关联维数自动计算工具(GLWSCalculator)
项目介绍
本MATLAB程序实现了非线性时间序列分析中的关联维数自动计算功能。基于Takens嵌入定理与Grassberger-Procaccia方法,程序提供"一键式"智能化分析流程,用户仅需提供原始时间序列即可自动完成从相空间重构到关联维数估计的全部计算步骤。程序内置参数优化算法,无需人工干预复杂的技术参数设置,显著降低了非线性分析的准入门槛。
功能特性
- 全自动流程:集成相空间重构、关联积分计算、无标度区间识别和线性拟合的完整分析链路
- 智能参数优化:自动确定最优嵌入维数和时间延迟,内置无标度区间智能识别算法
- 多格式支持:支持MATLAB工作区变量、.mat文件、txt/csv文本文件及直接数值数组输入
- 可视化输出:提供维数-嵌入维数关系图、关联积分曲线图等专业可视化结果
- 质量评估:输出拟合优度、置信区间等量化评估指标,确保结果可靠性
使用方法
基本调用
% 方式1:直接输入数值数组
data = randn(1000,1); % 示例数据
D = main(data);
% 方式2:加载数据文件
D = main('experiment_data.mat');
可选参数设置
% 指定最大嵌入维数(默认自动计算)
D = main(data, 'MaxEmbedDim', 10);
% 同时指定嵌入维数和时间延迟
D = main(data, 'MaxEmbedDim', 8, 'Tau', 5);
输出结果
程序返回关联维数值(双精度标量),并在图形窗口展示:
- 关联积分曲线簇与无标度区间标识
- 嵌入维数-关联维数收敛关系图
- 线性拟合质量评估参数
系统要求
- MATLAB R2018b或更高版本
- 信号处理工具箱(Signal Processing Toolbox)
- 统计和机器学习工具箱(Statistics and Machine Learning Toolbox)
文件说明
主程序文件实现了完整的关联维数计算流程,核心功能包括:自动完成相空间重构的参数优化选择,基于关联积分算法计算时间序列在不同尺度下的空间分布特征,运用线性拟合优化技术智能识别无标度区间范围,并通过最小二乘回归准确估计关联维数值,同时提供详细的过程数据记录与可视化分析结果。