Je propose d'essayer de trouver une tendance dans certaines données à long terme très bruyantes. Les données sont essentiellement des mesures hebdomadaires de quelque chose qui s'est déplacé d'environ 5 mm sur une période d'environ 8 mois. Les données ont une précision de 1 mm et sont très bruyantes, changeant régulièrement de +/- 1 ou 2 mm en une semaine. Nous n'avons que les données au mm près.
Nous prévoyons d'utiliser un traitement de signal de base avec une transformée de Fourier rapide pour séparer le bruit des données brutes. L'hypothèse de base est que si nous reflétons notre ensemble de données et l'ajoutons à la fin de notre ensemble de données existant, nous pouvons créer une pleine longueur d'onde des données et donc nos données apparaîtront dans une transformée de Fourier rapide et nous espérons pouvoir ensuite les séparer .
Étant donné que cela me semble un peu douteux, est-ce une méthode qui mérite d'être analysée ou la méthode de mise en miroir et d'ajout de notre ensemble de données est-elle fondamentalement imparfaite? Nous étudions d'autres approches telles que l'utilisation d'un filtre passe-bas également.