总结:工程数据中有时候会呈现出数据噪音的表象,例如温度、用电量等。如下图:
在进行数据探索时,会想要去噪,但工程中的这种数据波动并不是信号、图像领域中常见的白噪声,因此像傅里叶变换、滤波等工具可能不太具有适用性。
相比于去噪,工程数据用平滑的方式会更简单易行:
https://zhuanlan.zhihu.com/p/78848809
https://ggbaker.ca/data-science/content/filtering.html
最简单的移动平均的效果:
以下是一些小波去噪的参考链接:
python package:pwyt
https://www.cnblogs.com/Ann21/p/10093715.html
https://blog.csdn.net/nanbei2463776506/article/details/64124841
https://blog.csdn.net/weixin_41322458/article/details/91385984
http://blancosilva.github.io/course-material/2011/01/23/denoising-wavelet-thresholding.html
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。