将Haar小波变换应用于时间序列数据

时间:2018-09-25 11:02:24

标签: python wavelet noise-reduction dwt pywavelets

在将数据输入RNN(LSTM)之前,我试图将Haar小波变换应用于股票市场数据以降低噪声。由于此数据是一维的,因此我将使用单级DWT,如下所示:

import pywt
x = [3, 7, 1, 1, -2, 5, 4, 6, 1,11,34,44,66,888,33,455,10000,33]
cA, cD = pywt.dwt(x, 'haar')

我有以下问题:

  1. 使用单级DWT,我的时间序列已经减少到cA和cD的一半。我了解到cA和cD的每个元素都与原始时间序列中的2个元素相关。一切都很好,但是如何将输出数组与原始系列相对应?
  2. 何时需要进行多级分解?另外,随着级别的增加,输出数组会变小,因此,我也无法将“降噪”数据与原始时间序列进行映射。
  3. 在cA和cD之间,应将哪一个用作该变换的输出并馈入RNN?

我已经阅读了很多关于小波变换值的高级论文,但是几乎没有一篇通过实际代码。因此,任何示例代码将不胜感激。

最好的问候,

阿黛尔

0 个答案:

没有答案