搜索

文章查询

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于双树复小波变换的非平稳时间序列去趋势波动分析方法

杜文辽 陶建峰 巩晓赟 贡亮 刘成良

基于双树复小波变换的非平稳时间序列去趋势波动分析方法

杜文辽, 陶建峰, 巩晓赟, 贡亮, 刘成良
PDF
导出引用
导出核心图
  • 多重分形去趋势波动分析是研究非平稳时间序列非均匀性和奇异性的有效工具, 针对该方法中趋势项难以确定的问题, 提出一种基于双树复小波变换的方法, 实现了非平稳信号的多重分形自适应去趋势波动分析. 利用双树复小波变换提取信号的多尺度趋势和波动信息, 通过小波系数的希尔伯特变换确定每个时间尺度不重叠子区间的长度, 使多重分形分析具有信号自适应性及较高的计算效率. 以具有解析形式分形特征的倍增级联信号和分数布朗运动时间序列为例验证本文方法的有效性, 所得结果与解析解相吻合. 与传统的多项式去趋势多重分形方法相比, 本文方法根据信号自身特点自适应地确定信号的趋势和不重叠等长度子区间长度, 所得结果更加精确. 对倍增级联信号时间序列取不同的长度, 验证了算法的稳定性. 分别与基于极大重叠离散小波变换和离散小波变换多重分形方法进行比较, 表明本文方法具有更精确的结果和更快的运算速度.
      通信作者: 杜文辽, dwenliao@zzuli.edu.cn
    • 基金项目: 国家自然科学基金青年科学基金(批准号: 51205371, 51405453, 11202125)、国家科技支撑计划 (批准号: 2015BAF32B04, 2014BAD08B00)和郑州轻工业学院博士启动基金(批准号: 2013BSJJ033)资助的课题.
    [1]

    Ni H J, Zhou L P, Zeng P, Huang X L, Liu H X, Ning X B 2015 Chin. Phys. B 24 070502

    [2]

    Muzy J F, Bacry E, Arneodo A 1993 Phys. Rev. E 47 875

    [3]

    Wang D L, Yu Z G, Anh V 2012 Chin. Phys. B 21 080504

    [4]

    Caraiani P 2012 Physica A 391 3629

    [5]

    Lin J S, Chen Q 2013 Mech. Syst. Signal. Pr. 38 515

    [6]

    Xiao H, L Y, Wang T 2015 J. Vib. Eng. 28 331 (in Chinese) [肖涵, 吕勇, 王涛 2015 振动工程学报 28 331]

    [7]

    Xiong J, Chen S K, Wei W, Liu S, Guan W 2014 Acta Phys. Sin. 63 200504 (in Chinese) [熊杰,陈绍宽,韦伟,刘爽,关伟 2014 物理学报 63 200504]

    [8]

    Liu N B, Guan J, Song J, Huang Y, He Y 2013 Sci. China: Inform. Sci. 43 768 (in Chinese) [刘宁波, 关键, 宋杰, 黄勇, 何友 2013 中国科学: 信息科学 43 768]

    [9]

    Xing H Y, Zhang Q, Xu W 2015 Acta Phys. Sin. 64 110502 (in Chinese) [行鸿彦, 张强, 徐伟 2015 物理学报 64 110502]

    [10]

    Zhou Y, Leung Y 2010 J. Stat. Mech-Theory E. 2010 P12006

    [11]

    Lin M, Yan S X, Zhao G, Wang G 2013 Commun. Theor. Phys. 59 1

    [12]

    Telesca L, Matcharashvili T, Chelidze T, Zhukova N, Javakhishvili Z 2013 Nat. Hazards 77 117

    [13]

    Loiseau P, Mdigue C, Gonalves P, Attia N, Seuret S, Cottin F, Chemla D, Sorine M, Barral J 2012 Physica A 391 5658

    [14]

    Lafouti M, Ghoranneviss M 2015 Chin. Phys. Lett. 32 105201

    [15]

    Xi C P, Zhang S N, Xiong G, Zhao H C 2015 Acta Phys. Sin. 64 136403 (in Chinese) [奚彩萍, 张淑宁, 熊刚, 赵惠昌 2015 物理学报 64 136403]

    [16]

    Qian X Y, Gu G F, Zhou W X 2011 Physica A 390 4388

    [17]

    Zhou J, Manor B, Liu D, Hu K, Zhang J, Fang J 2013 Plos One 8 e62585

    [18]

    Guo T, Lan J L, Huang W W, Zhang Z 2013 J. Commun. 34 38 (in Chinese) [郭通,兰巨龙,黄万伟,张震 2013 通信学报 34 38]

    [19]

    Peng Z K, Tse P W, Chu F L 2005 Mech. Syst. Signal. Pr. 19 974

    [20]

    Muzy J, Bacry E, Arneodo A 1991 Phys. Rev. Lett. 67 3515

    [21]

    Manimaran P, Panigrahi P K, Parikh J C 2009 Physica A 388 2306

    [22]

