时间序列的一些特性分析 时间序列数据是指按时间顺序关于事件变化发展的过程记录，它是目标对象的按照一定时间顺序的观测记录值的序列；其保存了观测数据的时间结构性。因此时间序列常常被当成一个整体进行研究分析，而不是一个个独立的数值。研究时间序列不仅仅要关注其记录数值本身，还需要解析其瞬时数据与瞬时数据之间的时间相关性。
将时间序列转成图像——相对位置矩阵方法 Matlab实现 相对位置矩阵(Relative Position Matrix, RPM)包含了原始时间序列的冗余特征，使转换后的图像中，类间和类内的相似度信息更容易被捕捉。
将时间序列转成图像——马尔可夫转移场方法 Matlab实现 马尔可夫转移场（Markov Transition Field, MTF）是基于马尔可夫转移矩阵的一种时间序列图像编码方法。该方法将时间序列的时间推移看成是一个马尔可夫过程，即：在已知目前状态的条件下，它未来的演变不依赖于它以往的演变，由此构造马尔可夫转移矩阵，进而拓展为马尔可夫转移场，实现图像编码。
将时间序列转成图像——递归图方法 Matlab实现 将递归图应用在时间序列上，首先将时间序列的时域空间变换到相空间，从而将时域中的每个点变换成相空间的对应状态；接着计算每两个状态（向量）之间的距离（向量范数）；然后进行阈值二值化，得到递归图中对应两个状态之间的特征。
将时间序列转成图像——格拉姆角场方法 Matlab实现 格拉姆矩阵是两两向量的内积组成，可以保存时间序列的时间依赖性，却不能有效的区分价值信息和高斯噪声。因此，在进行格拉姆矩阵变换之前，时间序列需要进行空间变换，普遍的方法是将笛卡尔坐标系转换成极坐标系（半径、角度）。格拉姆角场(Gramian Angular Field, GAF)是结合坐标变换和格拉姆矩阵的相关知识，实现将时间序列变换成图像的一种编码方法。所以对于一个时间序列。
将时间序列转成图像——希尔伯特-黄变换方法 Matlab实现 前面提到的信号处理方法基本都受到傅里叶理论的影响，不能很好的处理不规则的信号，因此，1998年Norden E. Huang 等人[9]提出经验模态分解方法，并引入Hilbert谱的概念和Hilbert谱分析方法，称为希尔伯特-黄变换(Hilbert-Huang Transform, HHT)。希尔伯特-黄变换主要包括两个阶段，分别是经验模态分解（EMD）和Hilbert变换（HT）。相较于短时傅里叶变换和小波变换，HHT得到时频图分辨率比较低，具有较好的自适应性。
将时间序列转成图像——小波变换方法 Matlab实现 小波变换(Wavelet Transform, WT)是1984年由Morlet和Grossman提出的概念，该方法承袭了短时间窗变换的局部化思想，且克服了时间-窗口大小不变的缺陷，提供了一个窗口宽度可随频率变化而变宽变窄的时频窗，从而充分突出信号的某些特征。将其缩放尺度和平移参数对应频率和时间参数，最终得到信号的时频图。小波变换相较于短时傅里叶变换，具有较好的时频分辨率自适应能力，更能突出实际信号的局部特征，即高频处采用低频率分辨率和高时间分辨率，低频处采用高频率分辨率和低时间分辨率。
将时间序列转成图像——短时傅里叶方法 Matlab实现 短时傅里叶变换(Short Time Fourier Transform, STFT)是傅里叶变换(Fourier Transform, FT)的一种变形，以确认时变信号的频率和相位在时间轴上的变化情况。其基本思想是：选择一个合适的窗函数（常见有方形、三角形、高斯函数等），假设时变信号在这个短时间间隔的窗内是一个平稳的信号，通过傅里叶变换计算出信号的频率和相位信息，然后在时间轴上移动窗函数，计算出不同短时间段内信号的频率和相位，最终实现信号的时频分析，得到其对应的时频图。其中,为时间窗函数。
时间序列转二维图像方法及其应用研究综述 本文详细介绍了目前时间序列转二维图像的方法及其应用现状；同时以交通异常检测场景为例，对各个方法做了案例分析。各项研究结果表明，将时间序列数据转化为二维图像，利用成熟的计算机视觉技术进行特征提取和识别，可以有效提高效果，这将有助于时间序列数据的研究。
基于MATLAB的频谱、能量谱、三分之一倍频程分析 以信号为例，信号在时域下的图形可以显示信号如何随着时间变化，而信号在频域下的图形（一般称为频谱）可以显示信号分布在哪些频率及其比例。频域的表示法除了有各个频率下的大小外，也会有各个频率的相位，利用大小及相位的资讯可以将各频率的弦波给予不同的大小及相位，相加以后可以还原成原始的信号。时域：描述数学函数或物理信号对时间的关系；例如一个信号的时域波形可以表达信号随着时间的变化[1]。这符合现实世界中人们对信号的认识。频域：是指在对函数或信号进行分析时，分析其和频率有关部分，而不是和时间有关的部分，和时域。
基于粒子群算法的多无人机协同任务分配——matlab实现 1.问题背景1.1 无人机任务分配：使用3台无人机，对6个目标分别执行“分类，攻击，毁伤评估”任务。因此，对无人机和目标进行一一匹配，则总共有3*6=18个小任务。1.2 场景设置： 在范围为（0，0）到（300，300）单位（KM）平面坐标系内随机取6个目标点，（仿真时取200到250）间较分散（坐标差大于3）的点，减少后期的误差； 3个飞机初始点（0到50），分别给与坐标位置； 无人机航向∈(0°, 360°)，目标航向∈(0°, 360°)，初始速度100M/s，
图像处理 Matlab GUI系统（全） 导读以数字图像处理系统设计为例，介绍GUI系统的设计流程，同时提供两者的设计经验，如需详细了解，请下载相关资源。数字图像处理系统该系统基本涵盖了所有需要实现的图像处理功能：灰度化变换、剪切、加噪和模糊处理； 空域点处理中的图像反转、线性变换、对数变换、幂函数变换、均衡化增强； 空域滤波中的均值滤波、中值滤波、加权滤波、Robert算子、Sobel算子、Laplace算子； 频域滤波中的低通滤波和高通滤波； 傅里叶变换中正变换和逆变换； 人工选择阈值分割和自动阈值分割； 形态学运算
python lambda()、map()、reduce()、filter() 用法与对比 函数式编程是一种编程范型，将计算机运算视为数学上的函数计算，并且避免使用程序状态以及易变对象。主要有lambda(),map(),reduce(),filter().ma
希尔伯特黄变换(Hilbert-Huang)原理、HHT求时频谱、边际谱，及MATLAB（2018rb）实现 希尔伯特黄变换(Hilbert-Huang)包括两部分工作，分别是经验模态分解（EMD）和希尔伯特变换（HT）。x(t)m1(t)的上IMF对每个IMF ci(t)求其Hilbert变换：;根据和可以求得相应IMF的瞬时频率和瞬时幅值，可将原始信号表示成,在经过n次EMD分解后，残余信号为常熟或单调函数，对信号提取没有实质影响，故舍去。
关注
