线成分-既谱估计中的尖峰对应于周期或准周期信号的频率,幅值,相位等成分。 无穷长的单一周期信号的傅里叶变换对应于信号的频率域上产生一个狄拉克函数, 即一个无穷高的谱线 (或零宽度(一个点)的峰值)。 根据上述描述讲解的的方法进行的谱估计,...翻译 2018-05-18 21:11:41 · 1687 阅读 · 0 评论 -
现代谱估计:多窗口谱
本文翻译自Kspectra Tool 为了造福后来人,同时检验学习成果,开始这个系列多窗口方法(Multitaper Method)其实这个翻译有问题,taper和window还是有区别的。1多窗口优点谱分析中的多窗口谱方法对两类问题提供了一个新颖的解决方案,这两类问题是:谱估计和对一个时间序列里面既有连续谱也有特征谱成分的信号重建。 这个方法被广泛应用在地球物理信号分...翻译 2018-05-18 10:43:50 · 6728 阅读 · 1 评论 -
现代谱估计-互谱功率
本篇文章翻译自kspectra tool互谱功率Blackman-Tukey相关图提供了一个直接的计算两个信号x(t)和y(t)的互谱功率(Pxy(f))计算方法其中X(f)和Y(f)是两个独立时间序列x(t)和y(t)的相关图估计互谱功率可以用来估计两个信号之间的相干性。然而,它要求x(t)和y(t)独立实现的功率谱估计的平均。多窗口谱方法提供了一个经受实践检验的...翻译 2018-05-17 16:30:50 · 2185 阅读 · 0 评论 -
吴恩达 coursera AI 专项三第一课总结+作业答案
前言吴恩达的课程堪称经典,有必要总结一下。学以致用,以学促用,通过笔记总结,巩固学习成果,复习新学的概念。目录文章目录前言目录正文正文图像激活的例子电视调节的例子。机器学习的链式假设。正则化的链式假设。使用单一指标评估原则,在一次训练时仅选取一个指标作为优化你的目标。使用另一个例子。常用的评价标准,F1score,召回率。另一类猫分类问题。统计和最优化指标。猫分类问题...原创 2019-07-27 18:10:37 · 387 阅读 · 0 评论