Pakun, et prooviks leida trendi mõnest väga mürarikkast pikaajalisest teabest. Andmed on põhimõtteliselt iganädalased mõõtmised, mis liikusid umbes 8 mm jooksul umbes 5 mm. Andmed on 1 mm täpsusega ja on väga lärmakad, muutudes nädala jooksul regulaarselt +/- 1 või 2 mm. Andmeid on meil ainult mm täpsusega.
Plaanime kasutada müra algandmetest eraldamiseks mõnda peamist signaali töötlemist kiire Fourier-teisendusega. Põhiline eeldus on see, et kui peegeldame oma andmekogumit ja lisame selle oma olemasoleva andmekogumi lõppu, saame luua andmete täieliku lainepikkuse ja seetõttu kuvatakse meie andmed kiire Fourier-teisendina ja loodetavasti saame need siis eraldada .
Arvestades, et see kõlab minu jaoks veidi kahtlasena, kas see on meetod, mida tasub puhastada või on meie andmekogumi peegeldamise ja lisamise meetod kuidagi põhimõtteliselt vigane? Vaatleme muid lähenemisviise, nagu näiteks madalpääsfiltri kasutamine.