الانتقال من المتوسط ، و الإلتواء

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. نحاول الآن استخدام ماتلاب، كيف يمكنني العثور على المتوسط ​​المتحرك لمدة 3 أيام من عمود معين من مصفوفة وإلحاق المتوسط ​​المتحرك إلى تلك المصفوفة أحاول حساب المتوسط ​​المتحرك لمدة 3 أيام من أسفل إلى أعلى المصفوفة. لقد قدمت الرمز الخاص بي: نظرا للمصفوفة التالية والقناع: لقد حاولت تنفيذ الأمر كونف ولكن أنا أتلقى خطأ. هنا هو الأمر كونف لقد حاولت استخدام على العمود 2 من مصفوفة a: يتم إعطاء الإخراج أنا الرغبة في المصفوفة التالية: إذا كان لديك أي اقتراحات، وأود أن نقدر ذلك. شكرا لك العمود 2 من مصفوفة أ، وأنا حوسبة المتوسط ​​المتحرك لمدة 3 أيام على النحو التالي ووضع النتيجة في العمود 4 من المصفوفة (أعيدت تسمية المصفوفة كما 39desiredOutput39 للتوضيح). متوسط ​​3 أيام من 17، 14، 11 هو 14 متوسط ​​3 أيام من 14، 11، 8 هو 11 متوسط ​​3 أيام من 11، 8، 5 هو 8 ومتوسط ​​3 أيام من 8، 5، 2 هو 5. لا توجد قيمة في الصفين السفليين للعمود الرابع لأن الحساب للمتوسط ​​المتحرك لمدة 3 أيام يبدأ في الأسفل. لن يتم عرض الناتج 39valid39 حتى 17 و 14 و 11. على الأقل هذا يجعل من المنطقي نداش آرون يونيو 12 13 في 1:28 بشكل عام فإنه من شأنه أن يساعد إذا كنت سوف تظهر الخطأ. في هذه الحالة كنت تفعل أمرين خاطئين: أولا يجب أن يقسم الانتماء الخاص بك إلى ثلاثة (أو طول المتوسط ​​المتحرك) ثانيا، لاحظ حجم ج. لا يمكنك فقط تناسب c في. الطريقة النموذجية للحصول على متوسط ​​متحرك هي استخدام نفس: ولكن هذا لا يبدو وكأنه ما تريد. بدلا من ذلك، تضطر إلى استخدام اثنين من الأسطر: 29 سبتمبر، 2013 المتوسط ​​المتحرك عن طريق الالتفاف ما هو المتوسط ​​المتحرك وما هو جيد لكيفية التحرك المتوسط ​​عن طريق استخدام الالتفاف المتوسط ​​المتحرك هو عملية بسيطة تستخدم عادة لقمع ضجيج إشارة: وضعنا قيمة كل نقطة إلى متوسط ​​القيم في حيها. بواسطة الصيغة: هنا x هو الإدخال و y هو إشارة الإخراج، في حين أن حجم النافذة ث، من المفترض أن تكون غريبة. تصف الصيغة أعلاه عملية متماثلة: تؤخذ العينات من كلا الجانبين من النقطة الفعلية. وفيما يلي مثال على الحياة الحقيقية. النقطة التي وضعت عليها النافذة هي باللون الأحمر. القيم خارج X من المفترض أن تكون الأصفار: للعب حول ونرى آثار المتوسط ​​المتحرك، إلقاء نظرة على هذه المظاهرة التفاعلية. كيفية القيام بذلك عن طريق التلافيف كما قد تكون قد اعترفت، حساب المتوسط ​​المتحرك البسيط هو مماثل للالتفاف: في كلتا الحالتين نافذة ينزلق على طول إشارة وتتلخص العناصر في النافذة. لذلك، محاولة إعطائها أن تفعل الشيء نفسه باستخدام الإلتواء. استخدام المعلمات التالية: الإخراج المطلوب هو: كما النهج الأول، دعونا نحاول ما نحصل عليه عن طريق تحويل إشارة x بواسطة نواة k التالية: الإخراج هو بالضبط ثلاث مرات أكبر مما كان متوقعا. ويمكن أيضا أن ينظر إليه، أن قيم الإخراج هي ملخص العناصر الثلاثة في النافذة. ولأنه أثناء الانحلال، فإن النافذة تنزلق على طولها، وتضاعف كل العناصر فيها بتلخص ثم تلخص: يك 1 كدوت x 1 كدوت x 1 كدوت x للحصول على القيم المطلوبة من y. يتم تقسيم الإخراج إلى 3: بواسطة صيغة تتضمن التقسيم: ولكن لن يكون من الأفضل القيام بالشعبة أثناء الانحلال هنا تأتي الفكرة من خلال إعادة ترتيب المعادلة: لذا سنستخدم النواة k التالية: وبهذه الطريقة سنقوم الحصول على الإخراج المطلوب: بشكل عام: إذا كنا نريد أن نفعل المتوسط ​​المتحرك عن طريق الالتفاف وجود حجم نافذة w. سوف نستخدم نواة k التالية: وظيفة بسيطة تفعل المتوسط ​​المتحرك هي: مثال الاستخدام هو: