时间序列中的尖峰

信息处理 时间序列
2022-02-03 09:37:59

我想要一个简化的度量来量化我的时间序列中的峰值,我有一个系列有很多,我想将它与另一个很少的系列进行比较。我已经考虑了几个选项,例如拟合正弦波并将 R 值作为平滑度的量度等,但我认为系列中差异的变异系数的量度可能是合适的。我想知道这是否是一种好方法,而且由于差异的平均值非常小,我想知道是否有一个通用的替代 CV 的方法,这当然会变得毫无意义。

还要提一下,数据的均值和标准差之间不存在比例关系。

问这个问题的另一种方法是,是否有人对逆向提出建议,成功测量平滑度?或一种总结数据抽搐的方法

1个回答

我会尝试中值滤波器。

  1. 让您的原始信号成为f[n].

  2. 中值滤波器f[n]使用N像素,其中N>2×S+1, 在哪里S是尖峰中的最大样本数。产生的信号,让我们称之为g[n]应该移除所有尖峰。

  3. 求两个信号之差的绝对值,h[n]=|f[n]g[n]|. 该信号代表尖峰。

  4. 计算正向转换的数量h[n]高于阈值。这是尖峰的数量。

例子:

原始信号f[n]

在此处输入图像描述

中值滤波信号g[n]

在此处输入图像描述

绝对差异h[n]

在此处输入图像描述