ScholarGate
Асистент
Process / pipelineTranslation-invariant wavelet decomposition

Maximal Overlap Discrete Wavelet Transform

Стандартната DWT понижава дискретизацията след филтриране, така че отместването на входа с един семпъл напълно променя кои коефициенти са ненулеви — тя не е инвариантна спрямо отместване. MODWT запазва всички семпли на всеки мащаб чрез повишаване на дискретизацията на филтрите вместо понижаване на дискретизацията на данните. Това произвежда N коефициенти на всеки мащаб (същата като входната дължина), разкривайки всички осцилации, независимо от тяхната времева фаза. Това е като използване на по-фина времева резолюция, която улавя всяко възможно подравняване на сигнала с вълновите трансформации.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. Percival, D. B., & Walden, A. T. (1995). Wavelet Methods for Time Series Analysis. Cambridge University Press. link
  2. Percival, D. B. (2000). Wavelet methods for time series analysis. Cambridge University Press. link
  3. Whitcher, B., Guttorp, P., & Percival, D. B. (2000). Wavelet analysis of covariance with application to atmospheric time series. Journal of Geophysical Research, 105(D11), 14941–14962. DOI: 10.1029/2000JD900110

Как да цитирате тази страница

ScholarGate. (2026, June 3). Maximal Overlap Discrete Wavelet Transform. ScholarGate. https://scholargate.app/bg/time-series/modwt

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Цитиран в

ScholarGateMODWT (Maximal Overlap Discrete Wavelet Transform). Извлечено на 2026-06-15 от https://scholargate.app/bg/time-series/modwt · Набор от данни: https://doi.org/10.5281/zenodo.20539026