    Liang Z, Li D, Ouyang G, Wang Y, Voss L J, Sleigh J W, Li X 2012 Clin. Neurophysiol. 123 681

    [23]

    Selesnick I W, Baraniuk R G, Kingsbury N G 2005 IEEE Signal Proc. Mag. 22 123

    [24]

    Nelson J, Kingsbury N 2012 IET Signal Process. 6 484

    [25]

    Nafornita C, Isar A, Nelson J D B 2014 Proceedings of the 2014 IEEE International Conference on Image Processing New York, USA, January 28, 2014 p2689

    [26]

    Macek W M, Wawrzaszek A 2011 Nonlinear Proc. Geoph. 18 287

    [27]

    Cheng Q 2012 Nonlinear Proc. Geoph. 19 57

    [28]

    Sezer A 2012 Sci. Iran. 19 1456

    [29]

    Cao G, Xu W 2016 Physica A 444 505

    [30]

    Arshad S, Rizvi S A R 2015 Physica A 419 158

    [31]

    Sun K, Jin G, Wang C Y, Ma C W, Qian W P, Gao M G 2015 J. Electr. Inform. Technol. 37 982 (in Chinese) [孙康, 金钢, 王超宇,马超伟,钱卫平,高梅国 2015 电子与信息学报 37 982]

    [32]

    Lin P L, Huang P W, Lee C H, Wu M T 2013 Pattern Recogn. 46 3279

  • [1]

    Ni H J, Zhou L P, Zeng P, Huang X L, Liu H X, Ning X B 2015 Chin. Phys. B 24 070502

    [2]

    Muzy J F, Bacry E, Arneodo A 1993 Phys. Rev. E 47 875

    [3]

    Wang D L, Yu Z G, Anh V 2012 Chin. Phys. B 21 080504

    [4]

    Caraiani P 2012 Physica A 391 3629

    [5]

    Lin J S, Chen Q 2013 Mech. Syst. Signal. Pr. 38 515

    [6]

    Xiao H, L Y, Wang T 2015 J. Vib. Eng. 28 331 (in Chinese) [肖涵, 吕勇, 王涛 2015 振动工程学报 28 331]

    [7]

    Xiong J, Chen S K, Wei W, Liu S, Guan W 2014 Acta Phys. Sin. 63 200504 (in Chinese) [熊杰,陈绍宽,韦伟,刘爽,关伟 2014 物理学报 63 200504]

    [8]

    Liu N B, Guan J, Song J, Huang Y, He Y 2013 Sci. China: Inform. Sci. 43 768 (in Chinese) [刘宁波, 关键, 宋杰, 黄勇, 何友 2013 中国科学: 信息科学 43 768]

    [9]

    Xing H Y, Zhang Q, Xu W 2015 Acta Phys. Sin. 64 110502 (in Chinese) [行鸿彦, 张强, 徐伟 2015 物理学报 64 110502]

    [10]

    Zhou Y, Leung Y 2010 J. Stat. Mech-Theory E. 2010 P12006

    [11]

    Lin M, Yan S X, Zhao G, Wang G 2013 Commun. Theor. Phys. 59 1

    [12]

    Telesca L, Matcharashvili T, Chelidze T, Zhukova N, Javakhishvili Z 2013 Nat. Hazards 77 117

    [13]

    Loiseau P, Mdigue C, Gonalves P, Attia N, Seuret S, Cottin F, Chemla D, Sorine M, Barral J 2012 Physica A 391 5658

    [14]

    Lafouti M, Ghoranneviss M 2015 Chin. Phys. Lett. 32 105201

    [15]

    Xi C P, Zhang S N, Xiong G, Zhao H C 2015 Acta Phys. Sin. 64 136403 (in Chinese) [奚彩萍, 张淑宁, 熊刚, 赵惠昌 2015 物理学报 64 136403]

    [16]

    Qian X Y, Gu G F, Zhou W X 2011 Physica A 390 4388

    [17]

    Zhou J, Manor B, Liu D, Hu K, Zhang J, Fang J 2013 Plos One 8 e62585

    [18]

    Guo T, Lan J L, Huang W W, Zhang Z 2013 J. Commun. 34 38 (in Chinese) [郭通,兰巨龙,黄万伟,张震 2013 通信学报 34 38]

    [19]

    Peng Z K, Tse P W, Chu F L 2005 Mech. Syst. Signal. Pr. 19 974

    [20]

    Muzy J, Bacry E, Arneodo A 1991 Phys. Rev. Lett. 67 3515

    [21]

    Manimaran P, Panigrahi P K, Parikh J C 2009 Physica A 388 2306

    [22]

    Liang Z, Li D, Ouyang G, Wang Y, Voss L J, Sleigh J W, Li X 2012 Clin. Neurophysiol. 123 681

    [23]

    Selesnick I W, Baraniuk R G, Kingsbury N G 2005 IEEE Signal Proc. Mag. 22 123

    [24]

    Nelson J, Kingsbury N 2012 IET Signal Process. 6 484

    [25]

