Resumen

El filtro lineal clásico puede filtrar con éxito los componentes de una serie temporal para los cuales el contenido de frecuencia no cambia con el tiempo, y aquellas series temporales no estacionarias con componentes de frecuencia de tiempo variable (TVF) que no se superponen. Sin embargo, para muchos tipos de series temporales no estacionarias, los componentes de TVF a menudo se superponen en el tiempo. En tal situación, el método de filtrado lineal clásico no logra extraer componentes del proceso original. En este artículo, presentamos y desarrollamos teóricamente el filtro G basado en una técnica de deformación temporal. Ejemplos de simulación y un ejemplo real de ecolocalización de murciélagos ilustran que el filtro G puede filtrar con éxito un proceso G-estacionario cuyos componentes de TVF se superponen en el tiempo.

• Materias:Modelos de regresión Conjunto borroso Agrupamiento Factores de transcripción Modelo autorregresivo
• Subjects:Regression models Fuzzy set Clustering Transcription factors Autoregressive model
• Palabras claves:Filtro lineal; Serie temporal; Contenido de frecuencia; No estacionario; Frecuencia variable en el tiempo; Filtro G
• Keywords:Linear filter; Time series; Frequency content; Nonstationary; Time-varying frequency; G-filter