相空间重构中延迟时间tau的选择：自相关法（matlab实现）

相空间重构技术中有两个关键参数：延迟时间tau和嵌入维数m

使用自相关法确定延迟时间tau，主要思想在于通过计算原信号的自相关函数，找到自相关函数值下降到初始值R(0)时的1-1/e倍时的延迟时间tau。此时的tau的选取可以在一定程度上保证相邻的两个值得关联性不会太相关，也不会太独立。（具体的理论内容可以百度相空间重构）

function [tau]=autocorrelation_tau(data)
%tau为自相关函数法求出的最佳时延
%data为原始数据n=length(data);     %n为原始数据的长度
data_r=xcorr(data,data);        %计算自相关函数
R0=data_r(n);        %得到自相关函数初值R0
R0_d=R0*(1-1/exp(1));        %R0_d为R0下降到1-1/e倍时的值
R=R0;        %初始化自相关函数值for t=1:1:100     %延迟t最大值设为100if ((R/R0_d)<(10/9)) && ((R/R0_d)>(9/10))    %循环终止条件：自相关函数值初始值的1-1/e倍附近breakelseR=data_r(n+t);      %得到移位后的自相关函数end
endtau=t-1;        %for循环中要到满足条件的下一次才会停止，所以tau要由t减去1figure();       %画出自相关函数
plot(data_r);
title('data的自相关函数');end

相空间重构中延迟时间tau的选择：自相关法（matlab实现）相关推荐

混沌相空间重构中求时延和嵌入维的matlab代码
这个函数是用互信息法求时延的,好像是找到第一个极小值就是最佳时延 function [mi] = VectorMI(data,delta_t1,N) % 该函数用来计算一个向量之间的互信息随时延的变化 ...
相空间重构 matlab 程序源,matlab求相空间重构延迟时间和嵌入维数
关联积分计算 function C_I=correlation_integral(X,M,r) %该函数用来计算关联积分 %C_I:关联积分的返回值 %X:重构的相空间矢量,是一个m*M的矩阵 %M: ...
相空间重构维度m的选择：Cao法（matlab实现）
使用Cao法选择维度m,首先需要确定延迟时间tau function [m]=Cao(data,tau) %data为原始数据 %tau为由自相关函数法求出的最佳延迟 %m为由Cao法求出的最佳维度n ...
Python实现相空间重构求关联维数——GP算法、自相关法求时间延迟tau、最近邻算法求嵌入维数m
Python实现相空间重构求关联维数--GP算法.自相关法求时间延迟tau.最近邻算法求嵌入维数m GP算法: 若有一维时间序列为{x1,x2,-,xn},对其进行相空间重构得到高维相空间的一系列向量 ...
相空间重构matlab代码
相空间重构是一种用于从时间序列中恢复系统动力学特征的方法.它可以将高维时间序列数据转换为低维表示,以便更好地理解和分析系统的行为. 以下是一些可能的 Matlab 代码来实现相空间重构: % 输入数据 ...
R语言实现相空间重构的参数选取
前言最近写论文用到了相空间重构(PSR)技术,该方法简单来说就是将一个一维的时间序列通过重构的方法映射为一个矩阵,且该矩阵保留了原始时间序列的特征. 进行PSR的关键是确定两个参数:延迟时间和嵌入维 ...
时间序列模型之相空间重构
一般的时间序列主要是在时间域中进行模型的研究,而对于混沌时间序列,无论是混沌不变量的计算,混沌模型的建立和预测都是在所谓的相空间中进行,因此相空间重构就是混沌时间序列处理中非常重要的一个步骤.所谓混沌 ...
基于相空间重构的混沌背景下微弱信号检测方法仿真
1.1算法参数取值对系统性能的影响在研究算法性能之前,首先需要分析各个参数对算法整体性能的影响,本文将重点考虑相空间重构参数和m,SVM支持向量机参数C和.这里分别对四个参数进行性能影响测试,首先对 ...
混沌性时间序列的分析方法：EEMD+相空间重构
一.引言上一篇文章中,我们理解了混沌理论的发展.定义以及特点. 接下来,要结合我的研究方向,在机械振动时间序列信号的基础上,做出故障的诊断和预判. 时间序列也是结构化的数据,每一个时间戳下就有一个值 ...

相空间重构中延迟时间tau的选择：自相关法（matlab实现）

相空间重构中延迟时间tau的选择：自相关法（matlab实现）相关推荐

最新文章

热门文章