Near-ideal predictors and causal filters for discrete-time signals

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The paper presents linear predictors and causal lters for discrete-time signals featuring some di erent kinds of spectrum degeneracy. These predictors and lters are based on approximation of ideal noncausal transfer functions by causal transfer functions represented by polynomials of the Z-transform of the unit step signal.

About the authors

N. G Dokuchaev

Zhejiang University

Email: dokuchaev@intl.zju.edu.cn
Haining, Zhejiang Province, China

References

  1. Butzer P.L., Stens R.L. Linear Prediction by Samples from the Past // Advanced Topics in Shannon Sampling and Interpolation Theory. New York: Springer, 1993. P. 157-183. https://doi.org/10.1007/978-1-4613-9757-1_5
  2. Higgins J.R. Sampling Theory in Fourier and Signal Analysis: Foundations. Oxford: Clarendon; New York: Oxford Univ. Press, 1996.
  3. Li Z., Han J., Song Y. On the Forecasting of High-Frequency Financial Time Series Based on ARIMA Model Improved by Deep Learning // J. Forecast. 2020. V. 39. № 7. P. 1081-1097. https://doi.org/10.1002/for.2677
  4. Luo S., Tian C. Financial High-Frequency Time Series Forecasting Based on Sub-step Grid Search Long Short-Term Memory Network // IEEE Access. 2020. V. 8. P. 203183-203189. https://doi.org/10.1109/ACCESS.2020.3037102
  5. Knab J.J. Interpolation of Band-Limited Functions Using the Approximate Prolate Series // IEEE Trans. Inform. Theory. 1979. V. 25. № 6. P. 717-720. https://doi.org/10.1109/TIT.1979.1056115
  6. Lyman R.J., Edmonson W.W., McCullough S., Rao M. The Predictability of Continuous-Time, Bandlimited Processes // IEEE Trans. Signal Process. 2000. V. 48. № 2. P. 311-316. https://doi.org/10.1109/78.823959
  7. Lyman R.J., Edmonson W.W. Linear Prediction of Bandlimited Processes with Flat Spectral Densities // IEEE Trans. Signal Process. 2001. V. 49. № 7. P. 1564-1569. https://doi.org/10.1109/78.928709
  8. Papoulis A. A Note on the Predictability of Band-limited Processes // Proc. IEEE. 1985. V. 73. № 8. P. 1332-1333. https://doi.org/10.1109/PROC.1985.13284
  9. Vaidyanathan P.P. On Predicting a Band-limited Signal Based on Past Sample Values // Proc. IEEE. 1987. V. 75. № 8. P. 1125-1127. https://doi.org/10.1109/PROC.1987.13856
  10. Dokuchaev N. Predictors for Discrete Time Processes with Energy Decay on Higher Frequencies // IEEE Trans. Signal Process. 2012. V. 60. № 11. P. 6027-6030. https://doi.org/10.1109/TSP.2012.2212436
  11. Dokuchaev N. On Predictors for Band-limited and High-Frequency Time Series // Signal Process. 2012. V. 92. № 10. P. 2571-2575. https://doi.org/10.1016/j.sigpro.2012.04.006
  12. Dokuchaev N. Near-ideal Causal Smoothing Filters for the Real Sequences // Signal Process. 016. V. 118. № 1. P. 285-293. https://doi.org/10.1016/j.sigpro.2015.07.002
  13. Dokuchaev N. Limited Memory Predictors Based on Polynomial Approximation of Periodic Exponentials // J. Forecast. 2022. V. 41. № 5. P. 1037-1045. https://doi.org/10.1002/for.2843
  14. Докучаев Н.Г. Предикторы для высокочастотных сигналов на основе аппроксимации периодических экспонент рациональными многочленами // Пробл. передачи информ. 2022. Т. 58. № 4. С. 84-94. https://doi.org/10.31857/S0555292322040076
  15. Stone M.H. The Generalized Weierstrass Approximation Theorem // Math. Mag. 1948. V. 21. № 4. P. 167-184; № 5. P. 237-254 (continued). https://doi.org/10.2307/3029750; https://doi.org/10.2307/3029337

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2023 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».