如何删除离群值和光滑的复杂信号?

29日视图(30天)

显示旧的评论

苏珊 2021年8月27日

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/1442159-how-to-remove-outliers-and-smooth-the-complex-signals

评论道: 明星黾 2021年9月7日

答:接受明星黾

你好,

我工作在一个复杂的数据集——300 - 1000矩阵的每个元素是一个复数,这个矩阵的每一列被认为是一个单独的数据流。

我想删除离群值和任何进一步的invistigation之前平稳信号。Hample或rmoutliers过滤器只是真实的数据。有什么建议给我吗?

它任何意义这些过滤器适用于真实图像放大的信号,说x,是分开的,考虑新的真正的(x) + j *图像放大(x)的过滤数据?

提前谢谢!

接受的答案

明星黾 2021年8月27日

0
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/1442159-how-to-remove-outliers-and-smooth-the-complex-signals answer_775759

” 它任何意义这些过滤器适用于真实图像放大的信号,说x,是分开的,考虑新的真正的(x) + j *图像放大(x)的过滤数据? ”

最简单的方法来确定是做实验,看看resullt是什么。

                              Z =复杂(randn(12日1),randn (1))
                             
                                 Z =
                                
                                 我-0.8833 - 1.3666 1.7212 - 0.4963 0.5758 - 0.5837 -0.6128 - 0.8870我0.2242 + 0.4187我0.6533 - 1.2172 -0.4661 - 0.8420 -0.4745 + 2.6053我0.4623 - 0.2643 1.4347 - 0.9645 0.0386 + 0.2814我-0.1652 - 0.3177

                              查询= [isoutlier(真实(Z)) isoutlier(图像放大(Z)))
                             
                                 查询=12×2逻辑数组
                                
                                 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0

                              Zro = rmoutliers([真实(Z)图像放大(Z)))
                             
                                 Zro =
                                 11×2
                                
                                  -0.8833 -1.3666 1.7212 -0.4963 0.5758 -0.5837 -0.6128 -0.8870 0.2242 0.4187 0.6533 -1.2172 -0.4661 -0.8420 0.4623 -0.2643 1.4347 -0.9645 0.0386 0.2814

所以结果是有效的实部或虚部 “Z” (这里)是个例外。整个行窗台上被删除,如预期。结果可以复制使用复杂的函数,就像我最初创建它。

。

21日的评论
显示隐藏 20年长的评论

明星黾 2021年8月27日

@Susan - - - - - - 我的荣幸!

如果整个行删除离群值,应该没有问题的完整性矩阵。

你需要确定填充异常值-而不是删除是最好的路要走,因为填插值(使用无论你选择哪种方法),创造了新的数据。简单地删除它们包含这些单词的行,可以避免这个问题。

一切都取决于你想做什么。

因为每一列是一个单独的数据流,避免矩阵问题的完整性的一种方法是使用mat2cell函数,这样每一列是一个单独的单元阵列:

                                   Z(: 1) =复杂(randn(12日1),randn (12,1));
                                  
                                   Z(:, 2) =复杂(randn(12日1),randn (12,1));
                                  
                                   Z(:, 3) =复杂(randn(12日1),randn (1))
                                  
                                      Z =
                                     
                                      我-1.2813 - 0.1998 0.5323 - 1.8208 -0.5851 - 0.2996 0.1563 + 0.9701我0.1833 - 1.2399 -2.2381 - 0.4084 -0.6694 -0.3811 0.9065 + 0.5875 + 1.1518我我-1.1481 + 2.6963 + 0.4133 0.4605 0.3207 + 0.3442 + 2.4708我-1.8806 + 1.8707我-0.4762 + 0.4955 -0.4521 - 1.3997 0.3389 - 0.6344 0.0169 - 1.7479 -0.5922 - 0.7799我-0.2126 + 0.5346我-0.4455 + -2.5071 + 0.5240 1.9598 1.2624 - 0.5898 -0.6646 - 0.0799我0.2233 + 0.4899我-1.1608 + 1.0328 -1.8290 - 0.6129 0.8086 + 1.4046我-1.0206 + 0.0161 + 0.5505 0.6658 -1.0308 2.2073 - 0.2543我0.0471 + 0.3463 + 1.0622我0.2834 + 1.0997 0.2046 - 1.0288 1.0445 - 0.7435 -0.0711 - 0.3890我

                                   佐= mat2cell (Z,大小(Z, 1),(1,尺寸(Z, 2)))
                                  
                                      佐=1×3单元阵列
                                     
                                      {12×1双}{12×1双}{12×1双}

                                   查询= isoutlier([真实([佐{:}])图像放大((佐{:}))))
                                  
                                      查询=12×6逻辑数组
                                     
                                      0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0

                                   佐= cellfun (@ (x) rmoutliers([真正的(x)图像放大(x))),佐,“Unif”,0)
                                  
                                      佐=1×3单元阵列
                                     
                                      {11×2双}{12×2双}{10×2双}

俺们这里工作就像最初,对矩阵的真实和想象的成分。

一个警告每个元素(列)的吗 “佐” 必须单独处理,因为他们现在不再平等。如果他们有时间向量有关,需要考虑和调整使用 isoutlier 为每一列函数,这样适当的时间也被删除。

再次:

一切都取决于你想做什么。

。

明星黾 2021年8月27日

那些是你的数据,你需要决定什么是有用的,什么不是。

我将情节的大小(使用的数据腹肌函数)和数据(使用的阶段角函数),看看最合理的方式。

有几种方法来过滤数据,这取决于噪声带宽有限(在这种情况下频率选择滤波器是最高效和有效)或宽带噪声(在这种情况下,Savitzky-Golay过滤器将是最有效的)。

自从你ard做我不知道,我不能确定哪些数据是“好”和什么数据。

我通常确定这一问题的方法之一是数据的均值和标准错误的意思是,和使用 95% coinfidence限制(假设一个已知分布)决定是否使用特定的数据。这很可能是‘好’的所有数据,并简单地表示系统你测量的时间差异。informationo本身可以是有价值的,因为它可以提供洞察系统的时变特性,。

再一次,我不知道你在做什么,所以这只是我的猜测。

。

苏珊 2021年9月3日

编辑:苏珊 2021年9月3日

此外,当我申请

佐= cellfun (@ (x) rmoutliers([真正的(x)图像放大(x))),佐,“Unif”,0)

我得到以下错误

未定义的函数的输入参数“真实”的类型“细胞”。

佐是12 * 190个细胞,每个细胞含有1 * 336细胞即

                                   佐- - > 12 * 190细胞
                                  
                                   佐{1}- - > 1 * 336细胞
                                  
                                   佐{1}{1}- - >一个复杂矩阵的大小600 - 1

我想申请功能“@ (x) rmoutliers([真正的(x)图像放大(x)))“600 -, - 1矩阵。你能告诉我怎么解决这个问题?

此外,我有时间向量相关的数据流,即。为每个数据流,一次向量。矢量数据集时间“t”的确切格式数据流集,即。,12*190 cell, 1*336 cell, and each of these 1*336 cells contain a matrix of 600-by-1. As you mentioned earlier " If they have associated time vectors, that will need to be considered and adjusted using the isoutlier 为每一列函数,这样适当的时间也被删除。“你能告诉我我能怎么做呢?

我真的感激你的帮助。

明星黾 2021年9月3日

我不知道你什么 “佐” 是,因为它从未公布。

而不是我创造了你 “佐” 可能包含其他细胞内细胞本身。

                                   Z(: 1) =复杂(randn(12日1),randn (12,1));
                                  
                                   Z(:, 2) =复杂(randn(12日1),randn (12,1));
                                  
                                   Z(:, 3) =复杂(randn(12日1),randn (1))
                                  
                                      Z =
                                     
                                      -0.5853 + 2.4639我0.6306 - 0.3304 0.6598 - 0.9735 0.6066 2.5984 + 0.5309 + 0.0160我-1.6019 + 0.7852我-0.3412 + 0.7698 -0.4684 - 1.1739 -0.9331 + 1.3424我-1.3994 - 0.2494 0.6664 - 0.4860 -0.4166 + 0.7058我2.7730 - 0.8464 -0.2850 - 0.9701 -0.7736 - 0.4878 0.7362 - 0.0014 -0.0358 - 1.2007我0.9366 + 1.3649我-0.2278 + 1.3435 -0.6741 - 0.3080 -0.5566 - 0.3074 1.0900 - 0.2222 -1.3691 - 0.0885我-0.4428 + 2.1068我0.2093 + 0.2958 0.3628 - 1.1968 -0.9282 - 0.0533我-0.6590 + 0.4372 -1.7537 - 0.9631 1.3973 - 0.4798 -1.3556 - 0.5976 -0.8509 - 1.8627我-0.5903 + 0.0886我-0.2406 + 0.2537 -0.7712 - 0.1531 -0.9282 - 1.7822

                                   佐= {mat2cell (Z,大小(Z, 1),(1,尺寸(Z, 2)))}这样的%
                                  
                                      佐=1×1单元阵列
                                     
                                      {1×3细胞}

                                   %查询= isoutlier([真实([佐{:}])图像放大((佐{:}))))
                                  
                                   佐= cellfun (@ (x) rmoutliers([真正的(x)图像放大(x))),佐{:},“Unif”,0)% < -试试这个
                                  
                                      佐=1×3单元阵列
                                     
                                      {10×2双}{11×2双}{11×2双}

试图模仿,这个版本的 “佐” 最初把类似的错误的发布(有明显错误消息的版本差异),和改变我 cellfun 调用处理,在这里工作。看它是否与你的工作 “佐” 。

。

苏珊 2021年9月3日

编辑:苏珊 2021年9月3日

谢谢你你的快速答复。你是对的,我的 “佐” 本身就含有其他细胞细胞内。当我尝试

                                   佐= cellfun (@ (x) rmoutliers([真正的(x)图像放大(x))),佐{:},“Unif”,0)
                                  

在这里我佐 12 * 190细胞内含有其他细胞,即。细胞,每个细胞都包含1 * 336。我得到

                                   错误使用@ (x) rmoutliers([真正的(x),图像放大(x)))
                                  
                                   太许多输入参数。

我试着解决这个问题使用下面的线

                                   Zc_withouthOutliers = cellfun (@ (x) cellfun (@ (x) rmoutliers([真正的(x)图像放大(x))), x,“UniformOutput”假),佐“Unif”,0);

然而,事实证明,数据流的长度是和以前的一样,这意味着没有离群值。但我知道这不是一个案例。

任何想法?

明星黾 2021年9月3日

不幸的是,没有,因为我还猜测你 “佐” 是多少。

可能:

                                   Z(: 1) =复杂(randn(12日1),randn (12,1));
                                  
                                   Z(:, 2) =复杂(randn(12日1),randn (12,1));
                                  
                                   Z(:, 3) =复杂(randn(12日1),randn (1))
                                  
                                      Z =
                                     
                                      0.2265 - 1.6841我-0.5703 + 0.6258 + 1.2717 0.6599 1.3231 - 0.0957我0.3498 + 0.5286我-1.5460 - 1.3338 0.0539 - 1.6916 0.4286 - 0.7961我-2.0087 + 1.0217 0.4872 - 0.1514 -0.3148 - 0.2921 -0.0742 - 1.0811 -2.0700 - 0.4709我-2.7228 + 0.4142我-0.4754 + 1.0667 + 0.3233 0.7001我-1.2523 - 1.7435 -0.4367 - 0.5155 0.6550 - 0.8458我0.1090 - 1.1173 0.7603 - 2.1107 0.1041 - -0.1638 0.7291我-0.2754 + 0.4496 + 1.2572我0.0799 - 1.0766 -1.0184 - 1.9236 -0.6640 -3.4014 + 0.5304 + 0.1175我0.9365 - 0.6210我-1.3426 + 0.8949 2.6220 - 0.4183 0.4284 - 1.8616 0.4942 - 0.1083 -0.4524 - 0.6606我0.2951 + 0.0146我-2.0342 - 1.4751

                                   佐= {mat2cell (Z,大小(Z, 1),(1,尺寸(Z, 2)))}这样的%
                                  
                                      佐=1×1单元阵列
                                     
                                      {1×3细胞}

                                   %查询= isoutlier([真实([佐{:}])图像放大((佐{:}))))
                                  
                                   佐= cellfun (@ (x) rmoutliers([真正的(x)图像放大(x))),(佐{}):“Unif”,0)% < -试试这个
                                  
                                      佐=1×3单元阵列
                                     
                                      {10×2双}{11×2双}{12×2双}

注意: 的观点是 (佐{}): 现在。看看加方括号帮助。

。

苏珊 2021年9月3日

编辑:苏珊 2021年9月3日

谢谢,现在工作!我真的很感激你的帮助!和遗憾,我还没有发布的数据集,因为它是一个巨大的数据集。但你猜对我的数据集的结构是正确的。

我保证这是我最后一个问题。你能告诉我我怎样才能找到assocated时间向量为每个这些流?时间数据的格式设置为数据流集(佐),即,12*190 cell each cell contains 1*336 cell, and each of these 1*336 cells contain a matrix of 600-by-1. As you mentioned earlier " If they have associated time vectors, that will need to be considered and adjusted using the isoutlier 为每一列函数,这样适当的时间也被删除。“你能告诉我我能怎么做呢?

很多谢谢提前

明星黾 2021年9月3日

谢谢你！

不要担心问问题。不管它们是什么,我将尽我所能提供有用的答案。

” 你能告诉我我能怎么做呢? ”

可能最简单的方法是这样的

                                   Z(: 1) =复杂(randn(12日1),randn (12,1));
                                  
                                   Z(:, 2) =复杂(randn(12日1),randn (12,1));
                                  
                                   Z(:, 3) =复杂(randn(12日1),randn (1))
                                  
                                      Z =
                                     
                                      我-0.0037 - 0.0718 -0.5906 - 0.4982 -0.2926 - 1.4403我-0.0491 + 0.3881 -1.1934 - 0.6266 1.6255 - 0.6844我-0.5010 + 0.8418 -0.3764 - 0.5512 -0.6346 + 0.5429我-0.9482 - 2.0047 0.7089 1.5427 + 1.0627 + 0.3901我-0.6989 - 1.0210我-1.4086 - 0.3650 1.3917 - 1.6212 1.3108 0.4960 + 1.1715 + 1.4088我-1.3572 + 0.0194 -0.4169 0.1213 + 0.0061 + 0.7410我-0.2981 - 0.3166我0.1113 + 0.7298 -0.0477 - 0.6290 0.4736 + 0.2349我-0.9848 - 0.3802 0.5130 - 1.9157 -0.3988 -0.0238 + 1.2133 + 0.4671我2.9185 - 0.1249我-0.5662 + 0.7225 -0.0214 - 0.2302 -0.1938 - 0.2917 -1.0284 - 0.4458 -0.0793 - 0.4082我2.1012 + 0.4646我0.2128 - 0.6308

