Betreff: Wie man FFT auf Zeitreihendaten durchführtHi @Damian ,
Bin kürzlich auf diesen Beitrag gestoßen, als ich an einigen FFT-Arbeiten gearbeitet habe.
Wie bereits erwähnt, können Sie eine FFT mit Zeitreihendaten durchführen, müssen dies jedoch skripten. Sie müssen Ihre eigene Häufigkeitsspalte basierend auf der Anzahl der Zeilen und der Abtastrate generieren. Beachten Sie außerdem, dass Sie die FFT-Ergebnisse basierend auf der Anzahl der Zeilen in Ihrer Datentabelle skalieren müssen. Warum JMP das nicht automatisch macht, weiß ich nicht.
Wenn Sie die FFT-Funktion aufrufen, müssen Sie einen Befehl <
FFT({data}, <
wobei dt der Verweis auf Ihre Datentabelle im JSL-Skript ist. Wenn Sie dies nicht tun und die inverse FFT durchführen, erhalten Sie Ergebnisse, die NRows(dt)-mal größer sind als die ursprünglichen Daten.
Leider gibt es nicht viele Informationen im Scripting Index oder in der Online-JMP-Hilfe, die die FFT beschreiben und wie sie durchgeführt wird oder warum die Skalierung nicht automatisch vorhanden ist.
Wie auch immer, mit dem FFT-Befehl können Sie dann den Absolutwert der FFT-Ausgabe im Vergleich zu Ihrem berechneten Frequenzbereich darstellen und sehen, wo sich die Frequenzspitzen befinden.
Hoffe das hilft!,
DS
Betreff: Wie man FFT auf Zeitreihendaten durchführtEine Möglichkeit, einen Teil des Skriptings zu vermeiden: File->MultipleFileImport. Es erwartet csv-Dateien in einem Verzeichnis.
Hier sind einige FFT-Ideen, wenn Sie die Funktion fft() verwenden möchten (erfordert das Schreiben von JSL, im Gegensatz zur Zeitreihenplattform):
FFT-Video - Anzeigen von Frequenzen in einer Audiodatei alle 1/30 Sekunden
Butterworth 2D-FFT-Filter - Herausfiltern der hohen Frequenzen aus einem Bild
FFT und DTMF - Extrahieren von Paaren von Telefon-Touchpad-Tönen aus einer Aufzeichnung des Wählens einer Nummer
Bilder nachzeichnen - zwei 1D-FFTs und Code zum Rekonstruieren eines Umrisses mit reduzierter Auflösung
Rückblickend denke ich, dass der 4. den im 2. beschriebenen groben Brick-Wall-Filter verwendet - die FFT-Bins werden eher abgeschnitten als verjüngt.
Betreff: Wie man FFT auf Zeitreihendaten durchführtHi @Damian ,
Ich würde mir vorstellen, dass Sie CSV-Dateien mit JMP stapelweise verarbeiten/laden können. Zumindest weiß ich, dass Sie JMP so skripten können, dass es alle CSV-Dateien in Ihrem Verzeichnis durchläuft und mehrere oder einzelne Datentabellen zur Analyse in JMP erstellt. Ich mache das regelmäßig, wenn ich auf unsere Qualitätsdaten zugreife und Daten aus verschiedenen Quellen zusammenführen muss. Je nach Verbindungsgeschwindigkeit und Dateigröße kann es langsam sein. Ich bin nicht der beste Programmierer, daher gibt es sicher effizientere und elegantere Wege als eine einfache Schleife.
In der Time Series-Plattform gibt es eine ziemlich einfache Spectral Density-Funktion, die je nach Komplexität möglicherweise das handhaben kann, wonach Sie suchen. Ich habe das gefunden Post von @JerryFisch , das 2014 auf dem JMP Discover Summit vorgestellt wurde, ist ein Add-in zur Erweiterung der Time Series-Plattform. Das Add-in kann gefunden werden hier . Ich habe es nicht getestet, daher kann ich zur Funktionalität nichts sagen.
Schließlich hat die Time Series-Plattform (Analysieren > Spezialisierte Modellierung > Zeitreihen) viele Optionen, die für Sie funktionieren könnten – hängt wirklich davon ab, was Sie suchen – aber sie kann saisonale ARIMA-Modelle und Prognosen erstellen. Es gibt viele Beispieldaten und Skripte in Hilfe > Beispieldatenindex.
Dies sollte Ihnen zumindest den Einstieg erleichtern.
Hoffe das hilft!,
DS
So führen Sie eine FFT für Zeitreihendaten durchHallo alle,
Ich habe ein paar Fragen an die JMP-Community.
1a. Ist es möglich, mehrere Dateien (.csvs) in JMP stapelweise zu verarbeiten? Wenn ja, wie würde ich vorgehen?
1b. Ist es möglich, eine FFT an Zeitreihendaten durchzuführen? Wenn ja, gibt es andere Frequenzbereichsanalysen, die in JMP durchgeführt werden können?
Wenn eine dieser Informationen an einer anderen Stelle verfügbar ist, wäre ich Ihnen dankbar, wenn Sie mir den Standort nennen könnten. Vielen Dank für Ihre Zeit.
Erweiterte statistische Modellierung