使用（多种）奇异谱分析降低维数

Question

我已经在各种渠道中给出了时间序列。有两个主要的振荡＆＃34;隐藏＆＃34;在时间序列中并分布在所有渠道上。我想用多元奇异谱（mSSA）分析提取这些振荡。

我是SSA的新手，在我看来，SSA并不是一种真正的降维方法，而是更多的＃34;去噪＆＃34;方法。即我是否真的无法提取主要振荡，因为在分组，反投影和对角线平均之后，我在所有通道中获得信号，但实际上并不是主要振荡的单个信号（如PCA所提供的那样）？

另一方面，特征向量（由于时尚而导致的时间缩小）似乎正是我正在寻找的振荡。我可以通过简单地将特征向量视为主要振荡来使用SSA来降低维数吗？

Answer 1

我建议您阅读this post on kaggle作为入门。

据我了解，SSA有效地寻找了函数自相关的周期性。单个时间序列可分为三种类型的信号：趋势，周期性和噪声。这允许例如检查构成原始信号的潜在振荡模式。从这个意义上讲，它与经验模态分解（EMD）大致相当，尽管后者强调振荡而不是周期性。已发现SSA是EMD的superior in certain applications。

Answer 2

我找到了一篇文章，专门针对我所面临的问题： https://arxiv.org/pdf/1812.09057.pdf

它引入了一种称为“用于降低维数的奇异频谱分析”​​（SSA-FARI）的技术。