                                   佐= {mat2cell (Z,大小(Z, 1),(1,尺寸(Z, 2)))}
                                  
                                      佐=1×1单元阵列
                                     
                                      {1×3细胞}

                                   Outlierc = (cellfun (@ (x) isoutlier([真正的(x)图像放大(x))),(佐{}):“Unif”,0))%发现离群值
                                  
                                      Outlierc =1×3单元阵列
                                     
                                      {12×2逻辑}{12×2逻辑}{12×2逻辑}

                                   Lv = ~任何([Outlierc {:}), 2)%创建逻辑列向量
                                  
                                      Lv =12×1逻辑数组
                                     
                                      1 1 1 1 0 0 1 1 0 1

                                   佐= cellfun (@ (x) rmoutliers([真正的(x)图像放大(x))),(佐{}):“Unif”,0)
                                  
                                      佐=1×3单元阵列
                                     
                                      {11×2双}{10×2双}{12×2双}

然后使用 “Lv” 根据需要与整个数组或选定的列(在该实例计算为每一列)来解决向量以及数据的时间。它将返回真正的或 1 “好”数据(如写在这里),所以使用引用整个数组(或个人列)以及 “时间” 向量将返回相应的良好的数据。

所以,如果 “时间” 是一个列向量,

t =时间(Lv);

将是一个向量的对应行没有离群值。

实验用它来确定你想要它做的事。

。

明星黾 2021年9月7日

像往常一样,这是我的荣幸!

。

登录置评。

答案(1)

约翰D 'Errico 2021年8月27日

0
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/1442159-how-to-remove-outliers-and-smooth-the-complex-signals answer_775769

编辑:约翰D 'Errico 2021年8月27日

它是有效的实部和虚部分别工作?可能,不过你知道的数据比我们更好。异常的原因是什么?如果有问题真正的组件的一个数字,为什么它会不会影响虚部吗?

我将假设您可以简单地使用实部和虚部分别。但是你不能删除一个异类。你需要改正它。所以你可能会决定应用工具filloutliers arrray的每一列,分别到现实和复杂的部分,把它们作为简单的独立信号。当然这可能并不是完全有效的。但是你能做到吗?当然可以。

您将使用一个循环矩阵的列。喜欢的东西:

                              为印第安纳州= 1:ncols
                             
                              R = filloutliers(真正的(M(:,印第安纳州)),“gesd”);
                             
                              我= filloutliers(图像放大(M(:,印第安纳州)),“gesd”);
                             
                              米(:,印第安纳州)=复杂的(R, I);
                             
                              结束

你需要寻找什么在你的数据当然效果最好。

1评论
显示隐藏 None

苏珊 2021年8月27日

编辑:苏珊 2021年8月27日

感谢你您的回复。它使我更多地思考这个问题,我工作在数据集。当我申请您的代码在我的数据,我有以下错误

                                   错误使用filloutliers > parseinput(第236行)
                                  
                                   预期输入2号填满,匹配这些值之一:
                                  
                                   “中心”,“剪辑”,“以前”,“下一个”,“最近的”,“线性”,样条的,“pchip”,“makima”
                                  
                                   的输入,“gesd”,做了不匹配的有效值。
                                  
                                   错误在filloutliers(第118行)
                                  
                                   parseinput(填满,变长度输入宗量);

任何想法?你为什么选择“gesd”吗?

登录置评。

在回答这个问题。

类别

机器人和自治系统导航的工具箱定位和姿态估计定位算法

找到更多的在定位算法在帮助中心和文件交换

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!

如何删除离群值和光滑的复杂信号?

0评论
显示隐藏1以上的评论

接受的答案

21日的评论
显示隐藏 20年长的评论

答案(1)

1评论
显示隐藏 None

另请参阅

类别

标签

社区寻宝

如何删除离群值和光滑的复杂信号?

0评论 显示隐藏1以上的评论

接受的答案

21日的评论 显示隐藏 20年长的评论

答案(1)

1评论 显示隐藏 None

另请参阅

类别

标签

社区寻宝

0评论
显示隐藏1以上的评论

21日的评论
显示隐藏 20年长的评论

1评论
显示隐藏 None