modwtxcorr

Оценки последовательности взаимной корреляции вейвлета с помощью максимального перекрытия дискретного вейвлета преобразовывает (MODWT)

Синтаксис

xcseq = modwtxcorr(w1,w2)
xcseq = modwtxcorr(w1,w2,wav)
[xcseq,xcseqci] = modwtxcorr(___)
[xcseq,xcseqci] = modwtxcorr(w1,w2,wav,conflevel)
[xcseq,xcseqci,lags] = modwtxcorr(___)
[___] = modwtxcorr(___,'reflection')

Описание

пример

xcseq = modwtxcorr(w1,w2) возвращается оценки последовательности взаимной корреляции вейвлета для максимального перекрытия дискретного вейвлета преобразовывает (MODWT) преобразовывает заданный в w1 и w2. xcseq является массивом ячеек векторов, где элементы в каждой ячейке соответствуют оценкам последовательности взаимной корреляции. Если существует достаточно неграничных коэффициентов на итоговом уровне, modwtxcorr возвращает масштабирующуюся оценку последовательности взаимной корреляции в итоговой ячейке xcseq.

пример

xcseq = modwtxcorr(w1,w2,wav) использует вейвлет wav, чтобы определить количество граничных коэффициентов уровнем.

пример

[xcseq,xcseqci] = modwtxcorr(___) возвращает в xcseqci 95% доверительных интервалов для оценок последовательности взаимной корреляции в xcseq, с помощью любых аргументов от предыдущих синтаксисов.

пример

[xcseq,xcseqci] = modwtxcorr(w1,w2,wav,conflevel) использование conflevel для вероятности покрытия доверительного интервала. conflevel является действительным скаляром, строго больше, чем 0 и меньше чем 1. Если conflevel не задан или задан как пустой, значения по умолчанию вероятности покрытия к 0,95.

пример

[xcseq,xcseqci,lags] = modwtxcorr(___) возвращает задержки для оценок последовательности взаимной корреляции вейвлета в массиве ячеек вектор-столбцов.

пример

[___] = modwtxcorr(___,'reflection') сокращает количество вейвлета и масштабных коэффициентов в каждой шкале наполовину прежде, чем вычислить последовательности взаимной корреляции. Определение опции 'reflection' в modwtxcorr эквивалентно первому получению MODWT w1 w2 с обработкой контура 'periodic' и затем вычислением оценок последовательности взаимной корреляции вейвлета. Используйте эту опцию только, когда вы получите MODWT w1 и w2 с помощью граничного условия 'reflection'. Необходимо ввести целый вектор символов 'reflection'. Если бы вы добавили вейвлет под названием 'reflection' с помощью менеджера по вейвлету, необходимо переименовать тот вейвлет до использования этой опции. 'reflection' может быть помещен в любое положение в списке входных параметров после того, как вход преобразует w1 w2.

Примеры

свернуть все

Получите MODWT южного Индекса Колебания и Островных данных о давлении Truk. Период выборки является одним днем.

load soi
load truk
wsoi = modwt(soi);
wtruk = modwt(truk);

Вычислите последовательности взаимной корреляции вейвлета. Исследуйте уровень пять последовательностей взаимной корреляции, соответствующих шкале 32-64 дней. Определите индекс, соответствующий задержке нуля, и планируйте к 240 задержкам.

xcseq = modwtxcorr(wsoi,wtruk);
zerolag = floor(numel(xcseq{5})/2)+1;
plot(xcseq{5}(zerolag:zerolag+240),'linewidth',2)
set(gca,'xlim',[1 240]);
title({'Cross-Correlation Sequence Level 5'; 'Scale: 32-64 Days'});
hold off

Получите MODWT южного Индекса Колебания и Островных данных о давлении Truk с помощью фильтра вейвлета Fejér-Korovkin с 8 коэффициентами. Период выборки данных является одним днем.

load soi
load truk
wsoi = modwt(soi,'fk8');
wtruk = modwt(truk,'fk8');

Вычислите последовательности взаимной корреляции вейвлета. Исследуйте уровень пять последовательностей взаимной корреляции, соответствующих шкале 32-64 дней. Определите индекс, соответствующий задержке нуля, и планируйте к 240 задержкам.

xcseq = modwtxcorr(wsoi,wtruk,'fk8');
zerolag = floor(numel(xcseq{5})/2)+1;
plot(xcseq{5}(zerolag:zerolag+240),'linewidth',2)
set(gca,'xlim',[1 240]);
title({'Cross-Correlation Sequence Level 5'; 'Scale: 32-64 Days'});
hold off

Постройте взаимную корреляцию вейвлета с 95% доверительных интервалов в шкале 4 для двух синусоидальных сигналов на 5 Гц с аддитивным шумом.

dt = 0.01;
t = 0:dt:6;
x = cos(2*pi*5*t)+1.5*randn(size(t));
y = cos(2*pi*5*t-pi)+2*randn(size(t));
wx = modwt(x,'fk14',5);
wy = modwt(y,'fk14',5);
modwtcorr(wx,wy,'fk14')
j = 4;
[xcseq,xcseqci] = modwtxcorr(wx,wy,'fk14');
zerolag = floor(numel(xcseq{j})/2)+1;
lagidx = zerolag-30:zerolag+30;
plot(xcseq{j}(lagidx));
hold on;
grid
plot(xcseqci{j}(lagidx,:),'r--');
xlabel('Samples');
title('Scale: 0.32-0.16 Seconds');

Сравните.90 и.95 доверительных интервалов (по умолчанию) для взаимной корреляции вейвлета на уровне четыре.

Получите MODWT для двух шумных синусоид с помощью Fejér-Korovkin с 14 коэффициентами и задайте уровень, чтобы использовать.

dt = 0.01;
t = 0:dt:6;
x = cos(2*pi*5*t)+1.5*randn(size(t));
y = cos(2*pi*5*t-pi)+2*randn(size(t));
wx = modwt(x,'fk14',4);
wy = modwt(y,'fk14',4);
lev = 4;

[xcseq,xcseqci] = modwtxcorr(wx,wy,'fk14');
[xcseq90,xcseqci90] = modwtxcorr(wx,wy,'fk14',0.90);
 
zerolag = floor(numel(xcseq{lev})/2)+1;
zerolag90 = floor(numel(xcseq90{lev})/2)+1;
 
lagidx = zerolag-30:zerolag+30;
lagidx90 = zerolag90-30:zerolag90+30;
 
plot(xcseqci{lev}(lagidx,:),'--r');
hold on
plot(xcseqci90{lev}(lagidx90,:),'--b');
plot(xcseq{lev}(lagidx),'-k','LineWidth',1);
grid
title('.90 and .95 Confidence Levels')

Заметьте, что.95 ширин доверительного интервала (в красном) больше, чем.90 ширин доверительного интервала (в синем).

Постройте оценку последовательности взаимной корреляции для южного Индекса Колебания и данных о давлении острова Трук. Оцените 95% доверительных интервалов для шкалы 25 дни.

load soi
load truk
wsoi = modwt(soi);
wtruk = modwt(truk);
[xcseq,xcseqci,lags] = modwtxcorr(wsoi,wtruk);
plot(lags{5},xcseq{5},'linewidth',2)
hold on
plot(lags{5},xcseqci{5},'r--')
set(gca,'xlim',[-120 120]);
xlabel('Lag (Days)'); 
grid 
title({'Cross-Correlation Sequence Level 5'; 'Scale: 32-64 Days'});
hold off

Получите MODWT 36 лет южного Индекса Колебания и Островных данных о давлении Truk и с периодическими и с отражательными граничными условиями. Функция modwt с опцией 'reflection' расширяет входной сигнал симметрично на правильном контуре. Входной сигнал является затем дважды своей исходной длиной. MODWTXCORR с отражательной граничной обработкой сокращает количество вейвлета и масштабных коэффициентов в каждой половине прежде, чем вычислить последовательности взаимной корреляции. Размер последовательностей взаимной корреляции совпадает с получением MODWT с периодическим граничным условием по умолчанию.

load soi
load truk

Получите MODWT с периодическим граничным условием по умолчанию.

wsoi_default = modwt(soi); 
wtruk_default = modwt(truk);

Получите MODWT с отражательным граничным условием.

wsoi_reflect = modwt(soi,'reflection');
wtruk_reflect = modwt(truk,'reflection');

Получите последовательности взаимной корреляции.

