6. Wavelet spektrumok, többváltozós CWT Speciálkurzus 2009 tavasz.

Slides:



Advertisements
Hasonló előadás
Összetett kísérleti tervek és kiértékelésük:
Advertisements

„Esélyteremtés és értékalakulás” Konferencia Megyeháza Kaposvár, 2009
Weblap szerkesztés HTML oldal felépítése Nyitó tag Záró tag Nyitó tag Záró tag oldalfej tözs.
Az onkológiai betegek pszicho-szociális szükségleteinek felmérése
2010. Augusztus 16. és Augusztus 17. hajnala.
Erőállóképesség mérése Találjanak teszteket az irodalomban
Elektrotechnika 5. előadás Dr. Hodossy László 2006.
Hotel Eger Park Konferenciaközpont október
1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar VET Villamos Művek és Környezet Csoport Budapest Egry József.
MI 2003/9 - 1 Alakfelismerés alapproblémája: adott objektumok egy halmaza, továbbá osztályok (kategóriák) egy halmaza. Feladatunk: az objektumokat - valamilyen.
Műveletek logaritmussal
A többszörös összehasonlítás gondolatmenete. Több mint két statisztikai döntés egy vizsgálatban? Mi történik az elsõ fajú hibával, ha két teljesen független.
Koordináta transzformációk
Koordináta transzformációk
4. Folytonos wavelet transzformáció (CWT) –folytatás
9. Diszkrét wavelet transzformáció, szűrők, sokskálás felbontás, operátor tömörítés Speciálkurzus 2009 tavasz.
A waveletek és néhány alkalmazásuk
3. Folytonos wavelet transzformáció (CWT)
1. Bevezetés a waveletekhez (folytatás)
Matematikai Statisztika VIK Doktori Iskola
Hullámterjedési sebesség meghatározása CDP: 420 (24 szeres fedés)
A tételek eljuttatása az iskolákba
Mérés és adatgyűjtés laboratóriumi gyakorlat Karakterisztikák mérése 1 Makan Gergely, Mingesz Róbert, Nagy Tamás V
Virtuális méréstechnika 12. Óra Karakterisztikák mérése November 21. Mingesz Róbert v
Mérés és adatgyűjtés laboratóriumi gyakorlat levelező 4. Óra Karakterisztikák mérése November 23. Kincses Zoltán, Mellár János v
Virtuális méréstechnika Spektrum számolása 1 Mingesz Róbert V
Főkomponensanalízis Többváltozós elemzések esetében gyakran jelent problémát a vizsgált változók korreláltsága. A főkomponenselemzés segítségével a változók.
© Gács Iván (BME) 1/36 Energia és környezet Szennyezőanyagok légköri terjedése.
Térelemek Kőszegi Irén KÁROLYI MIHÁLY FŐVÁROSI GYAKORLÓ KÉTTANNYELVŰ KÖZGAZDASÁGISZAKKÖZÉPISKOLA
5.2. Próbavizsga Próbáld ki tudásod!
Transzformációk kucg.korea.ac.kr.
Tűrések, illesztések Áll: 34 diából.
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
T.Gy. Beszedfelism es szint Beszédfelismerés és beszédszintézis Beszédjelek lineáris predikciója Takács György 4. előadás
Beszédfelismerés és beszédszintézis Spektrális módszerek a beszédfeldolgozásban Takács György 3. előadás Beszedfelism és szint
Pázmány - híres perek Pázmány híres perek.
6. Előadás Merevítő rendszerek típusok, szerepük a tervezésben
Darupályák tervezésének alapjai
2007 december Szuhay Péter SPECTRIS Components Kft
A GÖMBÖC A bemutató a BME és a wikipedia anyagának felhasználásával, Várkonyi Péter előadása alapján készült.
Hang, fény jellemzők mérése
Regresszióanalízis 10. gyakorlat.
Festményei 2 Michelangelo Buonarroti Zene: Gregorian Amazing Grace N.3
Lineáris egyenletrendszerek (Az evolúciótól a megoldáshalmaz szerkezetéig) dr. Szalkai István Pannon Egyetem, Veszprém /' /
dr. Szalkai István Pannon Egyetem, Veszprém
Lineáris egyenletrendszerek (Az evolúciótól a megoldáshalmaz szerkezetéig) dr. Szalkai István Pannon Egyetem, Veszprém 2007.
szakmérnök hallgatók számára
4. Feladat (1) Foci VB 2006 Különböző országok taktikái.
Kvantitatív Módszerek
Idősor elemzés Idősor : időben ekvidisztáns elemekből álló sorozat
var q = ( from c in dc.Customers where c.City == "London" where c.City == "London" select c).Including( c => c.Orders ); select c).Including(
ÁRAMLÓ FOLYADÉKOK EGYENSÚLYA
13. A zillmerezés, mint bruttó
Többváltozós adatelemzés
ÉRDEKEGYEZTETÉS ÉRDEKKÉPVISELET
Következtető statisztika 9.
Két kvantitatív változó kapcsolatának vizsgálata
Határozatlan integrál
5. Folytonos wavelet transzformáció (CWT) – újabb folytatás
2. Koordináta-rendszerek és transzformációk
Objektum orientált programozás
1. Melyik jármű haladhat tovább elsőként az ábrán látható forgalmi helyzetben? a) A "V" jelű villamos. b) Az "M" jelű munkagép. c) Az "R" jelű rendőrségi.
Elektronikus tananyag
Mérés és adatgyűjtés laboratóriumi gyakorlat Mérések MA-DAQ műszerrel 1 Makan Gergely, Mingesz Róbert, Nagy Tamás V
Jelfeldolgozás alapfogalmak
Mikroökonómia gyakorlat
Valószínűségszámítás II.
Amplitúdó ábrázolás Egy szinusz rezgés amplitúdó ábrázolása T periódus idejű függvényre:
előadások, konzultációk
2. Regresszióanalízis Korreláció analízis: milyen irányú, milyen erős összefüggés van két változó között. Regresszióanalízis: kvantitatív kapcsolat meghatározása.
Előadás másolata:

