Hilfe bei Fourier - Seite 11

Neuer Kommentar
 
lsv писал (а):
shobvas schrieb (a):
Gib mir einen Tipp! =)
Ich vermute übrigens nicht, dass die Lösung von f(t) noch abklingende eXponenten enthält =)

Geben Sie mir wenigstens einen Tipp, in welche Richtung er gehen soll, denn ich habe ihn mit ANG3110 mit Fragen gelöchert, aber es war vergeblich.
Nur er und ich haben vergeblich Zeit verloren =)

Die abklingenden Exponenten sind die gleiche harmonische Reihe, das Problem ist, dass diese Reihe unendlich ist.


Wenn wir die Fourier-Transformation durchführen, erhalten wir eine Frequenzreihe, die bei f0 beginnt. Um aber wenigstens ein wenig in die Zukunft zu schauen, d.h. um die Trendrichtung zu erkennen, sollten wir die minimale analysierte Frequenz höchstens zwei Mal kleiner als f0 machen (fmin<=f0/2). Wenn wir jedoch Fourier verwenden wollen, um fmin zu erhalten, müssen wir die analysierte Reihe um einen Faktor 2 erhöhen, was der Bedingung widerspricht. Fazit: Fourier ist hier nicht angebracht. Beenden: Finden Sie einen anderen Algorithmus, eine andere Methode, eine andere Lösung.


Wie wäre es, die zu annullierende Zeile auf diese Weise zu erhöhen?

for(int i=0; i<=M/2-1; i++)
{
aa[2*i]=(iClose(NULL,0,i);
aa[2*i+1]=(iClose(NULL,0,i)+iClose(NULL,0,i+1))/2;
}
Im Prinzip können Sie diesen Wert drei- oder viermal erhöhen.
 
klot писал (а):
Und wenn wir die zu analysierende Zeile auf diese Weise vergrößern:

for(int i=0; i<=M/2-1; i++)
{
aa[2*i]=iClose(NULL,0,i);
aa[2*i+1]=(iClose(NULL,0,i)+iClose(NULL,0,i+1))/2;
}
Im Prinzip können Sie diesen Wert drei- oder viermal erhöhen.

Und der Punkt ist, dass wir überhaupt alle historischen Daten haben. Das Problem ist nicht die Auswahl der zu analysierenden Daten, sondern die Art und Weise, wie die Daten analysiert werden.

 
lsv писал (а):
klot schrieb (a):
Und wenn Sie auf diese Weise die zu verkündende Reihe erhöhen:

for(int i=0; i<=M/2-1; i++)
{
aa[2*i]=iClose(NULL,0,i);
aa[2*i+1]=(iClose(NULL,0,i)+iClose(NULL,0,i+1))/2;
}
Im Prinzip können Sie diesen Wert drei- oder viermal erhöhen.

Und der Punkt ist, dass wir überhaupt alle historischen Daten haben. Das Problem ist nicht die Auswahl der zu analysierenden Daten, sondern die Art und Weise, wie die Daten analysiert werden.


Ja, gerade die Glättung der Reihen durch Fourier-Methoden, mit einer solchen Eigenschaft ist stabiler.
 
klot писал (а):
Jedenfalls ist das besser :)

   //InSigNormalize(aa); //Нормализация значений 
   // Прямое преобразование Фурье - после выпонения функции в массиве aa[] - спектрограмма
   realfastfouriertransform(aa, tnn1, false); 
   InSigNormalize(aa); //Нормализация значений 
   
   //--- Вывод спектрограммы на экран
   for( i=0; i<=N-1; i++)
   {
      // Модуль комплексного числа
      SpecktrBuffer[i]=MathSqrt(aa[i*2]*aa[i*2]+aa[i*2+1]*aa[i*2+1]); 
   }

klot, warum brauchen Sie eine Normalisierung vor der Berechnung des Spektrums?
 
gpwr писал (а):
klot schrieb (a):
Jedenfalls ist das besser :)

   //InSigNormalize(aa); //Нормализация значений 
   // Прямое преобразование Фурье - после выпонения функции в массиве aa[] - спектрограмма
   realfastfouriertransform(aa, tnn1, false); 
   InSigNormalize(aa); //Нормализация значений 
   
   //--- Вывод спектрограммы на экран
   for( i=0; i<=N-1; i++)
   {
      // Модуль комплексного числа
      SpecktrBuffer[i]=MathSqrt(aa[i*2]*aa[i*2]+aa[i*2+1]*aa[i*2+1]); 
   }

klot, warum brauchen Sie eine Normalisierung vor der Berechnung des Spektrums?
FROHES NEUES JAHR!!!!
Ich habe diese Methode verwendet, um die Korrelation der Spektren verschiedener Währungen gegenüber dem Dollar zu berechnen. Im Allgemeinen fällt es mir im Moment schwer, Knöpfe zu drücken, aber ich bereite eine Reihe von Artikeln über diese Methode vor, die ich bald veröffentlichen werde, ich denke, dass viele Leute daran interessiert sein werden....
In der Zwischenzeit: Frohes neues Jahr !!!!!! Frohe Trends für Sie!!!!!
 
