ชี้แจง ถัว เฉลี่ยเคลื่อนที่ กรอง Matlab

ฟิลเตอร์ 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งานแบบดิจิตอลและคาคงที่เวลาจะแสดงไว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 เนื่องจากตัวกรองเป็นแบบเส้นตรงนั่นหมายความว่าเปอร์เซ็นต์เหล่านี้สามารถใช้สำหรับขนาดของการเปลี่ยนแปลงขั้นตอนไม่ใช่เฉพาะสำหรับค่า 1 ที่ใช้ที่นี่ แม้ว่าการตอบสนองขั้นตอนในทางทฤษฎีจะใช้เวลาที่ไม่มีที่สิ้นสุดจากมุมมองในทางปฏิบัติให้คิดเกี่ยวกับตัวกรองเลขยกกำลังเป็น 98 ถึง 99 8220done8221 ตอบสนองหลังจากเวลานั้นเท่ากับ 4 ถึง 5 ตัวนับเวลาในการกรอง มีการเปลี่ยนแปลงของตัวกรองเลขทศนิยมที่เรียกว่าตัวกรองเลข 8220nnonear อย่างละเอียด 8221 Weber, 1980 มีจุดมุ่งหมายเพื่อกรองสัญญาณรบกวนภายในขอบเขต 8220typical8221 อย่างมาก แต่จะตอบสนองต่อการเปลี่ยนแปลงที่มีขนาดใหญ่กว่า Copyright 2010 - 2013, Greg Stanley แบ่งปันหน้านี้: ตัวกรอง FIR, ตัวกรอง IIR และสมการความแตกต่างของค่าสัมประสิทธิ์เชิงเส้นคงที่ตัวกรองค่าเฉลี่ยเคลื่อนที่เฉลี่ย (FIR) เราได้กล่าวถึงระบบซึ่งในแต่ละตัวอย่างของเอาต์พุตเป็นผลรวมน้ำหนักของ ตัวอย่าง) ของอินพุท ให้ใช้ระบบผลรวมถดถอยเชิงสาเหตุที่สาเหตุหมายถึงตัวอย่างเอาต์พุตที่กำหนดขึ้นอยู่กับตัวอย่างอินพุตปัจจุบันและอินพุตอื่น ๆ ก่อนหน้าในลำดับ ทั้งระบบเชิงเส้นโดยทั่วไปหรือระบบตอบสนองต่อแรงกระตุ้นแน่นอนไม่จำเป็นต้องเป็นสาเหตุ อย่างไรก็ตามความเป็นเหตุเป็นผลจะเป็นประโยชน์สำหรับการวิเคราะห์ประเภทหนึ่งที่กำลังจะสำรวจในเร็ว ๆ นี้ ถ้าเราเป็นสัญญลักษณ์อินพุตเป็นค่าของเวกเตอร์ x และผลลัพธ์เป็นค่าที่สอดคล้องกันของเวกเตอร์ y แล้วระบบดังกล่าวสามารถเขียนเป็นที่ที่ค่า b เป็น quotweightsquot นำไปใช้กับตัวอย่างปัจจุบันและก่อนหน้านี้เพื่อให้ได้ตัวอย่างการส่งออกปัจจุบัน เราสามารถคิดนิพจน์เป็นสมการโดยใช้เครื่องหมายเท่ากับเท่ากับหรือเป็นคำสั่งขั้นตอนด้วยเครื่องหมายเท่ากับหมายถึงการกำหนด ให้เขียนนิพจน์สำหรับตัวอย่างผลลัพธ์แต่ละรายการเป็นลูป MATLAB ของ statement กำหนดโดยที่ x เป็นเวกเตอร์ความยาว N ของตัวอย่างการป้อนข้อมูลและ b คือเวกเตอร์ M ที่มีความยาวของน้ำหนัก เพื่อจัดการกับกรณีพิเศษเมื่อเริ่มต้นเราจะฝัง x ในเวกเตอร์ xhat ที่มีตัวอย่าง M-1 เป็นศูนย์ก่อน เราจะเขียนผลรวมถ่วงน้ำหนักสำหรับแต่ละ y (n) เป็นผลิตภัณฑ์ภายในและจะทำ manipulations บางส่วนของปัจจัยการผลิต (เช่นย้อนกลับข) เพื่อการนี้ ระบบประเภทนี้มักถูกเรียกว่าตัวกรองค่าเฉลี่ยเคลื่อนที่โดยมีเหตุผลที่ชัดเจน จากการอภิปรายก่อนหน้านี้เราควรจะเห็นได้ชัดว่าระบบดังกล่าวมีลักษณะเป็นเส้นตรงและไม่แปรเปลี่ยน แน่นอนว่าจะใช้ฟังก์ชัน convolution function ของ MATLAB conv () แทนการใช้ mafilt () ของเราได้เร็วกว่ามาก แทนที่จะพิจารณาตัวอย่าง M-1 แรกของอินพุทเป็นศูนย์เราสามารถพิจารณาให้เป็นเหมือนกับตัวอย่าง M-1 ล่าสุด เช่นเดียวกับการประมวลผลการป้อนข้อมูลเป็นระยะ ๆ ใช้ cmafilt () เป็นชื่อของฟังก์ชันการปรับเปลี่ยนเล็กน้อยของฟังก์ชัน mafilt () ก่อนหน้านี้ ในการระบุการตอบสนองของระบบของระบบปกติจะไม่มีความแตกต่างระหว่างทั้งสองเนื่องจากตัวอย่างที่ไม่ใช่ข้อมูลเริ่มต้นของข้อมูลทั้งหมดเป็นศูนย์: เนื่องจากระบบชนิดนี้มีลักษณะเป็นเชิงเส้นและมีการเปลี่ยนค่าคงที่เราทราบดีว่าผลกระทบใด ๆ sinusoid จะเป็นเพียงขนาดและเปลี่ยน นี่เป็นเรื่องสำคัญที่เราใช้เวอรเปอรเวอรเวอรเวอรเปนเวอรปวอยด (circularly-convolved version) ขยับขึ้นและปรับขนาดเล็กนอยในขณะที่เวอร์ชันที่มีการแกไขปกติจะบิดเบี้ยวเมื่อเริ่มตน ให้ดูว่าการปรับขนาดและการขยับคือการใช้ FFT: อินพุตและเอาต์พุตทั้งคู่มีความกว้างเพียงความถี่ 1 และ -1 ซึ่งเป็นไปตามที่ควรจะเป็นระบุว่าอินพุตเป็นไซน์โมและเป็นระบบเชิงเส้น ค่าที่ส่งออกมีค่ามากกว่าอัตราส่วน 10.62518 1.3281 นี่คือผลประโยชน์ของระบบ สิ่งที่เกี่ยวกับเฟสเราจำเป็นต้องมองที่แอมพลิจูดไม่ใช่ศูนย์: อินพุทมีเฟสของ pi2 ตามที่เราร้องขอ เฟสเอาท์พุทจะถูกปรับเพิ่มอีก 1.0594 (มีสัญญาณตรงกันข้ามกับความถี่เชิงลบ) หรือประมาณ 16 รอบด้านขวาตามที่เราเห็นในกราฟ ตอนนี้ขอลอง sinusoid ที่มีความถี่เดียวกัน (1) แต่แทน amplitude 1 และ phase pi2 ลองลอง amplitude 1.5 และ phase 0 เรารู้ว่าความถี่ 1 และ -1 จะมีค่า amplitude ไม่เป็นศูนย์ดังนั้นให้แค่มอง ที่พวกเขา: อีกครั้งอัตราส่วนความกว้าง (15.937712.0000) เป็น 1.3281 - และสำหรับเฟสจะเลื่อนอีกครั้งโดย 1.0594 ถ้าตัวอย่างเหล่านี้เป็นแบบอย่างเราสามารถทำนายผลกระทบของระบบของเรา (การตอบสนองต่ออิมพัล .1 .2 .3 .5) ในไซน์ไซด์ใด ๆ ที่มีความถี่ 1 - แอมพลิจูดจะเพิ่มขึ้นตามค่าเท่ากับ 1.3281 และเฟส (ความถี่บวก) จะเปลี่ยนไปตาม 1.0594 เราสามารถคำนวณหาผลของระบบนี้ในไซโครัมของความถี่อื่นด้วยวิธีการเดียวกัน