Resumen

La eliminación de ruido de series temporales no lineales es el requisito previo para extraer información efectiva de una secuencia de observación. Un método efectivo de eliminación de señales caóticas no solo tiene un buen rendimiento de mejora de la relación señal-ruido (SNR), sino que también puede mantenerse como una buena señal caótica despejada e impredecible. Sin embargo, las características inherentes del caos, como la extrema sensibilidad a los valores iniciales y el espectro de banda ancha, plantean desafíos para la reducción de ruido de señales caóticas contaminadas. Para abordar estos problemas, se propone un filtro morfológico multisegmentado adaptativo de suavizado (ASMMF) para reconstruir señales caóticas. En el proceso de reducción de ruido para señales caóticas contaminadas, en primer lugar, se construye un filtro morfológico multisegmentado de forma adaptativa de acuerdo con la entropía de permutación multisegmentada (MPE) de los residuos del filtro morfológico, y se fil

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:No lineal; Series temporales; Eliminación de ruido; Señal caótica; Reducción de ruido; ASMMF
• Keywords:Nonlinear; Time series; Denoising; Chaotic signal; Noise reduction; ASMMF