Yksittäinen spektrianalyysi MATLABin avulla®

Abstrakti

kuten olemme nähneet edellisissä luvuissa, SSA on tehokas työkalu purkaa epälineaarisia signaaleja fysikaalisen tulkinnan perusprosessien ja jaksojen tunnistamiseksi (Golyandina and Zhigljavsky 2013; Tiwari and Rajesh 2014; Rajesh et al. 2014). Kuten olemme aiemmin maininneet, signaalin hajoaminen ja rekonstruktio käyttäen SSA algoritmi perustuu täysin data-adaptive perusteella toimintoja (ts., eigen liikennemuotojen liikeradan matriisi), eikä kiinteä sines, kosinit ja äiti waveletit käytetään yleensä tavanomaisissa menetelmissä (Ghil ja Taricco 1997; Ghil et al. 2002). Olemme myös nähneet, että hajoaminen käyttäen data driven basis toiminnot huomattavasti lievittää ongelmaa esineitä tietojenkäsittelyn. Tässä luvussa esittelemme MATLAB-koodin täydellisellä kuvauksella yhdessä esimerkin kanssa, SSA: n soveltaminen seismiseen heijastustietoon. Tässä voidaan myös mainita, että SSA-menetelmä on kestävä paitsi tässä esitetyssä esimerkissä myös lähes kaikenlaisten spatio-temporaalisten geofysikaalisten tietosarjojen käsittelyyn. Menetelmää on käytetty poikkeuksetta denoisointiin, suodattamiseen, trendianalyysiin ja pääkomponenttianalyysiin. SIGNAALIHAJOAMISEN lisäksi SSA-menetelmä on tarjonnut myös toteuttamiskelpoisia keinoja erottaa lineaarisesti riippumattomat aaltokentät (Rekapalli ym. 2016). Lukijoiden mukavuuden vuoksi tässä luvussa esitetään täydellinen kuvaus SSA-menetelmästä yksinkertaisten MATLAB-koodausten osalta, jotta käyttäjä voisi helposti ymmärtää algoritmit koodien rakentamiseksi niiden tietovaatimusten mukaisesti.

Vastaa

Sähköpostiosoitettasi ei julkaista.