Matlab 傅里叶变换和过滤MD轨迹数据代替PCA进行降维？_Matlab_Filtering_Fft_Pca_Dimensionality Reduction

Matlab 傅里叶变换和过滤MD轨迹数据代替PCA进行降维？

matlab

Matlab 傅里叶变换和过滤MD轨迹数据代替PCA进行降维？,matlab,filtering,fft,pca,dimensionality-reduction,Matlab,Filtering,Fft,Pca,Dimensionality Reduction,我使用PCA对一些蛋白质模拟的MD（分子动力学）轨迹数据进行降维。基本上我的数据是随时间变化的蛋白质原子的xyz坐标（这意味着我有很多xyz坐标的帧）。这个数据的尺寸大约是20000帧200x3（原子坐标）。我使用Matlab中的princomp命令实现了PCA 我想知道我是否可以对我的数据进行FFT。我有对音频信号（1D信号）进行FFT的经验。这里我的数据在图片中既有时间也有空间。在理论上，必须能够对我的数据执行FFT，然后使用LPF（低通滤波器）对其进行滤波。但我不确定有人能给我一些关于

我使用PCA对一些蛋白质模拟的MD（分子动力学）轨迹数据进行降维。基本上我的数据是随时间变化的蛋白质原子的xyz坐标（这意味着我有很多xyz坐标的帧）。这个数据的尺寸大约是20000帧200x3（原子坐标）。我使用Matlab中的

princomp

命令实现了PCA

我想知道我是否可以对我的数据进行FFT。我有对音频信号（1D信号）进行FFT的经验。这里我的数据在图片中既有时间也有空间。在理论上，必须能够对我的数据执行FFT，然后使用LPF（低通滤波器）对其进行滤波。但我不确定

有人能给我一些关于在我的数据上实现FFT的指导/代码片段/参考吗
为什么人们更喜欢PCA而不是FFT和滤波。这是因为算法的计算效率，还是因为底层数据的统计特性

对于第一个问题“有人能给我一些关于在我的数据上实现FFT的指导/代码片段/参考资料吗？”：

我应该说，

fft

是在matlab中实现的，您不需要自己实现它。此外，对于您的情况，您应该使用

fftn

（）进行变换，并在通过

dessignfilt

（）应用低通滤波后，应用

ifftn

（）进行逆变换

对于第二个问题“为什么人们更喜欢PCA而不是FFT和滤波…”：

我应该说，由于fft中的滤波是在信号空间中进行的，滤波后不能在时间空间中推广。您可以在中查看有关此缺陷的更多详细信息

但是，傅里叶分析还有一些其他的问题严重的缺点。其中之一可能就是时间信息在转换到频率时丢失域。当我们看一个信号，无法判断特定事件发生的时间已经发生了。如果它是一个静止的信号-这个缺点不是很重要。然而，大多数有趣的信号包含许多非平稳或非平稳信号暂时性特征：漂移、趋势、突变、，事件的开始和结束。这些特征通常是最重要的部分信号，傅里叶分析不适用于检测他们

对于第一个问题“有人能给我一些关于在我的数据上实现FFT的指导/代码片段/参考吗？”：