具有随机傅里叶相位的代理
摘要：用于测试弱非线性的代理方法在非线性数据分析领域中被广泛使用。生成代理的两种最常用算法是振幅调整傅里叶变换（AAFT）和迭代振幅调整傅里叶变换（IAAFT）算法。AAFT和IAAFT算法都在实数空间中保持了振幅分布并且非常准确地再现了原始数据集的功率谱（PS）。两种算法的基本假设是通过傅里叶相位随机化过程可以消除高阶相关性。然而，在两种情况下，傅里叶相位的随机性仅在（第一个）傅里叶反变换之前被施加。迄今为止，还没有研究如何对后续的重映射和迭代步骤对相位的随机性的影响。以洛伦兹系统为例，我们展示了这两种算法可能会创建包含傅里叶相位相关性的代理实现。我们提出了两种新的迭代代理数据生成方法，可以在每个迭代步骤中控制傅里叶相位的随机化。构造的代理实现是通过线性生成的，并且具备代理数据所需的所有属性。
作者：Christoph Raeth, Roberto A. Monetti
论文ID：0812.2380
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2016-12-21