气候统计气候序列的周期提取方法文件材料.ppt

注意事项 连续功率谱估计的方法并不只有上述方法，自相关函数和平滑方案都可以有一些差别； 计算过程中人为的选择最大落后长度m，会改变谱估计曲线： m取值小，所反映的波数少，谱的分辨率低； m取值大，虽然估计的谱分量较多，但m太大时，参与自相关系数计算的样本容量小（n-m）估计的自相关函数差； 因此，通常m的取值范围在序列长度n的1/10-1/3之间。 举例6——离散功率谱估计 举例7——连续功率谱估计 离散功率谱检验 原假设： 有检验统计量： 遵从分子自由度为2，分母自由度为 n-2-1的F分布。 Aliasing(假名)问题 功率谱分析周期存在的一个问题就是“假名”问题； 在功率谱分析中，可能序列存在的重要的物理过程频率比Nyquist频率更高频，但这些短周期振荡无法由直接分辨出来，则它们的作用会体现在较长周期（ 和 之间）中； 即这些高频变化被“冒名顶替”了，就是“假名”现象。 Aliasing形成原因 f=4/5 f=1/5 Aliasing形成原因 上图说明实际的时间序列的物理过程包含比Nyquist频率高的变化部分； 当对数据的取样少，即数据间隔过大而不能体现这种快变化； 而这种比Nyquist频率高的频率并不会因此从数据真实变化中消失； 同时这些高频的作用便虚假的体现在可分辨的频率中。 Aliasing形成原因 在时间序列中可能真实存在比Nyquist频率高的变化部分； 由于这部分高频信号无法由谱分析得到，从而这些高频信号的能量会体现在频率介于0到Nyquist频率之间的信号中； 也就是说0到Nyquist频率顶替了其它高频信号的作用。 Aliasing形成原因 造成假名现象的根本原因是数据离散的观测结果，最短的周期大小直接由数据取样间隔决定，因此，很可能在取样间隔中存在一定的周期变化，而无法在得到的数据中体现出来。 Aliasing如何体现 无法分辨的高频变化能量会错误的添加到可分辨的n/2个可分辨的频率变化上； 对于无法分辨的高频频率 ，可体现在可分辨的频率部分 ，有： Aliasing如何体现 上式的含义是，高频率的会以Nyqusit频率的整数倍作为每次折叠的“折叠”点，对称的叠加到可分辨的频率部分，因此Nyqusit频率又称为：“folding” frequency； 如： 意味着，稍高于 的频率会叠加在接近低频的部分，而稍低于 的频率会叠加在接近Nyquist频率部分； Aliasing现象举例 如何避免Aliasing 一但我们选定数据，则没有办法去除“Aliasing”现象； 当然，我们可以通过提高数据分辨率的方法尽可能的避免该现象； 或者根据已知的物理过程，来确定资料/样本的变化率，从而达到去除假名现象； 但对于探索性的研究，即不知道物理本质的问题，是没有办法去除假名现象的，但我们期望接近Nyquist频率的功率谱能量接近0，则可能说明高频部分的能量很小，而上图不符合该假设。 连续功率谱估计 上述有关谱计算的方法是基于离散功率谱得到的； 另一种计算方法为连续功率谱估计方法； 这种方法基于时间序列的自相关过程作间接的估计。 连续功率谱估计 对于以任一周期T变化的时间函数 ，可以展开为傅立叶级数： 连续功率谱估计 上式参数为： 连续功率谱估计 通常在气候序列分析中，我们希望了解在无限时间序列中各种连续频率的波动结构，因此有必要把离散谱推广到连续谱上面，即把周期T推广至无限大； 连续功率谱估计 将参数带入傅氏级数公式，并利用三角函数和差化积公式有： 连续功率谱估计 Fourier思想：一个非周期信号可以看成是周期无限长的周期信号，当周期增加时，基本频越小，则成谐波关系的各分量在频率上就会越来越接近，当周期变的无穷大时，离散的线谱就形成为一个连续谱，即从求和变成了积分。 即：任意两个相邻谐波之间的频率差趋近于0 连续功率谱估计 离散功率谱只给出了频谱在离散点（ ）上的值，而无法反映这些点之间的频谱内容； 把离散功率谱绘制成连续的谱线，并不表示它就是连续功率谱； 因此必须采用连续功率谱计算这些点的谱值。 连续功率谱估计 在把周期T推广至无穷大过程中，任意两个相邻波数对应的谐波间的频率差无限接近于0，则有： 连续功率谱估计 则进一步令： 并设： 连续功率谱估计 连续谱中的位相谱为 ： 并记振幅谱为： 则有： 连续功率谱估计 利用欧拉公式，上式变为 则有： 令 则有： 连续功率谱估计 称为时间函数 的谱，可以表示为：