Maximal Overlap Discrete Wavelet Transform
Standarta DWT pēc filtrēšanas samazina datu apjomu, tāpēc ievades nobīde par vienu paraugu pilnībā maina nenulles koeficientus — tā nav nobīdes invariantu. MODWT saglabā visus paraugus katrā mērogā, palielinot filtru izmēru, nevis samazinot datu apjomu. Tas rada N koeficientus katrā mērogā (tāds pats kā ievades garums), atklājot visas svārstības neatkarīgi no to laika fāzes. Tas ir līdzīgi, kā izmantot smalkāku laika izšķirtspēju, kas uztver katru iespējamo signāla un viļņu sakritību.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Maximal Overlap Discrete Wavelet Transform. ScholarGate. https://scholargate.app/lv/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.
- Diskrētā viļņu transformācijaLaikrindas↔ compare
- Viļņu koherenceLaikrindas↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →