波的分析方法——奇异谱分析（SSA）方法详解

波的分析方法——奇异谱分析（SSA）方法详解

奇异谱分析（Singular Spectrum Analysis, SSA）是一种数据驱动的时间序列分析与分解技术，在信号处理、经济学、气象学等领域有着广泛应用。相比于依赖特定基函数展开的傅里叶分析或小波分析，SSA直接从数据本身出发，通过构造“嵌入矩阵”并对其进行奇异值分解（SVD），将原始序列分解为若干具有不同时间尺度的分量（通常称为“重构分量”或“RC们”），并能同时提取趋势和周期等结构性信息。

---

一、SSA的基本思路

设有长度为 $N$ 的时间序列
X = { x 1 , x 2 , … , x N } . X = \{x_1, x_2, \dots, x_N\}. X={ x1​,x2​,…,xN​}.
SSA首先通过一个窗口长度 $L$（常取 $2\le L\le N/2$）在该序列上进行滑动，将一维序列“嵌入”到一个二维矩阵中，然后用奇异值分解对该“嵌入矩阵”进行分解，从而得到若干秩一矩阵，最后再通过对这些秩一矩阵进行“对角线（或反对角线）平均”（diagonal averaging）或某种简化的均值操作，就可以把原始序列分离成多个分量以及一个可能的剩余或趋势项。

与“经验模态分解（EMD）”等方法不同，SSA不依赖寻找局部极值点，也不要求信号满足严格的局部对称性或包络条件；它通过线性代数方法实现分解，能够从数据中自动学习各个不同尺度或不同频率的成分。

---

二、数学基础：从嵌入到分解与重构

1. 构造嵌入矩阵

给定序列 X = { x 1 , x 2 , … , x N } X = \{x_1, x_2, \dots, x_N\} X={ x1​,x2​,…,xN​} 和窗口长度 $L$，我们令 $K=N-L+1$。将序列“嵌入”到一个 $L\times K$ 的轨迹矩阵 $\mathbf{X}$ 中：

$$\mathbf{X}=[\begin{array}{c}{x}_1\\ x_2\\ ⋮\\ x_L\end{array}$$