Geweegde bewegende gemiddelde seinverwerking

Ek is op soek na - of probeer om 'n filter met 'n stuksgewys-monotoniese tweede afgeleide create - in so 'n manier dat wanneer geplaas op 'n nie-periodiese insetsein, veranderinge in teken van die tweede afgeleide gebeur so gou as moontlik en piece - wyse Monotoniciteit van die tweede afgeleide (so ook van die eerste afgeleide en die filter self) is ongeskonde gehou te alle tye. Laat ek verduidelik: Ek het 'n nie-periodiese, skryfbehoeftes sein. Op hierdie sein, ek bereken 'n driehoekige Geweegde bewegende gemiddelde (SWMA): die impulsrespons vektor lyk die positiewe deel van 'n sinusgolf, die gewigte van die bewegende gemiddelde voeg tot 1. Dit is 'n FIR filter, ek dink 'n lae-pass filter. Wat ek graag oor hierdie filter is dat sy veranderinge in teken van sy tweede afgeleide (buig punte) saamval rofweg met die plaaslike extrema van my sein (soos sy oorskakeling van konvekse om konkaaf): as ek 'n spline sou plaas op dit, die splines stasionêre punte sou min of meer saamval met die tweede afgeleide teken skakel punte of buig punte van die filter. Ek probeer om te voorspel op / af segmente met behulp van die 1ste en 2de afgeleide van die filter: As die SWMA is dalende en die tweede afgeleide is ook negatief, ek wag vir die tweede afgeleide positiewe draai en dit is waar my voorspeller positief vir draai die sein, dan later, toe die SWMA opgaan, ek wag vir 'n verlangsaming, want die tweede afgeleide van die SWMA te gaan van positief na negatief: dit is wanneer my voorspelling blyk negatief vir die sein. Dit is 'n oorsaaklike / real-time stelsel. Dit filter (SWMA) het 'n lag, maar omdat sy tweede afgeleide is óf gaan vir 'n rukkie, of om af te gaan vir 'n geruime tyd (stuksgewys-monotoniese) Ek kan die buig punte gebruik: kyk na 'n verandering in die teken van die tweede afgeleide, in plaas van net te kyk na die helling. Die probleem met my SWMA is dat sy tweede afgeleide is nie presies stuksgewys-monotoniese: Theres 'n bietjie van die geraas rondom draaipunte. In plaas daarvan om te filtreer hierdie tweede afgeleide met 'n laaglaatfilter, weet jy enige ander filters wat beter telling op hierdie eiendom of hoe sou jy 'n filter te bou met die gewenste gedrag Neem 'n blik op hierdie beeld. Die pers lyn in die boonste paneel is 'n glad spline, die dun grys lyn is my sein, en die geel lyn is 'n sine-geweegde bewegende gemiddelde (venster lengte 14). Die rooi sirkels op die geel lyn is waar die momentum begin om stadiger As die filter is aan die toeneem, dis dan waar die versnelling tot stilstand kom en die stygende begin om stadig, indien die filter is afneem, die rooi sirkel is waar die versnelling in die afname stop en die afname begin stadiger gaan. Jy sien dat hierdie punte saam te val met die draaipunte van die smoothing spline. Nou is dit 'n uitgesoekte byvoorbeeld wys ideale gedrag van wat ek wil bereik. In werklikheid, die oorgang tussen 'n toenemende momentum en 'n dalende momentum deel van die filter is nie so skielik: dit is luidruchtiger. As jy kyk na 'n sinusgolf met tydperk 2pi, sou hierdie oorgange ook baie streng wees (by pi / 4, 3pi / 4, 5pi / 4 en 7pi / 4). Is daar 'n oorsaaklike filter wat ook hierdie eiendom Dankie vir enige terugvoer. gevra 9 Oktober 13 by 22: 21What is die nadele van bewegende gemiddelde filter wanneer dit gebruik word met tydreeksdata Daar is 'n bietjie van 'n verwarrende in die terminologie in seinverwerking. Bewegende gemiddelde filters is filters berekening van 'n reeks van geweegde middel van die insetsein. Benewens Balaacutezs Kotoszrsquo kommentaar, is dit belangrik dat die gewigte is nie gelyk, maw jy die loop rekenkundige gemiddelde van die insetsein te bereken. Hierdie tipe filter word gewoonlik genoem hardloop gemiddelde. Jy shouldnrsquot gebruik diegene omdat hulle te skakel sekere frekwensies in jou spektrum en ander omgekeer. Thatrsquos slegte indien u belangstel in 'n spesifieke frekwensie band, wat óf uitgeskakel (geen reaksie) of omgekeer (verandering van teken en dus oorsaaklikheid) (kyk bladsy 177 in my handboek MATLAB Resepte vir Aardwetenskappe, Springer 2010) is. Hier is 'n MATLAB Voorbeeld om die uitwerking van die bestuur van hulpbronne te sien. As 'n voorbeeld, die toepassing van die filter om 'n sein met 'n tydperk van ongeveer 1 / 0,09082 heeltemal uitskakel dat sein. Verder, aangesien die omvang van die frekwensieweergawe is die absolute van die komplekse frekwensie reaksie, die grootte reaksie is eintlik negatief tussen 0,3633, en tussen 0,4546 en die Nyquist frekwensie. Alle sein komponente met frekwensies binne hierdie intervalle word weerspieël op die t-as. As 'n voorbeeld, probeer ons 'n sinusgolf met 'n tydperk van 7,0000, bv 'n frekwensie van ongeveer 0,1429, wat binne die eerste interval met 'n negatiewe omvang reaksie: t (1: 100) x10 2sin (2pit / 7) B10 kinders (1,11) / 11 M10 lengte (B10) Y10 filter (B10, 1, x10) Y10 Y10 (1 (m10-1) / 2: end (m10-1) / 2,1) Y10 (END1: endm10-1,1) nulle (m10-1,1) plot (t, x10, t, Y10) Hier is die amplitude van die filter wat die nulle en die knip: h, w freqz (b10,1,512) f 1W / (2pi) omvang ABS (h) plot (f, omvang) die sinusgolf met 'n tydperk van 7 ondervind 'n amplitude vermindering van bv sowat 80 maar ook verander teken soos jy kan sien uit die plot. Die uitskakeling van sekere frekwensies en daarby van die sein het belangrike gevolge terwyl die interpretasie van kousaliteit in aardwetenskappe. Hierdie filters, al is hulle word as standaard in sigblad programme vir smoothing, moet dus heeltemal vermy. As 'n alternatief, moet filters met 'n spesifieke frekwensie reaksie gebruik word, soos 'n Butterworth laagdeurlaatfilter. Het jy 'n vraag wat jy hoef beantwoord quicklyDocumentation Hierdie voorbeeld wys hoe om te gebruik bewegende gemiddelde filters en hermonstering om die effek van periodieke komponente van die tyd van die dag op uurlikse temperatuurlesings, isoleer asook verwyder ongewenste lyn geraas van 'n oop-lus spanning meting. Die voorbeeld toon ook hoe om die vlakke van 'n kloksein glad terwyl die behoud van die kante deur die gebruik van 'n mediaan filter. Die voorbeeld toon ook hoe om 'n Hampel filter gebruik om groot uitskieters verwyder. Motivering Smoothing is hoe ons ontdek belangrik patrone in ons data, terwyl die verlaat uit dinge wat onbelangrik (bv geraas) is. Ons gebruik filter om hierdie smoothing voer. Die doel van smoothing is om stadige veranderinge in waarde te produseer sodat sy makliker om tendense in ons data te sien. Soms wanneer jy insette data te ondersoek wat jy kan wens om die data te stryk ten einde 'n tendens in die sein te sien. In ons voorbeeld het ons 'n stel van temperatuurlesings in Celsius geneem elke uur by die Logan-lughawe vir die hele maand van Januarie 2011. Let daarop dat ons visueel die effek wat die tyd van die dag het aan die temperatuurlesings kan sien. As jy in die daaglikse temperatuur variasie oor die maand net belangstel, die uurlikse skommelinge net bydra geraas, wat die daaglikse variasies moeilik om te onderskei kan maak. Om die effek van die tyd van die dag verwyder, sou ons nou graag ons data glad met behulp van 'n bewegende gemiddelde filter. 