แต่มีวิธีที่ง่ายกว่ามากและเป็นจุดที่กำหนดจุดทั่วไป เนื่องจากการหมุนวน (วงกลม) ในโดเมนเวลาหมายถึงการคูณในโดเมนความถี่จากนั้นตามด้วยคำพูดอื่น ๆ DFT ของการตอบสนองอิมพัลคืออัตราส่วนของ DFT ของเอาท์พุทไปยัง DFT ของอินพุท ในความสัมพันธ์นี้สัมประสิทธิ์ DFT เป็นจำนวนเชิงซ้อน เนื่องจาก abs (c1c2) abs (c1) abs (c2) สำหรับจำนวนเชิงซ้อนทั้งหมด c1, c2 สมการนี้บอกเราว่าสเปกตรัมความกว้างของการตอบสนองของอิมพัลส์จะเป็นอัตราส่วนของสเปกตรัมความกว้างของเอาท์พุทกับอินพุต . ในกรณีของสเปกตรัมเฟสมุม (c1c2) มุม (c1) - มุม (c2) สำหรับทุก c1, c2 (โดยมีเงื่อนไขว่าเฟสต่างกันโดย n2pi ถือว่าเท่ากัน) ดังนั้นสเปกตรัมเฟสของการตอบสนองของอิมพัลสึจะเป็นความแตกต่างระหว่างสเปกตรัมเฟสของเอาท์พุทและอินพุท (โดยมีการแก้ไขโดย 2pi เพื่อให้ผลระหว่าง - pi และ pi) เราสามารถเห็นผลของเฟสได้ชัดเจนมากขึ้นถ้าเรานำเสนอการแสดงเฟสเช่นถ้าเราเพิ่มการคูณจำนวน 2pi ตามที่ต้องการเพื่อลดการกระโดดที่เกิดขึ้นตามลักษณะของฟังก์ชันมุม () ถึงแม้ว่าความกว้างและเฟสมักใช้สำหรับงานนำเสนอแบบกราฟิกและแม้แต่ตารางเพราะเป็นวิธีการที่ง่ายในการคิดถึงผลกระทบของระบบในส่วนประกอบความถี่ต่างๆของอินพุทค่าสัมประสิทธิ์ฟูริเยร์ที่ซับซ้อนมีประโยชน์มากขึ้นเกี่ยวกับพีชคณิตเนื่องจากพวกมันยอมให้ การแสดงออกที่เรียบง่ายของความสัมพันธ์วิธีการทั่วไปที่เราเพิ่งเห็นจะทำงานร่วมกับตัวกรองที่กำหนดเองในแบบที่ร่างซึ่งในแต่ละตัวอย่างผลลัพธ์คือผลรวมถ่วงน้ำหนักของตัวอย่างข้อมูลอินพุตบางชุด ดังที่ได้กล่าวมาก่อนหน้านี้มักเรียกว่าฟิลเตอร์ฟิลเตอร์ตอบสนองเนื่องจากการตอบสนองของอิมพัลซ์มีขนาด จำกัด หรือบางครั้งก็ใช้ตัวกรอง Moving Average เราสามารถกำหนดลักษณะการตอบสนองความถี่ของตัวกรองดังกล่าวจากการตอบสนองอิมพัลส์ของ FFT และเรายังสามารถออกแบบตัวกรองใหม่ที่มีลักษณะที่ต้องการโดย IFFT จากข้อกำหนดของการตอบสนองต่อความถี่ ตัวกรองแบบอัตถดถอย (IIR) จะมีจุดเล็ก ๆ น้อย ๆ ในการมีชื่อสำหรับตัวกรอง FIR เว้นแต่จะมีบางรูปแบบอื่น ๆ เพื่อแยกความแตกต่างออกไปดังนั้นผู้ที่ศึกษาเกี่ยวกับจริยธรรมจะไม่รู้สึกแปลกใจที่ทราบว่ามีความสำคัญอีกอย่างหนึ่ง ของตัวกรองเวลาไม่แปรเปลี่ยนเชิงเส้น ตัวกรองเหล่านี้บางครั้งเรียกว่า recursive เนื่องจากค่าของเอาต์พุตก่อนหน้านี้ (เช่นเดียวกับอินพุตก่อนหน้า) มีความสำคัญแม้ว่าอัลกอริทึมจะถูกเขียนโดยใช้โครงสร้างแบบวนซ้ำ พวกเขาจะเรียกว่าตัวกรองการตอบสนองต่ออิมพัลส์อิมพัลส์ (IIR) โดยทั่วไปแล้วการตอบสนองต่อแรงกระตุ้นจะเกิดขึ้นตลอดไป บางครั้งพวกเขายังถูกเรียกว่า autoregressive filters เนื่องจากค่าสัมประสิทธิ์สามารถคิดได้ว่าเป็นผลของการถดถอยเชิงเส้นเพื่อแสดงค่าสัญญาณตามหน้าที่ของค่าสัญญาณก่อนหน้า ความสัมพันธ์ของตัวกรอง FIR และ IIR สามารถมองเห็นได้ชัดเจนในสมการเชิงอนุพันธ์เชิงเส้นค่าคงที่เชิงเส้นนั่นคือการตั้งค่าผลรวมถ่วงน้ำหนักของเอาท์พุทเท่ากับจำนวนถัวเฉลี่ยของปัจจัยการผลิต นี่เป็นเหมือนสมการที่เราให้ไว้ก่อนหน้านี้สำหรับฟิลเตอร์ฟิวเจอร์ที่เป็นสาเหตุยกเว้นว่านอกเหนือจากการรวมน้ำหนักของอินพุตเรายังมีผลรวมถ่วงน้ำหนักของผลลัพธ์ด้วย ถ้าเราอยากจะคิดว่านี่เป็นขั้นตอนในการสร้างตัวอย่างเอาต์พุตเราจำเป็นต้องจัดเรียงสมการใหม่เพื่อให้ได้นิพจน์สำหรับตัวอย่างเอาต์พุต y (n) ปัจจุบันการนำแนวทางที่ว่า (1) 1 (เช่นโดยการปรับขนาดอื่น ๆ เช่น และ bs) เราสามารถกำจัดคำ 1a (1): y (n) b (1) x (n) b (2) x (n-1) b (Nb1) x (n-nb) - a (2) y (n-1) -. - a (Na1) y (n-na) ถ้าค่าทั้งหมด a (n) นอกเหนือจาก (1) เป็นศูนย์จะลดลงกับเพื่อนเก่าของเราที่เป็นสาเหตุของ FIR filter นี่เป็นกรณีทั่วไปของตัวกรอง LTI (สาเหตุ) และถูกใช้โดยตัวกรองฟังก์ชัน MATLAB ให้ดูกรณีที่ค่าสัมประสิทธิ์ b ไม่ใช่ b (1) เป็นศูนย์ (แทน FIR กรณีที่ a (n) เป็นศูนย์): ในกรณีนี้ตัวอย่างการส่งออกปัจจุบัน y (n) คำนวณเป็น a (n-1) y (n-2) ฯลฯ เพื่อให้ทราบว่าเกิดอะไรขึ้นกับตัวกรองดังกล่าวให้เริ่มต้นด้วยกรณีที่: นั่นคือตัวอย่างการส่งออกปัจจุบันคือผลรวมของตัวอย่างการป้อนข้อมูลปัจจุบันและครึ่งหนึ่งของตัวอย่างผลลัพธ์ก่อนหน้า ใช้แรงกระตุ้นอินพุทผ่านขั้นตอนเพียงไม่กี่ขั้นตอนทีละขั้นตอน ควรชัดเจนที่จุดนี้ว่าเราสามารถเขียนนิพจน์สำหรับค่าตัวอย่างเอาต์พุต nth: มันเป็นเพียง (ถ้า MATLAB นับจาก 0 จะเป็นเพียง. 5n) เนื่องจากสิ่งที่เรากำลังคำนวณคือการตอบสนองต่อแรงกระตุ้นของระบบเราได้แสดงให้เห็นด้วยตัวอย่างว่าการตอบสนองของแรงกระตุ้นสามารถมีตัวอย่างที่ไม่ใช่ศูนย์จำนวนอนันต์ได้ ในการใช้ตัวกรองลำดับแรกที่ไม่สำคัญนี้ใน MATLAB เราสามารถใช้ตัวกรอง การโทรจะมีลักษณะดังนี้: และผลลัพธ์คือ: ธุรกิจนี้ยังคงเป็นแบบเส้นตรงหรือไม่เราสามารถดูข้อมูลนี้ได้โดยสรุป: สำหรับวิธีทั่วไปให้พิจารณาค่าของตัวอย่างผลลัพธ์ y (n) โดยการทดแทนต่อเนื่องเราสามารถเขียนข้อความนี้ได้เช่นเดียวกับเพื่อนเก่าของเราที่มีรูปแบบการรวมกันของตัวกรอง FIR โดยมีการตอบสนองต่อแรงกระตุ้นด้วยการแสดงออก 5k และความยาวของการตอบสนองอิมพัลเป็นอนันต์ ดังนั้นอาร์กิวเมนต์เดียวกับที่เราใช้เพื่อแสดงให้เห็นว่าตัวกรอง FIR เป็นเส้นตรงจะใช้ที่นี่ จนถึงตอนนี้อาจดูเหมือนเป็นจำนวนมากเอะอะเกี่ยวกับไม่มาก การตรวจสอบทั้งหมดนี้มีประโยชน์อะไรสำหรับคำตอบที่ดีในคำถามนี้ในแต่ละขั้นตอนโดยเริ่มจากตัวอย่าง ไม่แปลกใจเลยที่เราสามารถคำนวณค่าสัมประสิทธิ์การสุ่มเก็บตัวอย่างโดยการคูณแบบไขว้ ให้ดูที่ตัวกรอง recursive ที่ทำสิ่งที่ไม่ชัดเจน คราวนี้ทำให้ตัวกรองลำดับที่สองเป็นตัวกรองเพื่อให้ตัวกรองสัญญาณเป็นแบบฟอร์มให้ตั้งค่าสัมประสิทธิ์การออกที่สอง a2 ถึง -2cos (2pi40) และค่าสัมประสิทธิ์การออกที่สาม a3 ถึง 1 และดูที่แรงกระตุ้น คำตอบ ไม่มีประโยชน์มากเป็นตัวกรองจริง แต่จะสร้างตัวอย่างคลื่นซายน์ (จากแรงกระตุ้น) และเพิ่มตัวคูณเพิ่มสามตัวต่อหนึ่งตัวอย่างเพื่อให้เข้าใจว่าทำไมและทำเช่นนี้ได้อย่างไรและวิธีการที่สามารถออกแบบและวิเคราะห์ตัวกรองแบบเรียกซ้ำ กรณีทั่วไปมากขึ้นเราจำเป็นต้องย้อนกลับไปและดูที่คุณสมบัติอื่น ๆ ของตัวเลขที่ซับซ้อนระหว่างทางเพื่อทำความเข้าใจการเปลี่ยนแปลง z ค่าเฉลี่ยถ่วงน้ำหนักที่คำนวณได้โดยประมาณคุณสามารถคิดว่ารายการเฝ้าดูเป็นหัวข้อที่คุณบุ๊กมาร์กไว้ คุณสามารถเพิ่มแท็กผู้เขียนชุดข้อความและแม้แต่ผลการค้นหาลงในรายการเฝ้าดูของคุณ ด้วยวิธีนี้คุณสามารถติดตามหัวข้อที่คุณสนใจได้อย่างง่ายดายหากต้องการดูรายการเฝ้าดูของคุณคลิกที่ลิงค์ quot My Newsreaderquot หากต้องการเพิ่มรายการลงในรายการเฝ้าดูให้คลิกที่ลิงก์เพื่อดูลิงก์ listquot ที่ด้านล่างของหน้าใดก็ได้ ฉันจะเพิ่มรายการลงในรายการเฝ้าดูได้อย่างไรหากต้องการเพิ่มเกณฑ์การค้นหาลงในรายการเฝ้าดูให้ค้นหาคำที่ต้องการในช่องค้นหา คลิกที่ "เพิ่มการค้นหานี้ลงในลิงก์ watchquest ของฉันในหน้าผลการค้นหา นอกจากนี้คุณยังสามารถเพิ่มแท็กลงในรายการเฝ้าดูได้ด้วยการค้นหาแท็กด้วยคำสั่ง quintag: tagnamequot โดยที่ tagname คือชื่อของแท็กที่คุณต้องการดู หากต้องการเพิ่มผู้เขียนลงในรายการเฝ้าดูให้ไปที่หน้าโปรไฟล์ผู้เขียนและคลิกที่ "เพิ่มผู้แต่งนี้ลงในลิงก์ watchquest ของฉันที่ด้านบนของหน้า นอกจากนี้คุณยังสามารถเพิ่มผู้เขียนลงในรายการเฝ้าดูโดยไปที่เธรดที่ผู้เขียนโพสต์ไว้และคลิกที่ "เพิ่มผู้แต่งนี้ลงในลิงก์ watchquest ของฉัน" คุณจะได้รับแจ้งเมื่อใดก็ตามที่ผู้เขียนโพสต์ หากต้องการเพิ่มเธรดในรายการเฝ้าดูให้ไปที่หน้าหัวข้อและคลิกที่เพิ่มเนื้อหานี้ในลิงก์ watchquest ของฉันที่ด้านบนของหน้า เกี่ยวกับ Newsgroups, Newsreaders และ MATLAB Central กลุ่มข่าวสารคืออะไรกลุ่มข่าวเป็นฟอรัมทั่วโลกที่เปิดกว้างสำหรับทุกคน กลุ่มข่าวสารใช้ในการพูดคุยเกี่ยวกับหัวข้อต่างๆการประกาศและการทำธุรกรรม การสนทนาแบ่งเป็นกลุ่มหรือจัดกลุ่มตามวิธีที่ช่วยให้คุณอ่านข้อความที่โพสต์และการตอบกลับทั้งหมดตามลำดับเวลา การทำเช่นนี้ทำให้ง่ายต่อการติดตามหัวข้อสนทนาและเพื่อดูสิ่งที่ได้รับการกล่าวถึงก่อนที่คุณจะโพสต์การตอบกลับของคุณเองหรือโพสต์ใหม่ เนื้อหากลุ่มข่าวสารเผยแพร่โดยเซิร์ฟเวอร์ที่โฮสต์โดยองค์กรต่างๆบนอินเทอร์เน็ต มีการแลกเปลี่ยนและจัดการข้อความโดยใช้โปรโตคอลมาตรฐานแบบเปิด ไม่มีกลุ่มเดียวที่สร้างกลุ่มข่าว มีกลุ่มข่าวหลายพันกลุ่มซึ่งแต่ละหัวข้อจะกล่าวถึงหัวข้อเดียวหรือพื้นที่ที่น่าสนใจ MATLAB Central Newsreader โพสต์และแสดงข้อความในกลุ่มข่าว comp. soft-sys. matlab ฉันจะอ่านหรือโพสต์ลงในกลุ่มข่าวสารได้อย่างไรคุณสามารถใช้โปรแกรมอ่านข่าวแบบรวมได้ที่เว็บไซต์ MATLAB Central เพื่ออ่านและโพสต์ข้อความในกลุ่มข่าวสารนี้ MATLAB Central เป็นเจ้าภาพโดย MathWorks ข้อความที่โพสต์ผ่าน MATLAB Central Newsreader จะถูกมองโดยทุกคนโดยใช้กลุ่มข่าวสารโดยไม่คำนึงถึงว่าพวกเขาเข้าถึงกลุ่มข่าวสารอย่างไร มีข้อดีหลายอย่างในการใช้ MATLAB Central บัญชีเดียวบัญชี MATLAB Central ของคุณเชื่อมโยงกับบัญชี MathWorks ของคุณเพื่อความสะดวก ใช้ที่อยู่อีเมลของทางเลือกของคุณ MATLAB Central Newsreader ช่วยให้คุณสามารถกำหนดที่อยู่อีเมลสำรองเป็นที่อยู่สำหรับโพสต์ของคุณหลีกเลี่ยงความยุ่งเหยิงในกล่องจดหมายหลักและลดสแปม การควบคุมสแปมสแปมกลุ่มข่าวสารส่วนใหญ่จะถูกกรองออกโดย MATLAB Central Newsreader การติดแท็กข้อความสามารถติดแท็กด้วยป้ายกำกับที่เกี่ยวข้องโดยผู้ใช้ที่ลงชื่อเข้าใช้ใด ๆ แท็กสามารถใช้เป็นคำหลักเพื่อค้นหาไฟล์ที่ต้องการโดยเฉพาะหรือเป็นวิธีจัดประเภทการโพสต์ที่บุ๊คมาร์คของคุณ คุณสามารถเลือกให้ผู้อื่นดูแท็กของคุณได้และคุณสามารถดูหรือค้นหาแท็ก otherrsquo รวมทั้งชุมชนของชุมชนได้ การติดแท็กช่วยให้สามารถมองเห็นทั้งแนวโน้มใหญ่และความคิดที่มีขนาดเล็กลงและการใช้งานที่คลุมเครือมากขึ้น ดูรายการการตั้งค่ารายการเฝ้าดูช่วยให้คุณได้รับแจ้งเกี่ยวกับการอัปเดตที่โพสต์โดยผู้แต่งด้ายหรือตัวแปรการค้นหาใด ๆ การแจ้งเตือนรายการนัดหมายของคุณสามารถส่งทางอีเมล (การแจกแจงรายวันหรือทันที) ซึ่งจะแสดงใน My Newsreader หรือส่งผ่านฟีด RSS วิธีอื่น ๆ ในการเข้าถึงกลุ่มข่าวสารใช้โปรแกรมอ่านข่าวผ่านทางโรงเรียนนายจ้างหรือผู้ให้บริการอินเทอร์เน็ตของคุณการชำระเงินสำหรับการเข้าถึงกลุ่มข่าวสารจากผู้ให้บริการเชิงพาณิชย์ใช้ Google Groups Mathforum. org ให้ผู้ประกาศข่าวที่สามารถเข้าถึงกลุ่มข่าวสารของ s. komys. matlab ทำงานด้วยตัวคุณเอง เซิร์ฟเวอร์ สำหรับคำแนะนำทั่วไปโปรดดู: slyckng. phppage2 เลือกเอกสารข้อมูลประเทศของคุณตัวอย่างนี้แสดงวิธีใช้ตัวกรองเฉลี่ยแบบเคลื่อนไหวและการสุ่มตัวอย่างใหม่เพื่อแยกผลกระทบขององค์ประกอบที่เป็นระยะ ๆ ของช่วงเวลาในการอ่านอุณหภูมิรายชั่วโมงตลอดจนลบเสียงรบกวนจากช่องเปิดที่ไม่พึงประสงค์ วัดแรงดันไฟฟ้าลัดวงจร ตัวอย่างนี้ยังแสดงวิธีทำให้ระดับสัญญาณนาฬิกาลดลงในขณะที่รักษาขอบโดยใช้ตัวกรองค่ามัธยฐาน ตัวอย่างยังแสดงวิธีการใช้ตัวกรอง Hampel เพื่อลบค่าดีเอ็นเอที่มีขนาดใหญ่ การทำให้เรียบเนียนเป็นสิ่งที่เราค้นพบรูปแบบที่สำคัญในข้อมูลของเราขณะออกจากสิ่งที่ไม่สำคัญ (เช่นเสียง) เราใช้การกรองเพื่อทำการเรียบนี้ เป้าหมายของการราบเรียบคือการผลิตการเปลี่ยนแปลงที่ช้าลงในคุณค่าเพื่อให้สามารถมองเห็นแนวโน้มในข้อมูลของเราได้ง่ายขึ้น บางครั้งเมื่อคุณตรวจสอบข้อมูลการป้อนข้อมูลที่คุณอาจต้องการทำให้ข้อมูลมีความราบรื่นเพื่อดูแนวโน้มของสัญญาณ ในตัวอย่างของเราเรามีชุดของการอ่านอุณหภูมิในเซลเซียสที่ถ่ายทุกชั่วโมงที่สนามบิน Logan ตลอดเดือนมกราคม 2011 โปรดทราบว่าเราสามารถมองเห็นผลกระทบที่เวลาในช่วงเวลาที่มีการอ่านค่าอุณหภูมิ หากคุณสนใจเฉพาะความแปรผันของอุณหภูมิรายวันในช่วงเดือนความผันผวนรายชั่วโมงมีส่วนทำให้เกิดเสียงรบกวนเท่านั้นซึ่งจะทำให้รูปแบบรายวันดูยากขึ้น หากต้องการลบผลกระทบของเวลาในวันนี้ตอนนี้เราต้องการให้ข้อมูลของเราราบรื่นโดยใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่ ตัวกรองค่าเฉลี่ยเคลื่อนที่ (Moving Average Filter) ในรูปแบบที่ง่ายที่สุดตัวกรองค่าเฉลี่ยเคลื่อนที่ที่มีความยาว N ใช้ค่าเฉลี่ยของทุกๆตัวอย่าง N ต่อเนื่องของรูปคลื่น หากต้องการใช้ตัวกรองเฉลี่ยที่เคลื่อนที่ไปยังจุดข้อมูลแต่ละจุดเราจะสร้างค่าสัมประสิทธิ์ของตัวกรองของเราเพื่อให้แต่ละจุดมีการถ่วงน้ำหนักอย่างเท่าเทียมกันและมีส่วนทำให้ค่าเฉลี่ยรวม 124 ค่า ซึ่งจะทำให้เรามีอุณหภูมิเฉลี่ยตลอดช่วงเวลา 24 ชั่วโมง Filter Delay โปรดทราบว่าผลลัพธ์ที่กรองออกจะล่าช้าประมาณ 12 ชั่วโมง เนื่องจากตัวกรองค่าเฉลี่ยเคลื่อนที่ของเรามีความล่าช้า ตัวกรองสมมาตรใด ๆ ที่มีความยาว N จะมีความล่าช้าของ (N-1) 2 ตัวอย่าง เราสามารถบัญชีสำหรับความล่าช้านี้ด้วยตนเอง การแยกความแตกต่างเฉลี่ยนอกจากนี้เรายังสามารถใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่เพื่อให้ได้ค่าประมาณที่ดีขึ้นว่าช่วงเวลาของวันมีผลต่ออุณหภูมิโดยรวมอย่างไร เมื่อต้องการทำเช่นนี้ขั้นแรกให้ลบข้อมูลที่ราบเรียบออกจากการวัดอุณหภูมิรายชั่วโมง จากนั้นแบ่งส่วนข้อมูลที่แตกต่างออกเป็นวันและใช้เวลาเฉลี่ยมากกว่า 31 วันในเดือน Extracting Peak Envelope บางครั้งเราก็อยากจะมีการประมาณการที่แตกต่างกันอย่างราบรื่นว่าเสียงสูงและต่ำของสัญญาณอุณหภูมิของเรามีการเปลี่ยนแปลงทุกวัน ในการทำเช่นนี้เราสามารถใช้ฟังก์ชันซองจดหมายเพื่อเชื่อมต่อเสียงสูงและต่ำสุดที่ตรวจพบได้ในเซตย่อยของช่วงเวลา 24 ชั่วโมง ในตัวอย่างนี้เรามั่นใจว่าจะมีอย่างน้อย 16 ชั่วโมงระหว่างแต่ละระดับที่สูงมากและต่ำสุด นอกจากนี้เรายังสามารถรับรู้ได้ว่าเสียงสูงและต่ำมีแนวโน้มอย่างไรโดยการใช้ค่าเฉลี่ยระหว่างสองสุดขั้ว ตัวกรองเฉลี่ยถ่วงน้ำหนักแบบอื่นตัวเก็บประจุแบบอื่น ๆ ที่มีค่าเฉลี่ยเคลื่อนที่ไม่ได้มีน้ำหนักเท่ากัน ตัวกรองอื่น ๆ ตามการขยายตัวของสอง (12,12) n ตัวกรองชนิดนี้จะประมาณเส้นโค้งปกติสำหรับค่าที่มีขนาดใหญ่ของ n เป็นประโยชน์สำหรับการกรองเสียงรบกวนความถี่สูงสำหรับ n ขนาดเล็ก ในการหาค่าสัมประสิทธิ์สำหรับตัวกรองแบบทวินามให้หมุนตัว 12 12 ด้วยตัวเองแล้วค่อยๆหมุนวนเอาท์พุทด้วย 12 12 จำนวนครั้งที่กำหนด ในตัวอย่างนี้ใช้การวนซ้ำทั้งหมดห้าครั้ง ตัวกรองอื่นที่คล้ายกับตัวกรองการขยายตัวของ Gaussian คือตัวกรองค่าเฉลี่ยเลขยกกำลัง ตัวกรองค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักชนิดนี้ใช้งานง่ายและไม่ต้องใช้ขนาดหน้าต่างที่ใหญ่ คุณสามารถปรับตัวกรองเฉลี่ยถ่วงน้ำหนักที่ถ่วงน้ำหนักด้วยค่าพารามิเตอร์เลขคณิตตามพารามิเตอร์ alpha ระหว่างศูนย์และหนึ่ง ค่าอัลฟาจะสูงขึ้น ขยายการอ่านสำหรับหนึ่งวัน เลือกประเทศของคุณ