CN103617373A - 一种时间序列的非线性特性检验方法 - Google Patents
一种时间序列的非线性特性检验方法 Download PDFInfo
- Publication number
- CN103617373A CN103617373A CN201310669668.0A CN201310669668A CN103617373A CN 103617373 A CN103617373 A CN 103617373A CN 201310669668 A CN201310669668 A CN 201310669668A CN 103617373 A CN103617373 A CN 103617373A
- Authority
- CN
- China
- Prior art keywords
- time sequence
- hypothesis
- time series
- random
- index entropy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种时间序列的非线性特性检验方法,包括如下步骤:提出假设:对时间序列做出该时间序列源于高斯随机过程的假设;生成替代数据:生成该时间序列的一组随机替代数据;计算检验量:计算时间序列及其所有替代数据的子空间分割指数熵;结果分析:将时间序列子空间分割指数熵特征值与其所有其替代数据子空间分割指数熵特征值进行对比,如果时间序列子空间分割指数熵的值小于或大于其所有替代数据子空间分割指数熵特征值,则拒绝假设,认为该时间序列含有非线性成份,否则接受假设,认为该时间序列是随机时间序列。本发明使用子空间分割指数熵作为检验量,能有效检验时间序列的非线性成份,对短时、含噪的时间序列能得到更准确的检验结果。
Description
技术领域
本发明涉及一种时间序列非线性特性检验方法。
背景技术
分析时间序列之前,检验观测数据是否源于随机过程,或是有限自由度的确定性混沌系统是十分重要的,它是采用适合分析模型及正确理解观测系统的前提条件。1992年,Theiler提出一种检测时间序列非线性特性的替代数据方法,这是一种基于零假设的统计检验方法,即假设原始数据产生于高斯随机过程,通过检验观测数据与随机替代数据非线性检验特征值之间的差异是否显著来判断观测数据的非线性特性,广泛用于各种时间序列的非线性分析,如太阳辐射、财经指数、神经元轴突数据以及人体的生理信号等。
在替代数据法中,必须选择能够有效表达观测数据非线性本质的检验特征,从而将观测数据与随机替代数据区分开来。因此,那些对噪声和数据长度要求较为严苛的传统混沌不变量如最大李雅普诺夫指数、关联维等并不适合含噪、小数据量时间序列的非线性检验。
发明内容
本发明目的是提出一种时间序列的非线性特性检验方法,解决非线性检验对待检验数据长度和噪声比较敏感、检验准确率不高的缺陷。
本发明为实现上述目的,采用如下技术方案:
(1)提出假设:
针对待检验的时间序列x(n),提出假设:x(n)是源于高斯随机过程的随机信号,n为正整数,代表时间序列的长度。
(2)生成替代数据:
生成x(n)的一组随机替代数据S={s1(n),s2(n),...,sl(n)},其中l是正整数,表示替代数据的个数。
(3)计算检验量:
分别计算x(n)和S中每个替代数据si(n),i=1,...,l的子空间分割指数熵SSE。
(4)检验结果分析:
本发明能够正确检测各类信号的非线性特性,具有较高的抗噪性能,是一种区分度高、鲁棒性好的时间序列非线性特性检验方法。
附图说明
图1为信号xAR(n)及其替代数据sAR1(n);
图2为信号xHENON(n)及其替代数据sHENON1(n);
图3为信号xLORENZ(n)及其替代数据sLORENZ1(n);
图4为信号xECG(n)及其替代数据sECG1(n);
图5为信号xSCR(n)及其替代数据sSCR1(n);
具体实施方式
下面结合实例,对本发明所述的技术方案作进一步阐述。
对五类信号进行非线性特性检验,包含三种仿真信号和两种真实的生物信号。三种仿真信号分别为产生于三阶AR模型的随机信号xAR(n)、源于埃农(Henon)系统的混沌信号xHENON(n)和源于洛仑兹(Lorenz)系统的混沌信号xLORENZ(n)。两类生物信号分别为被试观看视频片段时采集的心电信号xECG(n)和皮肤电反应信号xSCR(n)。所有信号的长度均为1000点,即n=1000。在三类仿真信号xAR(n)、xHENON(n)和xLORENZ(n)中混入均值为0方差为1的白噪声。
(1)提出假设:
分别假设xAR(n)、xHENON(n)、xLORENZ(n)、xECG(n)和xSCR(n)是由具有和其自身相同均值和方差的线性相关高斯过程产生。
(2)生成替代数据:
对于时间序列x(n),起替代数据s(n)的生成算法如下:
(2-3)重复步骤(2-2),直到替代数据s(n)与原始数据x(n)的谱差异小于指定精度。
s(n)与x(n)具有相同的线性相关函数,但其非线性自相关性已由相位随机化过程除去。
根据以上算法,分别对xAR(n)、xHENON(n)、xLORENZ(n)、xECG(n)和xSCR(n)生成100条替代数据,得到五组替代数据如下,其中n=1000,l=100:
SAR={sAR1(n),sAR2(n),...,sARl(n)},
SHENON={sHENON1(n),sHENON2(n),...sHENONl(n)},
SLORENZ={sLORENZ1(n),sLORENZ2(n),...,sLORENZl(n)},
SECG={sECG1(n),sECG2(n),...,sECGl(n)},
SSCR={sSCR1(n),sSCR2(n),...,sSCRl(n)}。
信号xAR(n)、xHENON(n)、xLORENZ(n)、xECG(n)、xSCR(n)和它们的一个替代数据如图1-5所示。
(3)计算检验量:
非线性特性检验方法以子空间分割指数熵为检验量。
(3-1)子空间分割指数熵的计算方法
设m是嵌入维、τ是时迟、λ是子空间分割数,且m、τ和λ均为正整数,对于时间序列x(n),子空间分割指数熵SSE(m,τ,λ)的计算方法如下:
(3-1-1)对x(n)进行相空间重构
相空间重构是一种用一维信号重构多变量系统动力学行为的方法。时间序列x(n)的重构相空间为:
X={X(i)|X(i)=[x(i),x(i+τ),...,x(i+(m-1)τ)]T,i=1,2,....M},
其中,M=n-(m-1)τ为相空间中的点数。
(3-1-2)计算SSE(m,τ,λ)
将相空间每一维均匀分为λ段,则相空间X被划分为mλ个子空间,每个子空间对应相空间的一个状态,系统的SSE定义为:
其中,pj是每个子空间中相点出现的概率。
(3--2)估算SSE参数
对于xAR(n)、xHENON(n)、xLORENZ(n)、xECG(n)和xSCR(n)分别估算SSE的三个参数:嵌入维m、时迟τ和子空间分割数λ。
(3-2-1)嵌入维m
在混沌系统分析中,当嵌入维m增大到一定程度时,重构相空间中吸引子的维度将收敛于一个确定的值,即系统的关联维数。最佳m取值即为使关联维达到收敛的最小嵌入维数。虽然较大的m值可以更细致地展现相空间中点轨迹的动态变化过程,但也需要较大的数据量(一般为N=10m~30m),这对现实系统而言(如生理信号的实时分析)是很难达到的。本例中,数据的采样点数为1000点,取m=2。
(3-2-2)时延τ
适合的τ值能够减小相空间中吸引子的失真度。当τ值较小时,相空间中相邻点间变化不大,吸引子信息淹没在噪声中,表现为吸引子向相空间主对角线压缩;当τ值较大时,相空间中相邻点间的相互信息丢失,随机性增加,吸引子出现折叠、卷曲,产生失真。使用互信息法估算xAR(n)、xHENON(n)、xLORENZ(n)、xECG(n)和xSCR(n)的时延τ,得τAR=3,τHenon=4,τLorenz=14,τECG=10,τSCR=5。
(3-2-3)子空间分割数λ
参数λ将重构相空间划分为mλ个子空间,每个子空间对应一个系统状态。令m=2,τAR=3,τHenon=4,τLorenz=14,τECG=10,τSCG=5,考察λ由2增加到10时子空间分割指数熵的分辨性能,当λ=8时各类信号的子空间分割指数熵值均趋于稳定,本例中取λ=8。
(3--3)计算SSE
根据以上确定的参数,分别计算xAR(n)和SAR、xHENON(n)和SHENON、xLORENZ(n)和SLORENZ、xECG(n)和SECG、xSCR(n)和SSCR的SSE。各类信号及其100条替代数据的SSE取值如图6-10所示。
(4)检验结果分析:
本发明对五类短时、含噪信号进行了非线性特性检验,均得到了正确的检验结果,是一种适用范围广,检验准确率高的时间序列非线性特性检验方法。
本发明请求保护的范围并不仅仅局限与本具体实施方式的描述。
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310669668.0A CN103617373A (zh) | 2013-12-10 | 2013-12-10 | 一种时间序列的非线性特性检验方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310669668.0A CN103617373A (zh) | 2013-12-10 | 2013-12-10 | 一种时间序列的非线性特性检验方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103617373A true CN103617373A (zh) | 2014-03-05 |
Family
ID=50168076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310669668.0A Pending CN103617373A (zh) | 2013-12-10 | 2013-12-10 | 一种时间序列的非线性特性检验方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103617373A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107219840A (zh) * | 2017-05-05 | 2017-09-29 | 浙江理工大学 | 面向天然气分输站的调节阀非线性特性检测方法及系统 |
