Convolución con filtro autorregresivo

Question

Estoy tratando de entender lo que se hizo con series de tiempo de un paper.It dice

The raw time series are prewhitened, typically by convolution with an autoregressive
filter, to reduce the spectral dynamic range. The autoregressive filter must be
computed robustly;

Tengo mi ts x ¿Cómo realizar la convolución con el filtro autorregresivo en R? ¿Se puede utilizar la biblioteca forecast o...?

EDITAR Lo que he hecho hasta ahora

d <- scan('262_V01_C00_R000_TEx_BL_128H.dat')
dts <- ts(d,frequency=32)

png("n1.png")
plot.ts(dts)
dev.off()

Entonces tengo trama

Si realizo una diferenciación en dos tiempos

d <- scan('262_V01_C00_R000_TEx_BL_128H.dat')
dts <- ts(d,frequency=32)
dts1 <- diff(dts, differences=2)

png("n2.png")
plot.ts(dts1)

Entonces mi parcela tiene este aspecto

¿Debo volver a preprocesar los datos o no antes de empezar a construir modelos ARIMA?

Answer 1

Identificar un filtro ARIMA teniendo en cuenta (robusto) cualquier tendencia temporal determinista , cambios de nivel , pulsos estacionales o anomalías de 1 tiempo. La idea es transformar la X estacionaria en una serie de ruido blanco. Este mismo filtro se utilizará en la serie Y estacionaria. El posterior análisis de correlación cruzada entre estas dos series filtradas proporciona pistas sobre la forma de la transferencia entre la X original y la Y original. Véase https://onlinecourses.science.psu.edu/stat510/node/75/ para más información .