الانتقال من المتوسط التصفية - المانى

مرشح رقمي تمهيدي حسنا فتح ميكروموديلر دسب وحدد مرشح الرقمية من شريط الأدوات في الجزء العلوي واسحبه إلى التطبيق لدينا. حسنا، اختر مرشح متوسط ​​متحرك لأنه واحد من أبسط أنواع الفلاتر. بعد إسقاط الفلتر، سيتم تحديث شاشات العرض تلقائيا. (انقر لإطلاق ميكروموديلر دسب في نافذة جديدة) ونحن نعلم جميعا ما هو متوسط ​​- إضافة الأرقام معا وتقسيم كم عدد هناك. المرشح المتوسط ​​المتحرك يفعل ذلك فقط. فإنه يخزن تاريخ آخر أرقام N وينتج متوسطها. في كل مرة يأتي عدد جديد في، يتم إعادة حساب المتوسط ​​بشكل فعال من العينات المخزنة وعدد جديد هو الإخراج. استجابة التردد لمرشح في الجزء العلوي الأيسر، نرى الرسم البياني ل ماجنيتيود مقابل التردد، أو مدى الترددات المختلفة سيتم تضخيمها أو خفضها من قبل المرشح المتوسط ​​المتحرك. كما قد تتوقع، فإن متوسط ​​عدد العينات N الماضية تطبيق بعض نوع من تمهيد للإشارة، والحفاظ على الترددات المنخفضة وإزالة الترددات العالية. يمكننا التحكم في عدد المدخلات السابقة، أو العينات التي متوسطات عن طريق ضبط طول مرشح، N. من خلال ضبط هذا، يمكننا أن نرى أن لدينا بعض السيطرة الأساسية على أي الترددات يمكن أن تمر والتي يتم التخلص منها. داخل مرشح إذا نظرنا إلى طريقة عرض البنية، يمكننا أن نرى ما قد يبدو داخل مرشح المتوسط ​​المتحرك. تم توضيح الرسم التوضيحي لإظهار ما تعنيه الرموز المختلفة. وتعني الرموز Z -1 التأخير بعينة زمنية واحدة والرموز تعني إضافة أو الجمع بين الإشارات. وتعني الأسهم مضاعفة (فكر في تكبير أو تصغير أو قياس) الإشارة بالمقدار الموضح على يسار السهم. لمتوسط ​​5 عينات، ونحن نأخذ الخامس (0.2) من العينة الأخيرة، وخامس العينة الثانية الأخيرة وهلم جرا. وتسمى سلسلة التأخيرات خط التأخير مع تأخير إشارة الدخل بخطوة إضافية واحدة أثناء السير على طول خط التأخير. وتسمى السهام أيضا الصنابير، لذلك هل يمكن أن نتصور تقريبا أنها الصنابير مثل واحد في بالوعة المطبخ الخاص بك التي هي كل خمس مفتوحة. هل يمكن أن تتخيل إشارة تتدفق في من اليسار ويجري تأخير تدريجيا لأنها تتحرك على طول خط التأخير، ثم إعادة تجميعها في نقاط القوة المختلفة من خلال الصنابير لتشكيل الإخراج. وينبغي أيضا أن يكون من السهل أن نرى أن إخراج المرشح سيكون: وهو ما يعادل متوسط ​​آخر 5 عينات. (الإدخال t-N يعني الإدخال المتأخر من الزمن t-N) في الممارسة العملية، فإن الشفرة التي يولدها ميكروموديلر دسب ستستخدم الحيل للقيام بذلك بكفاءة أكبر، بحيث لا يلزم إشراك سوى العينات الأولى والأخيرة إلا أن الرسم البياني جيد لأغراض التوضيح. إذا كنت يمكن أن نفهم هذا ثم يمكنك الحصول على فكرة ما هو مرشح فير. ويتشابه مرشح فلتر الهواء مع المرشح المتوسط ​​المتحرك، ولكن يمكن أن يكون مختلفا بدلا من كل نقاط قوة النقر. هنا لدينا مرشح متوسط ​​متحرك ومرشح معلومات الطيران. يمكنك أن ترى أنها هي الهيكلية نفسها، والفرق الوحيد هو نقاط القوة من الصنابير. القسم التالي سوف أعرض لكم لمرشحات رد فعل محدود (فير). من خلال تغيير قوة الحنفية، يمكننا إنشاء بالقرب من أي استجابة التردد التي نريدها. مرشح المتوسط ​​المتحرك البسيط تصف هذه الصفحة مرشح 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 ستانليموفينغ فيلت فيلتر يمكنك استخدام وحدة تصفية المتوسط ​​المتحرك لحساب سلسلة من المعدلات من جانب واحد أو من جانبين عبر مجموعة بيانات، وذلك باستخدام طول الإطار الذي تحدده. بعد تحديد عامل تصفية يلبي احتياجاتك، يمكنك تطبيقه على أعمدة محددة في مجموعة بيانات من خلال توصيله بوحدة تطبيق الفلتر. الوحدة تقوم بكل العمليات الحسابية وتحل محل القيم داخل الأعمدة العددية مع المتوسطات المتحركة المقابلة. يمكنك استخدام المتوسط ​​المتحرك الناتج للتآمر والتصور، كخط أساس سلس جديد للنمذجة، لحساب الفروق مقابل الحسابات لفترات مماثلة، وما إلى ذلك. هذا النوع من المتوسط ​​يساعدك على كشف وتوقع أنماط زمنية مفيدة في البيانات بأثر رجعي وفي الوقت الحقيقي. يبدأ أبسط نوع من المتوسط ​​المتحرك في بعض عينات السلسلة، ويستخدم متوسط ​​ذلك الموضع بالإضافة إلى المواضع n السابقة بدلا من القيمة الفعلية. (يمكنك تعريف n كما تريد.) ويعد الفترة n التي يتم حساب المتوسط ​​من خلالها، وانخفاض التباين سيكون لديك بين القيم. أيضا، كما تقوم بزيادة عدد القيم المستخدمة، تأثير أقل أي قيمة واحدة على المتوسط ​​الناتج. ويمكن أن يكون المتوسط ​​المتحرك من جانب واحد أو من جانبين. في المتوسط ​​أحادي الجانب، يتم استخدام القيم التي تسبق قيمة الفهرس فقط. في المتوسط ​​على الوجهين، يتم استخدام القيم السابقة والمستقبلية. بالنسبة للسيناريوهات التي تقرأ فيها البيانات المتدفقة، فإن المتوسطات التراكمية والمرجحة المتحركة مفيدة بشكل خاص. ويأخذ المتوسط ​​المتحرك التراكمي في الاعتبار النقاط السابقة للفترة الحالية. يمكنك وزن جميع نقاط البيانات بالتساوي عند حساب المتوسط، أو يمكنك التأكد من أن القيم الأقرب لنقطة البيانات الحالية يتم ترجيحها بقوة أكبر. في المتوسط ​​المتحرك المرجح. يجب أن تحسب جميع الأوزان إلى 1. في المتوسط ​​المتحرك الأسي. وتتكون المتوسطات من رأس وذيل. والتي يمكن أن تكون مرجحة. ذيل خفيف الوزن يعني أن الذيل يتبع الرأس بشكل وثيق جدا، وبالتالي فإن المتوسط ​​يتصرف كمتوسط ​​متحرك على فترة ترجيح قصيرة. عندما تكون أوزان الذيل أثقل، فإن المتوسط ​​يتصرف أكثر كمتوسط ​​متحرك بسيط أطول. أضف وحدة تصفية المتوسط ​​المتحرك إلى تجربتك. طول. اكتب قيمة عدد صحيح موجبة تحدد الحجم الكلي للنافذة التي يتم من خلالها تطبيق الفلتر. ويسمى هذا أيضا قناع الترشيح. بالنسبة إلى المتوسط ​​المتحرك، يحدد طول الفلتر عدد القيم التي تم حساب متوسطها في النافذة المنزلقة. وتسمى مرشحات أطول أيضا مرشحات ترتيب أعلى، وتوفير نافذة أكبر من الحساب وتقريب أقرب من خط الاتجاه. مرشحات النظام الأقصر أو الأدنى تستخدم نافذة أصغر من الحساب وتشبه بشكل وثيق البيانات الأصلية. للنوع. اختر نوع المتوسط ​​المتحرك لتطبيقه. يدعم أزور ماشين ليارنينغ ستوديو الأنواع التالية من حسابات المتوسط ​​المتحرك: يتم حساب المتوسط ​​المتحرك البسيط (سما) كمتوسط ​​متداول غير مرجح. المتوسطات المتحركة الثلاثية (تما) هي في المتوسط ​​مرتين لخط الاتجاه أكثر سلاسة. وتستمد كلمة الثلاثي من شكل الأوزان التي يتم تطبيقها على البيانات، والتي تؤكد القيم المركزية. المتوسط ​​المتحرك الأسي (إما) يعطي وزنا أكبر للبيانات الأخيرة. ينخفض ​​الترجيح أضعافا مضاعفة. ويحسب المتوسط ​​المتحرك الأسي المعدل المتوسط ​​المتحرك الجاري، حيث يعتبر حساب المتوسط ​​المتحرك في أي نقطة واحدة المتوسط ​​المتحرك المحسوب سابقا في جميع النقاط السابقة. هذه الطريقة تعطي خط اتجاه أكثر سلاسة. وبالنظر إلى نقطة واحدة ومتوسط ​​متحرك حالي، فإن المتوسط ​​المتحرك التراكمي (سما) يحسب المتوسط ​​المتحرك عند النقطة الحالية. أضف مجموعة البيانات التي تحتوي على القيم التي تريد حساب متوسط ​​متحرك لها، ثم أضف وحدة تطبيق أبلي فيلتر. قم بتوصيل عامل تصفية المتوسط ​​المتحرك إلى المدخل الأيمن من تطبيق عامل التصفية. وربط مجموعة البيانات إلى المدخلات اليمنى. في وحدة تطبيق تصفية، استخدم محدد العمود لتحديد الأعمدة التي يجب تطبيق عامل التصفية عليها. بشكل افتراضي، سيتم تطبيق الفلتر الذي تنشئه على جميع الأعمدة الرقمية، لذا تأكد من استبعاد أية أعمدة لا تحتوي على بيانات مناسبة. تشغيل التجربة. عند هذه النقطة، يتم استبدال القيمة الحالية (أو الفهرس) لكل قيمة من القيم التي تحددها معلمة طول المرشح بقيمة المتوسط ​​المتحرك. المتوسط ​​المتحرك كفلتر غالبا ما يستخدم المتوسط ​​المتحرك لتيسير البيانات في وجود الضوضاء. 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. جربه الآن