3 จุด เฉลี่ยเคลื่อนที่ กรอง

นักวิทยาศาสตร์และวิศวกรในการประมวลผลสัญญาณดิจิตอลโดย Steven W. Smith, Ph. D. ตัวกรองค่าเฉลี่ยเคลื่อนที่จะทำงานโดยเฉลี่ยจำนวนจุดจากสัญญาณอินพุทเพื่อให้แต่ละจุดในสัญญาณเอาท์พุท ในรูปแบบสมการนี้จะถูกเขียน: สัญญาณอินพุทอยู่ที่ไหนคือสัญญาณเอาท์พุทและ M คือจำนวนจุดในค่าเฉลี่ย ตัวอย่างเช่นในตัวกรองเฉลี่ย 5 จุดจุด 80 ในสัญญาณเอาท์พุทจะได้จาก: เป็นทางเลือกกลุ่มของจุดจากสัญญาณขาเข้าสามารถเลือกสมมาตรรอบ ๆ จุดที่เอาต์พุต: นี่หมายถึงการเปลี่ยนแปลงการรวมในสมการ . 15-1 จาก: j 0 ถึง M -1, ถึง: j - (M -1) 2 ถึง (M -1) 2. ตัวอย่างเช่นในตัวกรองเฉลี่ย 10 จุดที่เคลื่อนที่ดัชนี j. สามารถทำงานได้ตั้งแต่ 0 ถึง 11 (ค่าเฉลี่ยด้านหนึ่ง) หรือ -5 ถึง 5 (ค่าเฉลี่ยสมมาตร) สมมุติฐานเฉลี่ยสมมาตรต้องการให้ M เป็นเลขคี่ การเขียนโปรแกรมทำได้ง่ายกว่าเล็กน้อยเมื่อใช้จุดบนด้านเดียว แต่จะสร้างความสัมพันธ์ระหว่างสัญญาณเข้าและสัญญาณเอาต์พุต คุณควรตระหนักว่าตัวกรองค่าเฉลี่ยเคลื่อนที่เป็น convolution โดยใช้เคอร์เนลกรองที่ง่ายมาก ตัวอย่างเช่นตัวกรอง 5 จุดมีเคอร์เนลตัวกรอง: 82300, 0, 15, 15, 15, 15, 15, 0, 08230 นั่นคือตัวกรองค่าเฉลี่ยเคลื่อนที่เป็นสัญญาณของสัญญาณอินพุตที่มีรูปสี่เหลี่ยมผืนผ้ามีพัลส์ พื้นที่หนึ่ง การตอบสนองความถี่ของระบบ LTI คือ DTFT ของการตอบสนองอิมพัลส์การตอบสนองของแรงเสียดทานของค่าเฉลี่ยเคลื่อนที่ L-sample คือตั้งแต่การเคลื่อนย้าย ตัวกรองเฉลี่ยคือ FIR การตอบสนองต่อความถี่ลดลงเป็นผลรวมที่ จำกัด เราสามารถใช้ข้อมูลที่เป็นประโยชน์ในการเขียนการตอบสนองตามความถี่ที่เราได้ให้ ae minus jomega N 0 และ M L ลบ 1. เราอาจสนใจขนาดของฟังก์ชั่นนี้เพื่อหาความถี่ที่จะได้รับผ่านตัวกรองที่ไม่มีการลดทอนและจะถูกลดทอนลง ด้านล่างเป็นพล็อตของขนาดของฟังก์ชั่นนี้สำหรับ L 4 (สีแดง), 8 (สีเขียว) และ 16 (สีฟ้า) แกนแนวนอนมีตั้งแต่ศูนย์ถึง pi radian ต่อตัวอย่าง สังเกตได้ว่าในทั้งสามกรณีการตอบสนองต่อความถี่มีลักษณะ lowpass คอมโพเนนต์คงที่ (ความถี่เป็นศูนย์) ในอินพุตจะผ่านตัวกรองที่ไม่มีการลดทอน ความถี่ที่สูงขึ้นบางอย่างเช่น pi 2 จะถูกกำจัดออกโดยตัวกรอง อย่างไรก็ตามหากมีเจตนาในการออกแบบตัวกรองสัญญาณ Lowpass เราก็ยังไม่ได้ผลดีนัก บางส่วนของความถี่ที่สูงขึ้นจะลดทอนลงได้เพียงประมาณ 110 (สำหรับค่าเฉลี่ยเคลื่อนที่ 16 จุด) หรือ 13 (สำหรับค่าเฉลี่ยเคลื่อนที่สี่จุด) เราสามารถทำได้ดีกว่าที่ พล็อตข้างต้นถูกสร้างขึ้นโดยรหัส Matlab ต่อไปนี้: omega 0: pi400: pi H4 (14) (1-exp (-iomega4)) (1-exp (-iomega)) H8 (18) (1-exp (- (1-exp (-iomega16)) (1-exp (-iomega)) พล็อต (โอเมก้า, abs (H4) abs (H8) abs ( H16)) axis (0, pi, 0, 1) สำเนาลิขสิทธิ์ 2000- - University of California, BerkeleyMoving ค่าเฉลี่ยใน R ความรู้ของฉัน R ไม่มีฟังก์ชันในการคำนวณค่าเฉลี่ยเคลื่อนที่ อย่างไรก็ตามการใช้ฟังก์ชันการกรองเราสามารถเขียนฟังก์ชันสั้น ๆ สำหรับค่าเฉลี่ยเคลื่อนที่ได้จากนั้นเราสามารถใช้ฟังก์ชันนี้กับข้อมูลใดก็ได้: mav (data) หรือ mav (ข้อมูล 11) ถ้าเราต้องการระบุจุดข้อมูลจำนวนอื่น มากกว่า 5 ล็อตแรกที่วางแผนไว้: plot (mav (data)) นอกเหนือจากจำนวนจุดข้อมูลซึ่งค่าเฉลี่ยแล้วเรายังสามารถเปลี่ยนอาร์กิวเมนต์ด้านข้างของฟังก์ชันตัวกรองได้ด้วย: sides2 ใช้ทั้งสองด้าน sides1 ใช้ค่าที่ผ่านมาเท่านั้น แบ่งปันสิ่งนี้: นำทางโพสต์ความคิดเห็นการนำทาง navigation navigation การกรองเฉลี่ย (ตัวกรอง MA) กำลังโหลด ตัวกรองค่าเฉลี่ยเคลื่อนที่เป็นตัวกรองแบบ FIR (Finite Impulse Response) แบบ Low Pass ที่ใช้กันโดยทั่วไปสำหรับการจัดเรียงข้อมูลตัวอย่างแบบสุ่มตัวอย่าง ใช้เวลา M ตัวอย่างของการป้อนข้อมูลในแต่ละครั้งและใช้ค่าเฉลี่ยของ M-samples เหล่านี้และสร้างจุดเอาต์พุตเดี่ยว เป็นโครงสร้าง LPF (Low Pass Filter) ที่เรียบง่ายซึ่งเป็นประโยชน์สำหรับนักวิทยาศาสตร์และวิศวกรในการกรององค์ประกอบเสียงรบกวนที่ไม่พึงประสงค์จากข้อมูลที่ต้องการ เมื่อความยาวของตัวกรองเพิ่มขึ้น (พารามิเตอร์ M) ความนุ่มนวลของเอาต์พุตจะเพิ่มขึ้นในขณะที่ความคมชัดของการเปลี่ยนข้อมูลจะเพิ่มมากขึ้น นี่หมายความว่าตัวกรองนี้มีการตอบสนองโดเมนเวลาที่ยอดเยี่ยม แต่มีการตอบสนองต่อความถี่ต่ำ ตัวกรอง MA ทำหน้าที่สำคัญ 3 ประการคือ 1) ต้องใช้ M Input Point, คำนวณค่าเฉลี่ยของ M-points เหล่านี้และสร้างจุดเอาต์พุตเดี่ยว 2) เนื่องจากมีการคำนวณการคำนวณ ตัวกรองแนะนำจำนวนครั้งที่แน่นอนของความล่าช้า 3) ตัวกรองทำหน้าที่เป็น Low Pass Filter (มีการตอบสนองโดเมนความถี่ต่ำและการตอบสนองโดเมนที่ดี) รหัส Matlab: โค้ด MATLAB ดังต่อไปนี้จะจำลองการตอบสนองโดเมนเวลาของตัวกรองค่าเฉลี่ยเคลื่อนที่แบบ M-point และคำนวณการตอบสนองความถี่สำหรับความยาวของตัวกรองต่างๆ การตอบสนองโดเมนระยะเวลา: ในพล็อตแรกเรามีข้อมูลเข้าที่จะเข้าสู่ตัวกรองค่าเฉลี่ยเคลื่อนที่ การป้อนข้อมูลมีเสียงดังและวัตถุประสงค์ของเราคือการลดเสียงรบกวน ตัวเลขต่อไปคือการตอบสนองการส่งออกของตัวกรองการเคลื่อนที่เฉลี่ย 3 จุด สามารถอนุมานได้จากรูปที่ตัวกรอง 3 จุด Moving Average ไม่ได้ทำอะไรมากนักในการกรองเสียงรบกวน เราเพิ่มตัวกรองก๊อกเป็น 51 จุดและเราจะเห็นว่าเสียงในเอาต์พุตลดลงมากซึ่งแสดงในรูปถัดไป เราเพิ่มก๊อกต่อไปที่ 101 และ 501 และเราสามารถสังเกตได้ว่าถึงแม้จะมีสัญญาณรบกวนอยู่เกือบเป็นศูนย์การเปลี่ยนภาพจะลดลงอย่างเห็นได้ชัด (สังเกตความชันที่ด้านข้างของสัญญาณและเปรียบเทียบกับการเปลี่ยนแปลงของผนังอิฐที่เหมาะสมใน ข้อมูลของเรา) การตอบสนองต่อความถี่: จากการตอบสนองต่อความถี่คุณสามารถยืนยันได้ว่าการม้วนออกช้ามากและการลดทอนของแถบหยุดไม่ดี เมื่อพิจารณาการลดทอนแถบหยุดนี้อย่างชัดเจนตัวกรองค่าเฉลี่ยเคลื่อนที่จะไม่สามารถแยกย่านความถี่หนึ่งจากอีกความถี่หนึ่งได้ อย่างที่เราทราบดีว่าประสิทธิภาพที่ดีในโดเมนเวลาทำให้ประสิทธิภาพในโดเมนความถี่ต่ำและในทางกลับกัน ในระยะสั้นค่าเฉลี่ยเคลื่อนที่เป็นตัวกรองความราบเรียบที่ดีเยี่ยม (การทำงานในโดเมนเวลา) แต่เป็นตัวกรองความถี่ต่ำที่ไม่ดี (การดำเนินการในโดเมนความถี่) ลิงก์ภายนอก: หนังสือแนะนำ: Primary Sidebar