    Nafornita C, Isar A, Nelson J D B 2014 Proceedings of the 2014 IEEE International Conference on Image Processing New York, USA, January 28, 2014 p2689

    [26]

    Macek W M, Wawrzaszek A 2011 Nonlinear Proc. Geoph. 18 287

    [27]

    Cheng Q 2012 Nonlinear Proc. Geoph. 19 57

    [28]

    Sezer A 2012 Sci. Iran. 19 1456

    [29]

    Cao G, Xu W 2016 Physica A 444 505

    [30]

    Arshad S, Rizvi S A R 2015 Physica A 419 158

    [31]

    Sun K, Jin G, Wang C Y, Ma C W, Qian W P, Gao M G 2015 J. Electr. Inform. Technol. 37 982 (in Chinese) [孙康, 金钢, 王超宇,马超伟,钱卫平,高梅国 2015 电子与信息学报 37 982]

    [32]

    Lin P L, Huang P W, Lee C H, Wu M T 2013 Pattern Recogn. 46 3279

  • [1] 张义军, 董万胜, 苟学强. 基于小波的雷暴强放电前地面电场的多重分形分析. 物理学报, 2006, 55(2): 957-961. doi: 10.7498/aps.55.957
    [2] 徐尚义, 孙会君, 吴建军. 混合交通流时间序列的去趋势波动分析. 物理学报, 2011, 60(1): 019502. doi: 10.7498/aps.60.019502
    [3] 熊杰, 陈绍宽, 韦伟, 刘爽, 关伟. 基于多重分形去趋势波动分析法的交通流多重分形无标度区间自动识别方法. 物理学报, 2014, 63(20): 200504. doi: 10.7498/aps.63.200504
    [4] 罗世华, 曾九孙. 基于多分辨分析的高炉铁水含硅量波动多重分形辨识. 物理学报, 2009, 58(1): 150-157. doi: 10.7498/aps.58.150
    [5] 周洁, 杨双波. 周期受击陀螺系统随时间演化波函数的多重分形. 物理学报, 2015, 64(20): 200505. doi: 10.7498/aps.64.200505
    [6] 行鸿彦, 龚平, 徐伟. 海杂波背景下小目标检测的分形方法. 物理学报, 2012, 61(16): 160504. doi: 10.7498/aps.61.160504
    [7] 熊刚, 张淑宁, 赵慧昌. 基于小波leaders的海杂波时变奇异谱分布分析. 物理学报, 2014, 63(15): 150503. doi: 10.7498/aps.63.150503
    [8] 刘金华, 佘堃. 基于双树复小波与波原子的图像扩散滤波. 物理学报, 2011, 60(12): 124203. doi: 10.7498/aps.60.124203
    [9] 杨 萍, 侯 威, 封国林. 基于去趋势波动分析方法确定极端事件阈值. 物理学报, 2008, 57(8): 5333-5342. doi: 10.7498/aps.57.5333
    [10] 章大全, 杨杰, 侯威, 杨萍. 去趋势波动分析方法中不重叠等长度子区间长度的确定. 物理学报, 2010, 59(12): 8986-8993. doi: 10.7498/aps.59.8986
  • 引用本文:
    Citation:
计量
  • 文章访问数:  733
  • PDF下载量:  328
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-11-17
  • 修回日期:  2016-01-21
  • 刊出日期:  2016-05-05

基于双树复小波变换的非平稳时间序列去趋势波动分析方法

  • 1. 郑州轻工业学院机电工程学院, 郑州 450002;
  • 2. 上海交通大学机械与动力工程学院, 上海 200240
  • 通信作者: 杜文辽, dwenliao@zzuli.edu.cn
    基金项目: 

    国家自然科学基金青年科学基金(批准号: 51205371, 51405453, 11202125)、国家科技支撑计划 (批准号: 2015BAF32B04, 2014BAD08B00)和郑州轻工业学院博士启动基金(批准号: 2013BSJJ033)资助的课题.

摘要: 多重分形去趋势波动分析是研究非平稳时间序列非均匀性和奇异性的有效工具, 针对该方法中趋势项难以确定的问题, 提出一种基于双树复小波变换的方法, 实现了非平稳信号的多重分形自适应去趋势波动分析. 利用双树复小波变换提取信号的多尺度趋势和波动信息, 通过小波系数的希尔伯特变换确定每个时间尺度不重叠子区间的长度, 使多重分形分析具有信号自适应性及较高的计算效率. 以具有解析形式分形特征的倍增级联信号和分数布朗运动时间序列为例验证本文方法的有效性, 所得结果与解析解相吻合. 与传统的多项式去趋势多重分形方法相比, 本文方法根据信号自身特点自适应地确定信号的趋势和不重叠等长度子区间长度, 所得结果更加精确. 对倍增级联信号时间序列取不同的长度, 验证了算法的稳定性. 分别与基于极大重叠离散小波变换和离散小波变换多重分形方法进行比较, 表明本文方法具有更精确的结果和更快的运算速度.

English Abstract

参考文献 (32)

目录

    /

    返回文章
    返回