时序数据的傅里叶变换：去趋势化
时序数据的傅里叶变换：去趋势化' can be condensed to '时序数据的傅里叶变换及趋势去除'.
去趋势化您的时间序列可能会改变游戏规则
在计算傅里叶变换之前对信号进行去趋势处理是一种常见的做法，特别是在处理时间序列时。
在本文中，我想通过数学和视觉的方式展示去趋势化信号如何影响其傅里叶变换。
所有图片均由作者提供。
本文是我关于时间序列傅里叶变换的系列文章中的第四篇：我使用非常简单的例子和一些数学公式来解释傅里叶变换的各种概念。您不需要按照下面的顺序阅读它们，我更建议在每篇文章之间来回切换。
查看之前的文章：
- 了解卷积与傅里叶变换的关系以及其快速性：
时间序列的傅里叶变换：使用NumPy解释快速卷积
使用傅里叶变换进行10000倍快速卷积
towardsdatascience.com
- 通过图像示例加深对卷积的理解：
时间序列的傅里叶变换：关于图像卷积和SciPy
傅里叶变换卷积也适用于图像
towardsdatascience.com
- 通过矢量可视化方法理解傅里叶变换的可视化方法：
时间序列的傅里叶变换：绘制复数
绘制傅里叶变换算法以理解它
towardsdatascience.com
在本文中，我们将探索两种去趋势方法：我们将称其为“常数”和“线性”去趋势。
本文的最终目标是让您了解什么是常数和线性去趋势，为什么我们使用它们，以及它们如何影响信号的傅里叶变换。
