文章 "离散哈特莱变换"

[MetaQuotes]

新文章 离散哈特莱变换已发布：

在本文中，我们将探讨频谱分析和信号处理的方法之一——离散哈特莱变换（discrete Hartley transform，DHT）。它可以过滤信号，分析它们的频谱等等。DHT的性能不亚于离散傅立叶变换（discrete Fourier transform，DFT）。然而，与DFT不同的是，DHT只使用实数，这使得它在实践中更方便实现，并且它的应用结果更直观。

1942年，Ralph Hartley在他的文章“应用于传输问题的更对称傅立叶分析”中提出了傅立叶变换的模拟。

就像傅立叶变换（FT）一样，哈特莱变换（HT）将原始信号转换为三角函数的和。但它们之间有一个显著的区别。FT将实数转换为复数，而HT仅提供实数结果。由于这种差异，哈特莱变换并没有流行起来——科学家和技术人员没有看到它的任何优点，继续使用通常的傅立叶变换。1983年，Ronald Bracewell提出了Hartley变换的离散版本。

作者：Aleksej Poljakov

[Verner999]

感谢您提供这篇有趣的文章！有些事情看起来很有希望。:)

[Aleksandr Shirin]

非常喜欢这篇文章。与实际应用非常相似。我下载了指标，并在不同的时间框架上使用。到目前为止，我感觉它们能提供有效的信号。我会进行更多测试。

[Aleksey Vyazmikin]

感谢您的文章！

就在昨天，我还在思考通过子样本中的统计指标来识别市场阶段的方法，我在文章中看到了类似的想法。

您在这个方向上做过更深入的研究吗？我想知道他们是以多快的速度（以多大的滞后期）和多大的误差来对趋势/扁平化进行分类的？

[Aleksej Poljakov]

Aleksey Vyazmikin #:

感谢您的文章！

就在昨天，我还在思考通过子样本中的统计指标来识别市场阶段的方法，我在文章中看到了类似的想法。

您在这个方向上做过更深入的研究吗？我想知道他们是以多快的速度（以多大的滞后期）和多大的误差来对趋势/扁平化进行分类的？

确定市场阶段可能是最简单的任务。我们将价格频谱（不含主要信号）通过聚类分析（Kohonen 地图）--这就是我们得到的市场阶段。但对于趋势而言，一切都非常复杂--变化/新趋势开始的标志是低频成分相对减弱，高频谐波相对增强。但不幸的是，我们有可能会严重错失趋势方向。