الانتقال من المتوسط خوارزمية فلتر

المتوسط ​​المتحرك كمصفاة غالبا ما يستخدم المتوسط ​​المتحرك لتيسير البيانات في وجود ضوضاء. والمتوسط ​​المتحرك البسيط لا يعترف به دائما على أنه مرشاح الاستجابة النبضية المحددة (فير)، وهو في الواقع أحد المرشحات الأكثر شيوعا في معالجة الإشارات. التعامل معها كفلتر يسمح مقارنتها مع، على سبيل المثال، مرشحات المخلوطة نافذة (انظر المقالات على تمريرة المنخفضة. تمريرة عالية، ومرشحات تمريرة النطاق والترفض الفرقة لأمثلة على تلك). والفرق الرئيسي مع تلك المرشحات هو أن المتوسط ​​المتحرك مناسب للإشارات التي ترد المعلومات المفيدة في المجال الزمني. والتي تعد قياسات التمهيد عن طريق حساب المتوسط ​​مثالا رئيسيا. ومن ناحية أخرى، فإن المرشحات المخلوطة بالنافذة، هي عوامل أداء قوية في مجال الترددات. مع تحقيق المساواة في معالجة الصوت كمثال نموذجي. هناك مقارنة أكثر تفصيلا لكلا النوعين من المرشحات في المجال الزمني مقابل نطاق التردد أداء الفلاتر. إذا كانت لديك بيانات يكون كل من نطاق الوقت ونطاق التردد فيها هاما، فقد تحتاج إلى إلقاء نظرة على الاختلافات في المتوسط ​​المتحرك. الذي يعرض عددا من النسخ المرجحة للمتوسط ​​المتحرك الأفضل في ذلك. ويمكن تعريف المتوسط ​​المتحرك للطول (N) كما هو مكتوب كما هو مطبق عادة، مع عينة الانتاج الحالي كمتوسط ​​للعينات السابقة (N). ويرى المتوسط ​​المتحرك أن توليفة تتابع الدخل (شن) مع نبضة مستطيلة طولها (N) والارتفاع (1N) (لجعل منطقة النبضة، وبالتالي كسب المرشاح ، واحد). في الممارسة العملية، فمن الأفضل أن تأخذ (N) الغريب. وعلى الرغم من إمكانية حساب متوسط ​​متحرك باستعمال عدد متساو من العينات، فإن استخدام قيمة غريبة ل (N) له ميزة مفادها أن تأخر المرشح سيكون عددا صحيحا من العينات، نظرا لأن تأخر المرشاح (N) العينات هو بالضبط ((N-1) 2). ويمكن بعد ذلك مواءمة المتوسط ​​المتحرك تماما مع البيانات الأصلية بتحويله بعدد صحيح من العينات. المجال الزمني نظرا لأن المتوسط ​​المتحرك هو ارتباط مع نبضة مستطيلة، فإن استجابته للتردد هي دالة صادقة. هذا يجعل من شيء مثل المزدوج من المرشح المصدق نافذة، لأن هذا هو التلازم مع نبض مخلص يؤدي إلى استجابة التردد مستطيلة. هذا هو استجابة التردد المخلص الذي يجعل المتوسط ​​المتحرك أداء ضعيف في مجال التردد. ومع ذلك، فإنه يؤدي بشكل جيد جدا في المجال الزمني. ولذلك، فإنه مثالي لنعومة البيانات لإزالة الضوضاء بينما في نفس الوقت لا تزال تحافظ على استجابة خطوة سريعة (الشكل 1). وبالنسبة للضوضاء البيضاء النموذجية المضافة (غوسيان نويز) (أوغن) التي غالبا ما تفترض، فإن متوسطات (N) عينات لها تأثير زيادة نسبة شنر بعامل (سرت N). وبما أن الضوضاء بالنسبة للعينات الفردية غير مترابطة، فلا يوجد سبب لمعالجة كل عينة على حدة. وبالتالي، فإن المتوسط ​​المتحرك، الذي يعطي كل عينة نفس الوزن، والتخلص من أقصى قدر من الضوضاء لحدة استجابة خطوة معينة. التنفيذ نظرا لأنه مرشح من نوع فير، يمكن تنفيذ المتوسط ​​المتحرك من خلال الالتفاف. ومن ثم سيكون لها نفس الكفاءة (أو عدم وجودها) مثل أي مرشح آخر لتصفية معلومات الطيران. ومع ذلك، فإنه يمكن أيضا أن تنفذ بشكل متكرر، بطريقة فعالة جدا. ويأتي ذلك مباشرة من التعريف بأن هذه الصيغة هي نتيجة لتعبيرين عن (ين) و (yn1)، أي حيث نلاحظ أن التغيير بين (yn1) و (ين) هو أن مصطلح إضافي (xn1N) يظهر عند في النهاية، في حين تتم إزالة المصطلح (شن-N1N) من البداية. في التطبيقات العملية، غالبا ما يكون من الممكن ترك التقسيم عن طريق (N) لكل مصطلح من خلال تعويض عن المكسب الناتج من (N) في مكان آخر. هذا التنفيذ المتكرر سيكون أسرع بكثير من الالتفاف. ويمكن حساب كل قيمة جديدة (y) بإضافتين فقط، بدلا من الإضافات (N) التي ستكون ضرورية للتنفيذ المباشر للتعريف. شيء واحد للبحث عن مع تنفيذ العودية هو أن أخطاء التقريب سوف تتراكم. قد يكون هذا أو قد لا يكون مشكلة للتطبيق الخاص بك، ولكنه يعني أيضا أن هذا التنفيذ المتكرر سوف تعمل في الواقع بشكل أفضل مع تنفيذ عدد صحيح من مع أرقام نقطة العائمة. هذا أمر غير عادي تماما، حيث أن تنفيذ النقطة العائمة عادة ما يكون أكثر بساطة. يجب أن يكون استنتاج كل هذا أنه يجب أن لا نقلل من فائدة مرشح المتوسط ​​المتحرك البسيط في تطبيقات معالجة الإشارات. أداة تصميم التصفية يتم استكمال هذه المقالة باستخدام أداة تصميم التصفية. قم بتجربة قيم مختلفة ل (N) وتصور الفلاتر الناتجة. نحاول الآن نوي لديها مجموعة من القيم مثل هذا: مجموعة أعلاه هو أبرسيمبليفيد، إم جمع 1 قيمة في ميلي ثانية واحدة في بلدي رمز حقيقي وأنا بحاجة إلى معالجة الإخراج على خوارزمية كتبت للعثور على أقرب قمة قبل نقطة في الوقت المناسب . منطقي يفشل لأن في بلدي المثال أعلاه، 0.36 هو الذروة الحقيقية، ولكن خوارزمي بلدي سوف ننظر إلى الوراء ونرى العدد الأخير جدا 0.25 كما الذروة، كما ثيريز انخفاض إلى 0.24 قبل ذلك. والهدف من ذلك هو اتخاذ هذه القيم وتطبيق خوارزمية لهم والتي سوف تلطف بها قليلا حتى أن لدي المزيد من القيم الخطية. (أي: إد مثل نتائجي لتكون متعرج، وليس جاجدي) وقد قيل إيف لتطبيق مرشح المتوسط ​​المتحرك الأسي لقيم بلدي. كيف يمكنني أن أفعل هذا من الصعب حقا بالنسبة لي لقراءة المعادلات الرياضية، وأنا أتعامل بشكل أفضل بكثير مع التعليمات البرمجية. كيف أقوم بمعالجة القيم في صفيفي، تطبيق حساب متوسط ​​متحرك أسي حتى حتى يطلب منهم فب 8 12 في 20:27 لحساب متوسط ​​متحرك أسي. تحتاج إلى الحفاظ على بعض الدول في جميع أنحاء وتحتاج إلى ضبط المعلمة. وهذا يتطلب فئة صغيرة (على افتراض أن تستخدم جافا 5 أو في وقت لاحق): إنستانتيات مع المعلمة تسوس تريد (قد يستغرق ضبط يجب أن يكون بين 0 و 1) ثم استخدم المتوسط ​​() لتصفية. عند قراءة صفحة على بعض تكرار الرياضيات، كل ما تحتاج حقا أن نعرف عند تحويله إلى التعليمات البرمجية هو أن الرياضيين يحبون كتابة الفهارس في المصفوفات وتسلسل مع سوبسكريبتس. (ثيف عدد قليل من التدوينات الأخرى أيضا، والتي لا تساعد.) ومع ذلك، فإن إما بسيط جدا كما تحتاج فقط إلى تذكر قيمة قديمة واحدة لا صفائف الدولة المعقدة المطلوبة. أجابيد فبراير 8 12 في 20:42 تكوشيران: بريتي موش. إيسن 39t لطيفة عندما يمكن أن تكون الأمور بسيطة (إذا بدأت مع تسلسل جديد، والحصول على متوسط ​​جديد). لاحظ أن المصطلحات القليلة الأولى في تسلسل المتوسط ​​سوف تقفز قليلا بسبب الآثار الحدودية، ولكن تحصل على تلك مع المتوسطات المتحركة الأخرى جدا. ومع ذلك، فإن ميزة جيدة هي أنه يمكنك التفاف المنطق المتوسط ​​المتحرك في أفيراجر والتجربة دون إزعاج بقية البرنامج الخاص بك كثيرا. نداش دونال فيلوس فبراير 9 12 في 0:06 أنا تواجه صعوبة في فهم أسئلتك، ولكن سأحاول الإجابة على أي حال. 1) إذا وجدت خوارزمية 0.25 بدلا من 0.36، فمن الخطأ. فمن الخطأ لأنه يفترض زيادة رتيبة أو نقصان (وهذا هو دائما الذهاب أو دائما الذهاب إلى أسفل). إلا إذا كنت متوسط ​​جميع البيانات الخاصة بك، نقاط البيانات الخاصة بك --- كما تقدم لهم --- هي غير الخطية. إذا كنت تريد حقا أن تجد أقصى قيمة بين نقطتين في الوقت المناسب، ثم شريحة صفيف الخاص بك من تمين إلى تماكس والعثور على الحد الأقصى من أن سوباراي. 2) الآن، مفهوم المتوسطات المتحركة بسيط جدا: تخيل أن لدي القائمة التالية: 1.4، 1.5، 1.4، 1.5، 1.5. أستطيع أن تمهيده بأخذ متوسط ​​رقمين: 1.45، 1.45، 1.45، 1.5. لاحظ أن الرقم الأول هو متوسط ​​1.5 و 1.4 (الثانية والأرقام الأولى) والثانية (القائمة الجديدة) هو متوسط ​​1.4 و 1.5 (الثالث والقائمة القديمة الثانية) الثالث (قائمة جديدة) متوسط ​​1.5 و 1.4 (الرابع والثالث)، وهلم جرا. كنت يمكن أن تجعل من فترة ثلاثة أو أربعة، أو ن. لاحظ كيف البيانات هو أكثر سلاسة بكثير. وهناك طريقة جيدة لرؤية المتوسطات المتحركة في العمل هو الذهاب إلى غوغل المالية، حدد الأسهم (محاولة تسلا موتورز متقلبة جدا (تسلا)) وانقر على التقنية في الجزء السفلي من الرسم البياني. حدد المتوسط ​​المتحرك مع فترة معينة، والمتوسط ​​المتحرك الأسي لمقارنة الاختلافات بينهما. المتوسط ​​المتحرك الأسي هو مجرد وضع آخر من هذا، ولكن الأوزان البيانات القديمة أقل من البيانات الجديدة وهذا هو وسيلة لتحيز تمهيد نحو الظهر. يرجى قراءة إدخال ويكيبيديا. لذلك، هذا هو أكثر تعليق من الجواب، ولكن مربع التعليق قليلا كان مجرد صغيرة. حظا طيبا وفقك الله. إذا كنت تواجه مشكلة مع الرياضيات، هل يمكن أن تذهب مع متوسط ​​متحرك بسيط بدلا من الأسي. لذا فإن الإخراج الذي تحصل عليه سيكون مصطلحات x الأخيرة مقسوما على x. كودوكود غير مختبرة: لاحظ أنك سوف تحتاج إلى التعامل مع بداية ونهاية أجزاء من البيانات بما أنه من الواضح أنك غير قادر على متوسط ​​آخر 5 شروط عندما كنت على نقطة البيانات 2 الخاص بك. أيضا، هناك طرق أكثر كفاءة لحساب هذا المتوسط ​​المتحرك (مجموع المبلغ - الأقدم الأحدث)، ولكن هذا هو للحصول على مفهوم ما يحدث عبر. أجاب في فبراير 8 12 في 20: 41Moving مرشح متوسط ​​(ما فلتر) تحميل. المرشح المتوسط ​​المتحرك عبارة عن فلتر بسيط (فير ريسولوتيون ريسبونز) منخفض تمرير منخفض (باس)، يستخدم عادة لتصفية صفيف من عينات البيانات. فإنه يأخذ M عينات من المدخلات في وقت واحد واتخاذ متوسط ​​تلك العينات M وتنتج نقطة الانتاج واحد. وهو بسيط جدا ليف (ممر منخفض مرشح) الهيكل الذي يأتي مفيد للعلماء والمهندسين لتصفية عنصر صاخبة غير المرغوب فيها من البيانات المقصود. كما يزيد طول مرشح (المعلمة M) نعومة الزيادات الانتاج، في حين أن التحولات الحادة في البيانات تتم بشكل متزايد حادة. وهذا يعني أن هذا الفلتر لديه استجابة نطاق زمني ممتاز ولكن استجابة تردد ضعيفة. مرشح ما أداء ثلاث وظائف هامة: 1) فإنه يأخذ نقاط الإدخال M، يحسب متوسط ​​تلك النقاط M وتنتج نقطة إخراج واحدة 2) نظرا لحسابات الحساب المعنية. المرشح يقدم كمية محددة من التأخير 3) عامل التصفية بمثابة مرشح تمرير منخفض (مع رد مجال التردد الضعيف واستجابة مجال الوقت جيدة). ماتلاب كود: بعد كود ماتلاب يحاكي استجابة المجال الزمني لمرشح متوسط ​​متحرك M-بوينت وأيضا يرسم استجابة التردد لأطوال المرشحات المختلفة. وقت استجابة النطاق: في المؤامرة الأولى، لدينا المدخلات التي تسير في مرشح المتوسط ​​المتحرك. المدخلات صاخبة وهدفنا هو تقليل الضوضاء. الرقم التالي هو استجابة الإخراج لمرشح متوسط ​​متحرك من 3 نقاط. ويمكن استنتاج من الشكل أن المرشح المتوسط ​​المتحرك من 3 نقاط لم يفعل الكثير في تصفية الضوضاء. نحن زيادة الصنابير مرشح إلى 51 نقطة ويمكننا أن نرى أن الضوضاء في الإخراج قد خفضت كثيرا، وهو مبين في الشكل التالي. نحن زيادة الصنابير إلى 101 و 501 ويمكننا أن نلاحظ أنه حتى على الرغم من أن الضوضاء هو ما يقرب من الصفر، وانتقالات التحولات بشكل كبير (مراقبة المنحدر على جانبي إشارة ومقارنتها مع الجدار المثالي الطوب الانتقال في مدخلاتنا). استجابة التردد: من استجابة التردد يمكن التأكيد أن لفة قبالة بطيئة جدا والتوهين وقف المحطة ليست جيدة. وبالنظر إلى التوهين في نطاق التوقف، من الواضح أن المرشح المتوسط ​​المتحرك لا يمكن فصل نطاق واحد من الترددات عن تردد آخر. كما نعلم أن الأداء الجيد في المجال الزمني يؤدي إلى ضعف الأداء في مجال التردد، والعكس بالعكس. وباختصار، فإن المتوسط ​​المتحرك هو مرشح تمهيد جيد بشكل استثنائي (الإجراء في المجال الزمني)، ولكن مرشح تمرير منخفض سيئ للغاية (الإجراء في نطاق التردد) الروابط الخارجية: الكتب الموصى بها: الشريط الجانبي الرئيسي