Abstract: T. D. L. Prado, E. E. N. Macau, S. R. Lopes (2021)

Recurrence microstates can be used to analyze many properties of stationary states of stochastic and deterministic time series, including the level of correlation of stochastic signals. Here, we show how artificially inserted data (data that does not belong to a original stationary signal) may be detected using recurrence microstates statistics. We show that the method is sensitive enough to detect the breaking of the stationary signal even when the corrupted inserted data span into the same domain of the original data. Examples of our analyses are applied to two numerically generated time series of dynamical systems, namely the logistic map, and the Lorenz equations. Finally to show results applied to experimental time series, we analyze a digital audio signal of a human speech.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Detection of data corruption in stationary time series using recurrence microstates probabilities