الانتقال المتوسط ، مقابل منخفض تمرير مرشح

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، والمرشحات 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) ذات 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 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. جرب الآن استجابة التردد لمرشاح معدل التشغيل استجابة التردد لنظام لتي هي دتفت للاستجابة النبضية، الاستجابة النبضية لمتوسط ​​متحرك L-سامبل هو لأن المرشح المتوسط ​​المتحرك هو فير، فإن استجابة التردد تقلل إلى المحدود سوم يمكننا استخدام هوية مفيدة جدا لكتابة استجابة التردد حيث أننا قد دعونا إ ناقص جوميغا. N 0 و M L ناقص 1. قد نكون مهتمين بحجم هذه الوظيفة من أجل تحديد الترددات التي يتم الحصول عليها من خلال المرشح غير الموهوب والتي تكون موهنة. وفيما يلي مؤامرة من حجم هذه الوظيفة ل L 4 (الأحمر)، 8 (الأخضر)، و 16 (الأزرق). ويتراوح المحور الأفقي من صفر إلى بي راديان لكل عينة. لاحظ أنه في جميع الحالات الثلاث، استجابة التردد لديه خاصية لوباس. عنصر ثابت (صفر تردد) في المدخلات يمر من خلال مرشح غير موهن. يتم التخلص من بعض الترددات الأعلى، مثل بي 2، تماما بواسطة المرشح. ومع ذلك، إذا كان القصد من ذلك هو تصميم مرشح لوباس، ثم نحن لم تفعل بشكل جيد للغاية. وتخفف بعض الترددات الأعلى بعامل قدره حوالي 110 (للمتوسط ​​المتحرك 16 نقطة) أو 13 (للمتوسط ​​المتحرك لأربع نقاط). يمكننا أن نفعل أفضل بكثير من ذلك. تم إنشاء المؤامرة المذكورة أعلاه بواسطة كود ماتلاب التالي: أوميغا 0: pi400: بي H4 (14) (1-إكس (-iomega4)) (1-إكس (-iomega)) H8 (18) (1-إكس (- (1-إكس (-iomega16)) (1-إكس (-iomega8)) 1-إكس (-iomega)) H16 (116) (1-إكس (-iomega8) (أوميغا، عبس (H4) H16)) محور (0، بي، 0، 1) كوبيرايت كوبي 2000- - ونيفرزيتي أوف كاليفورنيا، بيركلييم ترميز شيء في هذه اللحظة حيث إيم أخذ مجموعة من القيم مع مرور الوقت من بوصلة الأجهزة. هذه البوصلة دقيقة جدا والتحديثات في كثير من الأحيان، مع النتيجة أنه إذا كان الضحك قليلا، وأنا في نهاية المطاف مع قيمة غريبة أن يتعارض بشكل عار مع جيرانها. أريد أن تسهل تلك القيم. بعد القيام ببعض القراءة، يبدو أن ما أريده هو مرشح تمريرة عالية، أو مرشح تمرير منخفض أو متوسط ​​متحرك. المتوسط ​​المتحرك الذي يمكن أن أسقطه، أبقي فقط على تاريخ آخر 5 قيم أو أيا كان، واستخدم متوسط ​​تلك القيم في المصب في الكود الخاص بي حيث كنت مرة واحدة فقط باستخدام أحدث قيمة. هذا، ينبغي، على ما أعتقد، على نحو سلس من تلك الضحك لطيف، لكنه يضربني أن لها على الأرجح غير فعالة تماما، وربما هذا هو واحد من تلك المشاكل المعروفة لمبرمجي المناسبة التي ثيريس حل ذكي ذكي الرياضيات حقا. أنا، ومع ذلك، واحدة من تلك المبرمجين فظيع الذاتي المدربين دون تمزيق التعليم الرسمي في أي شيء حتى غامضة تتعلق كومبسي أو الرياضيات. قراءة حول قليلا تشير إلى أن هذا قد يكون مرشح تمرير عالية أو منخفضة، ولكن لا أستطيع أن أجد أي شيء يفسر من حيث مفهومة لاختراق مثلي ما تأثير هذه الخوارزميات سيكون على مجموعة من القيم، ناهيك عن كيفية الرياضيات يعمل. الجواب هنا. على سبيل المثال، من الناحية الفنية لا يجيب على سؤالي، ولكن فقط من حيث مفهومة لأولئك الذين ربما ربما يعرفون بالفعل كيفية حل المشكلة. سيكون شخص جميل جدا وذكي حقا الذي يمكن أن يفسر هذا النوع من المشكلة هذا هو، وكيف تعمل الحلول، من حيث مفهومة لخريج الفنون. سأل 21 سبتمبر 10 في 13:01 إذا كان المتوسط ​​المتحرك الخاص بك يجب أن يكون طويلا من أجل تحقيق التمهيد المطلوب، وأنت لا تحتاج حقا أي شكل معين من النواة، ثم كنت أفضل حالا إذا كنت تستخدم المتوسط ​​المتحرك المتحلل أضعافا مضاعفة: أين أنت اختيار صغيرة لتكون ثابتة مناسبة (على سبيل المثال إذا اخترت صغيرة 1- 1N، وسوف يكون لها نفس المبلغ من المتوسط ​​كنافذة من الحجم N، ولكن موزعة بشكل مختلف على النقاط القديمة). على أي حال، نظرا لأن القيمة التالية للمتوسط ​​المتحرك تعتمد فقط على البيانات السابقة والبيانات الخاصة بك، لا تحتاج إلى الاحتفاظ طابور أو أي شيء. ويمكنك التفكير في ذلك كما تفعل شيئا مثل، حسنا، لقد حصلت على نقطة جديدة، ولكن أنا لا أثق بها حقا، لذلك أنا سوف تبقي 80 من بلدي التقدير القديم للقياس، والثقة فقط هذه النقطة البيانات الجديدة 20. ثاتس إلى حد كبير نفس القول، حسنا، أنا فقط على ثقة هذه النقطة الجديدة 20، و إل استخدام 4 نقاط أخرى أن أثق بنفس المبلغ، إلا أنه بدلا من أخذ صراحة 4 نقاط أخرى، فإنك تفترض أن المتوسط ​​الذي فعلته آخر مرة كان معقولا حتى تتمكن من استخدام عملك السابق. أجاب 21 سبتمبر 10 في 14:27 مهلا، وأنا أعلم هذا هو 5 سنوات في وقت متأخر، ولكن شكرا على إجابة رهيبة. I39m يعمل على لعبة حيث يتغير الصوت على أساس سرعة الخاص بك، ولكن نظرا لتشغيل اللعبة على جهاز كمبيوتر بطيئة الحمار، فإن سرعة تتقلب بعنف، الذي كان على ما يرام للتوجيه، ولكن السوبر مزعج من حيث الصوت. كان هذا حل بسيط ورخيص حقا لشيء اعتقدت أنه سيكون مشكلة معقدة حقا. نداش آدم مار 16 15 في 20:20 إذا كنت تحاول إزالة القيمة الفردية في بعض الأحيان، مرشح تمرير منخفض هو أفضل من الخيارات الثلاثة التي قمت بتحديدها. تسمح مرشحات التمرير المنخفض بتغييرات منخفضة السرعة مثل تلك الناتجة عن تدوير البوصلة يدويا، بينما ترفض التغييرات عالية السرعة مثل تلك التي تحدثها المطبات على الطريق، على سبيل المثال. من المحتمل أن يكون المتوسط ​​المتحرك غير كاف، حيث أن تأثيرات اللمبة الواحدة في بياناتك ستؤثر على عدة قيم لاحقة، وذلك حسب حجم إطار المتوسط ​​المتحرك. إذا تم الكشف عن القيم الفردية بسهولة، قد تكون أفضل حتى مع خوارزمية إزالة خلل أن يتجاهل تماما لهم: هنا هو الرسم البياني غويك لتوضيح: الرسم البياني الأول هو إشارة الدخل، مع خلل غير سارة واحدة. ويبين الرسم البياني الثاني تأثير متوسط ​​متحرك من 10 عينات. الرسم البياني النهائي هو مزيج من متوسط ​​العينة العشرة وخوارزمية الكشف عن خلل بسيط المبينة أعلاه. عندما يتم الكشف عن خلل، يتم استخدام متوسط ​​10 عينة بدلا من القيمة الفعلية. أجابيد سيب 21 10 في 13:38 نيسلي أوسيند، و بونوس بوينتس فور ذي غراف) ندش هنري كوك سبتمبر 22 10 في 0:50 و. رأى نادرا مثل هذه الإجابة لطيفة نداش ميس يونيو 4 13 في 9:14 المتوسط ​​المتحرك هو مرشح تمريرة منخفضة. ندش نومين أكتوبر 21 13 في 19:36 حاول وسيط الجري بدلا من ذلك. نداش كيرت أبر 25 14 في 22:09 موفينغ أفيراج I كان نوت دون. لكنه يضربني أن من المحتمل أن تكون غير فعالة تماما. لا يوجد سبب في الواقع أن المتوسط ​​المتحرك يجب أن يكون غير فعال. يمكنك الاحتفاظ بعدد من نقاط البيانات التي تريدها في بعض المخزن المؤقت (مثل طابور دائري). في كل نقطة بيانات جديدة، تطفو على أعلى قيمة وطرحها من مجموع، ودفع الأحدث وإضافته إلى المجموع. لذلك كل نقطة بيانات جديدة حقا ينطوي فقط على البوبوش، إضافة والطرح. المتوسط ​​المتحرك هو دائما هذا المبلغ المتغير مقسوما على عدد القيم في المخزن المؤقت. فإنه يحصل قليلا أكثر صعوبة إذا كنت تلقي البيانات في وقت واحد من المواضيع متعددة، ولكن منذ البيانات الخاصة بك قادمة من جهاز الأجهزة التي يبدو مشكوكا فيه للغاية بالنسبة لي. أوه وأيضا: المبرمجون الفظيعون المدربون على الذات اتحدوا) بدا المتوسط ​​المتحرك غير فعال بالنسبة لي لأن لديك لتخزين المخزن المؤقت للقيم - أفضل أن تفعل فقط بعض الرياضيات الذكية مع قيمة المدخلات الخاصة بك وقيمة العمل الحالية وأعتقد أن 39s كيف المتوسط ​​المتحرك الأسي يعمل. تحسين I39ve ينظر لهذا النوع من المتوسط ​​المتحرك ينطوي على استخدام طابور ثابت طول أمبير مؤشر إلى أين أنت في هذا الطابور، والتفاف فقط المؤشر حول (مع أو إذا كان). فولا لا بوبشوب مكلفة. السلطة للهواة، شقيق نداش هنري كوك سبتمبر 22 10 في 0:54 هنري: للحصول على المتوسط ​​المتحرك على التوالي كنت بحاجة إلى المخزن المؤقت ببساطة بحيث تعرف ما قيمة يحصل برزت عندما يتم دفع القيمة التالية. على الرغم من ذلك، طابور طول كوتفيكسد أمبير بوينتيركوت كنت تصف هو بالضبط ما قصدته كويسيركولار queue. quot that39s لماذا كنت أقول انها isn39t غير فعالة. ماذا كنت أعتقد أنني قصدت وإذا كان ردك هو صفيف حجمي الذي يحول قيمه مرة أخرى على كل ريموفلندوت المفهرسة (مثل ستد :: ناقلات في C). حسنا، ثم، I39m حتى يصب أنا don39t حتى تريد أن أتحدث إليكم بعد الآن) نداش دان تاو 22 سبتمبر 10 في 01:58 هنري: أنا don39t تعرف عن AS3، ولكن حصلت على مبرمج جافا مجموعات مثل سيركولاركيو في التخلص من (I39m ليس جافا المطور لذلك I39m متأكد من أن هناك أمثلة أفضل هناك أن 39s فقط ما وجدت من بحث جوجل سريع)، الذي ينفذ بالضبط وظيفة we39re نتحدث عنه. I39m واثق إلى حد كبير أن غالبية اللغات المتوسطة والمنخفضة مع المكتبات القياسية لديها شيء مماثل (على سبيل المثال في هناك 39s كيويلتغت). على أي حال، كنت فلسفة نفسي، لذلك. كل شيء يغفر. نداش دان تاو 22 سبتمبر 10 في 12:44 ويمكن حساب المتوسط ​​المتحرك المتحلل أضعافا مضاعفة باليد مع الاتجاه فقط إذا كنت تستخدم القيم المناسبة. انظر fourmilab. chhackdiete4 للحصول على فكرة عن كيفية القيام بذلك بسرعة مع القلم والورقة إذا كنت تبحث عن المتوسط ​​المتحرك أملس أضعافا مع 10 التجانس. ولكن منذ لديك جهاز كمبيوتر، وربما كنت تريد أن تفعل التحول ثنائي بدلا من التحول العشري) وبهذه الطريقة، كل ما تحتاجه هو متغير لقيمتك الحالية واحد للمتوسط. ويمكن بعد ذلك حساب المتوسط ​​التالي من ذلك. أجابيد سيب 21 10 في 14:39 ثيريس تقنية تسمى مجموعة البوابة التي تعمل بشكل جيد مع لو-أكرنس سبوريوس سامبلز. على افتراض استخدام واحد من تقنيات التصفية المذكورة أعلاه (المتوسط ​​المتحرك، الأسي)، وبمجرد أن يكون لديك تاريخ كاف (وقت ثابت واحد) يمكنك اختبار عينة البيانات الواردة الجديدة للمعقولية، قبل إضافته إلى الحساب. هناك حاجة إلى بعض المعرفة للحد الأقصى لمعدل معقول من التغيير للإشارة. يتم مقارنة العينة الخام مع القيمة الممزقة الأحدث، وإذا كانت القيمة المطلقة لهذا الفرق أكبر من المدى المسموح به، يتم طرح هذه العينة (أو استبدالها ببعض الاستدلال، على سبيل المثال، التنبؤ الذي يعتمد على فرق الانحدار أو الاتجاه قيمة التنبؤ من تجانس الأسي مزدوجة) أجاب 30 أبريل 16 في 6: 56A بسيطة، قطب واحد، تمريرة منخفضة، عاكسة مرشح إير سريعة وسهلة لتنفيذ، على سبيل المثال حيث x، y هي إشارات التسارع زي (غير المرشحة) الخام، شف، يف هي إشارات الإخراج المصفاة، و k تحدد ثابت الوقت للمرشحات (عادة قيمة بين 0،9 و 0،999. حيث أن k أكبر يعني ثابت زمني أطول ). يمكنك تحديد k تجريبيا، أو إذا كنت تعرف المطلوب قطع تردد، فك. ثم يمكنك استخدام الصيغة: حيث فس هو معدل العينة. لاحظ أن شف، يف هي القيم السابقة لإشارة الإخراج على رس، وقيم الإخراج الجديدة على لس للتعبير أعلاه. لاحظ أيضا أننا نفترض هنا أنك سوف تكون عينات إشارات التسارع على فترات زمنية منتظمة، على سبيل المثال. كل 10 مللي ثانية. وسيكون ثابت الزمن دالة لكل من k وفترة أخذ العينات هذه.