Pobierz movAv m zobacz także movAv2 - zaktualizowana wersja umożliwiająca ważenie. Opis Matlab zawiera funkcje zwane movavg i tsmovavg średnią ruchową w programie Financial Toolbox, movAv ma na celu skopiowanie podstawowych funkcji tych kodów. Tutaj jest dobry przykład zarządzania indeksy wewnątrz pętli, które mogą być mylące, aby rozpocząć od I ve celowo zachować kod krótkie i proste, aby zachować ten proces clear. movAv wykonuje prostą średnią ruchomej, które mogą być wykorzystane do odzyskiwania hałaśliwych danych w niektórych sytuacjach Działa poprzez przejęcie średniej na wejściu y w oknie czasu przesuwu, którego wielkość jest określona przez n Im większy n, tym większa jest ilość efektu wygładzania efektu n względem długości wektora wejściowego y i skutecznie, rodzaj tworzących filtru częstotliwości dolnoprzepustowej - patrz przykłady i rozważania. Ponieważ ilość wygładzania zapewniona przez każdą wartość n jest względna względem długości wektora wejściowego, zawsze warto testując różne wartości, aby zobaczyć, co jest odpowiednie Pamiętaj również, że n punktów zostaje utraconych na każdej średniej, jeśli n wynosi 100, pierwsze 99 punktów wektora wejściowego don t zawiera wystarczające dane dla średniej wartości 100pt Można to uniknąć przez układanie średnich, dla przykład poniżej poniższy kod i wykres porównują różne średnie okna długości Zwróć uwagę, jak płynnie 10 10pt jest porównywana z pojedynczą średnią 20pt W obu przypadkach 20 punktów danych jest tracone łącznie. Utwórz xaxis x 1 0 01 5 Wygeneruj hałas hałasuReps 4 hałas repmat randn 1, strajk numel x noiseReps, noiseReps, 1 szum hałasu, 1, hałas hałasu generuje szumy ydata y exp x 10 hałas 1 długość x perfrom średnie y2 movAv y, 10 10 pkt y3 movAv y2, 10 10 10 pt y4 movAv y, 20 20 pt y5 movAv y, 40 40 pt y6 movAv y, 100 100 pt Wykres wykresu wykresu x, y, y2, y3, y4, y5, y6 - dane, średnia ruchoma 10pt, 10 10pt, 20pt, 40pt, 100pt xlabel x ylabel y tytuł Porównanie przenoszenia ruchu averages. movAv m kodowanie przebiegu funkcji movAv y, n Pierwsza linia definiuje nazwę funkcji, wejść i wyjść Wejście x powinien być wektorem danych do wykonywania średniej na, n powinna być liczbą punktów do wykonywania średniej nad wyjściem będzie zawierać uśrednione dane zwracane przez funkcję Preallocate output output NaN 1, numel y Znajdź punkt środkowy n midPoint round n 2 Główne zadanie funkcji odbywa się w pętli for, ale przed rozpoczęciem przygotowania dwóch rzeczy Fir stly wyjście jest wstępnie przydzielone jako NaN, to służył dwóch celom Po pierwsze prealokacja jest ogólnie dobra praktyka, ponieważ zmniejsza żonglowanie pamięci Matlab musi zrobić, po drugie, sprawia, że bardzo łatwo umieścić uśrednione dane na wyjście tego samego rozmiaru, wektor wejściowy Oznacza to, że ten sam xaxis może być używany później dla obu, co jest wygodne do spisu, alternatywnie NaN można usunąć później w jednej linii wyjścia kodu. Zmienna midpoint będzie używana do wyrównywania danych wektora wyjściowego Jeśli n 10, 10 punktów zostanie utracone, ponieważ w pierwszych 9 punktach wektora wejściowego nie ma wystarczająco dużo danych, aby uzyskać 10-punktową średnią. Ponieważ wyjście będzie krótsze niż dane wejściowe, musi być prawidłowo wyrównane midPoint należy używać tak, aby na początku i na końcu była zgubna ilość danych, a dane wejściowe są ustawione w linii z wyjściem przez bufory NaN utworzone przy wstępnym przypisywaniu wyjścia. w przypadku 1 długości y-n Znajdź zakres indeksu, aby przeciętnie obliczyć abban Oblicz średnia wydajność a midPoint oznacza koniec yab W samej pętli fora średnia przejęta przez każdy kolejny segment danych wejściowych Pętla będzie działać dla określonego jako 1 do długości wejścia y, minus danych, które zostaną utracone n Jeśli wejście ma 100 punktów i n wynosi 10, pętla będzie działać od 1 do 90. Oznacza to, że pierwszy indeks segmentu jest uśredniony Drugi indeks b jest po prostu n-1 Więc na pierwszej iteracji, a 1 n 10 tak b 11-1 10 Pierwsza średnia przejęta przez yab lub x 1 10 Średnia wartość tego segmentu, która jest pojedynczą wartością, jest przechowywana na wyjściu w indeksie midpoint lub 1 5 6. Na drugiej iteracji , a 2 b 2 10-1 11 więc średnica zostaje przejęta przez x 2 11 i zapisana w wyjściu 7 W ostatniej iteracji pętli dla wejścia o długości 100, 91 b 90 10-1 100, ponad x 91 100 i zapisane w wyjściu 95 To pozostawia wyjście z całkowitym n 10 wartości NaN przy indeksie 1 5 i 96 100. Przykłady i rozważania Przekazywanie średnich jest przydatne w niektórych sytuacjach, ale nie zawsze najlepszym wyborem Oto dwa przykłady, w których niekoniecznie są optymalne. Kalibracja mikrofonu Ten zestaw danych reprezentuje poziomy każdej częstotliwości generowanej przez głośnik i zarejestrowany przez mikrofon o znanej liniowej odpowiedzi. Wyjście głośnika zmienia się częstotliwość, ale możemy poprawić tę odmianę za pomocą danych kalibracji - wyjście może być ustawione na poziomie w celu uwzględnienia fluktuacji kalibracji. Notwierdza, że surowe dane są hałaśliwe - oznacza to, że niewielka zmiana częstotliwości wydaje się wymagać duża, niepoprawna, zmiana poziomu w celu uwzględnienia Jest to realistyczne Lub czy jest to produkt środowiska nagrywania W tym przypadku rozsądne jest zastosowanie średniej ruchomej, która wygładza krzywą częstotliwości poziomu, aby zapewnić krzywą kalibracji, która jest nieco mniej niestabilna Ale dlaczego nie jest to optymalne w tym przykładzie. Dodatkowe dane byłyby lepsze - wielokrotne kalibracje są uśredniane razem, aby zniszczyć szum w systemie, dopóki jest uruchomiony dom i dostarczyć krzywej mniej subtelne szczegóły utracone Średnia średnia może tylko przybliżyć to i może usunąć niektóre wyższe częstotliwości dipów i szczytów z krzywej, która naprawdę istnieją. Sine fale Korzystanie średniej ruchomej na falach sinusowych podkreśla dwa punkty. Generalnie kwestia wyboru rozsądnej liczby punktów do wykonywania średniej nad. To proste, ale istnieją bardziej skuteczne metody analizy sygnału niż uśrednione oscylujące sygnały w domenie czasu. W tym wykresie, oryginalna fala sinusoidy jest wykreślana w niebieskim szumie dodane i wykreślone jako krzywa pomarańczowa Średnia ruchoma jest wykonywana w różnych ilościach punktów, aby sprawdzić, czy pierwsza fala może zostać odzyskana 5 i 10 punktów daje rozsądne wyniki, ale nie usuwać całego hałasu, gdzie zaczyna się coraz większa liczba punktów utrata szczegółów amplitudy, gdy średnia rozciąga się w różnych fazach, pamiętaj, że fala oscyluje wokół zera, a średnia -1. 0.Innym podejściem byłoby zbudowanie filtra dolnoprzepuszczalnego niż może być zastosowany do sygnału w dziedzinie częstotliwości nie będę wchodził w szczegóły, ponieważ wykraczałoby poza zakres tego artykułu, ale ponieważ hałas jest znacznie większa niż częstotliwość podstawowa fal, byłoby w tym przypadku dość łatwo skonstruować filtr dolnoprzepustowy niż usunie szum o wysokiej częstotliwości. Sporządzono w środę, 08 października 2008 r. 20 04 Zaktualizowano w czwartek, 14 marca 2017 r. 01 29 Wpisany przez Batuhan Osmanoglu Liczba wyświetleń 41547.Moving Average W Matlab. Often Uważam, że potrzebuję średniej danych mam do zmniejszenia hałasu trochę napisałem kilka funkcji, aby zrobić dokładnie to, co chcę, ale matlab s wbudowany w filtr funkcji działa całkiem dobrze, jak również tutaj I'll write o 1D i 2D uśredniania danych.1D filtr może być realizowane przy użyciu funkcji filtra Funkcja filtra wymaga co najmniej trzech parametrów wejściowych współczynnika licznika dla filtra b, współczynnika mianownika dla filtru a, a dane X oczywiście. Możesz zdefiniować przebiegowy filtr średnikowy d po prostu. Do danych 2D możemy użyć funkcji filtru2 Matlab Aby uzyskać więcej informacji na temat działania filtra, możesz wpisać. Tutaj to szybkie i brudne wdrożenie 16 o 16 średniej ruchomych filtr Najpierw musimy zdefiniować filtr Ponieważ chcemy tylko tego samego udziału wszystkich sąsiadów możemy użyć tych funkcji Dzielimy wszystko 256 16 16, ponieważ nie chcemy zmieniać ogólnej amplitudy sygnału. Aby zastosować filtr, po prostu powiedzmy, co następuje. Poniżej przedstawiono wyniki dla fazy interferogramu SAR W tym przypadku zakres znajduje się w osi Y a azymut jest odwzorowywany na osi X Filtr ma szerokość 4 pikseli w zakresie i 16 pikseli szerokości w azymutie. Moving Average filtra filtra MA. Loading średnia ruchoma filtr jest prostym filtra odpowiedzi dolnoprzepustowej FIR typu low-pass, powszechnie wykorzystywanym do wygładzania tablicy próbkowanych sygnałów danych M bierze M próbek wejściowych na raz i przyjmuje średnią z tych próbek M i daje pojedynczy punkt wyjściowy Jest to bardzo proste LPF Low Pas s Struktura filtra przydatna naukowcom i inżynierom w celu filtrowania niepożądanego hałaśliwego składnika z zamierzonych danych. Ponieważ długość filtru zwiększa parametr M, gładkość produkcji wzrasta, podczas gdy ostre przejścia w danych są coraz bardziej stępione filtr ma doskonałą odpowiedź na domenę czasową, ale słabą odpowiedź na częstotliwość. Filtr MA wykonuje trzy ważne funkcje.1 Ma punkty wejściowe M, oblicza średnią tych punktów M i wytwarza pojedynczy punkt wyjściowy 2 Z powodu obliczeń obliczeniowych zastosowano filtr wprowadza określoną kwotę zwłoki 3 Filtr działa jak filtr dolnoprzepustowy o słabej odpowiedzi na domenie częstotliwości i dobrą odpowiedź na domenę czasową. Matlab Code. Filokujący kod matlab symuluje odpowiedź domeny czasowej filtru Average Moving Average typu M, a także częstotliwość odpowiedzi dla różnych długości filtra. Time Domain Response. Input do MA filtr.3-punktowy filtr MA output. Input do Moving average filter. Response 3 punktowy przepływowy filtr średniej filtracji.51-punktowy filtr MA wyjściowy filtr wyjściowy.101-punktowy filtr MA. Zespół 51-punktowego filtra średniej ruchomej. Przyporządkowanie filtru filtrowego filtra MA o poziomie 101 punktów Filtr średniotemperaturowego filtru 501. Wywołanie 501 punktu Przenoszenie średniego filtru. Na pierwszej wykresie mamy wejście, które wchodzi do średniej ruchomych filtrów Wejście jest hałaśliwe i naszym celem jest zmniejszenie hałasu Następna figura jest odpowiedź wyjściowa 3-punktowy filtr Moving Average Może to wynika z figury, że filtr 3-punktowy Moving Average nie wyrzucił zbyt wiele w filtrowaniu szumu. Zwiększamy czubki filtru do 51 punktów i widzimy, że szum na wyjściu zmniejszył się znacznie, co jest opisane w następna figura. Równość częstotliwości przepływających filtrów średnich o różnych długościach. Zwiększamy naciski na 101 i 501 i zauważamy, że nawet, choć hałas jest prawie zerowy, przejścia są stłumione drastycznie obserwują nachylenie po obu stronach sygnał i porównaj je z to idealne przejście na ceglany mur w naszym wejściu. Powtórna odpowiedź. Z odpowiedzi na częstotliwość można stwierdzić, że zwijanie jest bardzo powolne i tłumienie pasma zatrzymania nie jest dobre Z uwagi na to tłumienie pasma, wyraźnie, ruchome średnie filtry nie mogą oddzielenie jednej pasma częstotliwości od innej Ponieważ wiemy, że dobra wydajność w dziedzinie czasu powoduje słabe wyniki w dziedzinie częstotliwości i vice versa Krótko mówiąc średnia ruchoma jest wyjątkowo dobrym filtrem wygładzania działania w dziedzinie czasu, ale wyjątkowo zły filtr dolnoprzepustowy działa w domenie częstotliwości. Rejestracja zewnętrzna. Nazywana książka. Najbardziej pasek boczny.
No comments:
Post a Comment