Maximal Overlap Discrete Wavelet Transform
La DWT estándar submuestrea después del filtrado, por lo que desplazar la entrada una muestra cambia completamente qué coeficientes son distintos de cero; no es invariante al desplazamiento. La MODWT mantiene todas las muestras en cada escala sobremuestreando los filtros en lugar de submuestrear los datos. Esto produce N coeficientes en cada escala (igual a la longitud de entrada), revelando todas las oscilaciones independientemente de su fase temporal. Es como usar una resolución temporal más fina que captura cada posible alineación de la señal con las wavelets.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Percival, D. B., & Walden, A. T. (1995). Wavelet Methods for Time Series Analysis. Cambridge University Press. link ↗
- Percival, D. B. (2000). Wavelet methods for time series analysis. Cambridge University Press. link ↗
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Maximal Overlap Discrete Wavelet Transform. ScholarGate. https://scholargate.app/es/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.
- Transformada Wavelet DiscretaSeries temporales↔ compare
- Coherencia OndicularSeries temporales↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →