matlab - 如何在matlab中使用傅里叶变换去除每小时风速数据中的周期性

Question

审查删除周期我有一个数据集，其中包含 7 小时的每小时风速数据。我正在尝试对数据实施预测模型，并且评论论文指出，修剪数据中的日、周、月和年模式可以显着提高估计的准确性。然后他们继续使用傅立叶级数去除图像中的周期性分量。关于我如何在matlab中建模的任何想法？

Answer 1

恐怕这个话题没有“紧急”解释。您需要的是针对各自频率和一定数量谐波的滤波器。您可以使用 fft 或直接使用 IIR/FIR 公式来实现这样的过滤器。

FFT 比 IIR/FIR 实现更快，但需要注意窗函数。即使您进行“连续” DFT，您也会有一个窗口函数（如指数或高斯）。窗函数确定带宽。窗口越宽，带宽越小。使用 IIR/FIR 滤波器，带宽被编码在递归参数中。

为了抑制单一频率（如 24 小时天气信号），您需要一个 陷波滤波器。这还需要您指定带宽，如链接文章中所示。带宽越小，滤波器发展到抑制它的频率所需的时间就越长。如果您希望滤波器快速识别 24 小时信号的幅度，那么您需要更宽的带宽。但是，然后您将抑制更多的频率，略低于和略高于 1/24 小时。这是一个权衡。

如果您还想抑制多个谐波（如本文所述），则必须将多个陷波滤波器串联组合。如果您想使用 FFT 进行此操作，则必须在频率空间中对所需的传递函数进行建模，并且由于您可以一次对所有频率进行此操作，因此效率更高。

获得类似于陷波滤波器（包括所有谐波）的一种简单但近似的方法是使用梳状滤波器。但这是一个近似值，您无法控制传递函数的细节。您可以在 Matlab 中通过在原始信号中添加一个偏移 12 小时的信号来做到这一点。这是因为正弦信号将被偏移 pi 的信号抵消。

所以你看，你想要的有很多可能性。