الانتقال من المتوسط فلتر طول

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 للعينات الفردية غير مترابطة، فلا يوجد سبب لمعالجة كل عينة بشكل مختلف. 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 نشرت مؤخرا سؤال حول كيفية حساب المتوسط ​​المتحرك مجمعة على اثنين أو أكثر من المتغيرات. لقد تبين أن استخدام حزمة دبلر يمكنك استخدام فلتر للقيام بما كنت بعد. ولكن هذا يعمل فقط إذا كان هناك متغيرات كافية داخل التحرير والسرد مجموعة كل لخلق المتوسط. عندما أحاول الاقتراح التالي: أحصل على الخطأ: خطأ: مرشح أطول من سلسلة زمنية هل هناك طريقة للقيام بذلك بحيث r يعطي فقط تلك التي لا تملك ما يكفي من القيم نا بدلا من الخطأ هنا هو بلدي الإخراج المطلوب: هنا هو رمز إعادة إنشاء الجدول الأولي في r: مرشح المتوسط ​​المتحرك البسيط تصف هذه الصفحة عامل تصفية المتوسط ​​المتحرك البسيط. هذه الصفحة هي جزء من قسم التصفية الذي هو جزء من دليل للكشف عن الأخطاء والتشخيص .. المتوسط ​​المتوسط ​​المتحرك البسيط متوسط ​​القيم الأخيرة لإدخال الفلتر لعدد معين من المدخلات. هذا هو المثال الأكثر شيوعا من 8220moving متوسط ​​8221 (ما) فئة من الفلاتر، وتسمى أيضا المرشحات استجابة النبض (فير) محدودة. وتضاعف كل مساهمة حديثة بمعامل لجميع مرشحات ما الخطية، وتكون المعاملات متساوية مع هذا المتوسط ​​المتحرك البسيط. مجموع المعاملات هو 1.0، بحيث الإخراج يطابق في نهاية المطاف الإدخال عند المدخلات non8217t التغيير. يعتمد إنتاجها فقط على المدخلات الحديثة، على عكس الفلتر الأسي الذي يعيد استخدام ناتجها السابق أيضا. المعلمة الوحيدة هي عدد النقاط في المتوسط ​​- حجم 8220window 8221. نقل متوسط ​​استجابة الخطوة كما هو الحال مع أي مرشح ما، فإنه يكمل استجابة خطوة في وقت محدود اعتمادا على حجم النافذة: هذا المثال المتوسط ​​المتحرك البسيط أعلاه استند إلى 9 نقاط. وفي إطار افتراضات متواضعة، يقدم التقدير الأمثل (التمهيد) لقيمة في منتصف الفترة الزمنية، وفي هذه الحالة، 4.5 فترات زمنية في الماضي. كوبيرايت 2010 - 2013، غريغ ستانلي إنشاء فلتر متوسط ​​متحرك يتيح لك متوسط ​​معدل التصفية إمكانية حساب سلسلة واحدة أو ثنائية من المتوسطات استنادا إلى طول إطار محدد من قبل المستخدم. ثم تقوم الوحدة بإضافة عمود ميزة جديدة إلى مجموعة البيانات. ويمكن بعد ذلك استخدام المتوسط ​​المتحرك الناتج للتآمر والتصور، وخط أساس للنمذجة، والتنبؤ، وحساب الفروق مقابل الحساب لفترات مماثلة، وما إلى ذلك. وبالنسبة لسيناريو التدفق، يمكن استخدام المتوسط ​​المتحرك التراكمي والمرجح. ويأخذ المتوسط ​​المتحرك التراكمي في الحسبان النقاط السابقة لتلك النقاط التي تصل إلى الفترة الحالية. هذه الوحدة يساعدك على الكشف عن وتوقع أنماط زمنية مفيدة في كل من البيانات بأثر رجعي وفي الوقت الحقيقي. يمكنك استخدامه مع وحدة تطبيق تصفية. وتتوقع هذه الوحدة المعلمات الإدخال التالية: مرشحات النظام العالي توفر نافذة أكبر من الحساب وتقريب أقرب من خط الاتجاه. مرشحات النظام أقل تستخدم نافذة أصغر من الحساب وتشبه بشكل وثيق البيانات الأصلية. نوع المتوسط ​​المتحرك لتطبيقه. انظر الجدول التالي للحصول على أمثلة. يوفر مل ستوديو الطرق التالية لتحديد المتوسط ​​المتحرك: