Maximal Overlap Discrete Wavelet Transform
De standaard DWT downsamplen na filtering, dus het verschuiven van de invoer met één sample verandert volledig welke coëfficiënten niet-nul zijn—het is niet verschuivingsinvariant. MODWT behoudt alle samples op elke schaal door de filters op te schalen in plaats van de gegevens te downsamplen. Dit produceert N coëfficiënten op elke schaal (hetzelfde als de invoerlengte), waardoor alle oscillaties worden onthuld, ongeacht hun temporele fase. Het is alsof je een fijnere temporele resolutie gebruikt die elke mogelijke uitlijning van het signaal met de wavelets vastlegt.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Maximal Overlap Discrete Wavelet Transform. ScholarGate. https://scholargate.app/nl/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.
- Discrete Wavelet TransformTijdreeksen↔ compare
- GolfcoherentieTijdreeksen↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →