你可以尝试使用小波分解(wavedec)。你可以估计你可能需要多少层近似逼近系数所需的组件,并给他们0或的意思。并通过waverec重建信号。
消除温度数据的趋势
5视图(30天)
显示旧的评论
你好,
在附件你可以找到一个图的温度数据在接下来的2.2天。这个温度是一只鸡的腿温度温度传感器测量了一条腿。大约在晚上,温度波动在一个常数值。当鸡醒来在早上9点,有一个直接的温度下降,因为他们不再是坐在腿上的传感器,因此连续观察到温度下降。
鸡醒来后,一天中温度持续上涨(直到6点光脱落和鸡回到睡眠)。这白天气温上升,是由建筑热身和所有的鸡在这个建筑的热损失。我想去趋势数据,所以这期间温度上升不再污染我的数据。
我想分析数据作为实验环境控制进行室内环境温度的连续恒定值21°C。
到目前为止,我使用了“去趋势”功能,但没有任何好的结果(它只是改变我的数据0…)。
谁能帮助或建议其他方法我可以用吗?
谢谢
detrendchick =去趋势(temp_PW_Chick3);
t = linspace (0, (((((temp_PW_Chick3)长度/ fs) / 60) / 60) / 24),长度(temp_PW_Chick3));
图(1)
情节(t, temp_PW_Chick3)
持有在
情节(t, detrendchick)
包含(的时间(天))
ylabel (“温度(°C)”)