CN110750536A (zh) * | 2019-10-11 | 2020-02-04 | 清华大学 | 姿态时间序列数据的振动噪声平滑处理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080263418A1 (en) * | 2007-04-23 | 2008-10-23 | Ward Samuel I | System and Method for Adaptive Nonlinear Test Vector Compression |
CN102082433A (zh) * | 2010-11-29 | 2011-06-01 | 沈阳工业大学 | 一种风电并网系统电压稳定预测装置及方法 |
CN103246279A (zh) * | 2013-04-18 | 2013-08-14 | 浙江大学 | 一种存在执行阀粘滞特性的化工过程的控制性能评估方法 |
CN103308945A (zh) * | 2013-05-29 | 2013-09-18 | 吉林大学 | 一种陆地勘探初至前噪声的模拟产生与预测方法 |
-
2013
- 2013-12-10 CN CN201310669668.0A patent/CN103617373A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080263418A1 (en) * | 2007-04-23 | 2008-10-23 | Ward Samuel I | System and Method for Adaptive Nonlinear Test Vector Compression |
CN102082433A (zh) * | 2010-11-29 | 2011-06-01 | 沈阳工业大学 | 一种风电并网系统电压稳定预测装置及方法 |
CN103246279A (zh) * | 2013-04-18 | 2013-08-14 | 浙江大学 | 一种存在执行阀粘滞特性的化工过程的控制性能评估方法 |
CN103308945A (zh) * | 2013-05-29 | 2013-09-18 | 吉林大学 | 一种陆地勘探初至前噪声的模拟产生与预测方法 |
Non-Patent Citations (18)
Title |
---|
AYSEGUL GUNDUZ, ET AL: "Correntropy as a Novel Measure for Nonlinear Tests", 《2006 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS》 * |
F TAKENS: "Detecting strange attractors in turbulence", 《LECTURE NOTES IN MATHEMATICKS 898》 * |
KUGIUMTZIS D.: "Surrogate data test on time series", 《MODELLING AND FORECASTING FINANCIAL DATA》 * |
LUIZ EDUARDO,ET AL.: "Evaluation of physiologic complexity in time series using generalized sample entropy and surrogate data analysis", 《CHAOS 22》 * |
PAL N R, ET AL.: "Entropy: a new definition and its applications", 《SYSTEMS MAN & CYBERNETICS IEEE TRANSACTIONS ON》 * |
SCHREIBER T,ET AL.,: "Improved Surrogate Data for Nonlinearity Tests", 《PHYSICAL REVIEW LETTERS》 * |
SHANMUGASUNDARAM J,ET AL.,: "Efficiently publishing relational data as XML documents", 《THE VLDB JOURNAL—THE INTERNATIONAL JOURNAL ON VERY LARGE DATA BASES》 * |
THEILER J, ET AL.,: "Testing for nonlinearity in time series: the method of surrogate data", 《PHYSICA D: NONLINEAR PHENOMENA》 * |
侯澍旻等: "一种基于KS检验的时间序列非线性检验方法", 《电子与信息学报》 * |
刘耀宗等: "线性非高斯序列的替代数据检验新方法", 《物理学报》 * |
刘耀宗著,国防科技大学出版社: "《碰摩转子混沌振动识别与控制技术研究 2005年4月第1版》", 30 April 2005 * |
卢世坤等: "基于替代数据法的地磁变换场时间序列非线性检验", 《河北师范大学学报(自然科学版)》 * |
吴国清等: "基于信息理论的时间序列非线性检测方法", 《计算机工程与科学》 * |
李余琪,等: "太阳辐射时间序列的非线性检验", 《数学的实践与认识》 * |
李爱国等: "一种非线性新相关信息熵定义及其性质、应用", 《信息与控制》 * |
雷敏等: "连续动力系统时间序列的非线性检验", 《物理学报》 * |
