06.03.2020, 21:09
Hallo Wolfgang,
ich verstehe deine Antwort nicht recht. Bisher habe ich die diskrete Fouriertransformation so verstanden, daß es für die Erfassung eines Zyklus' ausreicht, genau eine Periode zu sampeln, wenn die Samplingrate mindestens der doppelten Frequenz des Eingangssignals beträgt. Im Extremfall reicht es aus, die drei Nullwerte einer Sinusperiode zu erfassen. Heraus kommt dann genau ein Punkt als Peak für die Frequenz des Sinussignals.
Natürlich ist es nicht legitim, von einer Periode auf den 6-Jahres-Zyklus zu schließen. Da ich aus der langjährigen Lichtkurve ablese, daß der langperiodische Zyklus in der Frequenz variiert, müsste dies die Fourieranalyse widerspiegeln, wenn man verschiedene Zeitbereiche wählt.
Ich fürchte aber, daß als Ergebnis nur nichtssagender Brei wird, da die Beobachtungen insbesondere im visuellen Bereich der AAVSO doch von sehr zweifelhafter Qualität sind, vom alljährlichen 'Sommerloch' noch abgesehen.
Die gröbsten Ausreißer habe ich schon herausgenommen und per Regression Ankerpunkte berechnet, die jetzt noch geglättet werden sollten. Kennt jemand den Algorithmus eines effizienten Spline, der möglichst viel aus den Werten herausholt? Im Idealfall ein Algorithmus, der Sommerloch-Punkte (der wenige Beobachtungen repräsentiert) weniger stark gewichtet.
ich verstehe deine Antwort nicht recht. Bisher habe ich die diskrete Fouriertransformation so verstanden, daß es für die Erfassung eines Zyklus' ausreicht, genau eine Periode zu sampeln, wenn die Samplingrate mindestens der doppelten Frequenz des Eingangssignals beträgt. Im Extremfall reicht es aus, die drei Nullwerte einer Sinusperiode zu erfassen. Heraus kommt dann genau ein Punkt als Peak für die Frequenz des Sinussignals.
Natürlich ist es nicht legitim, von einer Periode auf den 6-Jahres-Zyklus zu schließen. Da ich aus der langjährigen Lichtkurve ablese, daß der langperiodische Zyklus in der Frequenz variiert, müsste dies die Fourieranalyse widerspiegeln, wenn man verschiedene Zeitbereiche wählt.
Ich fürchte aber, daß als Ergebnis nur nichtssagender Brei wird, da die Beobachtungen insbesondere im visuellen Bereich der AAVSO doch von sehr zweifelhafter Qualität sind, vom alljährlichen 'Sommerloch' noch abgesehen.
Die gröbsten Ausreißer habe ich schon herausgenommen und per Regression Ankerpunkte berechnet, die jetzt noch geglättet werden sollten. Kennt jemand den Algorithmus eines effizienten Spline, der möglichst viel aus den Werten herausholt? Im Idealfall ein Algorithmus, der Sommerloch-Punkte (der wenige Beobachtungen repräsentiert) weniger stark gewichtet.