/// <summary>
/// Возращает статистическую модель, содержащую коэффициенты аппроксимации и дисперсии на основе выбранного вейвлета для списка данных.
/// </summary>
/// <param name="data">Список данных для статистического анализа в виде вектора над полем рациональных чисел.</param>
/// <param name="wavelet">Вейвлет, на основе которого вычисляются коэффициенты аппроксимации и дисперсии.</param>
/// <returns>Cтатистическая модель для выбранных набора данных и вейвлета.</returns>
public static IWaveletTransformationStatisticsModel GenerateStatisticsModel(IList <double> data, IWavelet wavelet)
{
var waveletStatistics = new WaveletStatistics
{
Wavelet = wavelet,
ApproximationCoefficients = data,
DetailingCoefficients = data
};
var statisticsModel = new WaveletTransformationStatisticsModel();
statisticsModel.WaveletStatistics.Add(waveletStatistics);
while (true)
{
waveletStatistics = Decompose(waveletStatistics);
if (waveletStatistics.ApproximationCoefficients.Count == 0)
{
break;
}
statisticsModel.WaveletStatistics.Add(waveletStatistics);
}
return(statisticsModel);
}
/// <summary>
/// Возвращает результат разложения посредством вычисления последующих коэффициентов аппроксимации и дисперсии на основе предыдущих. При каждом разложении количество коэффициентов сокращается вдвое.
/// </summary>
private static WaveletStatistics Decompose(WaveletStatistics waveletStatistics)
{
var nextLevelApproximationCoefficients = Filter(waveletStatistics.ApproximationCoefficients, waveletStatistics.Wavelet.ScalingCoefficients);
var nextLevelDetailingCoefficients = Filter(waveletStatistics.ApproximationCoefficients, waveletStatistics.Wavelet.Coefficients);
return(new WaveletStatistics
{
Wavelet = waveletStatistics.Wavelet,
ApproximationCoefficients = nextLevelApproximationCoefficients,
DetailingCoefficients = nextLevelDetailingCoefficients
});
}