在随机过程、混沌理论和时间序列分析中,去趋势波动分析(DFA)是一种评估信号统计自相似性的方法,通过计算alpha(或Hurst指数H)来分析长期依赖的时间序列。传统的DFA仅限于二阶统计矩的缩放,并假设过程服从正态分布。MFDFA1和MFDFA2在当前的zip文件中,计算所有q阶统计矩的H(q)和局部Hurst指数H(t)。此外,它们还提供了通过H(q)的Legendre变换或直接从H(t)的直方图计算多重分形谱D(h)的功能。如果这些代码用于科学出版物,请引用包含在zip文件中的Ihlen(2012)。