Kiểm tra ý nghĩa của các cực đại trong mật độ phổ


20

Đôi khi chúng ta sử dụng biểu đồ mật độ phổ để phân tích tính tuần hoàn trong chuỗi thời gian. Thông thường chúng tôi phân tích cốt truyện bằng cách kiểm tra trực quan và sau đó cố gắng đưa ra kết luận về tính định kỳ. Nhưng các nhà thống kê đã phát triển bất kỳ thử nghiệm nào để kiểm tra xem có bất kỳ đột biến nào trong cốt truyện có khác biệt về mặt thống kê với tiếng ồn trắng không? Các chuyên gia R đã phát triển bất kỳ gói nào để phân tích mật độ quang phổ và để thực hiện loại thử nghiệm đó? Tuyệt vời nếu ai đó có thể giúp đỡ.

Trân trọng,
P.


1
Bị ép bởi @Wesley, tôi đã xóa những suy nghĩ nhanh chóng của mình về chức năng tự động và biểu đồ tự động (có thể anh ấy thực sự là một chuyên gia phân tích miền tần số, nhưng cá nhân tôi không nghĩ Bartlett, khi làm việc với tự động tương quan trong miền thời gian), nhưng vẫn nghĩ rằng tôi đề nghị thứ hai về bootspecdenscó thể hữu ích.
Dmitrij Celov

Tôi đang dựa trên giả định của mình về phản ứng của mọi người đối với 'thế nào là tự kỷ?' trên các lần xuất hiện văn học, trong đó hầu hết tất cả các trường hợp sử dụng tự động tương quan đều là tiêu chuẩn, tính toán miền thời gian, tự động tương quan Barlett. Và, thật không may, điều này là xấu! :) Tôi đánh giá cao đề nghị của bootspecdensDmitrij; Mong được tìm hiểu về nó.
Wesley Burr

Câu trả lời:


9

Bạn nên lưu ý rằng việc ước tính phổ công suất bằng cách sử dụng biểu đồ không được khuyến nghị và trên thực tế đã không được thực hiện kể từ ~ 1896. Đây là một công cụ ước tính không nhất quán cho bất cứ điều gì ít hơn hàng triệu mẫu dữ liệu (và thậm chí sau đó ...), và nói chung thiên vị. Điều tương tự chính xác áp dụng cho việc sử dụng các ước tính tiêu chuẩn của tự động tương quan (ví dụ Bartlett), vì chúng là các cặp biến đổi Fourier. Miễn là bạn đang sử dụng một công cụ ước tính nhất quán, có một số tùy chọn có sẵn cho bạn.

Điều tốt nhất trong số này là ước tính nhiều cửa sổ (hoặc độ côn) của phổ công suất. Trong trường hợp này, bằng cách sử dụng các hệ số của mỗi cửa sổ với tần suất quan tâm, bạn có thể tính toán Thống kê Harmonic F dựa trên giả thuyết khống về tiếng ồn trắng. Đây là một công cụ tuyệt vời để phát hiện các thành phần dòng trong tiếng ồn, và rất được khuyến khích. Đây là lựa chọn mặc định trong cộng đồng xử lý tín hiệu để phát hiện các tạp âm trong tạp âm theo giả định về sự ổn định.

Bạn có thể truy cập cả phương pháp ước lượng đa phổ và kiểm tra F liên quan thông qua multitapergói trong R (có sẵn thông qua CRAN). Các tài liệu đi kèm với gói phải đủ để đưa bạn đi; kiểm tra F là một tùy chọn đơn giản trong lệnh gọi hàm spec.mtm.

Tài liệu tham khảo ban đầu xác định cả hai kỹ thuật này và đưa ra các thuật toán cho chúng là Ước tính phổ và Phân tích hài hòa , DJ Thomson, Kỷ yếu của IEEE, tập. 70, pg. 1055-1096, 1982.

Dưới đây là một ví dụ sử dụng tập dữ liệu đi kèm với multitapergói.

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) 

Các tham số bạn cần lưu ý là knw : đây là số lượng cửa sổ (được đặt thành 10 ở trên) và sản phẩm băng thông thời gian (5.0 ở trên). Bạn có thể dễ dàng để những thứ này ở các giá trị gần như mặc định này cho hầu hết các ứng dụng. Lệnh centreWithSlepians loại bỏ một ước tính mạnh mẽ về giá trị trung bình của chuỗi thời gian bằng cách sử dụng phép chiếu lên các cửa sổ Slepian - điều này cũng được khuyến nghị, vì để lại giá trị trung bình tạo ra nhiều năng lượng ở tần số thấp.

Tôi cũng sẽ khuyên bạn nên vẽ sơ đồ phổ từ 'spec.mtm' trên thang ghi nhật ký, vì nó làm sạch mọi thứ đáng kể. Nếu bạn cần thêm thông tin, chỉ cần đăng và tôi rất vui được cung cấp.


Gửi Burr, Silva và Celov - cảm ơn rất nhiều vì những câu trả lời và gợi ý thú vị của bạn. Tôi mong muốn được kiểm tra những người ước tính này. Trân trọng
Pantera

(+1) tối nay tôi đã suy nghĩ cẩn thận về các đề xuất của bạn và quyết định rằng miền thời gian thực sự là điều cuối cùng (do cắt ngắn và các thuộc tính yếu trong các mẫu nhỏ) để thử tìm kiếm hành vi đạp xe. Điều tôi quan tâm cá nhân là các giả định cho thống kê F và các thuộc tính cỡ mẫu nhỏ của sơ đồ được đề xuất. Chà và có lẽ thật tốt khi bắt đầu một câu hỏi riêng liên quan đến việc lựa chọn cửa sổ tối ưu, bởi vì thực sự có rất nhiều.
Dmitrij Celov

Thực sự có nhiều lựa chọn cửa sổ, mặc dù hai lựa chọn phổ biến nhất là Chuỗi hình cầu Prolate rời rạc (hay Slepians ) và các hình sin. Nếu bạn đang tìm kiếm sự tập trung năng lượng tối đa trong một băng thông cục bộ, Slepians đã được chứng minh là tối ưu, và trên thực tế là đầu ra từ dạng phương trình tích phân của mật độ phổ (xem bài báo tôi đã đề cập để biết chi tiết đầy đủ). Theo như thống kê của F, chắc chắn có một số vấn đề với mức độ tự do, nhưng về tổng thể chúng hoạt động khá tốt, với ~ 2k-2 dof có sẵn.
Wesley Burr

Biểu đồ được làm mịn cũng sử dụng côn, cho phép FFT, cuốn sách của David Stoffer dạy cho bạn cách tính khoảng tin cậy. multitaperGói này dường như đã sử dụng các kỹ thuật tiên tiến hơn để thu hẹp và tính toán khoảng tin cậy. Nhưng tôi nghĩ ý tưởng này giống nhau, theo David Stoffer. Đây là điều duy nhất tôi có thể nghĩ về việc dạy vanilla peridogoram thực sự vẫn còn có ý nghĩa cho đến ngày nay.
stucash

ok vì vậy bạn là một trong những tác giả của gói này và bạn đã sử dụng một số từ rất mạnh chống lại biểu đồ. Tôi hy vọng một ngày nào đó bạn có thể quay lại với nhiều bằng chứng hơn. Những ưu và nhược điểm chung cho Biểu đồ được biết đến, như phương sai bùng nổ của nó, đó là lý do tại sao nó không phải là một công cụ ước lượng phù hợp tốt cho phổ nhưng biểu đồ được làm mịn không thực sự xấu, không tệ như bạn nghĩ ở đây.
stucash

3

Chúng tôi đã cố gắng giải quyết vấn đề này bằng một phép biến đổi wavelet của một bài kiểm tra dựa trên quang phổ gần đây trong bài báo này . Về cơ bản, bạn cần xem xét phân phối biểu đồ định kỳ, tương tự như bài viết của Fisher, được đề cập trong các câu trả lời trước đó. Một bài báo khác từ Koen là đây . Gần đây chúng tôi đã xuất bản một gói hwwntest .


Savchev, cảm ơn rất nhiều vì bình luận và tài liệu tham khảo của bạn. Tôi mong muốn được thử nghiệm gói R của bạn.
Pantera

2

f(ωk)

Bạn có thể biết thêm chi tiết về bài kiểm tra trong MB Priestley, Phân tích quang phổ và chuỗi thời gian , Nhà xuất bản học thuật, London, 1981, trang 406.

Trong R, gói GeneCycle chứa hàm fisher.g.test():

library(GeneCycle)
?fisher.g.test

Hi vọng điêu nay co ich.


điều này thật tuyệt nhưng thử nghiệm g của gói phụ thuộc vào chức năng biểu đồ riêng của nó có các tùy chọn rất hạn chế để tính toán phổ công suất ...
stucash
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.