'N bewegende gemiddelde filter in sy eenvoudigste vorm, 'n bewegende gemiddelde filter van lengte N neem die gemiddelde van elke N agtereenvolgende monsters van die golfvorm. Om 'n bewegende gemiddelde filter aan elke datapunt toepassing, bou ons koëffisiënte van ons filter sodat elke punt ewe is geweeg en dra 24/01 tot die totale gemiddelde. Dit gee ons die gemiddelde temperatuur oor elke tydperk van 24 uur. Filter Vertraging Let daarop dat die gefilterde uitset vertraag met sowat twaalf ure. Dit is te danke aan die feit dat ons bewegende gemiddelde filter het 'n vertraging. Enige simmetriese filter van lengte N sal 'n vertraging van (N-1) / 2 monsters het. Ons kan rekening vir die vertraging met die hand. Uittreksels van Gemiddeld Verskille Alternatiewelik, kan ons ook die bewegende gemiddelde filter gebruik om 'n beter skatting van hoe die tyd van die dag beïnvloed die algehele temperatuur verkry. Om dit te doen, in die eerste, trek die stryk data van die uurlikse temperatuur metings. Dan segment die differenced data in dae en neem die gemiddelde oor die hele 31 dae in die maand. Uittreksels van Peak Envelope Soms het ons ook graag 'n vlot wisselende skatting van hoe die hoogte - en laagtepunte van ons temperatuur sein verander daagliks. Om dit te doen, kan ons die koevert funksie gebruik om die uiterste hoogtepunte en laagtepunte bespeur oor 'n subset van die tydperk van 24 uur aan te sluit. In hierdie voorbeeld, verseker ons daar ten minste 16 uur tussen elke uiterste hoë en uiterste lae. Ons kan ook 'n gevoel van hoe die hoogte - en laagtepunte is trending deur die gemiddeld tussen die twee uiterstes kry. Geweegde Moving Gemiddelde filters Ander vorme van bewegende gemiddelde filters doen elke monster nie ewe gewig. Nog 'n algemene filter volg die binomiale uitbreiding van (1 / 2,1 / 2) n Hierdie tipe filter by benadering 'n normale kurwe vir groot waardes van n. Dit is nuttig vir die filter van hoë frekwensie geraas vir klein N. Om die koëffisiënte vind vir die binomiale filter, oprollen 1/2 1/2 met homself en dan iteratief oprollen die uitset met 1/2 1/2 'n voorgeskrewe aantal kere. In hierdie voorbeeld gebruik vyf totale iterasies. Nog 'n filter ietwat soortgelyk aan die Gaussiese uitbreiding filter is die eksponensiële bewegende gemiddelde filter. Hierdie tipe geweeg bewegende gemiddelde filter is maklik om op te rig en nie 'n groot venster grootte vereis. Jy pas 'n eksponensieel geweeg bewegende gemiddelde filter deur 'n alfa parameter tussen nul en een. 'N Hoër waarde van alfa sal minder glad nie. Zoom in op die lesings vir een dag. Kies jou Countryexponentially geweeg bewegende gemiddelde Jy kan dink jou lys as drade wat jy geboekmerk. Jy kan etikette, skrywers, drade te voeg, en selfs resultate aan jou lys te soek. Op hierdie manier kan jy maklik die spoor van onderwerpe wat jy belangstel in. Om jou lys te sien hou, kliek op die quotMy Newsreaderquot skakel. Om items na jou horlosie lys voeg, kliek op die quotadd om listquot skakel aan die onderkant van 'n bladsy te sien. Hoe kan ek 'n item by te voeg aan my horlosie lys Soek Om soekkriteria voeg tot jou lys, soek vir die presiese term in die soekkassie. Klik op die quotAdd hierdie soektog na my horlosie listquot skakel op die resultate bladsy. Jy kan ook 'n tag toe te voeg tot jou lys deur te soek vir die tag met die richtlijn quottag: tagnamequot waar merkernaam is die naam van die etiket wat jy wil om te kyk. Skrywer 'n skrywer by jou horlosie lys, gaan na die skrywers profiel bladsy en klik op die quotAdd hierdie skrywer om my horlosie listquot skakel aan die bokant van die bladsy. Jy kan ook 'n skrywer by jou horlosie lys deur te gaan na 'n draad wat die skrywer het gepos word aan en kliek op die quotAdd hierdie skrywer om my horlosie listquot skakel. Jy sal in kennis gestel word wanneer die skrywer maak 'n pos. Draad 'n draad om jou horlosie lys te voeg, gaan na die draad bladsy en klik op die quotAdd hierdie draad om my horlosie listquot skakel aan die bokant van die bladsy. Oor Nuusgroepe, News Readers en MATLAB Sentraal Wat is nuusgroepe Die groepe is 'n wêreldwye forum wat oop is vir almal is. Nuusgroepe word gebruik om 'n groot verskeidenheid onderwerpe bespreek, maak aankondigings, en handel lêers. Besprekings is gestruktureerde, of gegroepeer in 'n manier wat jou toelaat om 'n gepos boodskap en al sy antwoorde in chronologiese volgorde te lees. Dit maak dit maklik om die draad van die gesprek te volg, en om whatrsquos reeds gesê sien voordat jy jou eie antwoord te plaas of 'n nuwe plaas. Nuusgroep inhoud versprei deur bedieners gehuisves word deur verskeie organisasies op die internet. Boodskappe uitgeruil en bestuur met behulp van oop-standaard protokolle. Geen enkele entiteit ldquoownsrdquo die nuusgroepe. Daar is duisende nuusgroepe, wat elk 'n enkele onderwerp of area van belang. Die MATLAB Sentraal nuusleser poste en uitstallings boodskappe in die comp. soft-sys. matlab nuusgroep. Hoe kan ek lees of pos aan die nuusgroepe Jy kan die geïntegreerde nuusleser by die MATLAB Sentraal webwerf gebruik om te lees en post boodskappe in hierdie nuusgroep. MATLAB Sentrale word aangebied deur MathWorks. Boodskappe gepos deur die MATLAB Sentraal nuusleser gesien word deur almal gebruik van die groepe, ongeag hoe hulle toegang tot die groepe. Daar is verskeie voordele aan die gebruik van MATLAB Sentraal. Een rekening Jou MATLAB Sentraal rekening is gekoppel aan jou MathWorks Rekening vir 'n maklike toegang. Gebruik die e-posadres van jou keuse Die MATLAB Sentrale News Reader kan jy 'n alternatiewe e-pos adres as jou boodskap adres definieer, te vermy warboel in jou primêre posbus en die vermindering van spam. Spam beheer Meeste nuusgroep spam gefiltreer deur die MATLAB Sentrale News Reader. Tagging Boodskappe kan gemerk met 'n toepaslike etiket deur 'n aangemelde gebruiker. Tags kan gebruik word as sleutel word om spesifieke lêers van belang vind, of as 'n manier om jou geboekmerk plasings kategoriseer. Jy kan kies om ander toelaat om jou Tags te sien, en jy kan othersrsquo tags sowel as dié van die gemeenskap in sy geheel sien of te soek. Tagging bied 'n manier om beide die groot tendense en die kleiner, meer onduidelik idees en programme te sien. Watch lyste opstel van horlosie lyste kan jy in kennis gestel word van updates gemaak om plasings gekies deur die skrywer, draad, of enige search veranderlike. Jou horlosie lys kennisgewings kan gestuur word per e-pos (daagliks verteer of onmiddellike), vertoon in My nuusleser, of gestuur via RSS feed. Ander maniere om toegang te verkry tot die nuusgroepe Gebruik 'n nuusleser deur jou skool, werkgewer, of die internet diensverskaffer Pay vir nuusgroep toegang van 'n kommersiële verskaffer Gebruik Google Groepe Mathforum. org bied 'n nuusleser met toegang tot die comp. soft sys. matlab nuusgroep Doen jou eie bediener. Vir tipiese instruksies, sien: www. slyck / ngpage2 Kies Jou CountryThis webwerf gebruik Javascript. Ons gebruik Javascript om die gebruikers se ervaring te verbeter en om 'n beter instandhouding van ons webwerf in te skakel. Om in staat wees om hierdie webwerf te kan besigtig dit nodig is om óf Javascript of klik op toelaat geblokkeer inhoud Ons belowe dat ons nie: gee jou inhoud wat jy wil nie versamel enige inligting van jou rekenaar skade data op jou rekenaar installeer sagteware op jou rekenaar met of sonder jou toestemming toelaat dat iemand anders jou rekenaar afstand Inleiding tot DSP - tyddomein verwerking: korrelasie korrelasie is 'n geweegde bewegende gemiddelde: Een sein bied die gewig funksie. Die diagram toon hoe 'n enkele punt van die korrelasie funksie bereken: eerstens, is een sein verskuif met betrekking tot die ander die bedrag van die skof is die posisie van die korrelasie funksie punt word bereken elke element van 'n sein vermenigvuldig met die ooreenstemmende element van die ander die area onder die gevolglike kurwe geïntegreer Korrelasie verg baie berekeninge. As een sein van lengte M en die ander is van lengte N, dan moet ons (N M) vermenigvuldiging, om die hele korrelasie funksie bereken. Nota wat werklik wil ons vermenigvuldig en dan versamel die resultaat - dit is tipies van DSP bedrywighede en is 'n vermeerder / ophoop werking genoem. Dit is die rede dat DSP verwerkers vermenigvuldiging en toevoegings kan doen in parallel.