数据长度不是 2 的幂/样本大小不能被 2^J 整除（小波分析）

Question

我有多个长度为 149 的时间序列，我想使用小波变换对它们进行去噪。

这是我的数据示例：

t=ts(rnorm(149,5000,1000),start=1065,end=1213) 

当我尝试使用 Wavetresh 和 Waveslim 包时，它们都指出了同样的问题：

library(wavetresh)
wd(t)
  Error in wd(t) : Data length is not power of two
library(waveslim)
dwt(t)
  Error in dwt(t) : Sample size is not divisible by 2^J

我知道我的数据长度应该是 2^x，但我无法克服这个问题。我认为 Waveslim 中的函数 up.sample() 应该对此有所帮助，但它并没有起到作用（例如，up.sample(t,2^8) 给出了一个长度为 38144 的向量）。那么如何在不插入错误的情况下增加向量长度呢？我知道我可以用零填充，...但我想知道最好的方法。

此外，在查看waveslim 的示例时，看起来好像 imput serie 的长度也不满足此要求（尽管该示例当然有效）：

data(ibm)     
ibm.returns <- diff(log(ibm))
ibmr.haar <- dwt(ibm.returns, "haar")  #works
log2(length(ibm.returns))
  [1] 8.523562

我觉得我缺少一些基本的东西，但我想不通。 感谢您的帮助。

Ps：我知道我可以使用其他技术来做到这一点，但我真的很想测试这种方法。

Answer 1

我查看了dwt 的代码，它起作用的原因是，dwt 不检查长度是否为 2 的幂，而是检查长度是否为2^J 的 倍数（实际上这就是错误消息所说的：Error in dwt(t) : Sample size is not divisible by 2^J）。

使用J=4，时间序列的长度必须是 16 的倍数。正如您所假设的，up.sample 可以用来克服这个问题，因为它用 0 填充时间序列。但是您没有提供最终长度，而是上采样的频率。

这样

dwt(up.sample(t, 16, 0))

应该可以解决问题。