Я очень новичок в методах обработки сигналов, но я пытаюсь применить быстрое преобразование Фурье к ежедневному временному ряду, чтобы удалить сезонность, присутствующую в данных. Пример, с которым я работаю, отсюда: http://www.mathworks.com/help/signal/ug/frequency-domain-linear-regression.htmlБыстрое преобразование Фурье для дезанализации данных в MATLAB
Хотя я понимаю, как реализовать код, как написано в примере, мне трудно адаптировать его к конкретному приложению. То, что я пытаюсь сделать, это создать функцию предварительной обработки, которая дезасонализирует данные обучения с использованием аналогичного кода в приведенном выше примере. Затем, используя те же оценочные коэффициенты из данных в выборке, dessasonalize данные вне образца, чтобы сохранить свою независимость от данных в выборке. В принципе, как только коэффициенты будут оценены, я нормализую каждую новую точку данных, используя те же коэффициенты. Я подозреваю, что это похоже на оценку линейного тренда, а затем удаление его из данных в выборке, а затем использование той же линейной модели по невидимым данным, чтобы таким образом снизить ее.
Очевидно, что когда я оцениваю коэффициенты Фурье, вектор, который я получаю, равен длине данных в выборке. Данные вне выборки состоят из гораздо меньшего количества наблюдений, поэтому их непосредственное применение невозможно.
Возможно ли такое исследование, используя эту технику, или я иду по тупиковой дороге? Как мне подойти к этому, используя код в приведенном выше примере?