Abstract: J. P. Zbilut, A. Giuliani, C. L. Webber, Jr. (1998)

The demonstrated ability of recurrence quantification analysis to detect very subtle patterns in time series was exploited to devise a filter able to recognize and extract signals buried in large amounts of noise. The proposed technique, cross-recurrence quantification, demonstrates the ability to extract signals up to a very low signal-to-noise-ratio and to allow an immediate appreciation of their degree of periodicity. The lack of any stationarity dependence of the proposed method opens the way to many possible applications, including encryption.

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.

Detecting deterministic signals in exceptionally noisy environments using cross-recurrence quantification