纳德·阿尔哈比；侯赛因·哈萨尼 奇异谱分析中特征值个数选取的一种新方法。 （英语） Zbl 1395.94081号 J.富兰克林研究所。 353，1号，1-16（2016）. 摘要：奇异谱分析（SSA）是一种从噪声时间序列（信号+噪声）中分离任意信号的可靠技术。SSA技术基于两个主要选择：窗口长度（L）和特征值数量（r）。这些价值观在重建阶段发挥着重要作用。本文介绍了一种新的选择r最优值的方法，该方法基于缩放Hankel矩阵的特征值分布。该方法应用于许多不同结构的模拟和实际数据。结果表明，该方法在选择用于信号提取的\（r）值方面具有潜力。 引用于6文件 MSC公司： 94甲12 信号理论（表征、重建、滤波等） 62M15型 随机过程和谱分析的推断 软件：毛虫SSA；其mr PDF格式BibTeX公司 XML格式引用 \textit{N.Alharbi}和\textit{H.Hassani}，J.Franklin Inst.353，No.1，1--16（2016；Zbl 1395.94081） 全文： 内政部 参考文献： [1] 施赖伯，T。；Grassberger，P.，一种用于实际数据的简单降噪方法，Phys。莱特。A、 160、5、411-418（1991） [2] Schreiber，T.，《极其简单的非线性降噪方法》，Phys。E版，第47、4、2401-2404页，（1993年） [3] 郑，H.M。；Li，Y.A。；Chen，L.，基于局部投影算法的船舶信号降噪，J.Northwest。理工大学。大学，29，4，569-574，（2011） [4] 康茨，H。；Schreiber，T.，非线性时间序列分析，（2004），英国剑桥大学出版社·Zbl 1050.62093号 [5] 莱利，S.P。；Nobel，A.B.，去噪确定性时间序列，动力学，3，4，259-279，（2006）·Zbl 1137.37334号 [6] Donoho，D.L。；Johnstone，I.M.，通过小波收缩实现理想的空间自适应，Biometrika，81，3，425-455，（1994）·Zbl 0815.62019号 [7] Han，M。；刘，Y.H。；Xi，J.H。；郭伟，利用小波软阈值对非线性时间序列进行噪声平滑，IEEE信号处理。莱特。，14, 1, 62-65, (2007) [8] Chang，S.g。；Yu，B。；Vetterli，M.，用于图像去噪和压缩的自适应小波阈值，IEEE Trans。图像处理。，9, 9, 1532-1546, (2000) ·Zbl 0962.94028号 [9] 高杰。；苏丹，H。；胡，J。；Tung，W.，通过自适应滤波和小波收缩比较对非线性时间序列进行去噪，IEEE信号处理。莱特。，17, 3, 237-240, (2010) [10] 蒂瓦里，R.K。；Rajesh，R.，不稳定和噪声地震信号去噪的因子化Hankel最优奇异谱方法，J.Appl。地球物理学。，111, 95-101, (2014) [11] 哈萨尼，H。；Zokaei，M。；Rosen，D。；Amiri，S。；Ghodsi，M.，《降噪对生长曲线模型中的曲线拟合是否重要》，计算。方法进展。生物识别。，96, 173-181, (2009) [12] 哈萨尼，H。；迪奥尼西奥，A。；Ghodsi，M.，《金融市场线性和非线性相关性测量中的降噪效果》，《非线性分析：真实世界应用。，11, 492-502, (2010) [13] 哈萨尼，H。；Soofi，A。；Zhigljavsky，A.，用奇异谱分析预测通货膨胀动力学，J.R.Stat.Soc.-Ser。A、 176，3，743-760，（2013） [14] 哈萨尼，H。；Heravi，H。；Zhigljavsky，A.，用奇异谱分析预测欧洲工业生产，国际预测杂志。，25, 1, 103-118, (2009) [15] 萨内，S。；Lee，T.K.M.（Lee，T.K.M.）。；Abolghasemi，V.，基于奇异谱分析的新型自适应谱线增强器，IEEE Trans。生物识别。工程师，59，2428-434，（2012） [16] 萨内，S。；Ghodsi，M。；Hassani，H.，《心音杂音检测的自适应奇异谱分析方法》，医学工程物理。，33, 3, 36-362, (2011) [17] Peller，V.，Hankel运营商及其应用，（2003），Springer New York·Zbl 1030.47002号 [18] Chugunov，V.N.，关于正规Hankel矩阵类的参数化，计算。数学。数学。物理。，51, 11, 1823-1836, (2011) ·Zbl 1249.15035号 [19] Ghodsi，M。；哈萨尼，H。；Sanei，S.，通过多元奇异谱分析从有噪声的母亲心电图中提取胎儿心脏信号，Stat.Interface，3，399-411，（2010）·Zbl 1245.94036号 [20] 唐子燕；Liew，Wee-Chang；Yan，Hong，小鼠分段时钟数据中DNA微阵列基因表达时间序列曲线的周期性分析，Stat.Interface，3413-418，（2010）·Zbl 1245.92021号 [21] 米勒，W.G。；Kapl，M.，《钢材价格预测——传统回归模型与MSSA之间的比较》，统计界面，3369-375，（2010）·Zbl 1245.62109号 [22] Hassani，H.，奇异谱分析方法和比较，J.数据科学。，5, 239-257, (2007) [23] 北卡罗来纳州Golyandina。；内克鲁特金，V。；Zhigljavsky，A.，《时间序列结构分析：SSA和相关技术》，（2001），查普曼和霍尔/CRC纽约，伦敦·Zbl 0978.62073号 [24] 哈萨尼，H。；Mahmoudvand，M。；Zokaei，M。；Ghodsi，M.，《奇异谱分析中信号和噪声之间的可分性》，Fluct。噪声Lett。，11, 2, 1250014-1250025, (2012) [25] Ghodsi，M。；Alharbi，北。；Hassani，H.，随机Hankel矩阵奇异值的经验分布，Fluct。噪声Lett。，（2015）年3月14日，10.1142/S021947751550273 [26] 哈萨尼，H。；北卡罗来纳州阿尔哈比。；Ghodsi，M.，关于缩放随机Hankel矩阵奇异值模式的简短注释，国际期刊应用。数学。，27,3237-243，（2014）·Zbl 1303.15044号 [27] 哈萨尼，H。；北卡罗来纳州阿尔哈比。；Ghodsi，M.，《缩放Hankel矩阵特征值的经验分布研究》，J.Adv.Res.，6，6，925-929，（2015） [28] 哈萨尼，H。；北卡罗来纳州阿尔哈比。；Ghodsi，M.，区分混沌和噪声——一种新方法，《国际能源统计》，2，2137-150，（2014） [29] 布罗克韦尔，P.J。；Davis，R.A.，《时间序列和预测导论》，（2002），美国纽约斯普林格出版社·Zbl 0994.62085号 [30] 〈网址：http://www.cs.ucr.edu/eamonn/discords/\9002；（2014年11月15日访问）。 [31] Andrzejak，R。；Lehnertz，K。；Mormann，F。；Rieke，C。；大卫·P。；Elger，C.，大脑电活动时间序列中非线性确定性和有限维结构的指示依赖于记录区域和大脑状态，Phys。E版，64，061907，（2001） [32] 北卡罗来纳州卡纳塔尔。；Cho，M。；阿查里亚，美国。；Sadasivan，P.，脑电图中癫痫检测的熵，计算机。方法进展。生物识别。，80, 3, 187-194, (2005) 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。