xcseq_default = modwtxcorr(wsoi_default,wtruk_default);
xcseq_reflect = modwtxcorr(wsoi_reflect,wtruk_reflect,'reflection');

Сравните число элементов в массиве ячеек вывод для обоих граничных условий.

cellfun(@numel,xcseq_reflect)
ans = 10×1

       25981
       25953
       25897
       25785
       25561
       25113
       24217
       22425
       18841
       11673

cellfun(@numel,xcseq_default)
ans = 10×1

       25981
       25953
       25897
       25785
       25561
       25113
       24217
       22425
       18841
       11673

Входные параметры

свернуть все

Преобразование MODWT сигнала 1, заданного как матрица, удваивается. Вход w1 должен быть одного размера как w2 и, должно быть, был получен с тем же вейвлетом. По умолчанию modwtxcorr принимает, что вы получили MODWT использование symlet вейвлета с четырьмя исчезающими моментами, 'sym4').

Преобразование MODWT сигнала 2, заданного как матрица, удваивается. Вход w2 должен быть одного размера как w1 и, должно быть, был получен с тем же вейвлетом. По умолчанию modwtxcorr принимает, что вы получили MODWT использование symlet вейвлета с четырьмя исчезающими моментами ('sym4').

Вейвлет, заданный как вектор символов или скаляр строки, указывая на допустимый вейвлет, или как на положительное даже целое число, указывающее на длину вейвлета и масштабирующее фильтры. Если wav не задан или задан как пустое, [], значения по умолчанию wav к 'sym4'.

Доверительный уровень, заданный как положительная скалярная величина меньше чем 1. conflevel определяет вероятность покрытия доверительных интервалов в xcseqci. Если незаданный, или заданный как пустой, [], значения по умолчанию conflevel к 0,95.

Выходные аргументы

свернуть все

Последовательности взаимной корреляции шкалой, возвращенной как массив ячеек векторов. Векторы имеют размер 2NJ-1, где NJ является количеством неграничных коэффициентов уровнем (шкала). Этот уровень является минимумом size(w1,1) и floor(log2(N/(L-1)+1)), где N является длиной данных, и L является длиной фильтра. Если существует достаточно неграничных коэффициентов на итоговом уровне, modwtxcorr возвращает масштабирующуюся оценку последовательности взаимной корреляции в итоговой ячейке xcseq.

Доверительные интервалы шкалой, возвращенной как массив ячеек матриц. Размер каждой матрицы (2NJ-1)-by-2, где NJ является количеством неграничных коэффициентов уровнем (шкала).

  • Для.95 значений по умолчанию первый столбец ith элемента xcseqci содержит более низкую 95%-ю доверительную границу для коэффициента взаимной корреляции в каждой задержке.

  • Для.95 значений по умолчанию второй столбец содержит верхнюю 95%-ю доверительную границу.

Доверительные границы вычисляются с помощью Z-преобразования Фишера. Стандартная погрешность статистической величины Фишера Z является квадратным корнем из N –3. В этом случае N является эквивалентным количеством коэффициентов в критически выбранном дискретном вейвлете преобразовывает (DWT), floor(size(w1,2)/2^LEV), где LEV является уровнем вейвлета, преобразовывает. modwtcorr возвращает NaNs для доверительных границ, когда N-3 меньше чем или равен нулю.

Задержки для последовательностей взаимной корреляции, возвращенных как массив ячеек векторов. lags является массивом ячеек вектор-столбцов та же длина как xcseq. Элементы в каждой ячейке xcseq соответствуют оценкам последовательности взаимной корреляции в задержках от - (NJ-1) к (NJ-1), где NJ является количеством неграничных коэффициентов на уровне J. Элемент задержки 0th расположен в индексном полу ((2*NJ-1)/2) +1.

Ссылки

[1] Персиваль, D. B. и Уолден, A. T. Методы вейвлета для анализа временных рядов. Кембридж, U.K: Издательство Кембриджского университета, 2000.

[2] Whitcher, B., П. Гатторп и Д. Б. Персиваль. "Ковариационный анализ вейвлета с приложением к атмосферным временным рядам". Журнал Геофизического Исследования, Издания 105, 2000, стр 14941–14962.

Введенный в R2015b

Для просмотра документации необходимо авторизоваться на сайте