cissa() is a MATLAB function for signal extraction by Circulant Singular Spectrum Analysis, a procedure proposed in Bogalo et al (2021). cissa() extracts the underlying signals in a time series identifying their frequency of oscillation in an automated way, by just introducing the data and the window length. This solution can be applied to stationary as well as to non-stationary and non-linear time series. Additionally, in this paper, we solve some technical issues regarding the beginning and end of sample data points. We also introduce novel criteria in order to reconstruct the underlying signals grouping some of the extracted components. The output of cissa() is the input of the function group() to reconstruct the desired signals by further grouping the extracted components. group() allows a novel user to create standard signals by automated grouping options while an expert user can decide on the number of groups and their composition. To illustrate its versatility and performance in several fields we include 3 examples: an AM-FM synthetic signal, an example of the physical world given by a voiced speech signal and an economic time series. Possible applications include de-noising, de-seasonalizing, de-trending and extracting business cycles, among others.


翻译:cissa () 是一个由环星星光谱分析( Bogalo et al (2021年) 提议的一个程序, 用于通过环星星光谱分析提取信号的 MATLAB 函数。 cissa () 通过仅仅介绍数据和窗口长度,在时间序列中提取基本信号,以自动方式确定其振荡频率。 这个解决方案可以适用于固定以及非固定和非固定和非线性的时间序列。 此外, 在本文件中, 我们解决了与抽样数据点的开始和结束有关的一些技术问题。 我们还引入了新颖的标准, 以重建一些提取的组件的基本信号组合。 cissa () 是功能组的投入, 以便通过进一步分组所提取的部件来重建所希望的信号。 组 允许新用户通过自动分组选项创建标准信号, 而专家用户可以决定组的数目及其组成。 为了说明其在许多领域的多功能和表现, 我们增加了三个例子: AM- FM 合成信号, 一个以表达的语音信号和经济时间序列为实例, 一个物理世界的示例。 Cissa- deminalizing 和其他一些应用包括 。

0
下载
关闭预览

相关内容

Group一直是研究计算机支持的合作工作、人机交互、计算机支持的协作学习和社会技术研究的主要场所。该会议将社会科学、计算机科学、工程、设计、价值观以及其他与小组工作相关的多个不同主题的工作结合起来,并进行了广泛的概念化。官网链接:https://group.acm.org/conferences/group20/
【斯坦福经典书】强化学习在金融应用,414页pdf
专知会员服务
122+阅读 · 2021年3月30日
【AAAI2021】对比聚类,Contrastive Clustering
专知会员服务
76+阅读 · 2021年1月30日
斯坦福2020硬课《分布式算法与优化》
专知会员服务
118+阅读 · 2020年5月6日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Yoshua Bengio,使算法知道“为什么”
专知会员服务
7+阅读 · 2019年10月10日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
CCF推荐 | 国际会议信息8条
Call4Papers
9+阅读 · 2019年5月23日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | AAAI 2019等国际会议信息7条
Call4Papers
5+阅读 · 2018年9月3日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年3月27日
Arxiv
0+阅读 · 2021年3月27日
Model-Free Learning of Safe yet Effective Controllers
VIP会员
相关VIP内容
【斯坦福经典书】强化学习在金融应用,414页pdf
专知会员服务
122+阅读 · 2021年3月30日
【AAAI2021】对比聚类,Contrastive Clustering
专知会员服务
76+阅读 · 2021年1月30日
斯坦福2020硬课《分布式算法与优化》
专知会员服务
118+阅读 · 2020年5月6日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Yoshua Bengio,使算法知道“为什么”
专知会员服务
7+阅读 · 2019年10月10日
相关资讯
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
CCF推荐 | 国际会议信息8条
Call4Papers
9+阅读 · 2019年5月23日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | AAAI 2019等国际会议信息7条
Call4Papers
5+阅读 · 2018年9月3日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员