Απαιτείται: κορυφές και ακμές Αλγόριθμος

[JimTex]

Ψάχνω για μια αξιόπιστη algroithm για την εύρεση και χαρακτηρίζουν τις κορυφές και ακμές σε δεδομένα χρονολογικών σειρών. Χρονολογικές σειρές μου είναι σχετικά μικρή (500-1000 σημεία) και η κύρια κορυφές και ακμές δεν θα επαναληφθούν. Παρακαλώ δείτε το συνημμένο εικόνας. Thanks Jim

 

[horzcat]

εάν ένα δείγμα είναι μικρότερη από τις προηγούμενες δείγμα είναι και επίσης μικρότερο από το επόμενο δείγμα, τότε το δείγμα αυτό είναι μια γούρνα. Παρόμοια λογική μπορεί να διαμορφωθεί για να βρείτε κορυφές.

 

[AndyECE]

Θα πρέπει να χαμηλής διέλευσης τα δεδομένα πρώτα, αλλιώς θα πάρετε πάρα πολλά ψευδώς γούρνες Εδώ είναι ένα σενάριο παράδειγμα έριξα μαζί: [size = 2] [color = # 999999] Προστέθηκε μετά από 8 δευτερόλεπτα: [/color] [/size]% Δημιουργία ένα σήμα που μοιάζει κάπως σαν το δικό σας t = 1:1000? θόρυβο = randn (1, μήκος (σήμα))? σήμα = 10 * sin (0.02 * t) + 4 * sin (0.05 * t) + θόρυβος?% Έξοδος εξόδου διάνυσμα = μηδενικά (1, μήκος (σήμα))? Lowpass% το σήμα για να απαλλαγούμε από το περιεχόμενο υψηλής συχνότητας. Σημειώστε ότι filtfilt% θα αποτραπεί η πόλωση του σήματος. Οι ακριβείς τιμές του φίλτρου% ήταν tweaked έως ότου κοίταξε δεξιά [βα] = βούτυρο (4, .05)? Lowpass_signal = (filtfilt (β, α, σήμα))? Οικόπεδο (t, σήμα, t, lowpass_signal)? Τίτλος ("Σύγκριση των σημάτων»)? μύθο («Πρωτότυπο», «φιλτραρισμένο»)?% Βρείτε το ρυθμό μεταβολής του φιλτραρισμένου σήματος κλίση = diff (lowpass_signal)? Trough%:% Zero κλίση, λιγότερο από τις τιμές που περιβάλλει% Συνδέστε ένα -1 στο διάνυσμα εξόδου σε εκείνο το σημείο αιχμής%:% Zero κλίση, μεγαλύτερη από ό, τι γύρω από τις τιμές% Συνδέστε A -1 στο διάνυσμα εξόδου σε εκείνο το σημείο για i = 1: (μήκος (σήμα) -6) εάν (ABS (κλίση (i))