Ich danke Ihnen! Auch Ihnen ein frohes neues Jahr!
 

zum Klotz

Bitte helfen Sie mir, die Struktur der Ausgabedaten zu verstehen

realfastfouriertransform(Daten,N,false);

Wie sieht die Ausgabe aus, wenn data=[0,1,2,3,4,5,6,7]

in Matcad ist

Was Sie in der Ausgabe haben, können Sie einfach die Daten zitieren, ich werde es selbst herausfinden. Ich danke Ihnen. Die Frage tauchte bei der Diskussion in diesem Forumsthread"Stochastische Resonanz" auf.

Danke an alle, die mir geholfen haben. Ich habe es herausgefunden.

 
Was für ein alter Faden das war!
Es ist gut, dass ich es nicht vorher gelesen habe. Es ist gut, in jedem Bereich ein Amateur zu sein. Keine Barrieren, keine vorgefassten Meinungen.
PF ist für die Vorhersage in einer statischen Anwendung nicht geeignet. Das ist doch klar.
Niemand hat das Problem der parasitären Oberschwingungen angesprochen, die durch Preisunterschiede an den Enden der Stichprobe entstehen.
Es ist ein 90-Grad-Winkel!!! Es gibt alle Obertöne, die es in der Natur an einer solchen Front gibt!
Und fast niemand hat, außer klot, PF in Dynamik verwendet.
Ich habe auch einen Visualizer erstellt. Und ich habe ein erstaunliches Ergebnis erzielt.
Jetzt muss nur noch ein Prädiktor geschrieben werden. Natürlich wird sie nicht weit davon entfernt sein. Das Ergebnis wird jedoch bei der Hälfte der Stichprobe nahezu absolut sein.
Wenn ich das Endergebnis habe, werde ich es auf jeden Fall veröffentlichen. Und es spielt keine Rolle, was es sein wird. Auch ein negatives Ergebnis ist ein Ergebnis.
 
Zhunko:
Was für ein alter Faden das war!
Es ist gut, dass ich es nicht vorher gelesen habe. Es ist gut, in jedem Bereich ein Amateur zu sein. Keine Barrieren, keine vorgefassten Meinungen.
PF ist für die Vorhersage in einer statischen Anwendung nicht geeignet. Das ist doch klar.
Niemand hat das Problem der parasitären Oberschwingungen angesprochen, die durch Preisunterschiede an den Enden der Stichprobe entstehen.
Es ist ein 90-Grad-Winkel!!! Es gibt alle Obertöne, die es in der Natur an einer solchen Front gibt!
Und fast niemand hat, außer klot, PF in Dynamik verwendet.
Ich habe auch einen Visualizer erstellt. Und ich habe ein erstaunliches Ergebnis erzielt.
Jetzt muss nur noch ein Prädiktor geschrieben werden. Natürlich wird sie nicht weit davon entfernt sein. Das Ergebnis wird jedoch bei der Hälfte der Stichprobe nahezu absolut sein.
Wenn ich das Endergebnis habe, werde ich es auf jeden Fall veröffentlichen. Und es spielt keine Rolle, was es sein wird. Auch ein negatives Ergebnis ist ein Ergebnis.

Jetzt werden wir uns mit parasitären Oberschwingungen befassen, allerdings mit einem anderen Ziel als oben beschrieben. IHMO für PF Preisvorhersage ist nicht vielversprechend, um eine bessere Matrix zu haben.
 
Man muss wissen, wie man den PF auf unterschiedliche Weise nutzen kann.
Verwendung für andere als die vorgesehenen Zwecke. D.h. die Folgen der Verwendung von PF in der Dynamik.
Ich habe einen echten Spektralfilter. Er unterdrückt automatisch parasitäre Oberschwingungen.
Ich bin selbst von dem Ergebnis überrascht. Es ist mir gelungen, einen Nachteil der PF in einen Vorteil zu verwandeln.
1...45678910111213141516171819
Neuer Kommentar
Grund der Beschwerde: