标签：hampel 窗口 iLo 滤波 中位数 matlab yu lx

 

原文链接：http://tecdat.cn/?p=7181

 

此示例显示了Hampel用于检测和删除异常值的过程的 实现。 

产生一个包含24个样本的随机信号x。 重置随机数生成器以获得可重复的结果。

rng default

lx = 24;
x = randn(1,lx);

围绕x的每个元素生成观察窗口。 在样本的任一边取k = 2个邻居。 产生的移动窗口的长度为2×2 + 1 = 5个样本。

k = 2;

iLo = (1:lx)-k;
iHi = (1:lx)+k;

截断窗口，以便函数在到达信号边缘时计算较小段的中值。

iLo(iLo<1) = 1;
iHi(iHi>lx) = lx;

记录每个周围窗口的中位数。 找到每个元素相对于窗口中位数的绝对偏差的中位数。

for j = 1:lx
    w = x(iLo(j):iHi(j));
    medj = median(w);
    mmed(j) = medj;
    mmad(j) = median(abs(w-medj));
end

缩放中位数绝对偏差
 

1G2erf−1(1/2)≈1.4826

 

以获得正态分布标准偏差的估计值。

sd = mmad/(erfinv(1/2)*sqrt(2));

查找与中位数相差超过nd = 2个标准偏差的样本。 将这些离群值替换为其周围窗口的中间值。 这是Hampel算法的本质。

 
yu = x;
yu(ki) = mmed(ki);

使用hampel 计算滤波后的信号并注释异常值。 覆盖在此示例中计算的过滤值。

 plot(yu,'o','HandleVisibility','off')
 

 

---

最受欢迎的见解

1.matlab使用经验模式分解emd 对信号进行去噪

2.Matlab使用Hampel滤波去除异常值

3.matlab偏最小二乘回归(PLSR)和主成分回归(PCR)

4.matlab预测ARMA-GARCH 条件均值和方差模型

5.matlab中使用VMD(变分模态分解) 

6.matlab使用贝叶斯优化的深度学习

7.matlab贝叶斯隐马尔可夫hmm模型

8.matlab中的隐马尔可夫模型(HMM)实现

9.matlab实现MCMC的马尔可夫切换ARMA – GARCH模型

 

标签：hampel,窗口,iLo,滤波,中位数,matlab,yu,lx
来源： https://blog.51cto.com/u_15198753/2770832

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。