6. Wavelet spektrumok, többváltozós CWT Speciálkurzus 2009 tavasz

2 További témák Kereszt PSD, wavelet kereszt-spektrum, koherencia Wavelet reprodukáló magfüggvény Többváltozós folytonos WT

3 Vektor értékű idősor Adott egy vektor értékű x n idősor (n = 1, …, N) x n = (x n1, x n2 ) –nek az R kovariancia mátrixa: Ekkor az S(f) PSD mátrix: itt S 21 (f) = S 12 *(f) (* : komplex konjugált)

4 Kereszt PSD, koherencia S 12 (f) a kereszt PSD: A K(f) koherencia (0 ≤ K(f) ≤ 1) az f frekvencián levő lineáris kapcsolatot méri x 1 és x 2 között. Ha x 2 az x 1 lineáris szűrővel előállított változata, akkor K(f) ≡ 1

5 Időeltolás Ha x 2 az x 1 d-vel eltolt változata, x n2 = x n-d,1 + N n akkor az eltolás értékét a Φ(f) fázis spektrum meredeksége adja: ∂ f Φ(f) = d Általánosságban, a fázis spektrum méri az f frekvencián x 2 fáziskésését (phase lag) x 1 –hez képest.

6 Szakirodalom C. Torrence, G. Compo (1998): A Practical Guide to Wavelet Analysis, Bull. Am. Met. Soc., 79, C. Torrence, P. Webster (1999): Interdecadal Changes in the ENSO-Monsoon System, J. Clim., 12, A. Grinsted et al. (2004): Application of the cross wavelet transform and wavelet coherence to geophysical time series, Nonlin. Proc. Geoph., 11, D. Maraun, J. Kurths (2004): Cross wavelet analysis: significance testing and pitfalls, Nonlin. Proc. Geoph., 11,

7 Wavelet kereszt spektrum Adott két idősor: x n és y n ; W n x (s) W n y (s) a WT-jaik A wavelet kereszt-spektrum (wavelet cross spectrum, WCS) WCS n xy (s) = E {W n x (s) W n y* (s)} E{. } várható érték ahol W n y* (s) a W n y (s) komplex konjugáltja () A WCS n xy (s) komplex : WCS n xy (s) = |WCS n xy (s)| e iΦ n (s) amplitúdó: |WCS n xy (s)| fázis: Φ n (s) A Φ n (s) fázis mutatja meg az időkésést a két jel között a t n időpontban és az s skálán – ez vektorként is ábrázolható

8 Wavelet koherencia Normalizált idő- és skála felbontású mérőszám két idősor (x n és y n ) kapcsolatának jellemzésére a wavelet koherencia (WCO) Ez a WCS amplitúdója a két önálló WPS-el (wavelet power spectrum) normalizálva: ahol a WPS n (s) = E { W n (s) W n (s)* }. Az 1 érték itt is lineáris kapcsolatot jelez az x n és y n között az adott időben és skálán, a 0 érték a korreláció hiányára utal. A várható érték képzése fontos: nélküle a WCO mindig 1.

