如果信号随时间显着下降，则随时间提升信号的有效方法
Efficient way to elevate signal over time if it drops significantly over time
我想知道如果信号在一段时间内显着下降，最有效的校正信号的方法是什么。如图所示，绿色信号在 16:26 和 19:16 之间消失，我想使用统计数据将其提升到与 16:26 之前和 19:16 之后相同的水平。
提前致谢！
试试贝叶斯块方法，这里是论文：J。 D. Scargle、J. P. Norris、B. Jackson、J. Chiang，(2012) arXiv:1207.5578.
这是一篇相当长的论文，但您可以跳到他们包含 MatLab 实现的地方。
它的作用是将您的时间序列分成时间块，其中的值围绕某个平均值波动，这意味着每个块中的值都不同。
一旦你有了方块，就可以将低的方块放大以移除水滴。
注意：有一个参数 ncp_prior ，通过改变它你可以改变方法的灵敏度，这样它就不会被波动所迷惑，而是重现下降。
我想知道如果信号在一段时间内显着下降，最有效的校正信号的方法是什么。如图所示，绿色信号在 16:26 和 19:16 之间消失，我想使用统计数据将其提升到与 16:26 之前和 19:16 之后相同的水平。
提前致谢！
试试贝叶斯块方法，这里是论文：J。 D. Scargle、J. P. Norris、B. Jackson、J. Chiang，(2012) arXiv:1207.5578.
这是一篇相当长的论文，但您可以跳到他们包含 MatLab 实现的地方。
它的作用是将您的时间序列分成时间块，其中的值围绕某个平均值波动，这意味着每个块中的值都不同。
一旦你有了方块，就可以将低的方块放大以移除水滴。
注意：有一个参数 ncp_prior ，通过改变它你可以改变方法的灵敏度，这样它就不会被波动所迷惑，而是重现下降。