不同濾波方法在去趨勢波動分析中去噪的應用比較*

何文平 吳 瓊 成海英 張 文

1)(國家氣候中心，北京 100081)

2)(國家衛星氣象中心，北京 10086)

3)(鹽城工學院基礎教學部，鹽城 224002)

4)(南京郵電大學通達學院，南京 210003)

不同濾波方法在去趨勢波動分析中去噪的應用比較*

何文平吳 瓊2)成海英3)張 文4)

1)(國家氣候中心，北京 100081)

2)(國家衛星氣象中心，北京 10086)

3)(鹽城工學院基礎教學部，鹽城 224002)

4)(南京郵電大學通達學院，南京 210003)

(2010年5月4日收到;2010年5月13日收到修改稿)

研究了連續噪聲和尖峰噪聲對去趨勢波動分析的影響，發現噪聲的存在使得雙對數曲線在尺度較小時發生了“轉折”現象.針對這一問題，文中采用三種不同濾波方法對理想時間序列進行了實驗，結果表明，多級Vondrak濾波得到的高頻序列與真實噪聲序列無論是在強度還是在演變趨勢上都展現出驚人的一致性，低頻濾波序列的去趨勢波動分析結果與真實信號十分接近，多級Vondrak濾波基本上能夠消除由于噪聲所引起的“轉折”現象，而且這一研究結果對于濾波周期閾值的依賴性并不太大.多點滑動加權平均濾波雖然能夠在一定程度上減輕噪聲對于去趨勢波動的影響，但不能從根本上消除由于噪聲所引起的“轉折”現象.快速傅里葉濾波在選擇合適的濾波周期閾值時，能夠基本消除噪聲對去趨勢波動分析的影響，但是由于其濾波結果對于濾波周期閾值的依賴較大，在實際應用中濾波周期閾值的選取比較困難.因此，多級Vondrak濾波是消除噪聲對去趨勢波動分析結果影響的一種有效的途徑.

多級Vondrak濾波，去趨勢波動分析，多點滑動加權平均濾波，快速傅里葉濾波

PACS:92.60.Wc

1.引 言

氣象觀測中不可避免地存在觀測誤差，通常所獲得的氣象資料僅僅是描述實際大氣的一個可能的近似值，而實際大氣的真正狀態永遠不可能被精確地記錄下來，由此產生的誤差可能會對觀測資料的分析產生一些不良影響，甚至有可能導致分析結果大相徑庭［1—3］.文中主要考慮了兩種常見的觀測誤差:一種是連續性高斯白噪聲，這種誤差只要有觀測或測量存在就無法避免;另外一種為尖峰噪聲.產生尖峰噪聲的原因有多種，其可在通信系統的電氣開關和繼電器改變狀態時產生，又如當氣象電子通信設備由于線路自身產生了隨機信號或電磁干擾時，觀測設備輸出信號可能出現誤碼、雷達信號失真等現象［4］.近年來，去趨勢波動分析方法［5—7］(detrended fluctuation analysis，DFA)作為一種標度分析工具，能夠很好地處理非平穩數據，通過DFA方法獲得的標度指數較傳統的方法更為可靠.因此，該方法已經得到了廣泛的應用［8—17］.但在實際應用過程中發現，噪聲對于DFA分析結果具有較大的影響［3，18］，因此，研究噪聲對于 DFA分析結果的影響以及如何從含噪時間序列中準確地揭示其內在的標度規律非常重要.

鑒于此，本文研究了連續性高斯白噪聲和尖峰噪聲對DFA分析結果的影響，發現噪聲的存在使得雙對數曲線發生了“轉折”現象，而且噪聲越強，發生轉折現象的尺度越大.對于樣本量較大的時間序列而言，噪聲對于DFA分析結果的影響很容易得到解決，例如可以在DFA分析過程中對雙對數曲線進行擬合時，不考慮受噪聲影響的小尺度，即增大擬合的窗口尺度.但對于樣本量較小的時間序列而言，這一方法顯然不具備實用性，由于樣本量本身就很短，在擬合雙對數曲線時的數據很少，不可能完全忽略噪聲所影響的窗口尺度.因此，必須選擇一種合適的方法減輕或消除噪聲對于DFA分析結果的影響，以便能夠保證所獲取的標度指數的可靠性.

考慮到相對于真實信號而言，噪聲通常屬于一個快變過程，本文將多級Vondrak濾波、多點滑動加權平均濾波、快速傅里葉濾波等［19—21］三種低通濾波器應用于DFA待分析時間序列的預處理中，濾除高頻噪聲，保留低頻信號.理想的實驗結果表明，經過多級Vondrak濾波處理后的低頻濾波序列能夠基本消除在DFA分析過程中由于噪聲所引起的“轉折”現象，能夠很好地對含噪序列進行降噪，相對于快速傅里葉濾波和多點滑動加權平均濾波，無論是在濾波后低頻序列的DFA分析結果，還是在濾波周期閾值的選取上，多級 Vondrak濾波都具有明顯的優勢.在實際應用中可以將多級Vondrak濾波與DFA方法結合使用，有助于更為準確地從含噪時間序列中挖掘信號中潛在的標度性質.

2.方 法

2.1.多級Vondrak濾波

Vondrak濾波［19，20］的實質是一個無相位畸變的低通數字濾波器，鄭大偉和董大南［22］將Vondrak濾波做多級聯組合，提出采用形式為

的多級Vondrak濾波器，實現信號的窄帶濾波器. (1)式中C為實常數，N，M為正整數，I為恒等濾波器，V為Vondrak濾波器.黃坤儀和周雄［23］從理論上證實了Vondrak濾波器的頻率響應為

ε為平滑因子，f為諧波頻率.

該方法通過使用濾波頻率帶狹窄的多級濾波器來實現高頻和低頻的分離，不同于傳統的濾波方法，多級Vondrak濾波器的一個顯著特點在于通過其濾波后的時間序列長度與原始序列完全相同，這一優點使得其非常適合于實際資料的分析.Wang等［24］和Shi等［25，26］先后用該方法對海平面溫度30年以上慢變過程的平均值進行了分離，得到了較好的結果; Zhang和Wan［27］利用該方法將青藏高原古里雅冰芯冰川累積量分為10年以上和10年以下兩個尺度，發現近百年來，20世紀60年代初以及70年代末80年代初的兩次氣候突變是高頻和低頻共同作用的結果.

本文中使用的另外兩種濾波方法——快速傅里葉濾波和多點滑動加權平均濾波的具體算法可以參考文獻［21］.

2.2.去趨勢波動分析法［5—7］

對于時間序列{xi，i=1，N}，首先計算序列的累積量yn，

然后將累積量序列{yi，i=1，N}分成不重合的等長度為s的子序列.對于p階DFA分析過程(簡記為DFAp)，在每一段長度為s的累積量子序列中，對其局部趨勢采用p階多項式進行擬合，去掉局部擬合趨勢后可得到波動序列{ys(i)，i=1，N}.最后，平均所有各段波動函數可得到累積量序列的均方波動函數

〈·〉表示對所有的窗口取平均.若Fp(s)與窗口長度s存在標度關系，則有

其中γ為標度指數，可通過線性擬合波動函數 Fp(s)和窗口長度s的雙對數曲線得到.

3.數值實驗

3.1.噪聲對DFA分析的影響

本文研究了不同強度的連續性噪聲對DFA分析的影響，理想序列由Lorenz方程［28—31］的x分量產生，序列長度為1000個單位積分時間(圖1(a))，采用四階定步長 Rung-Kutta法求解，積分步長為0.01.圖 1(b)給出了信噪比(signal-to-noise ratio，SNR)為1 dB的連續性高斯白噪聲序列，圖1(c)則為未受污染的真實信號(圖1(a))與高斯白噪聲(圖1(b))疊加得到的合成序列.采用DFA方法分別對圖1(a)中所示的原序列及其與噪聲的合成序列(圖1(c))進行了標度分析，結果表明，Lorenz方程的x分量波動函數F(s)與窗口尺度大小s的雙對數曲線近似地服從直線分布，這表明其具有標度性質，但噪聲的存在導致雙對數曲線發生了“轉折”現象，即在擬合窗口尺度小于某個臨界值 s×時，合成序列的雙對數曲線相對于原序列明顯上升，而在窗口尺度大于s×后，合成序列與原序列的雙對數曲線基本重合.這一結果表明，噪聲的存在使得小尺度上的波動函數明顯增大，嚴重影響了小尺度上的DFA分析，如果不考慮序列中所存在的噪聲，直接對其雙對數曲線進行線性擬合，得到的標度指數顯然要小于真實信號，因此不能夠正確地反映原序列的標度性質.由圖1(d)可知，隨著噪聲強度的增大，雙對數曲線發生“轉折”的臨界窗口尺度s×隨之增大，且其在小于s×時的雙對數曲線有一個近似垂直上升的趨勢.為了考察噪聲對于不同階DFA分析的影響，本文采用DFA3方法對理想序列進行了類似于DFA2的分析(圖1(e))，發現對于同等強度的噪聲，DFA3分析結果所受的影響較DFA2更大，即其雙對數曲線發生“轉折”的臨界尺度s×相對于低階DFA2明顯增大，這主要是由于高階 DFA分析對于序列中的趨勢成分移除得更為徹底，導致去趨勢后的殘余序列中的真實信號與噪聲的信噪比要明顯的小于低階DFA2分析.對更高階DFA分析的研究得到了類似結果.因此，在實際應用DFA分析的過程中，應注意同等強度的噪聲對不同階DFA分析的不同影響這一特點.

圖1 連續性高斯白噪聲對DFA分析的影響 (a)Lorenz模型產生的理想序列，不含噪聲，(b)信噪比SNR=1 dB的連續性高斯白噪聲，(c)信號(a)和噪聲(b)的疊加序列，(d)不同強度高斯白噪聲對DFA2分析的影響，(e)不同強度高斯白噪聲對DFA3分析的影響

在實際觀測中，往往會由于一些不可預料的原因導致觀測資料中存在尖峰噪聲.為此，研究了尖峰噪聲對DFA分析結果的影響.理想序列仍然采用圖1(a)，圖2(a)展示了尖峰噪聲的位置及其大小，含有尖峰噪聲的合成序列已在圖2(b)中給出.很容易發現，尖峰噪聲僅占理想序列長度的6‰，因此，尖峰噪聲的數量相對而言非常少.類似于連續噪聲中的操作，采用不同階DFA方法對含尖峰噪聲的合成序列進行了標度分析，發現少量尖峰噪聲對于低階DFA分析(如DFA1，DFA2)的影響較小，但是其對于高階的影響不容忽視.從圖2(c)可知，少量尖峰噪聲對于DFA3分析的影響較大，其影響類似于連續性噪聲，即導致雙對數曲線在小尺度發生了轉折現象.對比圖1(e)不難發現，這里考慮的少量尖峰噪聲對于DFA分析結果的影響與信噪比為20 dB時的連續性高斯白噪聲基本相當，因此，尖峰噪聲對于DFA分析，尤其是DFA3及以上的高階DFA分析的影響較大.

圖2 尖峰噪聲對DFA分析的影響 (a)尖峰噪聲，(b)尖峰噪聲和理想序列的疊加序列，(c)原序列和含噪序列的DFA3分析

由于連續性高斯白噪聲以及少量尖峰噪聲在小于某個臨界尺度s×時會導致雙對數曲線發生“轉折”現象，而且噪聲越強，對DFA分析結果的影響越大，并且同等強度的噪聲對不同階DFA分析的影響程度各異.因此，在應用DFA進行標度分析的過程中，應根據實際情況選擇合適的線性擬合區域，在資料長度允許的情況下，盡可能選擇大一點的窗口尺度對雙對數曲線進行擬合.但在實際應用過程中，由于觀測資料長度的有限性，許多資料長度較短，不可能毫無限制地增大線性擬合的窗口尺度，在對于長度較短的時間序列進行 DFA分析時，噪聲對其結果的影響將不可避免.因此，亟需尋找減輕或消除噪聲對DFA分析影響的有效方法.鑒于噪聲(連續性噪聲和尖峰噪聲)通常變化較快，相對于真實的信號而言屬于一個快變過程，而傳統的濾波方法正是基于將待分析的時間序列分解成高頻和低頻序列，以此來對原序列進行降噪處理.因此在利用DFA分析的過程中，我們可以嘗試采用各種不同類型的濾波方法來事先對時間序列進行降噪處理，以減輕或消除各類噪聲對于DFA分析結果的影響.

3.2.多級Vondrak濾波在DFA分析中的應用

為了檢驗多級Vondrak濾波是否能夠有效地分離高頻噪聲和真實信號，本文利用其對圖1(c)中的信號進行了濾波，高頻濾波的濾波周期閾值ph=8，濾波后的高頻噪聲已由圖3(a)給出，從中不難發現，高頻序列的噪聲強度及其變化范圍與真實的噪聲序列相當接近.為了更加清晰地考察濾波的效果，這里任意選了圖3(a)中的一段時間序列進行放大(圖3(b))，發現無論在噪聲的強度，還是在噪聲隨時間的演變趨勢上，多級 Vondrak濾波得到的高頻序列與真實噪聲均表現出驚人的一致性，雖然二者還存在著一些細微的差異，但由圖3(c)可知，對于低頻序列的DFA分析而言，濾波已經極大地減輕了高頻噪聲的影響，使得濾波后的DFA分析結果幾乎與原序列的結果完全一致.因此對于DFA分析而言，經過多級Vondrak濾波得到的高頻序列與真實噪聲之間的差異性基本上可以忽略不計.

一般而言，在實際應用過程中，多數情況下我們可能并不知道所分析時間序列中的噪聲強弱及其在信號中的分布情況，故而在使用多級 Vondrak濾波濾除高頻信號時，并不能夠準確地根據噪聲的實際情況來確定濾波的周期閾值.我們期望濾除高頻噪聲后的低頻序列其DFA分析結果至少能夠在一定的濾波周期閾值范圍比較穩定，這一特點將使得在實際的操作中，可以十分方便地選擇濾波周期的閾值，進而達到減輕或消除噪聲對DFA分析結果的影響的目的.因此，需要研究多級Vondrak濾波在減輕或消除噪聲對于DFA分析結果的影響的穩定性.鑒于此，在不同濾波周期閾值情況下，本文對此進行了研究.圖3(d)為濾波周期閾值分別取18，28，38時，DFA方法對各自低頻序列的分析結果，發現經過多級Vondrak濾波后低頻序列的雙對數曲線中均不存在“轉折”現象，且其雙對數曲線與真實信號基本重合或平行.這表明經過多級 Vondrak濾波后，待分析信號中的噪聲強度已經極大地降低了.本文對濾波周期閾值在8—38之間時的情形進行了類似試驗，發現多級 Vondrak濾波均能夠很好地降低噪聲對 DFA分析結果的影響.這意味著多級Vondrak濾波對于消除連續性噪聲對DFA分析結果的影響具有很強的穩定性，而且經過多級 Vondrak濾波后原始信號的標度特征得到了較好的保留，能夠更為準確地反映信號中所包含的真實標度信息.

圖3 強噪聲情況下多級Vondrak濾波去噪對DFA分析的影響 (a)SNR=1 dB的強噪聲序列和濾波后的高頻序列;(b)(a)中的局部放大區域;(c)含噪序列和降噪后低頻序列的DFA2分析，濾波周期閾值ph=8;(d)不同濾波周期閾值情形下，低頻序列的DFA2分析

類似于連續性噪聲，本文研究了多級 Vondrak濾波在減輕或消除尖峰噪聲對DFA分析結果影響中的應用.從圖4中可以看出，在濾波周期閾值較小時，經過多級Vondrak濾波后得到的高頻序列與真實噪聲的強度以及其所處的位置十分相符(見圖4 (a)和(b))，而當增大濾波周期閾值后，經濾波得到的高頻序列與原噪聲序列的差異逐漸顯著(圖4(c)和(d))，但還能隱約發現尖峰噪聲的蹤影.隨后采用DFA3對各種不同周期閾值下的低頻濾波進行了標度分析，發現類似于圖2(c)中的“轉折”現象消失了，不同周期閾值下的多級 Vondrak濾波均能夠很好地減輕尖峰噪聲對DFA分析結果的影響.而且類似于連續噪聲的情況，隨著周期閾值的增大，低頻濾波序列的雙對數曲線近似地呈現垂直下移的趨勢(見圖4(e))，這表明盡管濾波周期閾值增大了，但是低頻濾波還是能夠很好地保留原信號中的標度信息.

3.3.多級Vondrak濾波與其他濾波方法的比較

以圖1(c)中的含噪序列為例對多級Vondrak濾波和其他濾波方法進行了比較.首先對含噪序列采用多點滑動加權平均方法進行濾波，隨后利用DFA3對濾波后的序列進行了標度分析，圖5給出了其分析結果.從圖5中不難發現，經過多點滑動加權平均后的確能夠減輕噪聲引起的“轉折”現象，而且隨著滑動加權平均的數據個數的增加，這種濾波的效果也更加顯著.但必須指出的是，這種“濾波”減輕“轉折”現象的效果并不會隨著滑動加權平均數據個數的增加而變得越來越好，大約在滑動加權平均的數據個數n=25以后，再增加滑動加權平均數據的個數對于濾波的效果改善沒有本質的差異.多點滑動加權平均對于信號的平滑度高，但對于數據平滑度的增大也使得其對噪聲的敏感性降低，因此，該方法在減輕噪聲對于DFA分析的影響效果有限，不能夠從根本上消除由于噪聲所引起的“轉折”現象.同時，我們也采用多點滑動平均(等權重)濾波對含噪序列進行了試驗，得到的結果沒有本質的區別，本文不再贅述.

圖4 多級Vondrak濾波在濾除尖峰噪聲中的應用 (a)真實的尖峰噪聲，(b)濾波周期閾值ph=8，(c)濾波周期閾值ph=18，(d)濾波周期閾值ph=28，(e)不同濾波周期閾值下低頻濾波的雙對數曲線(DFA3)

圖5 多點滑動加權平均濾波去噪對DFA分析的影響 SNR=1 dB

圖6 FFT濾波方法去噪對DFA分析的影響，SNR=1 dB (a)不同周期閾值下，低頻濾波后的雙對數曲線(DFA3)，p為濾波周期閾值;(b)p=20時，高頻濾波與真實噪聲的演變圖

快速傅里葉變換(fast Fourier transformation， FFT)是一種常用的傳統濾波方法，本文利用其對圖1(c)中的序列進行去噪，并采用DFA3對去噪后的序列進行了標度分析(見圖6(a)).結果表明，經過FFT濾波后的確能夠使得由于噪聲所引起的“轉折”現象得到減輕，而且隨著濾波周期閾值的加大，濾波對于DFA3準確提取原序列中內在的標度信息更為有利，當濾波閾值約為20時，幾乎可以完全消除噪聲對于 DFA3分析的影響.同多級Vondrak濾波的結果對比分析表明，FFT方法完全消除噪聲對于DFA3分析的影響所需的周期閾值要大得多，而且多級Vondrak濾波的結果對于濾波周期閾值的依賴性要明顯小于FFT方法，即要想最大限度地減小噪聲對于DFA分析的影響，多級Vondrak濾波更容易選擇合適的濾波周期閾值.從FFT所分離出來的高頻序列與實際噪聲序列的對比分析可知(見圖6 (b))，盡管FFT在選擇合適的濾波周期閾值時能夠有效地減輕甚至消除噪聲對于DFA分析的影響，但整體而言，FFT得到的高頻序列的變化幅度要小于真實的噪聲信號，而且在高頻序列的兩端存在強烈的邊界效應，即在序列兩端，高頻序列中的變化幅度顯著大于真實的噪聲.

圖7 FFT濾波方法去除尖峰噪聲對DFA分析的影響 (a)不同周期閾值下，低頻濾波后的雙對數曲線(DFA3);(b)濾波周期閾值p=15時，高頻濾波與真實噪聲的對比圖

類似于對連續性噪聲的分析，圖7(a)給出不同濾波周期閾值下，FFT在減輕或消除尖峰噪聲對于DFA3分析的影響，從中可以發現，FFT對于減輕尖峰噪聲對于DFA3分析的影響確有作用，而且在濾波閾值選擇合適的情形下甚至能夠幾乎完全消除尖峰噪聲對于DFA分析的影響.但與連續性噪聲中存在的問題一樣，FFT方法完全消除噪聲對于DFA3分析的影響所需的周期閾值要明顯大于多級Vondrak濾波.從圖7(b)可知，盡管在一定情形下FFT能夠近乎完全消除噪聲對于 DFA3分析的影響，但是FFT得到的高頻序列與真實的尖峰噪聲差異很大.反觀多級Vondrak濾波不僅僅能夠消除尖峰噪聲的影響，而且還能夠在一定程度上捕獲尖峰噪聲的出現時刻及其演變規律(圖4).同樣地，FFT濾波得到的高頻序列兩端存在明顯的邊界效應.

4.結果與討論

本文的研究結果表明，噪聲會使得DFA分析的雙對數曲線在擬合尺度較小時發生“轉折”現象，影響了準確地提取時間序列中的標度信息，特別是對于長度較短的序列這種影響更大;在利用滑動去趨勢波動分析(moving detrended fluctuation analysis，MDFA)對時間序列進行動力學結構突變檢測的過程中，通常由于所選擇的子序列長度較短［16，17］，噪聲對于標度分析的影響就顯得尤為突出，因此在進行DFA和MDFA分析的過程中，需要事先對時間序列進行降噪.針對這一問題，本文采用多級Vondrak濾波分別對含有連續性噪聲和少量尖峰噪聲的理想序列進行了濾波試驗，發現在濾波周期閾值較小時，經過多級Vondrak濾波后的高頻序列與真實的噪聲序列無論在噪聲強度還是噪聲的演變趨勢上都表現出驚人的一致性，特別是其對于尖峰噪聲能夠準確地給出噪聲的位置，且其強度與真實情況相仿.對比濾波前后信號的DFA分析結果發現，經過濾波后，低頻序列的雙對數曲線中的“轉折”現象已經完全消失，與真實信號的雙對數曲線幾乎重合;增大濾波周期閾值后，雖然濾波后的高頻部分與真實噪聲之間的差異逐漸變大，但是在較大范圍內，濾波周期閾值的改變并不會顯著影響低頻序列的DFA分析.

同傳統的一些濾波方法的比較表明，多點滑動加權平均方法僅僅能夠在一定程度上減輕噪聲對于DFA分析的影響，但不能完全消除噪聲的影響，其原因在于滑動加權平均方法僅僅能夠使序列的演化更為平滑，濾波效果有限;FFT方法雖然對于減小噪聲對于 DFA分析的影響有利，甚至在選擇合適的周期閾值時幾乎能消除噪聲對于DFA分析的影響，但對于同樣的濾波效果，相對于多級Vondrak濾波，FFT分析中選取的濾波周期閾值明顯偏大，而且FFT濾波得到的高頻序列與真實的噪聲序列差別很大，且在其兩端存在明顯的邊界效應，而多級Vondrak濾波能夠更為準確地從噪聲序列中提取出真實的信號.這表明結合多級Vondrak濾波可以有效地降低噪聲對于 DFA分析的影響，而且明顯優于傳統的 FFT，多點滑動加權平均等濾波方法.

［1］He W P，Feng G L，Dong W J，Li J P 2006 Acta Phys.Sin.55 969(in Chinese)［何文平、封國林、董文杰、李建平 2006物理學報55 969］

［2］Du J 2002 J.Appl.Meteo.Sin.13 16(in Chinese)［杜 均2002應用氣象學報13 16］

［3］He W P 2008 Ph.D.Dissertation(Lanzhou:Lanzhou University)(in Chinese)［何文平 2008博士學位論文 (蘭州:蘭州大學)］

［4］Zuo H J 2001 Meteorology Journal of Hubei 4 29(in Chinese)［左惠娟2001湖北氣象4 29］

［5］Peng C K，Havlin S，Schwartz M，Stanley H E 1991 Phys.Rev. A 44 R2239

［6］Peng C K，Buldyrev S V，Havlin S，Simons M，Stanley H E，Goldberger A L 1994 Phys.Rev.E 49 1685

［7］Peng C K，Havlin S，Goldberger A L 1995 Chaos 5 82

［8］Feng G L，Wang Q G，Hou W，Gong Z Q，Zhi R 2009 Acta Phys.Sin.58 2853(in Chinese)［封國林、王啟光、侯 威、龔志強、支 蓉2009物理學報58 2853］

［9］Wang Q G，Hou W，Zheng Z H，Gao R 2009 Acta Phys.Sin. 58 6640(in Chinese)［王啟光、侯 威、鄭志海、高 榮2009物理學報58 6640］

［10］Caballero R，Jewson S，Brix A 2002 Clim.Res.21 127

［11］Eichner J F，Koscienly-Bunde E，Bunde A 2003 Phys.Rev.E 68 046133-1

［12］Fraedrich K，Blender R 2003 Phys.Rev.Lett.90 108501

［13］Govindan R B，Vyushin D，Bunde A，Brenner S，Havlin S，Schellnhuber H J 2000 Phys.Rev.Lett.89 028501

［14］Govindan R B，Vjushin D，Brenner S，Bunder A，Havlin S，Schellnhuber H J 2001 Physica A 294 239

［15］Cao H X，Zheng Z F，Zhang X L，Xie Z，Pan J H 2007 Chin. J.Geophys.50 420(in Chinese)［曹鴻興、鄭祚芳、張秀麗、謝 莊、潘家華2007地球物理學報50 420］

［16］He W P，Feng G L，Wu Q，Wan S Q，Chou J F 2008 Non. Proc.Geophys.15 601

［17］He W P，Wu Q，Zhang W，Wang Q G，Zhang Y 2009 Acta Phys.Sin.58 2862(in Chinese)［何文平、吳 瓊、張 文、王啟光、張 勇2009物理學報58 2862］

［18］Chen Z，Ivanov P，Hu K，Stanley H E 2002 Phys.Rev.E 65 041107

［19］Vondrak J 1969 Bull.Astron.Inst.Czech.20 349

［20］Vondrak J 1977 Bull.Astron.Inst.Czech.28 84

［21］Yan H M，Zhong M，Zhu Y Z 2006 J.Geode.Geody.26 109 (in Chinese)［閆昊明、鐘 敏、朱耀仲2006大地測量與地球動力學26 109］

［22］Zheng D W，Dong D N 1986 Acta Astro.Sin.27 368(in Chinese)［鄭大偉、董大南1986天文學報27 368］

［23］Huang K Y，Zhou X 1981 Acta Astro.Sin.22 121(in Chinese)［黃坤儀、周 雄1981天文學報22 121］

［24］Wang X L，Ropelewshi C F 1995 J.Climate 8 1584

［25］Shi N，Gu J Q，Yi Y M，Lin Z N 2005 Chin.Phys.14 844

［26］Shi N，Yi Y M，Gu J Q，Xia D D 2006 Chin.Phys.15 2180

［27］Zhang W，Wan S Q 2008 Chin.Phys.B 17 2311

［28］Lorenz E N 1963 J.Atmos.Sci.20 130

［29］Feng G L，Dai X G，Wang A H 2001 Acta Phys.Sin.50 606 (in Chinese)［封國林、戴新剛、王愛慧 2001物理學報 50 606］

［30］Feng G L，Dong W J，Jia X J 2002 Acta Phys.Sin.51 1181(in Chinese)［封國林、董文杰、賈曉靜2002物理學報51 1181］

［31］Feng G L，Dong W J，Gong Z Q，Hou W，Wan S Q，Zhi R 2006 NonlinearTheoriesand Methodson Spatial-Temporal Distribution of the Obserbational Data(Beijing:Metrological Press)p17(in Chinese)［封國林、董文杰、龔志強、侯 威、萬仕全、支蓉2006觀測數據非線性時空分布理論和方法 (北京:氣象出版社)第17頁］

PACS:92.60.Wc

Comparison of applications of different filter methods for de-noising detrended fluctuation analysis*

He Wen-PingWu Qiong2)Cheng Hai-Ying3)Zhang Wen4)
1)(National Climate Center，China Meteorological Administration，Beijing 100081，China)
2)(National Satellite Meteorological Center，China Meteorological Administration，Beijing 100081，China)
3)(Fundamental Education Department，Yancheng Institute of Technology，Yancheng 224002，China)
4)(Tongda College，Nanjing University of Post and Telecommunications，Nanjing 210003，China)

4 May 2010;revised manuscript

13 May 2010)

We studied the effects of continuous noises and random spikes on detrended fluctuation analysis，and found that the noises lead to the appearance of crossovers in the double logarithm curves when the linear fitting scale was less than a characteristic scale s×.To solve this problem，we use three kinds of filter methods，multi-stage Vondrak filter，N-point weighted moving average filter and fast Fourier filter，to filter high frequency from the analyzed time series.The results indicate that the evolution trend and intensity of high frequency series by multi-stage Vondrak filter is almost identical to those of real noises.Further investigation showed that multi-stage Vondrak filter can eliminate the phenomenon of crossover，and the DFA results of lowpass filtering time series are less dependent on the threshold of the filter periods.To some extent，N-points weighted moving average filter can partly eliminate the effect of noises on DFA，but can not completely eliminate the phenomenon of crossover caused by noises.Fast Fourier filter can almost totally eliminate the effect of noises on DFA when the period of filter adopts an appropriate value，but the filtering results have a stronger dependence on the period of filter，so it is difficult to select the period of filter in practical application.Therefore，comparatively speaking，multi-stage Vondrak filter is an effective measure to alleviate the effects of noises on the DFA results.

multi-stage Vondrak filter，detrended fluctuation analysis，N-points weighted moving average filter，fast Fourier filter

*國家自然科學基金(批準號:40905034，4087504，40930952)和公益性行業(氣象)科研專項基金(批準號:GYHY200806005，GYHY200906019)資助的課題.

*Project supported by the National Natural Science Foundation of China(Grant Nos.40905034，40875040，40930952)and the Special Scientific Research Fund of Meteorological Public Welfare Profession of China(Grant Nos.GYHY200806005，GYHY200906019).