论文部分内容阅读
目前,替代数据方法已逐渐成为时间序列的非线性成分检验中广为采用的一种方法。但对于具有同原始数据的均值和方差的线性相关高斯过程的零假设,通常产生相应替代数据的FT(FourierTransform)算法不能很好地重构原始数据的Fourier频谱。本文对替代数据方法进行了研究,提出了一种改进的FT算法,使得替代数据既具有原始数据的均值和方差,又具有原始数据的Fourier频谱。利用Gauss数据和logistic方程产生的混沌时间序列数据,证明本文提出的改进算法是可行的,所产生的替代数据是合适的。