ট্রেন্ড শনাক্ত করতে সিগন্যাল প্রসেসিং নীতিগুলির সন্দেহজনক ব্যবহার


10

আমি কিছু খুব গোলমাল দীর্ঘমেয়াদী ডেটাতে চেষ্টা করার চেষ্টা করার চেষ্টা করছি find তথ্যটি মূলত এমন কোনও কিছুর সাপ্তাহিক পরিমাপ যা প্রায় 8 মাসের সময়কালে প্রায় 5 মিমি স্থানান্তরিত করে। ডেটাটি 1 মিমি যথার্থ হয় এবং এক সপ্তাহে নিয়মিত +/- 1 বা 2 মিমি পরিবর্তিত হয় খুব গোলমাল। আমাদের কাছে কেবল নিকটতম মিমি পর্যন্ত ডেটা রয়েছে।

আমরা কাঁচা ডেটা থেকে শব্দটি আলাদা করতে দ্রুত ফুরিয়ার ট্রান্সফর্মের সাথে কিছু বেসিক সিগন্যাল প্রসেসিং ব্যবহার করার পরিকল্পনা করি। প্রাথমিক ধারণাটি হ'ল যদি আমরা আমাদের ডেটা সেটটি আয়না করে দেখি এবং এটি আমাদের বিদ্যমান ডেটা সেটের শেষের সাথে যুক্ত করি আমরা তথ্যের সম্পূর্ণ তরঙ্গদৈর্ঘ্য তৈরি করতে পারি এবং সেইজন্য আমাদের ডেটা দ্রুত ফুরিয়ার রূপান্তর প্রদর্শিত হবে এবং আমরা আশা করি এরপরে আলাদা করে রাখতে পারি ।

প্রদত্ত যে এটি আমার কাছে কিছুটা সন্দেহজনক বলে মনে হচ্ছে, এটি কি এই পদ্ধতিটি শুদ্ধ করার মতো বা আমাদের উপাত্তকে মিরর করে সংযোজন করার পদ্ধতিটি কোনওভাবে মৌলিকভাবে ত্রুটিযুক্ত? আমরা অন্যান্য পন্থাগুলির দিকেও নজর দিচ্ছি যেমন লো পাস ফিল্টারটিও ব্যবহার করি।


ধীর (মানক) ফুরিয়ার রূপান্তর সম্পর্কে কী about

প্লেট গতির এই পৃথকভাবে সংশোধন করা জিপিএস পরিমাপ, কোনও সুযোগেই?
whuber

এটি আসলে একটি টানেলের চলাচল ছিল যখন চারদিকে নির্মাণ কাজ চলছিল। আমরা প্রত্যাশা করেছি যে আন্দোলনটি মোটামুটি পর্যবেক্ষণের সময়কালে একটি এস বক্ররেখা অনুসরণ করবে।
আয়ান টার্নার

উত্তর:


9

ট্রেন্ডের প্রাক্কলনটি যে বিন্দুতে আপনি মিথ্যা ডেটাতে ছড়িয়ে দিয়েছেন তার কাছাকাছি পক্ষপাতদুষ্ট হবে বলে এটি আমার কাছে দুর্বোধ্য মনে হচ্ছে। একটি বিকল্প পদ্ধতি হ'ল লোম বা স্প্লাইসগুলির মতো একটি ননপ্রেমেট্রিক রিগ্রেশন স্মুথ।


8

আপনি যদি সিগন্যাল প্রসেসিং ব্যবহার করে দীর্ঘমেয়াদী প্রবণতা ফিল্টার করতে চান তবে কেন কেবল লো-পাস ব্যবহার করবেন না?

আমি যে সহজ জিনিসটি ভাবতে পারি তা হ'ল একটি ঘনঘন চলমান গড়।


আমরা এটি এক নজর ছিল। ঠিক আছে কাজ করেছেন তবে এই ক্ষেত্রে শব্দটি এখনও কিছুটা শক্তিশালী বলে মনে হয়েছে এবং আমরা যদি প্যারামিটারগুলি যথেষ্ট পরিমাণে বিতরণ করেও দেখি তবে দেখা যায় যে প্রবণতাটি খুব বেশি স্যাঁতসেঁতে গেছে। সম্ভবত এই ক্ষেত্রে কেবলমাত্র ডেটার কোনও সমাধান নেই এবং এটি কেবল খানিকটা গোলমাল।
ইয়ান টার্নার

1
তাত্পর্যপূর্ণ ওজনযুক্ত চলমান গড়গুলি কর্নেল স্মুথারের একটি বিশেষ কেস (ধরে নিলে আপনি 1-পক্ষের পরিবর্তে 2-পার্শ্বযুক্ত এমএ ব্যবহার করেছেন) ing এর সাধারণীকরণের জন্য আরও ভাল অনুমানগুলি হ'ল কম বা স্প্লাইস - আমার উত্তর দেখুন।
রব হ্যান্ডম্যান

7

আমি মনে করি আপনি পেস্টিং পয়েন্টে কিছুটা বিকৃতি পেতে পারেন কারণ সমস্ত অন্তর্নিহিত তরঙ্গ খুব ভাল সংযুক্ত হবে না।

আমি এটির জন্য হিলবার্ট হুয়াং রূপান্তরটি ব্যবহার করার পরামর্শ দেব। কেবল স্বতন্ত্র মোড ফাংশনে বিভক্ত করুন এবং সেগুলি গণনা করার সময় অবশিষ্টাংশ হিসাবে কী বাকী রয়েছে তা দেখুন।


