การย้าย ค่าเฉลี่ย กรอง เวลา ล่าช้า

ตัวกรองเฉลี่ยเคลื่อนที่เป็นตัวกรอง FIR ที่มีความยาว N โดยมีก๊อกทั้งหมดเท่ากับ (1N) .160 รู้จักการแยกความถี่หมัด แต่การตอบสนองเวลาที่ดีเยี่ยม Bessels เป็นตัวกรอง Bessel 160 คุณสามารถใช้งานได้กับบล็อก SigmaStudios FIR ตามที่อธิบายไว้ที่นี่: ยิ่งตัวกรองมีความเรียบมากขึ้นเท่านั้น แต่อัลกอริทึมฟิลเตอร์มาตรฐานของ FIR ใช้คำแนะนำมากมายสำหรับตัวกรองขนาดใหญ่เนื่องจาก มีคูณค่าสัมประสิทธิ์สำหรับทุก tap.160 นี่คือเสียเมื่อค่าสัมประสิทธิ์ทั้งหมดเหมือนกัน 160 เป็นบทที่ 15 ของ Steven W. Smiths หนังสือชี้ให้เห็นคุณสามารถสร้างตัวกรองเฉลี่ยเคลื่อนที่ด้วยเทคนิคการเวียนเกิดที่มีก๊อกน้ำก่อน และหลังจากความล่าช้าของขนาด (N-1) 160 ตัวกรองดังกล่าวจะปรากฏด้านล่างเป็นส่วนหนึ่งของวงจรทดสอบที่มีแหล่งสัญญาณและ Bessel filter สำหรับการเปรียบเทียบ: 160160160160 ค่าสัมประสิทธิ์ถูกดึงออกมาจากกลุ่ม gain gain ที่ input.160 ปัจจุบัน ตัวอย่างเพิ่มเพื่อ outp ut เมื่อมันเข้าสู่ความล่าช้าตัวอย่างลบจากเอาท์พุทเป็นออก. 160 adder กับข้อเสนอแนะสะสมสะสมและ subtractions เหล่านี้เพื่อรูปแบบการส่งออก - นี้ไม่สิ่ง thats เล็กน้อยใน C แต่เป็นอย่างอื่นเจ็บปวดใน GUI .160 แม้ว่าจะใช้เทคนิคแบบทับซ้อนฟิลเตอร์ยังคงเป็นตัวกรอง FIR ที่แท้จริง แต่ความยาวของการตอบสนองของอิมพัลส์จะถูกตั้งค่าไว้เฉพาะเวลาล่าช้าเท่านั้น 160160160160 อินพุตทดสอบของฉันเป็นคลื่นสี่เหลี่ยมที่มีเสียงรบกวนเพิ่มขึ้น 160 ผลลัพธ์ที่กรองออกมาจะปรากฏเป็นภาพด้านบนในภาพถ่ายทั้งสองรูป - แรกคือตัวกรองค่าเฉลี่ยเคลื่อนที่: ตัวกรอง Bessel: 160160160160 ตัวกรองค่าเฉลี่ยเคลื่อนที่ช่วยให้มีเสียงรบกวนมากขึ้น แต่จะดีกว่า รูปสี่เหลี่ยมจัตุรัสเป็นรูปทรงสี่เหลี่ยมจัตุรัส (รูปสี่เหลี่ยมจัตุรัส) มีรูปทรงเป็นรูปสี่เหลี่ยมจัตุรัส (รูปสี่เหลี่ยมจัตุรัส) มีรูปทรงเป็นรูปสี่เหลี่ยมจัตุรัสและลาดขึ้นและลงเป็นสมมาตร (เฟสเชิงเส้น). 160 การฟังรูปคลื่นสองรูปแบบด้วยหูฟังแสดงให้เห็นถึงผลที่คล้ายคลึงกัน - มีเสียงรบกวนมากขึ้น เสียงของคลื่นสี่เหลี่ยมมาถึงตัวกรอง Exponential หน้านี้อธิบายถึงการกรองแบบ exponential ซึ่งเป็นตัวกรองที่ง่ายและเป็นที่นิยมมากที่สุด นี่เป็นส่วนหนึ่งของส่วนการกรองซึ่งเป็นส่วนหนึ่งของคู่มือการตรวจหาและวินิจฉัยข้อบกพร่องข้อมูลภาพรวมค่าคงที่ตลอดเวลาและหน่วยความจำแบบอนาล็อกตัวกรองที่ง่ายที่สุดคือตัวกรองเลขลำดับ มีพารามิเตอร์จูนเดียว (นอกเหนือจากช่วงเวลาตัวอย่าง) ต้องเก็บข้อมูลตัวแปรเดียว - เอาต์พุตก่อนหน้านี้ เป็นตัวกรอง IIR (autoregressive) - ผลกระทบของการเปลี่ยนแปลงการเปลี่ยนแปลงการป้อนข้อมูลแบบทวีคูณจนถึงขีด จำกัด ของการแสดงผลหรือการคำนวณทางคณิตศาสตร์ของคอมพิวเตอร์ซ่อนไว้ ในสาขาต่างๆการใช้ตัวกรองนี้เรียกว่า 8220exponential smoothing8221 ในบางสาขาวิชาเช่นการวิเคราะห์การลงทุนตัวกรองเลขยกกำลังเรียกว่า 8220Exeptably Weighted Moving Average8221 (EWMA) หรือเพียง 8220Expending Moving Average8221 (EMA) เท่านั้น การดำเนินการนี้ละเมิดหลักเกณฑ์ ARMA 8220 โดยทั่วไปในการวิเคราะห์การวิเคราะห์อนุกรมเวลาเนื่องจากไม่มีประวัติการเข้าที่ใช้งานเพียงแค่ข้อมูลปัจจุบันเท่านั้น มันเป็นเวลาที่ไม่ต่อเนื่องเทียบเท่า 8220 ลำดับแรก lag8221 ใช้กันทั่วไปในการสร้างแบบจำลองอนาล็อกของระบบควบคุมเวลาต่อเนื่อง ในวงจรไฟฟ้าตัวกรอง RC (ตัวกรองที่มีตัวเก็บประจุหนึ่งตัวและตัวเก็บประจุหนึ่งตัว) เป็นลัดแรก เมื่อเน้นความคล้ายคลึงกับวงจรแอนะล็อกพารามิเตอร์การปรับค่าเดียวคือค่าคงที่ 8220 ตลอดเวลาโดยปกติจะเขียนเป็นตัวพิมพ์เล็กตัวอักษรกรีก Tau () ในความเป็นจริงค่าในช่วงเวลาตัวอย่างที่ไม่ต่อเนื่องตรงกับเวลาลัดเวลาต่อเนื่องที่เท่ากันโดยมีค่าคงที่ในเวลาเดียวกัน ความสัมพันธระหวางการใชงานแบบดิจิตอลกับคาคงที่ของเวลาจะแสดงไวในสมการตอไปนี้ สมการและค่าเริ่มต้นของตัวกรองแบบเรียงซ้อนตัวกรองแบบ exponential เป็นชุดค่าผสมของการประมาณค่าก่อนหน้า (เอาท์พุท) ที่มีข้อมูลป้อนเข้าใหม่ล่าสุดโดยมีผลรวมของน้ำหนักเท่ากับ 1 เพื่อให้เอาท์พุทตรงกับอินพุทในสภาวะคงตัว ตามสัญกรณ์ตัวกรอง: y (k) ay (k-1) (1-a) x (k) โดยที่ x (k) เป็นข้อมูลดิบที่ระยะเวลา ky (k) เป็นผลลัพธ์ที่ผ่านการกรองในขั้นตอนเวลา ka เป็นค่าคงที่ระหว่าง 0 ถึง 1 โดยปกติระหว่าง 0.8 ถึง 0.99 (a-1) หรือบางครั้งเรียกว่า 8220smoothing constant8221 สำหรับระบบที่มีขั้นตอนเวลาคงที่ T ระหว่างตัวอย่างค่าคงที่ 8220a8221 จะคำนวณและจัดเก็บไว้เพื่อความสะดวกเฉพาะเมื่อนักพัฒนาแอ็พพลิเคชันระบุค่าใหม่ของค่าคงที่เวลาที่ต้องการ สำหรับระบบที่มีการสุ่มตัวอย่างข้อมูลในช่วงเวลาที่ผิดปกติต้องใช้ฟังก์ชันเลขชี้กำลังข้างต้นกับแต่ละขั้นตอนเวลาโดยที่ T คือเวลาตั้งแต่ตัวอย่างก่อนหน้านี้ เอาท์พุทตัวกรองมักจะถูกเตรียมใช้งานเพื่อให้ตรงกับการป้อนข้อมูลครั้งแรก เมื่อเวลาคงที่เข้าใกล้ 0 เป็น a ไปเป็นศูนย์ดังนั้นจึงไม่มีการกรองผลลัพธ์ 8211 เท่ากับการป้อนข้อมูลใหม่ เป็นเวลาคงที่จะมีขนาดใหญ่มากวิธีที่ 1 เพื่อให้ใส่ใหม่เกือบจะละเลย 8211 มากกรองหนัก สมการของตัวกรองด้านบนสามารถจัดเรียงใหม่ในรูปแบบเทียบเท่าตัวทำนาย - ตัวแก้ปัญหาต่อไปนี้: รูปแบบนี้ทำให้เห็นได้ชัดว่าค่าประมาณตัวแปร (เอาท์พุทของตัวกรอง) คาดว่าจะไม่เปลี่ยนแปลงจากค่าประมาณก่อนหน้า y (k-1) บวกคำที่ใช้แก้ไข ที่ไม่คาดคิด 8220innovation8221 - ความแตกต่างระหว่างการป้อนข้อมูลใหม่ x (k) และการทำนาย y (k-1) แบบฟอร์มนี้เป็นผลมาจากการหาตัวกรองแบบ exponential เป็นกรณีพิเศษแบบพิเศษของตัวกรองคาลมาน ซึ่งเปนทางออกที่ดีที่สุดในการประมาณคาโดยใชสมมติฐานเฉพาะ การตอบสนองขั้นตอนวิธีหนึ่งในการมองเห็นการทำงานของตัวกรองเลขยกกำลังคือการพล็อตการตอบสนองของมันในช่วงเวลาหนึ่งไปยังอินพุตขั้นตอน นั่นคือเริ่มต้นด้วยการป้อนข้อมูลตัวกรองและเอาท์พุทที่ 0 ค่าอินพุตจะเปลี่ยนไปเป็น 1 โดยอัตโนมัติค่าที่ได้จะถูกวางแผนไว้ด้านล่าง: ในพล็อตด้านบนเวลาจะถูกหารด้วยเวลาตัวกรอง tau คงที่เพื่อให้คุณคาดการณ์ได้ง่ายขึ้น ผลลัพธ์สำหรับช่วงเวลาใด ๆ สำหรับค่าใด ๆ ของค่าคงที่ของตัวกรอง หลังจากเวลาเท่ากับเวลาที่กำหนดเอาต์พุตตัวกรองจะเพิ่มขึ้นเป็น 63.21 ของค่าสุดท้าย หลังจากเวลามีค่าเท่ากับ 2 ค่าคงที่ค่าจะเพิ่มขึ้นเป็น 86.47 ของค่าสุดท้าย ผลลัพธ์ตามเวลาที่เท่ากับ 3,4 และ 5 ค่าคงที่คือ 95.02, 98.17 และ 99.33 ของค่าสุดท้ายตามลำดับ เนื่องจากตัวกรองเป็นแบบเส้นตรงนั่นหมายความว่าเปอร์เซ็นต์เหล่านี้สามารถใช้สำหรับขนาดของการเปลี่ยนแปลงขั้นตอนไม่ใช่เฉพาะสำหรับค่าที่ใช้ 1 ที่นี่ แม้ว่าการตอบสนองขั้นตอนในทฤษฎีจะใช้เวลาที่ไม่มีที่สิ้นสุดจากมุมมองเชิงปฏิบัติให้คิดเกี่ยวกับตัวกรองเลขยกกำลังเป็น 98 ถึง 99 8220done8221 ที่ตอบสนองหลังจากเวลานั้นเท่ากับ 4 ถึง 5 ช่วงเวลาของตัวกรอง มีการเปลี่ยนแปลงของตัวกรองเลขทศนิยมที่เรียกว่าตัวกรองเลข 8220nnonear อย่างละเอียด 8221 Weber, 1980 มีจุดมุ่งหมายเพื่อกรองสัญญาณรบกวนภายในคลื่น 8220typical8221 อย่างมาก แต่จะตอบสนองต่อการเปลี่ยนแปลงที่มีขนาดใหญ่กว่า ลิขสิทธิ์ 2010 - 2013, Greg Stanley แบ่งปันหน้านี้: Moving Average Filter (MA filter) 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) ความนุ่มนวลของเอาท์พุทจะเพิ่มขึ้นในขณะที่ความคมชัดของการเปลี่ยนข้อมูลจะเพิ่มมากขึ้น นี่หมายความว่าตัวกรองนี้มีการตอบสนองโดเมนเวลาที่ยอดเยี่ยม แต่มีการตอบสนองต่อความถี่ต่ำ ตัวกรอง MA ทำหน้าที่สำคัญ 3 ประการคือ 1) ต้องใช้ M Input Point, คำนวณค่าเฉลี่ยของ M-points เหล่านี้และสร้างจุดเอาต์พุตเดี่ยว 2) เนื่องจากมีการคำนวณการคำนวณ ตัวกรองแนะนำจำนวนครั้งที่แน่นอนของการหน่วงเวลา 3) ตัวกรองทำหน้าที่เป็นตัวกรองความถี่ต่ำ (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 เอกสารข้อมูลคำอธิบาย gd, w grpdelay (b, a) ตอบสนองล่าช้าของกลุ่ม gd ของตัวกรองเวลาแบบไม่ต่อเนื่องที่ระบุโดยเวกเตอร์อินพุต b และก. พาหะนำเข้าเป็นค่าสัมประสิทธิ์สำหรับการนับ, b. และตัวหาร a. พหุนามใน z -1 ตัวแปลง Z ของตัวกรองแบบไม่ต่อเนื่องคือ H (z) B (z) A (z) x2211 l 0 N x2212 1 b (n 1) z x2212 l x2211 l 0 M x2212 1 a (l 1) z x2212 ล. การตอบสนองล่าช้าของกลุ่มตัวกรองจะได้รับการประเมินที่ 512 จุดเว้นระยะเท่ากันในช่วงเวลา 0, 960) บนวงกลมหน่วย จุดประเมินบนวงกลมหน่วยจะถูกส่งกลับเป็น w gd, w grpdelay (b, a, n) ส่งผลให้การตอบสนองล่าช้าของกลุ่มตัวกรองเวลาแบบไม่ต่อเนื่องได้รับการประเมินที่จุดเว้นระยะเท่า ๆ กันบนวงกลมหน่วยในช่วงเวลา 0, 960) n เป็นจำนวนเต็มบวก เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดให้ตั้ง n เป็นค่าที่สูงกว่าลำดับตัวกรอง gd, w grpdelay (sos, n) ส่งกลับค่าการตอบสนองล่าช้าของกลุ่มสำหรับเมตริกซ์ลำดับที่สอง, sos sos เป็นเมทริกซ์ K - by-6 ซึ่งมีจำนวนส่วน K ต้องมากกว่าหรือเท่ากับ 2. ถ้าจำนวนส่วนน้อยกว่า 2, grpdelay พิจารณาอินพุทเป็นเวกเตอร์เศษ, b. แถวของ sos แต่ละสอดคล้องกับค่าสัมประสิทธิ์ของตัวกรองลำดับที่สอง (biquad) แถว i ของแถว sos ตรงกับ bi (1) bi (2) bi (3) ai (1) ai (2) ai (3) gd, w grpdelay (d, n) ส่งผลให้กลุ่มตอบรับล่าช้าสำหรับตัวกรองแบบดิจิตอล d. ใช้ designfilt เพื่อสร้าง d ตามข้อกำหนดด้านการตอบสนองต่อความถี่ gd, f grpdelay (.n, fs) ระบุความถี่ fs การสุ่มตัวอย่างเป็นบวกในเฮิรตซ์ มันส่งกลับเวกเตอร์ระยะยาว f. ประกอบด้วยจุดความถี่ในเฮิรตซ์ที่มีการประเมินความล่าช้าของกลุ่ม f มี n จุดระหว่าง 0 ถึง fs2 gd, w grpdelay (.n ทั้งหมด) และ gd, f grpdelay (. n, ทั้งหมด, fs) ใช้จุด n รอบวงกลมทั้งหมด (ตั้งแต่ 0 ถึง 2 960 หรือจาก 0 ถึง fs) gd grpdelay (.w) และ gd grpdelay (.f, fs) ตอบสนองความล่าช้าของกลุ่มที่ได้รับการประเมินที่ความถี่เชิงมุม w (ใน radianssample) หรือใน f (ในเวลา cyclesunit) ตามลำดับโดยที่ fs คือความถี่ของการสุ่มตัวอย่าง w และ f เป็นพาหะที่มีอย่างน้อยสององค์ประกอบ grpdelay (.) ที่ไม่มีอาร์กิวเมนต์เอาท์พุทวางแผนการตอบสนองล่าช้าของกลุ่มกับความถี่ grpdelay ทำงานได้ทั้งตัวกรองจริงและซับซ้อน หมายเหตุ: หากป้อนข้อมูลไปยัง grpdelay คือความแม่นยำเดียวความล่าช้าของกลุ่มจะคำนวณโดยใช้การคำนวณทางคณิตศาสตร์ที่มีความแม่นยำเดียว เอาต์พุต gd เป็นความแม่นยำเดียว เลือกประเทศของคุณ