Bewegende punt gemiddelde filter

Frekwensie van die lopende gemiddeld Filter Die frekwensieweergawe van 'n LTI stelsel is die DTFT van die impulsrespons, Die impulsrespons van 'n L - sample bewegende gemiddelde is sedert die bewegende gemiddelde filter is FIR, die frekwensieweergawe verminder om die eindige som Ons kan die baie nuttig identiteit gebruik om die frekwensie reaksie as waar ons toelaat dat AE minus jomega skryf. N 0, en M L minus 1. Ons kan belangstel in die omvang van hierdie funksie word ten einde te bepaal watter frekwensies te kry deur middel van die filter unattenuated en wat verswakte. Hier is 'n plot van die omvang van hierdie funksie lyk, vir L 4 (rooi), 8 (groen) en 16 (blou). Die horisontale as wissel van nul tot pi radiale per monster. Let daarop dat in al drie gevalle, die frekwensieweergawe het 'n laagdeurlaat kenmerk. 'N konstante komponent (nul frekwensie) in die insette gaan deur die filter unattenuated. Sekere hoër frekwensies, soos pi / 2, is heeltemal uitgeskakel word deur die filter. Maar, as die bedoeling was om 'n laagdeurlaatfilter ontwerp, dan het ons nie baie goed gedoen. Sommige van die hoër frekwensies is verswakte net met 'n faktor van ongeveer 1/10 (vir die 16 punt bewegende gemiddelde) of 1/3 (vir die vier punt bewegende gemiddelde). Ons kan baie beter as dit doen. Bogenoemde plot is geskep deur die volgende Matlab kode: omega 0: pi / 400: pi H4 (1/4) (1-exp (-iomega4)) ./ (1-exp (-iomega)) H8 (1/8 ) (1-exp (-iomega8)) ./ (1-exp (-iomega)) H16 (1/16) (1-exp (-iomega16)) ./ (1-exp (-iomega)) plot (omega , ABS (H4) ABS (H8) ABS (H16)) as (0, PI, 0, 1) Kopiereg kopie 2000- - Universiteit van Kalifornië, BerkeleyMoving Gemiddelde filter (MA filter) laai. Die bewegende gemiddelde filter is 'n eenvoudige Low Pass FIR (Eindige Impulse Response) filter wat algemeen gebruik word vir glad 'n verskeidenheid van monsters data / sein. Dit neem M monsters van insette op 'n tyd en neem die gemiddelde van die M-monsters en produseer 'n enkele uitset punt. Dit is 'n baie eenvoudige LPF (laaglaatfilter) struktuur wat handig te pas kom vir wetenskaplikes en ingenieurs om ongewenste lawaaierige komponent filter van die beoogde data. As die filter lengte toeneem (die parameter M) die gladheid van die uitset verhoog, terwyl die skerp oorgange in die data gemaak word toenemend stomp. Dit impliseer dat die filter het 'n uitstekende tyd domein reaksie, maar 'n swak frekwensieweergawe. Die MA filter voer drie belangrike funksies: 1) Dit neem M insette punte, bere die gemiddelde van die M-punte en produseer 'n enkele uitset punt 2) As gevolg van die berekening / berekeninge betrokke. die filter stel 'n definitiewe bedrag van die vertraging 3) Die filter dien as 'n laaglaatfilter (met 'n swak frekwensiedomein reaksie en 'n goeie tyd domein reaksie). Matlab Kode: Na aanleiding van Matlab kode simuleer die tydgebied reaksie van 'n M-punt bewegende gemiddelde filter en ook plotte die frekwensieweergawe vir verskeie filter lengtes. Tyd Domain Reaksie: Op die eerste plot, ons het die insette wat gaan in die bewegende gemiddelde filter. Die insette is raserig en ons doel is om die geraas te verminder. Die volgende figuur is die uitset reaksie van 'n 3-punt bewegende gemiddelde filter. Dit kan afgelei word uit die figuur dat die 3-punt bewegende gemiddelde filter nie veel in die filter van die geraas gedoen het. Ons verhoog die filter krane tot 51-punte en ons kan sien dat die geraas in die uitset baie, wat uitgebeeld word in die volgende figuur verminder. Ons verhoog die krane verder tot 101 en 501 en ons kan waarneem dat selfs-al die geraas is amper nul, die oorgange is drasties afgestomp uit (kyk na die helling op die weerskante van die sein en vergelyk kan word met die ideale baksteenmuur oorgang in ons insette). Frekwensie: Van die frekwensieweergawe dit kan beweer dat die roll-off is baie stadig en die stop orkes verswakking is nie goed nie. Gegewe hierdie stop-band attenuasie, duidelik, die bewegende gemiddelde filter kan nie een band van frekwensies van 'n ander te skei. Soos ons weet dat 'n goeie vertoning in die tydgebied resultate in 'n swak vertoning in die frekwensiedomein, en omgekeerd. In kort, die bewegende gemiddelde is 'n buitengewoon goeie glad filter (die aksie in die tydgebied), maar 'n besonder slegte laaglaatfilter (die aksie in die frekwensiedomein) Eksterne skakel: aanbevole boeke: Primêre SidebarMoving Gemiddelde Filter Jy kan gebruik die bewegende gemiddelde filter module om 'n reeks van eensydige of twee kante gemiddeldes bereken oor 'n datastel, met behulp van 'n venster lengte wat jy spesifiseer. Nadat jy 'n filter wat aan u behoeftes voldoen het gedefinieer, kan jy dit van toepassing op geselekteerde kolomme in 'n datastel deur dit met die toepas Filter module. Die module doen al die berekeninge en vervang waardes binne numeriese kolomme met ooreenstemmende bewegende gemiddeldes. Jy kan die gevolglike bewegende gemiddelde gebruik vir die plot en visualisering, as 'n nuwe gladde basislyn vir modellering, vir die berekening van afwykings teen berekeninge vir soortgelyke tydperke, en so aan. Hierdie tipe gemiddelde help jou openbaar en voorspel nuttig tydelike patrone in terugwerkende en real-time data. Die eenvoudigste tipe bewegende gemiddelde begin om 'n paar voorbeelde van die reeks, en maak gebruik van die gemiddelde van daardie posisie plus die vorige N posisies in plaas van die werklike waarde. (Jy kan N definieer as wat jy wil.) Hoe langer die tydperk N waaroor die gemiddelde bereken word, hoe minder variansie wat jy sal hê onder waardes. Ook, as jy die aantal waardes wat gebruik word, hoe minder effek 'n enkele waarde het op die gevolglike gemiddelde verhoog. 'N bewegende gemiddelde kan wees eensydige of twee kante. In 'n eensydige gemiddeld slegs waardes voor die indeks waarde gebruik. In 'n twee-sided gemiddelde, is verlede en toekomstige waardes gebruik. Vir scenario waarin jy lees streaming data, kumulatiewe en geweegde bewegende gemiddeldes is veral nuttig. A kumulatiewe bewegende gemiddelde rekening hou met die punte voor die huidige tydperk. Jy kan ook gewig al datapunte wanneer die berekening van die gemiddelde, of jy kan verseker dat waardes nader aan die huidige data punt sterker word geweeg. In 'n geweegde bewegende gemiddelde. al gewigte moet opsom om 1. In 'n eksponensiële bewegende gemiddelde. die gemiddeldes bestaan ​​uit 'n hoof en 'n stert. wat gebruik kan word geweeg. 'N liggies gelaai stert beteken dat die stert volg die hoof heel noukeurig, sodat die gemiddelde optree soos 'n bewegende gemiddelde op 'n kort gewig tydperk. Wanneer stert gewig is swaarder, die gemiddelde tree meer soos 'n langer eenvoudige bewegende gemiddelde. Voeg die bewegende gemiddelde filter module om jou eksperiment. Want dit sal lengte. tik 'n positiewe heelgetal waarde wat die totale grootte van die venster waaroor die filter toegepas definieer. Dit staan ​​ook bekend as die filter masker. Vir 'n bewegende gemiddelde, die lengte van die filter bepaal hoeveel waardes gemiddeld in die gly venster. Meer filters word ook genoem hoërorde filters, en bied 'n groter venster van berekening en 'n nader aanpassing van die tendens lyn. Korter of laer orde filters gebruik 'n kleiner venster van berekening en nader lyk die oorspronklike data. Vir tipe. kies die tipe bewegende gemiddelde om aansoek te doen. In blou masjien Leer Studio ondersteun die volgende tipes bewegende gemiddelde berekeninge: 'n Eenvoudige bewegende gemiddelde (SMA) word bereken as 'n ongeweegde rollende beteken. Driehoekige bewegende gemiddeldes (TMA) is twee keer gemiddeld vir 'n gladder tendens lyn. Die woord driehoekige is afgelei van die vorm van die gewigte wat toegepas word om die data, wat sentrale waardes beklemtoon. 'N eksponensiële bewegende gemiddelde (EMA) gee meer gewig aan die mees onlangse data. Die gewig daal eksponensieel af. 'N aangepaste eksponensiële bewegende gemiddelde bereken 'n lopende bewegende gemiddelde, waar die berekening van die bewegende gemiddelde op enige gegewe punt van mening dat die voorheen bereken op bewegende gemiddelde glad voorafgaande punte. Hierdie metode lewer 'n gladder tendens lyn. Gegewe 'n enkele punt en 'n huidige bewegende gemiddelde, die kumulatiewe bewegende gemiddelde (CMA) word bereken dat die bewegende gemiddelde op die huidige punt. Voeg die dataset dat die waardes wat jy wil om 'n bewegende gemiddelde vir bereken het, en voeg die Pas Filter module. Verbind die bewegende gemiddelde filter om die linkerkantse insette van Pas Filter. en verbind die dataset die regterkantste insette. In die Pas Filter module gebruik die kolom selector om te spesifiseer watter kolomme die filter moet toegepas word op. By verstek, sal die filter wat jy maak toegepas word op alle numeriese kolomme, so seker wees om enige kolomme wat hoef nie gepas data uit te sluit. Begin die eksperiment. Op daardie stadium, vir elke stel waardes gedefinieer deur die parameter filter lengte, is die huidige (of indeks) waarde vervang met die bewegende gemiddelde value. The Scientist en Ingenieurs Guide to Digital Signal Processing Deur Steven W. Smith, Ph. D. Soos die naam aandui, die bewegende gemiddelde filter bedryf deur gemiddeld 'n aantal punte van die insetsein aan elke punt in die uitsetsein produseer. In vergelyking vorm, dit is geskrywe: Waar is tog die insetsein, is die uitset sein, en M is die aantal punte in die gemiddelde. Byvoorbeeld, in 'n 5 punt bewegende gemiddelde filter, punt 80 in die uitsetsein word gegee deur: As 'n alternatief, kan die groep punte van die insetsein simmetries gekies om die uitset punt: Dit stem ooreen met die verandering van die opsomming in vergelyking . 15-1 van: J 0 tot M -1 aan: J - (M -1) / 2 tot (m -1) / 2. Byvoorbeeld, in 'n 10 punt bewegende gemiddelde filter, die indeks, j. kan loop 0-11 (een kant gemiddelde) of -5 tot 5 (simmetriese gemiddelde). Simmetriese gemiddelde vereis dat M wees 'n onewe getal. Programmering is 'n bietjie makliker met die punte op slegs een kant egter hierdie produseer 'n relatiewe verskuiwing tussen die inset en uitset seine. Jy moet besef dat die bewegende gemiddelde filter is 'n konvolusie gebruik van 'n baie eenvoudige filter kern. Byvoorbeeld, 'n 5 punt filter het die filter kern; 82300, 0, 1/5, 1/5, 1/5, 1/5, 1/5, 0, 08230. Dit is die bewegende gemiddelde filter is 'n konvolusie van die insetsein met 'n vierkantige pols met 'n oppervlakte van een. Tabel 15-1 toon 'n program om die bewegende gemiddelde filter. The Eenvoudige bewegende gemiddelde filter Hierdie bladsy beskryf die eenvoudige bewegende gemiddelde filter implementeer. Dit is deel van die afdeling oor filter wat deel is van 'n Gids tot Fout opsporing en diagnose .. Oorsig Die eenvoudige bewegende gemiddelde filter gemiddeldes onlangse waardes van die filter insette vir 'n gegewe aantal insette. Dit is die mees algemene voorbeeld van die 8220moving gemiddelde 8221 (MA) kategorie van filters, ook bekend as eindige impulsrespons (FIR) filters. Elke onlangse insette word vermenigvuldig met 'n koëffisiënt vir alle lineêre MA filters, en die koëffisiënte is almal dieselfde vir hierdie eenvoudige bewegende gemiddelde. Die som van die koëffisiënte is 1.0, sodat die uitset uiteindelik ooreenstem met die insette wanneer die insette doesn8217t verandering. Die opbrengs net afhanklik van onlangse insette, in teenstelling met die eksponensiële filter wat ook hergebruik sy vorige uitset. Die enigste parameter is die aantal punte in die gemiddelde - die 8220window size8221. Bewegende gemiddelde stap reaksie Soos enige MA filter, dit 'n stap reaksie in 'n beperkte tyd, afhangende van die venster grootte voltooi: Hierdie eenvoudige bewegende gemiddelde voorbeeld hierbo is gebaseer op 9 punte. Onder beskeie aannames, is dit die verskaffing van die optimale (glad) skatting vir 'n waarde op die middelpunt van die tyd interval, in hierdie geval, 4.5 monster tussenposes in die verlede. Kopiereg 2010 - 2013, Greg Stanley