Loading scsearch.m +39 −21 Original line number Diff line number Diff line Loading @@ -121,11 +121,12 @@ for s = 1:s_s end % Resampling the times over nism{m,s} templates % ---- Andrà fatto per ogni possibile combinazione di nism a un dato m mi % sa % ---- Andrà fatto per ogni possibile combinazione di nism a un dato m % mi sa % Cercheremo un modo per combinare in tutti i possibili modi vettori di % vari ni1,ni2,...,nis_s %%%[kung,fu,fight] = ndgrid(nis{1},nino{2},nino{3}); nibank = combinations(nis{:}).Variables; %Fourier transform on original time-series -------------------------------- %per mantenere l'informazione di fase, non faccio il valore assoluto al quadrato della fft Loading @@ -145,8 +146,24 @@ for m=1:M X=ifft(Y); %inverse-fourier transf. %FARE IL RICAMPIONAMENTO!!!! % Dev'essere fatto per ciascun template, ergo mettiamo un bel ciclo % sulle possibili combinazioni di ni_s for i = 1:length(nibank) % Tento ricampionamento (Eq. 17 MP2015) % Per prima cosa, generiamo la nuova coordinata temporale per % questa templ combini % Careful! ni_0 still needs to be defined (it's the spin freq. % currently being considered) ta = zeros(N,1); for j = 1:N for s = 1:s_s ta(j) = ta(j) + (nibank(i,s)/(nizero*factorial(s)))*(tm(m,j)-tmid(m))^s; end end %%%%%%%%%%%%%% arrivato qui %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% X1 = resample; %X1 è la timeseries resempled (controllare che sia un vettore colonna) %X1 è la timeseries ricampionata (controllare che sia un vettore colonna) %zero-padding (metto gli zeri alla fine) ------------------------------- X1 = [X1;zeros(L-length(F),1)]; %concateno alla timeseries downsampled and resampled gli zeri %il secondo è un vettore colonna di zeri con lunghezza pari al numero di elementi che mi serve per tornare alla risoluzione originale Loading @@ -163,6 +180,7 @@ for m=1:M %Calcolo della detection statistic %QUESTA SARA' DA INIZIALIZZARE ALL'ESTERNO tipo Lambda = zeros(length(template),1); Lambda(template)=sum(Y1); %CREDO (oppure prendono la potenza massima?) end end Loading Loading
scsearch.m +39 −21 Original line number Diff line number Diff line Loading @@ -121,11 +121,12 @@ for s = 1:s_s end % Resampling the times over nism{m,s} templates % ---- Andrà fatto per ogni possibile combinazione di nism a un dato m mi % sa % ---- Andrà fatto per ogni possibile combinazione di nism a un dato m % mi sa % Cercheremo un modo per combinare in tutti i possibili modi vettori di % vari ni1,ni2,...,nis_s %%%[kung,fu,fight] = ndgrid(nis{1},nino{2},nino{3}); nibank = combinations(nis{:}).Variables; %Fourier transform on original time-series -------------------------------- %per mantenere l'informazione di fase, non faccio il valore assoluto al quadrato della fft Loading @@ -145,8 +146,24 @@ for m=1:M X=ifft(Y); %inverse-fourier transf. %FARE IL RICAMPIONAMENTO!!!! % Dev'essere fatto per ciascun template, ergo mettiamo un bel ciclo % sulle possibili combinazioni di ni_s for i = 1:length(nibank) % Tento ricampionamento (Eq. 17 MP2015) % Per prima cosa, generiamo la nuova coordinata temporale per % questa templ combini % Careful! ni_0 still needs to be defined (it's the spin freq. % currently being considered) ta = zeros(N,1); for j = 1:N for s = 1:s_s ta(j) = ta(j) + (nibank(i,s)/(nizero*factorial(s)))*(tm(m,j)-tmid(m))^s; end end %%%%%%%%%%%%%% arrivato qui %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% X1 = resample; %X1 è la timeseries resempled (controllare che sia un vettore colonna) %X1 è la timeseries ricampionata (controllare che sia un vettore colonna) %zero-padding (metto gli zeri alla fine) ------------------------------- X1 = [X1;zeros(L-length(F),1)]; %concateno alla timeseries downsampled and resampled gli zeri %il secondo è un vettore colonna di zeri con lunghezza pari al numero di elementi che mi serve per tornare alla risoluzione originale Loading @@ -163,6 +180,7 @@ for m=1:M %Calcolo della detection statistic %QUESTA SARA' DA INIZIALIZZARE ALL'ESTERNO tipo Lambda = zeros(length(template),1); Lambda(template)=sum(Y1); %CREDO (oppure prendono la potenza massima?) end end Loading