Propongo di provare a trovare una tendenza in alcuni dati a lungo termine molto rumorosi. I dati sono fondamentalmente misurazioni settimanali di qualcosa che si è spostato di circa 5 mm in un periodo di circa 8 mesi. I dati hanno una precisione di 1 mm ed è molto rumoroso cambiando regolarmente +/- 1 o 2 mm in una settimana. Abbiamo solo i dati al mm più vicino.
Abbiamo in programma di utilizzare alcune elaborazioni di base del segnale con una trasformata di Fourier rapida per separare il rumore dai dati grezzi. Il presupposto di base è che se rispecchiamo il nostro set di dati e lo aggiungiamo alla fine del nostro set di dati esistente, possiamo creare una lunghezza d'onda completa dei dati e quindi i nostri dati verranno visualizzati in una rapida trasformata di Fourier e, si spera, possiamo separarli .
Dato che questo suona un po 'dubbio per me, è questo un metodo che merita di essere purificato o è il metodo di mirroring e aggiunta dei nostri set di dati in qualche modo fondamentalmente difettoso? Stiamo esaminando altri approcci come l'utilizzo di un filtro passa basso.