আপনার সচেতন হওয়া উচিত যে একটি পর্যায়ক্রমিক শক্তি ব্যবহার করে পাওয়ার বর্ণের অনুমানের প্রস্তাব দেওয়া হয় না এবং প্রকৃতপক্ষে 9 1896 সাল থেকে এটি খারাপ অভ্যাস। এটি লক্ষ লক্ষ ডেটা নমুনার (এবং তারপরেও ...) এর চেয়ে কম কোনও কিছুর জন্য অসঙ্গতিযুক্ত অনুমানকারী এবং সাধারণত পক্ষপাতমূলক। যথাযথ একই জিনিস স্বতঃসংশোধনের মানক অনুমানগুলি (যেমন বার্টলেট) ব্যবহার করার ক্ষেত্রে প্রযোজ্য, কারণ এগুলি ফুরিয়ার ট্রান্সফর্ম জোড়। আপনি যদি একটি সামঞ্জস্যপূর্ণ অনুমানক ব্যবহার করে থাকেন তবে আপনার জন্য কিছু বিকল্প উপলব্ধ রয়েছে।
এর মধ্যে সেরাটি পাওয়ার স্পেক্টরের একাধিক উইন্ডো (বা টেপার) প্রাক্কলন। এই ক্ষেত্রে, আগ্রহের ফ্রিকোয়েন্সিতে প্রতিটি উইন্ডোর সহগ ব্যবহার করে, আপনি সাদা আওয়াজের নাল অনুমানের বিরুদ্ধে কোনও হারমোনিক এফ স্ট্যাটিস্টিক গণনা করতে পারেন । শব্দে লাইন উপাদানগুলি সনাক্ত করার জন্য এটি একটি দুর্দান্ত সরঞ্জাম, এবং এটির সুপারিশ করা হয়। স্টেশনারিটির অনুমানের অধীনে শব্দে পর্যায়ক্রমিক সনাক্তকরণের জন্য এটি সিগন্যাল-প্রক্রিয়াজাতকরণ সম্প্রদায়ের ডিফল্ট পছন্দ।
multitaper
আর -এর প্যাকেজটির মাধ্যমে বর্ণালী অনুমানের বহুবিধ পদ্ধতি এবং সম্পর্কিত এফ-পরীক্ষা উভয়ই অ্যাক্সেস করতে পারেন (সিআরএএন এর মাধ্যমে উপলব্ধ)। প্যাকেজটির সাথে যে ডকুমেন্টেশন আসে তা আপনাকে চালিত করার জন্য পর্যাপ্ত পরিমাণে হওয়া উচিত; এফ-পরীক্ষাটি ফাংশনের জন্য কল করার জন্য একটি সহজ বিকল্প spec.mtm
।
মূল রেফারেন্স যা এই উভয় কৌশলকে সংজ্ঞায়িত করে এবং তাদের জন্য অ্যালগরিদমগুলি দেয় স্পেকট্রাম এসটিমেশন এবং হারমোনিক বিশ্লেষণ , ডিজে থমসন, আইইইই এর কার্যদিবস, খণ্ড। 70, pg। 1055-1096, 1982।
multitaper
প্যাকেজ সহ অন্তর্ভুক্ত ডেটা সেট ব্যবহার করে এখানে একটি উদাহরণ ।
require(multitaper);
data(willamette);
resSpec <- spec.mtm(willamette, k=10, nw=5.0, nFFT = "default",
centreWithSlepians = TRUE, Ftest = TRUE,
jackknife = FALSE, maxAdaptiveIterations = 100,
plot = TRUE, na.action = na.fail)
আপনার যে পরামিতিগুলি সম্পর্কে সচেতন হওয়া উচিত সেগুলি হ'ল কে এবং এনডাব্লু : এগুলি উইন্ডোর সংখ্যা (উপরে 10 তে সেট করা হয়) এবং সময় ব্যান্ডউইথ পণ্য (উপরে 5.0)। বেশিরভাগ অ্যাপ্লিকেশনগুলির জন্য আপনি এইগুলি সহজেই এই পরিমাণের ডিফল্ট মানগুলিতে রেখে যেতে পারেন। CentreWithSlepians কমান্ড Slepian জানালা সম্মুখের দিকে একটি অভিক্ষেপ ব্যবহার সময় সিরিজ গড় একটি শক্তসমর্থ অনুমান সরিয়ে ফেলা হবে - এই এছাড়াও বাঞ্ছনীয় গড় দিয়া কম ফ্রিকোয়েন্সিতে ক্ষমতা অনেক উৎপন্ন হয়।
আমি লগ স্কেলে 'স্পট.এমটিএম' থেকে বর্ণালী আউটপুট প্লট করারও সুপারিশ করব, কারণ এটি জিনিসগুলি উল্লেখযোগ্যভাবে পরিষ্কার করে দেয়। আপনার যদি আরও তথ্যের প্রয়োজন হয় তবে কেবল পোস্ট করুন এবং এটি সরবরাহ করে আমি খুশি।
bootspecdens
সহায়ক হতে পারে।