algorithm - 从消息到达时间戳中提取周期性

Question

我有一组消息，每条消息都有到达时间戳。我想分析集合并确定消息到达的周期。 (有了它，我就可以在一定程度上确定地检测到后续消息何时迟到或丢失。)因此，离散傅立叶变换似乎是从集合中提取频率的合乎逻辑的选择。

但是，我所看到的所有离散傅里叶变换的解释都是从以恒定频率采样的一组有限值开始的。而我所拥有的只是一组值(单调递增的时间戳值。)

转换为时间序列数据？

我考虑过选择一个小的分辨率——例如一秒钟——然后产生一个时间序列，从第一条消息的时间开始，到当前的实时时间，以及每个时间点的对应值 (0,1)。 (主要是零，在每条消息到达时间有一个。)

更多细节

我有很多组:我需要多次执行此计算，因为我有许多不同的组消息要分析。每组消息可能是 1,000 条消息的数量级，跨越长达一年的实时时间。因此，如果我将(正如我上面所想的)一组消息转换为时间序列；那是大约 3200 万(一年中的秒)时间序列数据点，只有大约 1000 个非零值。

一些消息集的频率更高:在天数范围内约有 5,000 条消息——因此这更像是约 400,000 个时间序列数据点，但仍然只有约 5,000 个非零值。

这合理吗(将到达时间转换为时间序列，然后进行简单的 FFT 工作)？或者是否有其他方法可以将傅里叶变换应用于我的实际数据(消息到达时间)？

Answer 1

我建议您将消息 counts 放入具有合适持续时间的均匀间隔的 bin 中，然后将这些 bin 视为时间序列并从该序列生成频谱，例如使用基于 FFT 的方法。生成的频谱应将任何周期性显示为特定 bin 频率周围的峰值。