雷敏等: "非线性时间序列的替代数据检验方法研究", 《电子与信息学报》 * |
雷芳等: "一种新信息熵及其若干性质", 《重庆邮电学院学报(自然科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107219840A (zh) * | 2017-05-05 | 2017-09-29 | 浙江理工大学 | 面向天然气分输站的调节阀非线性特性检测方法及系统 |
CN110750536A (zh) * | 2019-10-11 | 2020-02-04 | 清华大学 | 姿态时间序列数据的振动噪声平滑处理方法及系统 |
CN110750536B (zh) * | 2019-10-11 | 2020-06-23 | 清华大学 | 姿态时间序列数据的振动噪声平滑处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107784322B (zh) | 异常数据检测方法、装置、存储介质以及程序产品 | |
Jiang et al. | An efficient fault diagnostic method for three-phase induction motors based on incremental broad learning and non-negative matrix factorization | |
CN110795843B (zh) | 一种识别滚动轴承故障的方法及装置 | |
CN104807534B (zh) | 基于在线振动数据的设备固有振动模式自学习识别方法 | |
CN105718848B (zh) | 一种指纹图像的质量评估方法及装置 | |
CN110647788B (zh) | 一种基于微多普勒特征的人类日常行为分类方法 | |
Nagaraj et al. | Three perspectives on complexity: entropy, compression, subsymmetry | |
CN110321518B (zh) | 一种判定水文时间序列趋势类型的方法 | |
CN110782041B (zh) | 一种基于机器学习的结构模态参数识别方法 | |
Kulp et al. | Using missing ordinal patterns to detect nonlinearity in time series data | |
Zozor et al. | Mixing Bandt-Pompe and Lempel-Ziv approaches: another way to analyze the complexity of continuous-state sequences | |
Torkamani et al. | Detection of system changes due to damage using a tuned hyperchaotic probe | |
CN110192864B (zh) | 一种跨域心电图生物特征身份识别方法 | |
CN116797796A (zh) | Drfm间歇采样下基于时频分析与深度学习的信号识别方法 | |
CN115631869A (zh) | 一种传染病预测模型的构建方法 | |
Yang et al. | A novel multiple feature-based engine knock detection system using sparse bayesian extreme learning machine | |
CN103617373A (zh) | 一种时间序列的非线性特性检验方法 | |
Wang et al. | Hardware design of seizure detection based on wavelet transform and sample entropy | |
CN114755010A (zh) | 一种旋转机械振动故障诊断方法及其系统 | |
CN114722854A (zh) | 一种电力设备电流信号降噪方法及装置 | |
CN114397521A (zh) | 一种针对电子设备的故障诊断方法及系统 | |
Moniz et al. | Assessment of damage in an eight-oscillator circuit using dynamical forcing | |
CN110032758B (zh) | 计算电信号的能量的方法、装置和计算机存储介质 | |
Rani et al. | Overlap aware compressed signal classification | |
Aburakhia et al. | On the Intersection of Signal Processing and Machine Learning: A Use Case-Driven Analysis Approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140305 |
|
RJ01 | Rejection of invention patent application after publication |