9 Wavelet kereszt spektrum - csapdák A WCS a két jel együttes teljesítményét méri – ez félrevezető lehet: ha pl. az egyik spektrum helyileg sima és a másiknak jelentős csúcsai vannak, a WCS is csúcsai lesznek, aminek semmi köze sincs a két idősor kapcsolatához A WCS tehát alkalmatlan a két idősor kapcsolata szignifikáns voltának vizsgálatára nézzünk egy példát… Matlab csomag: sowas (D. Maraun)

10 Wavelet kereszt spektrum - csapdák Nino3 SST (tengerfelszín hőmérs.): Indiai monszun csapadék (AIR): WCS kereszt spektrum:

11 Ugyanez fehérzajjal… Normál eloszlású fehérzaj (WGN): Nino3 és WGN kereszt spektrum:

12 Wavelet koherencia Nino3 SST – AIR koherencia: mindenütt 1 – mert nincs skála/idő átlagolás!

13 Wavelet koherencia simítással Nino3 SST – AIR koherencia: skála simítás: 1 oktáv, idő simítás: 3 periódus minden skálán

14 Wavelet koherencia és fázis Nino3 SST – AIR koherencia és fázis: SST siet SST késik

15 Wavelet szignifikancia teszt Többszörös teszt (Lehmann, 1986): Ha az (1 – α ) szinten tesztelünk, definíció szerint α % szinten elvetjük H 0 -t még akkor is, ha az fennáll Ha megismételjük a tesztet sok független realizációra, akkor az eredmények kb. α % -ában hamisan szignifikáns eredményeket kapunk Torrence és Compo tesztje tipikus példa a többszörös tesztre. A skála/idő tartományt pontonként teszteljük, viszont a szomszédos pontok korreláltak (az ún. reprodukáló magfüggvény szerint). Ezért a hamis pozitív eredmények mindig összefüggő foltokként jelentkeznek.

16 Fehérzaj - példa 90 %-os (pontonkénti) szignifikancia szint hamis szignifikáns foltok

17 Fehérzaj - példa 90 %-os (területi és pontonkénti) szignifikancia szint

18 Wavelet skála/idő korreláció A Fourier-analízis esetében a fehérzaj korrelálatlan a szomszédos frekvenciákon Ez a wavelet-analízisre már nem igaz x(t): folytonos fehérzaj Folytonos WT: két időben szomszédos pont korrelálatlan:

19 Wavelet skála/idő korreláció A CWT korrelációja két különböző s 1 és s 2 skálán és két különböző t 1 és t 2 időpontban: beírva a W(s, t) definícióját, E{. } linearitása miatt ha x(t) fehérzaj volt, akkor C(.) arányos a wavalet K(.) ún. reprodukáló magfüggvényével

20 Wavelet reprodukáló magfüggvénye A CWT reprodukáló magfüggvénye: Egy r(s, t) csak akkor WT, ha az reprodukáló tulajdonság teljesül

21 Morlet wavelet reprodukáló magfüggvénye A Morlet wavelet esetében: A korrelációval a szignifikancia vizsgálatnál számolni kell!

22 Két változós CWT Két (térbeli) dimenzió esetén x = (x, y), és az f(x) skalár értékű jelet elemezzük. Térbeli frekvencia tartomány (Fourier domain): k = (u, v) vagy k = (k x, k y ) (k a térbeli frekvencia) 2D CWT: b = (b x, b y ): eltolás paraméter (2D) a : skála paraméter (1D) θ : forgatási szög (1D) a skalár jel 4D-s leképezése

23 Frekvencia tér – skála/forgatás tér A térbeli frekvencia tartomány k = (u, v) egy az egyben leképezhető a skála/forgatási térre: (a, θ) |k| = a -1 és θ = arctg (v / u) |W ψ f(a, θ, b)| 2 az f jel energiasűrűsége, egyben tér- frekvencia energiasűrűség, tehát a CWT a jel fázistérbeli ábrázolásának tekinthető 2D CWT ábrázolása négy változót jelent: 2D → 4D, néhány változót meg kell kötnünk, célszerűen: 1.helyzeti ábrázolás: (a, θ) rögzített 2.skála-szög ábrázolás: b rögzített

24 2D Morlet wavelet skála = 1, változó θ

25 2D Morlet wavelet skála = 0.5, változó θ

26 2D Morlet wavelet skála = 0.2, változó θ

27 2D Morlet wavelet skála = 0.1, változó θ súlypontja (frekvencia)

28 2D CWT alkalmazásai földi radarral észlelt óceán hullámok elemzése (Chuang et al., 2008, Ocean Engineering 35, anizotróp 2D Morlet wavelettel elemzett szimulált hullámtér

29 2D CWT alkalmazásai

30 2D CWT alkalmazásai Ausztrál DEM (Kirby 2005, Computers & Geosciences 31, ) cwt2d.f Fortran90 + Matlab szoftver Melyik wavelet reprodukálja leginkább a Fourier spektrumot?

31 2D CWT alkalmazásai Izotróp Fan wavelet

32 Ausztrál DEM 2D CWT különböző waveletekkel