मैं कुछ बहुत शोर दीर्घकालिक डेटा में एक प्रवृत्ति खोजने और प्रयास करने का प्रस्ताव कर रहा हूं। डेटा मूल रूप से किसी चीज़ का साप्ताहिक माप है जो लगभग 8 महीने की अवधि में 5 मिमी से अधिक हो गया है। डेटा 1 मिमी सटीकता के लिए है और एक सप्ताह में नियमित रूप से +/- 1 या 2 मिमी बदल रहा है। हमारे पास केवल निकटतम मिमी का डेटा है।
हम कच्चे डेटा से शोर को अलग करने के लिए तेजी से फूरियर रूपांतरण के साथ कुछ बुनियादी सिग्नल प्रोसेसिंग का उपयोग करने की योजना बनाते हैं। मूल धारणा यह है कि यदि हम अपने डेटा सेट को मिरर करते हैं और इसे अपने मौजूदा डेटा सेट के अंत में जोड़ते हैं, तो हम डेटा की पूरी तरंग दैर्ध्य बना सकते हैं और इसलिए हमारा डेटा तेजी से फूरियर रूपांतरण में दिखाई देगा और हम इसे फिर से अलग कर सकते हैं ।
यह देखते हुए कि यह मुझे थोड़ा संदिग्ध लगता है, क्या यह शुद्धिकरण के लायक तरीका है या हमारे डेटा को किसी तरह से मौलिक रूप से त्रुटिपूर्ण रूप से दर्शाने और जोड़ने की विधि है? हम अन्य दृष्टिकोणों को देख रहे हैं जैसे कि कम पास फिल्टर का उपयोग करना।