Recherche et sélection de publications
Ajouter une publication
Importer au format BibTeX
Importer depuis HAL
Interface en ou

Ondelettes analytiques, application à l'analyse des processus multivariés à longue mémoire

Irène Gannaz, Sophie Achard #1, Marianne Clausel, François Roueff
#1 Grenoble Images Parole Signal Automatique (GIPSA-lab)
  • CNRS : UMR5216
  • Université Joseph Fourier - Grenoble I
  • Université Pierre Mendès-France - Grenoble II
  • Université Stendhal - Grenoble III
  • Institut Polytechnique de Grenoble - Grenoble Institute of Technology
Références 
GRETSI, Juan-Les-Pins, Septembre 2017,
Résumé

Multivariate processes with long-range dependent properties are found in a large number of applications including finance, geophysics and neuroscience. Statistical analysis of such data is challenging because multivariate time series present phase phenomenons. Analytic wavelets are well suited to deal with these characteristics. Our starting point is a paper of Selesnick which introduces quasi-analytic wavelets. We first establish the existence of these wavelets. We also give an exact formula quantifying their analytic quality. We then illustrate on simulations the relevance of quasi-analytic wavelets for multivariate time series analysis.

Mots-clés
Catégorie 
Article de colloque avec actes
Domaine(s) 
Informatique/Traitement du signal et de l'image
Statistiques/Applications
Statistiques/Méthodologie
Identifiant(s)
Clé de citation gretsi2017-GACR
Export
Dernière mise à jour
le 05 septembre 2017 par Francois Roueff


Responsable du service
Dominique Asselineau dominique.asselineau@telecom-paristech.fr
Copyright © 1998-2017, Télécom ParisTech/Dominique Asselineau