నేను ఆటోమేటెడ్ ఫ్రీక్వెన్సీ బ్యాండ్ స్కానింగ్ మరియు స్టేట్ చేంజ్ డిటెక్షన్‌తో మీ టైమ్-సిరీస్ డేటాను నిర్ధారిస్తాను

ఇది ఏమిటి

ఇది సింగిల్-ఛానెల్ టైమ్-సిరీస్ డేటా కోసం ఒక డయాగ్నస్టిక్ సాధనం. ఇది స్వయంచాలకంగా:
- నిర్మాణాన్ని కలిగి ఉన్న ఫ్రీక్వెన్సీ బ్యాండ్‌లను కనుగొంటుంది
- ప్రతి బ్యాండ్‌ను ఐదు రకాల్లో ఒకదానిలో వర్గీకరిస్తుంది
- సిస్టమ్ ప్రవర్తనలో ఆకస్మిక మార్పులను గుర్తిస్తుంది
- విభిన్న సమయ వ్యవధుల నుండి డేటాను పోలుస్తుంది

దీనికి లేబుల్ చేయబడిన శిక్షణ డేటా, ముందుగా నిర్వచించిన టెంప్లేట్‌లు లేదా భౌతిక నమూనా అవసరం లేదు. ఇది నాలుగు స్వతంత్ర గణాంక కొలమానాలను ఉపయోగిస్తుంది: వైవిధ్య గుణకం, నమూనా ఎంట్రోపీ, ఎన్వలప్ స్కేవ్‌నెస్ మరియు పునరావృత రేటు.

విద్యాపరమైన సూచన: Zenodo ప్రిప్రింట్ DOI 10.5281/zenodo.22837806

మీరు ఏమి పొందుతారు

దీనితో కూడిన డయాగ్నస్టిక్ రిపోర్ట్ (PDF):
- ప్రతి-బ్యాండ్ కొలమానాలు: CV, నమూనా ఎంట్రోపీ, స్కేవ్‌నెస్, పునరావృత రేటు
- ప్రతి-బ్యాండ్ వర్గీకరణ
- గుర్తించబడిన పరివర్తన టైమ్‌స్టాంప్‌లు
- మూడు-ప్యానెల్ విజువలైజేషన్ (ముడి సిగ్నల్, కాలక్రమేణా CV, కాలక్రమేణా ఎంట్రోపీ)

అన్ని బ్యాండ్ కొలమానాలు మరియు లేబుల్‌లను కలిగి ఉన్న నిర్మాణాత్మక ఫలితాల పట్టిక (CSV).

విశ్లేషణ ప్రవాహం, పారామితులు మరియు ఫలితాలను ఎలా చదవాలో వివరించే ఒక పద్దతి గమనిక.

ఇది ఎలా పనిచేస్తుంది — సరళమైన ఆంగ్లం

మీ డేటాను రేడియో సిగ్నల్‌గా భావించండి. సాంప్రదాయ సాధనాలు మీకు "50-80 Hz వద్ద శక్తి ఉంది" అని చెబుతాయి. ఈ సాధనం మీకు "50-80 Hz వద్ద సిగ్నల్ స్థిరంగా మరియు నిర్మాణాత్మకంగా ఉంది" లేదా "50-80 Hz వద్ద సిగ్నల్ విభాగాలుగా మారుతోంది" లేదా "ఆ బ్యాండ్ కేవలం యాదృచ్ఛిక శబ్దం" అని చెబుతుంది.

ఇది ప్రవర్తన మారిన ఖచ్చితమైన సమయాన్ని కూడా మీకు చెబుతుంది — ఉదాహరణకు: "t=568 సెకన్ల వద్ద, సిస్టమ్ స్థిరంగా నుండి అస్థిరంగా మారింది."

ఐదు వర్గీకరణ లేబుల్‌లు

- సిగ్నల్: స్థిరమైన, నిర్మాణాత్మక సిగ్నల్
- విభజించబడినది: నిర్మాణాత్మకమైనది కానీ విభాగాలుగా మారుతోంది
- white_noise: చదునైన, యాదృచ్ఛిక శబ్దం
- నాన్‌స్టేషనరీ: యాదృచ్ఛిక హెచ్చుతగ్గులు
- signal_low: నిర్మాణం ఉంది, కానీ పూర్తి విశ్లేషణకు డేటా చాలా తక్కువ

ఈ సాధనం ఏమి చేయలేదు

- తరంగ రూప ఆకారాన్ని పునర్నిర్మించదు
- భౌతిక మూలాన్ని గుర్తించదు
- భవిష్యత్తును అంచనా వేయదు
- బహుళ-ఛానెల్ డేటాను ప్రాసెస్ చేయదు
- 500 పాయింట్ల కంటే తక్కువ డేటాను ప్రాసెస్ చేయదు
- బలమైన ధోరణి ఉన్న డేటాను ముందుగా డిట్రెండ్ చేయకపోతే ప్రాసెస్ చేయదు

మీరు అందించాల్సినవి

1. మీ టైమ్-సిరీస్ డేటా ఫైల్
ఫార్మాట్: CSV, TSV, TXT, లేదా HDF5
కంటెంట్: కనీసం ఒక సంఖ్యా కాలమ్ (టైమ్‌స్టాంప్ ఐచ్ఛికం)
పొడవు: కనీసం 1000 పాయింట్లు (5000+ సిఫార్సు చేయబడింది)

2. నమూనా రేటు
ఉదాహరణలు: సెకనుకు ఒక నమూనా, మిల్లీసెకనుకు ఒకటి, LIGO 16384 Hz

3. మీ లక్ష్యం
ఉదాహరణలు:
- ఏ ఫ్రీక్వెన్సీ బ్యాండ్‌లో సిగ్నల్ ఉందో కనుగొనండి
- స్థితి మార్పు యొక్క ఖచ్చితమైన సమయాన్ని గుర్తించండి
- రెండు డేటా పీరియడ్‌ల మధ్య నిర్మాణాన్ని సరిపోల్చండి

ఎప్పుడు ఉపయోగించాలి

- మీకు పొడవైన, సింగిల్-ఛానెల్ టైమ్ సిరీస్ ఉంది
- సిస్టమ్ ప్రవర్తన ఏదో ఒక సమయంలో మారిందని మీరు అనుమానిస్తున్నారు
- మీరు "పవర్ గ్లిచ్" నుండి "నిర్మాణాత్మక మార్పు"ని వేరు చేయాలనుకుంటున్నారు
- లోతైన విశ్లేషణకు ముందు మీకు ఆటోమేటెడ్ ఫస్ట్-పాస్ స్క్రీనింగ్ అవసరం

ఎప్పుడు ఉపయోగించకూడదు

- రియల్-టైమ్ స్ట్రీమింగ్
- బహుళ-సెన్సార్ శ్రేణులు
- మీకు భౌతిక వివరణ అవసరం
- మీకు లోపం స్థానికీకరణ అవసరం
- మీకు భవిష్యత్ అంచనా అవసరం

ధర

- ప్రాథమిక: ఒక డేటాసెట్, నివేదిక + CSV (ధర కోసం సంప్రదించండి)
- ప్రామాణికం: 3 డేటాసెట్‌ల వరకు, తులనాత్మక విశ్లేషణ, ఒక Q&A రౌండ్
- అధునాతన: బ్యాచ్ విశ్లేషణ, అనుకూల పారామితులు, సోర్స్ కోడ్ లైసెన్స్

తరచుగా అడిగే ప్రశ్నలు

ప్ర: ఇది FFT / PSD నుండి ఎలా భిన్నంగా ఉంటుంది?
జ: PSD మీకు "ప్రతి ఫ్రీక్వెన్సీ వద్ద ఎంత శక్తి ఉంది" అని చెబుతుంది. ఈ సాధనం మీకు "ప్రతి ఫ్రీక్వెన్సీ వద్ద ఎలాంటి నిర్మాణం ఉంది మరియు అది ఎప్పుడు మారుతుంది" అని చెబుతుంది.

ప్ర: ఇది లోపాన్ని గుర్తించగలదా?
జ: లేదు. దీనికి ఒక-డైమెన్షనల్ టైమ్-సిరీస్ డేటా మాత్రమే ఉంది, ప్రాదేశిక సమాచారం లేదు. ఇది "నిర్మాణం మారింది" అని చెబుతుంది, "ఎక్కడ మారింది" అని కాదు.

ప్ర: సమయ ఖచ్చితత్వం ఎంత?
జ: విండో పొడవుపై ఆధారపడి ఉంటుంది. 1-సెకను విండోతో, పరివర్తన గుర్తింపు సుమారు ±1 సెకనుకు ఖచ్చితమైనది.

ప్ర: ఇది నా డేటాను నిర్వహించగలదా?
జ: ముందుగా తనిఖీ చేయండి: పొడవు ≥ 1000 పాయింట్లు, బలమైన ధోరణి లేదు మరియు స్పష్టమైన మార్పు ఆశించబడుతుంది. అలా అయితే, అది పని చేయాలి. లేకపోతే, అది విశ్లేషించలేదని సాధనం మీకు చెబుతుంది.