小波域高斯过程:什么是协方差?

机器算法验证 正态分布 随机过程 高斯过程 傅里叶变换 小波
2022-01-18 15:27:32

我一直在阅读Maraun 等人,“小波域中的非平稳高斯过程:综合、估计和显着测试”(2007 年),它定义了一类可以由小波域中的乘数指定的非平稳 GP。

一个这样的 GP 的实现是:

s(t)=Mhm(b,a)Wgη(t),

在哪里

  • η(t)是白噪声,
  • Wg是关于小波的连续小波变换g,
  • m(b,a)是具有规模的乘数(有点像傅立叶系数)a和时间b, 和
  • Mh是带有重构小波的逆小波变换h.

该论文的一个关键结果是

如果乘数m(b,a)只是缓慢地改变,那么实现本身只是“微弱地”依赖于实际的选择gh.

因此m(b,a)指定过程。

他们继续创建一些重要的测试,以帮助根据实现推断小波乘法器。

两个问题:

1. 我们如何评估标准 GP 似然p(D)=N(0,K)?

我猜我们正在有效地改变坐标所以K1=WTM1W在哪里W是小波和M是小波系数的(对角线?)矩阵m(a,b). 但是,他们使用非正交 CWT,所以我不知道这是否正确。

2. 这个小波域 GP 如何与真实空间 GP 相关联具体来说,我们可以计算一个实空间(非平稳)内核吗km(a,b)?

为了比较,平稳高斯过程的内核是其谱密度的傅里叶对偶(Bochner 定理,参见拉斯穆森第 4 章)——这提供了一种在实空间 GP 和频率空间 GP 之间切换的简单方法。这里我问的是小波域中是否存在这样的关系。

1个回答

驱动过程,白噪声 η(t),与基的选择无关。在 CWT 中(不像 DWT 在倍频程中跳跃)存在一些冗余,窄波段确实重叠。正在测试显着性的“特征”是在短时间内以窄频率观察到的方差(功率)。这显然在数学上确实取决于所选择的小波,但不是非常依赖 - 更窄的带宽可以以更高的灵敏度检测更缓慢变化的特征,更宽的带宽更具响应性但具有更嘈杂的背景并且不太具体。

  1. 由于这测量了小波空间,它在小波的持续时间内积分,您编写的变换将适用于任何“时间点”。通常需要相位信息来反转 CWT。Maraun 的检验本质上是卡方的幂。

  2. 不,Maraun 取决于某个时间范围内某个频带中的信噪比,这在噪声空间中可能有许多不同的实现方式,并且与相位无关。它对特定频率的小波域中的 AR(1) 信号敏感,即随时间持续的振荡,例如 CWT 域将倾向于抑制宽带噪声中的孤立尖峰。