COVID-19时间序列数据的频谱处理
信号处理
2020-11-05 v2 种群与进化
摘要
聚合COVID-19数据中振荡的存在不仅引发了对数据准确性的质疑，也阻碍了对该大流行的理解。频谱分析被用于揭示数据的额外特性，并且这些振荡通过正弦重合成得以复现。本文还讨论了七天移动平均的精确行为，具体而言，其锯齿状成因及其引入的相位误差。相比之下，其他滤波技术与傅里叶处理产生了更优的平滑效果且具备零相位误差。这两者均被呈现，并被扩展以隔离若干频率范围。这提取了部分被重合成的相同短期变异性，并表明在美国死亡率数据中存在周期介于8至21天之间的波动。这些方法的应用包括流行病学时间序列数据建模以及识别数据中较不明显的特性。
引用
@article{arxiv.2008.08039,
title = {Spectral Processing of COVID-19 Time-Series Data},
author = {Stephen McGovern},
journal= {arXiv preprint arXiv:2008.08039},
year = {2020}
}
备注
6 pages, 10 figures