7

আপনি (দ্রুত :)) বিচ্ছিন্ন তরঙ্গকরণ রূপান্তর ব্যবহার করতে পারেন । আর এর অধীনে প্যাকেজ তরঙ্গমূল্য সমস্ত কাজ করবে। যাইহোক, আমি @ জেমসের সমাধানটি পছন্দ করি কারণ এটি সহজ এবং মনে হয় এটি সোজা হয়ে যায়।


একমত; তরঙ্গসীমান উচ্চ পরিমাণে শব্দে স্থিতিশীল নয় এমন আচরণ বাছাই করার জন্য দুর্দান্ত। যদিও আপনাকে ডিডাব্লুটি-র সাথে সতর্ক থাকতে হবে। এটি ঘূর্ণন-আক্রমণকারী নয় (যদিও ডিডাব্লুটি-র সংশোধনী রয়েছে, যেমন দেখুন পার্সিভাল এবং ওয়াল্ডেন 2000), যাতে আপনি আপনার ডেটার প্রারম্ভিক বিন্দুর উপর নির্ভর করে তীক্ষ্ণ স্থানান্তরগুলি হারাতে পারেন। এছাড়াও, ডিডাব্লুটিটির বেশিরভাগ বাস্তবায়ন ডেটাগুলিকে অন্তর্নিহিত বিজ্ঞপ্তি দেয়, সুতরাং এর জন্য আপনাকে এখনও নিয়ন্ত্রণ করতে হবে।
ধনী

যদি আমার স্মৃতিশক্তিটি ভাল থাকে তবে প্যাকেজ তরঙ্গদ্বারে অনুবাদ অরগানিয়টকে নিন্দিত করে (আমার রেফারেন্স কোইফম্যান 1995 ছিল) নোট করুন যে আপনি ঘূর্ণন সম্পর্কে কথা বলেছেন, আমরা কি টেম্পোরাল সিগন্যালের কথা বলিনি?)
রবিন গিরার্ড

আপনি কি এমওডব্লিউটি (সর্বাধিক ওভারল্যাপ ডিসক্রিট ওয়েভলেট ট্রান্সফর্ম) সম্পর্কে কথা বলছেন?
রকসায়েন্স

@ এফআরড: না, এখানে কাগজটি রয়েছে, কইফম্যান এবং ডোনহো
রবিন জিরাড

4

বেশিরভাগ সময় যখন আমি "দীর্ঘমেয়াদী প্রবণতা" শুনি, আমি দীর্ঘমেয়াদী wardর্ধ্বমুখী প্রবণতা বা দীর্ঘমেয়াদী নিম্নগামী প্রবণতাগুলির কথা ভাবি , যার মধ্যে একটিও ফুরিয়ার ট্রান্সফর্ম দ্বারা সঠিকভাবে ধরা পড়ে না। এই জাতীয় একমুখী প্রবণতাগুলি লিনিয়ার রিগ্রেশন ব্যবহার করে আরও বিশ্লেষণ করা হয় । (ফুরিয়ার রূপান্তর এবং periodograms বিষয় আছে যা পর্যন্ত যেতে জন্য আরও উপযুক্ত এবং নিচে)।

লিনিয়ার রিগ্রেশন বেশিরভাগ স্প্রেডশীটগুলিতে করা সহজ। (ক) রিগ্রেশন লাইনের জন্য সমীকরণ প্রদর্শন করুন (খ) স্প্রেডশিট সহ এক্সওয়াই স্ক্যাটারগ্রাফ তৈরি করা

লিনিয়ার রিগ্রেশন একটি সরলরেখার সাথে আপনার ডেটা আনুমানিক করার চেষ্টা করে। ফুরিয়ার রূপান্তরগুলি একসাথে কয়েকটি সাইন-ওয়েভ যুক্ত হয়ে আপনার ডেটা আনুমানিক করার চেষ্টা করে। অন্যান্য কৌশল রয়েছে ("অ-লিনিয়ার রিগ্রেশন") যা আপনার ডেটাটিকে বহুবর্ষ বা অন্যান্য আকারের সাথে আনুমানিক করার চেষ্টা করে।


2

ফুরিয়ার ট্রান্সফর্মটি প্রশস্ত সংকেত সিগন্যাল স্টেশনারিটি এবং লিনিয়ার টাইম ইনভেরিয়েন্স (এলটিআই) ধরে নেয়। যদিও এটি এই শর্তগুলির কিছু লঙ্ঘন করার পক্ষে দৃ is়, যদিও আমি স্থিতিশীলতা অনুমানের কারণে প্রবণতা বিশ্লেষণের পক্ষে যথাযথ বলে মনে করি না, অর্থাৎ আপনি এমন কিছু পরিমাপ করার চেষ্টা করছেন যা এফএফটিগুলির একটি মৌলিক অনুমানকে লঙ্ঘন করে।

আমি উপরের পোস্টারগুলির সাথে একমত হব; আপনার ডেটা মিরর করা এবং আপনার সময়-সিরিজের শেষের দিকে মিররযুক্ত ডেটা যুক্ত করা অশুভ। আমি পরামর্শ দেব যে উপরে উল্লিখিত হিসাবে একটি সময় প্রবণতা সহ লিনিয়ার রিগ্রেশন মডেল ফিট করা সম্ভবত আরও উপযুক্ত more

আপনি যদি পর্যায়ক্রম পরীক্ষা করে দেখতে থাকেন, আপনি উচ্চ পাস ফিল্টারিং এবং একটি ফুরিয়ার বিশ্লেষণ করে ট্রেন্ডটি সরিয়ে ফেলতে পারেন। যদি ট্রেন্ডিং ফিল্টারিংয়ের পরে দৃশ্যমান থেকে যায় তবে আপনি এফএফটি এর আগে আসল সংকেত থেকে লাগানো লিনিয়ার রিগ্রেশন লাইনটি বিয়োগ করতে পারবেন।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.