c-c算法的简单问题，大神来看看
本帖最后由 许小云 于 2013-10-25 11:13 编辑在c-c算法中，子序列的相空间重构时，使用的延迟时间t是哪一个？（是最先设置的延迟时间范围，还是子循环的延迟时间范围）
在陆振波的论文中说到：根据BDS 统计结论可以得到N 和m, r 的合理估计，这里取N = 3000，m= 2,3,4,5， 0.5 ir =i× σ ，σ = std(x) (σ 为时间序列的标准差)，i = 1, 2,3, 4。可以看到时间序列的采样点数与维数的范围，r的选取都有关系。在他的最后的实例中给出结果可以看到，他用3000个点的时候的延迟时间最大取到了200。
但是在用这个程序（在帖子的后面）运行的结果，采样点的数目应该大于（m-1）*t.^2（X=reconstitution(Y,N_d,m,t);子序列相空间重构中的要求）
不明白这个矛盾的地方，请大神指教一下
function =C_CMethod(data)
%this function calculate time delay and embedding demension with C-C
%Method,which proved by H.S.Kim
%skyhawk&flyinghawk
%用c-c法计算三个量:s(t)、delt_s(t)、s_cor(t)，根据计算结果画图，确定最佳延时tau
% ************************调试程序段****************************
clear all;clc;tic;
data=load('chen1.txt');
N=length(data);
max_d=7;%the maximum value of the time delay
sigma=std(data);%calculate standard deviation s_d
for t=1:max_d
t
s_t=0;
delt_s_s=0;
%************************%计算三个量:s(t)、delt_s(t)、s_cor(t)
for m=2:5
s_t1=0;
for j=1:4
r=sigma*j/2;
data_d=disjoint(data,N,t);%将时间序列分解成t个不相交的时间序列
=size(data_d);
s_t3=0;
for i=1:t
i;
Y=data_d(i,:);
C_1(i)=correlation_integral(Y,N_d,r);%计算C(1,N_d,r,t)
X=reconstitution(Y,N_d,m,t);%相空间重构
N_r=N_d-(m-1)*t;
C_I(i)=correlation_integral(X,N_r,r);%计算C(m,N_r,r,t)
s_t3=s_t3+(C_I(i)-C_1(i)^m);%对t个不相关的时间序列求和
end
s_t2(j)=s_t3/t;
s_t1=s_t1+s_t2(j);%对rj求和
end
delt_s_m(m)=max(s_t2)-min(s_t2);%求delt S(m,t)
delt_s_s=delt_s_s+delt_s_m(m);%delt S(m,t)对m求和
s_t0(m)=s_t1;
s_t=s_t+s_t0(m);%S对m求和
end
s(t)=s_t/16;
delt_s(t)=delt_s_s/4;
s_cor(t)=delt_s(t)+abs(s(t));
end
fid=fopen('result.txt','w');
fprintf(fid,'%f %f %f %f/n',t,s(t),delt_s(t),s_cor(t));
fclose(fid);
t=1:max_d;
plot(t,s,'*k',t,delt_s,'dk',t,s_cor,'vk')
toc;
function X=reconstitution(data,N,m,tau)
%该函数用来重构相空间
% m为嵌入空间维数
% tau为时间延迟
% data为输入时间序列
% N为时间序列长度
% X为输出,是m*n维矩阵
M=N-(m-1)*tau;%相空间中点的个数
for j=1:M %相空间重构
for i=1:m
X(i,j)=data((i-1)*tau+j);
end
end
页:
[1]