二つの時系列データに対してスペクトル解析を行う。
spec = specxy_anal(x, y, iopt, jave, pct)
〔入力変数〕
x([*]), y([*])
時間方向に並んだ、どちらも同じ大きさのデータの1次元配列。ただし欠損値を含んではならない。
iopt([1])
トレンド除去の方法を指定するオプション。specx_analと同じ。
jave([1])
平滑化する際に用いるデータ幅を奇数で指定する。specx_analと同じ。
pct([1])
時系列データに窓をかける割合0.0〜1.0の間で指定する。specx_analと同じ。
〔出力変数〕
spec
本解析による自由度が得られる。また、適宜attribute(@)を付加すると、以下の値も出力される。
@spcx, spcy
x([*]), y([*])それぞれのパワースペクトル。N個の時系列データに対して周波数分解能はもちろん1/Nで、それぞれN/2の大きさをもつ1次元配列。
@frq
周波数 [cycle/time]。N/2の大きさをもつ1次元配列。
@cospc
クロススペクトルの実部にあたるコスペクトル。N/2の大きさをもつ1次元配列。
@quspc
クロススペクトルの虚部にあたるクオドスペクトル。N/2の大きさをもつ1次元配列。
@coher
周波数領域における相関(コヒーレンス)の2乗。N/2の大きさをもつ1次元配列。
@phase
degreeで表された位相ずれ。N/2の大きさをもつ1次元配列。正の値でxがyに先行している。
@bw
スペクトルバンドの幅。スカラー量である。
@coher_probability
90, 95, 99, 99.9%の信頼度に対応した相関。大きさ4の1次元配列。
@xvari, yvari
x([*]), y([*])の分散。
@xvaro, yvaro
トレンドを除去した後のx, yのそれぞれの分散。
@xlag1, ylag1
トレンドを除去した後のx, yに対するそれぞれのラグ1の自己相関。
@xslope, yslope
iopt=1の場合に得られるx, yそれぞれの線形トレンドの傾き。