使用r中的双小波从相位箭头计算滞后

Question

我正在尝试理解R中的交叉小波函数，但不知道如何使用双小波包将相位滞后箭头转换为时间滞后。例如：

require(gamair)
data(cairo)
data_1 <- within(cairo, Date <- as.Date(paste(year, month, day.of.month, sep = "-")))
data_1 <- data_1[,c('Date','temp')]
data_2 <- data_1

# add a lag
n <- nrow(data_1)
nn <- n - 49
data_1 <- data_1[1:nn,]
data_2 <- data_2[50:nrow(data_2),]
data_2[,1] <- data_1[,1]

require(biwavelet)
d1 <- data_1[,c('Date','temp')]
d2 <- data_2[,c('Date','temp')]
xt1 <- xwt(d1,d2)
plot(xt1, plot.phase = TRUE)

​

​

这是我的两个时间序列。两者都是相同的，但其中一个落后于另一个。箭头显示的相位角为45度--显然，向上或向下指的是90度(同相或异相)，所以我的解释是我看到的是45度的滞后。

现在如何将其转换为时间延迟，即如何计算这些信号之间的时间延迟？

我在网上读到，这只能在特定的波长下完成(我假设这意味着在特定的时间段？)。那么，假设我们对365个周期感兴趣，并且信号之间的时间步长是一天，那么如何计算时间延迟呢？

Answer 1

所以我相信你在问如何确定给定两个时间序列的滞后时间(在这种情况下，你人为地添加了49天的滞后时间)。

我不知道有什么包可以一步完成这一过程，但由于我们基本上是在处理sin波，一种选择是将波“清零”，然后找到零交叉点。然后，您可以计算波1和波2的零交叉点之间的平均距离。如果您知道测量之间的时间步长，则可以轻松计算滞后时间(在这种情况下，测量步长之间的时间是一天)。

下面是我用来实现这一点的代码：

#smooth the data to get rid of the noise that would introduce excess zero crossings)
#subtracted 70 from the temp to introduce a "zero" approximately in the middle of the wave
spline1 <- smooth.spline(data_1$Date, y = (data_1$temp - 70), df = 30)
plot(spline1)
#add the smoothed y back into the original data just in case you need it
data_1$temp_smoothed <- spline1$y

#do the same for wave 2
spline2 <- smooth.spline(data_2$Date, y = (data_2$temp - 70), df = 30)
plot(spline2)
data_2$temp_smoothed <- spline2$y

#function for finding zero crossing points, borrowed from the msProcess package
zeroCross <- function(x, slope="positive")
{
  checkVectorType(x,"numeric")
  checkScalarType(slope,"character")
  slope <- match.arg(slope,c("positive","negative"))
  slope <- match.arg(lowerCase(slope), c("positive","negative"))

  ipost  <- ifelse1(slope == "negative", sort(which(c(x, 0) < 0 & c(0, x) > 0)),
  sort(which(c(x, 0) > 0 & c(0, x) < 0)))
  offset <- apply(matrix(abs(x[c(ipost-1, ipost)]), nrow=2, byrow=TRUE), MARGIN=2, order)[1,] - 2
  ipost + offset
}

#find zero crossing points for the two waves
zcross1 <- zeroCross(data_1$temp_smoothed, slope = 'positive')
length(zcross1)
[1] 10

zcross2 <- zeroCross(data_2$temp_smoothed, slope = 'positive')
length(zcross2)
[1] 11

#join the two vectors as a data.frame (using only the first 10 crossing points for wave2 to avoid any issues of mismatched lengths)
zcrossings <- as.data.frame(cbind(zcross1, zcross2[1:10]))

#calculate the mean of the crossing point differences
mean(zcrossings$zcross1 - zcrossings$V2)
[1] 49

我相信有更多雄辩的方法可以做到这一点，但它应该能让您获得所需的信息。

Answer 2

在我的例子中，对于半日潮，90度等于3小时(90*12.5小时/360= 3.125小时)。12.5小时为半日周期。因此，对于45度等于-> 45*12.5/360 = 1.56小时。

因此，在您的案例中: 90度-> 90*365/360 = 91.25小时。45度-> 45*365/360= 45.625小时。