问题描述
我是小波变换的新手，我想将这种技术应用于流时间序列的分解。我已经阅读了一些使用 Daubechies 母小波应用离散小波变换的论文。我的想法是使用 dwt 将我的流动时间序列分解为类似于下图的内容：
我面临的第一个问题是我的数据在大多数情况下没有 2 的长度幂，因此，我得到了一个错误。为了避免这个错误，我所做的是将我的流时间序列减少到例如 64 条记录（2 的幂）。还有其他方法可以解决这个问题吗？
我的第二个问题是如何解释结果。我已经阅读了关于函数和系数（C 和 D 输出向量）的 R 文档，但我仍然有严重的问题来解释它。
这是我使用的代码：
tis <- ts(listDF_Ann[[1]]$Qmean[1:64],frequency=1,start=listDF_Ann[[1]]$year[1],end=listDF_Ann[[1]]$year[64])
#wd function requires a time series
tis_wd <- wd(tis,filter.number=4,family="DaubLeAsymm",type="wavelet",bc="periodic",verbose=FALSE,min.scale=0,precond=TRUE)
这是我的输出：
> str(tis_wd)
List of 8
$ C : num [1:127] 80.7 64.2 68.7 132.9 337.3 ...
$ D : num [1:63] -44.3 -47 -33.9 187.5 83.9 ...
$ nlevels : int 6
$ fl.dbase:List of 4
..$ first.last.c: num [1:7,1:3] 0 0 0 0 0 0 0 0 1 3 ...
.. ..- attr(*,"dimnames")=List of 2
.. .. ..$ : NULL
.. .. ..$ : chr [1:3] "First" "Last" "Offset"
..$ ntotal : num 127
..$ first.last.d: num [1:6,1:3] 0 0 0 0 0 0 0 1 3 7 ...
.. ..- attr(*,"dimnames")=List of 2
.. .. ..$ : NULL
.. .. ..$ : chr [1:3] "First" "Last" "Offset"
..$ ntotal.d : num 63
$ filter :List of 5
..$ H : num [1:8] -0.0758 -0.0296 0.4976 0.8037 0.2979 ...
..$ G : NULL
..$ name : chr "Daub cmpct on least asymm N=4"
..$ family : chr "DaubLeAsymm"
..$ filter.number: num 4
$ type : chr "wavelet"
$ bc : chr "periodic"
$ date : chr "Mon Mar 08 20:30:04 2021"
- attr(*,"class")= chr "wd"
如何解释 C 和 D 向量？
> tis_wd$fl.dbase$first.last.c
First Last Offset
[1,] 0 0 126
[2,] 0 1 124
[3,] 0 3 120
[4,] 0 7 112
[5,] 0 15 96
[6,] 0 31 64
[7,] 0 63 0
> tis_wd$fl.dbase$first.last.d
First Last Offset
[1,] 0 0 62
[2,] 0 1 60
[3,] 0 3 56
[4,] 0 7 48
[5,] 0 15 32
[6,] 0 31 0
任何帮助我解释的想法都将受到欢迎！！
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）