ชี้แจง เคลื่อนไหว เฉลี่ย Dsp

ทุกๆวัน DSP สำหรับโปรแกรมเมอร์การตอบสนองต่อขั้นตอนของสัปดาห์เฉลี่ยเราได้ดูชนิดต่างๆของค่าเฉลี่ยและใช้ในการวิเคราะห์ราคาก๊าซประวัติศาสตร์มองไปที่สัญญาณที่ซับซ้อนเช่นราคาก๊าซทำให้เรามีการเปรียบเทียบที่ดีของพฤติกรรมของวิธีการต่างๆต่างๆโดยเฉลี่ย, แต่ถ้าเราต้องการทำความเข้าใจว่าวิธีการเฉลี่ยที่แตกต่างกันอย่างไรในวิธีทั่วไปมากขึ้นวิธีหนึ่งในการวิเคราะห์วิธีการต่างๆคือการประยุกต์ใช้กับสัญญาณพื้นฐานเอาท์พุท ซึ่งเป็นผลมาจากการใช้ฟังก์ชันเฉลี่ยกับหนึ่งในสัญญาณพื้นฐานเรียกว่าการตอบสนองของฟังก์ชันถ้าสัญญาณเป็นสัญญาณ DC จะเรียกว่าการตอบสนองของ DC ถ้าสัญญาณเป็นฟังก์ชันขั้นบันไดก็เรียกว่าการตอบสนองขั้นตอนและ เราจะดูที่การตอบสนองขั้นตอนในรายละเอียดมากขึ้น แต่อันดับแรกให้สั้น ๆ กล่าวถึงการตอบสนองของฟังก์ชันการเฉลี่ยที่แตกต่างกันไปแต่ละสัญญาณพื้นฐานการตอบสนองต่อ Signals. W e ครอบคลุมห้าวิธีที่แตกต่างกันของค่าเฉลี่ยในการโพสต์ล่าสุดเต็มบล็อกย้ายการชี้แจงและกรอง FIR และสี่ชนิดของสัญญาณพื้นฐานจาก DC โพสต์แรกแรงกระตุ้นขั้นตอนและไซน์ถ้าเราจะทำเปรียบเทียบข้าม ทั้งหมดของสัญญาณเหล่านี้และวิธีการเฉลี่ยเราจะจบลงด้วยกราฟยี่สิบ แต่ส่วนมากของพวกเขา wouldn t จะมีประโยชน์หรือน่าสนใจมากเกินไปดังนั้นเราจะไปแคบลงค่อนข้างเริ่มต้นให้ s พิจารณาค่าเฉลี่ยเต็มตั้งแต่ค่าเฉลี่ยเต็ม เพียงแค่คำนวณค่าเฉลี่ยของสัญญาณทั้งหมดการตอบสนองของสัญญาณจะไม่น่าสนใจอย่างยิ่งค่า SA เดี่ยวค่าเฉลี่ยของบล็อกจะไม่ค่อยน่าสนใจมากนักเพราะมันแยกสัญญาณออกเป็นชิ้นขนาดเท่ากันก่อนที่จะนำค่าเฉลี่ย ของสัญญาณเดิมเราจะละเว้นทั้งสองประเภทของค่าเฉลี่ยสำหรับการสำรวจนี้นอกจากนี้เรายังสามารถโยนออกสัญญาณ DC จากด้านสัญญาณของเมทริกซ์ตั้งแต่ไม่มีประเภทของค่าเฉลี่ยจะเปลี่ยนค่า DC อย่างน้อย sho uldn t ถ้าใช่คุณควรตรวจสอบให้แน่ใจว่าฟังก์ชันเฉลี่ยของคุณมีเสถียรภาพและทำในสิ่งที่คุณคิดหรือไม่การตอบสนอง DC น่าสนใจเมื่อวิเคราะห์ตัวกรองอิมมูร์อิมพัลส์อิมมูโนพัลอิลิเมนต์ Infinite II ที่ซับซ้อนเนื่องจากอาจมีความไม่เสถียรกับสัญญาณ DC แต่ไม่มี ฟังก์ชั่นเหล่านี้มีค่าเฉลี่ยไม่แน่นอนซึ่งจะส่งผลให้สัญญาณมีค่าลดลงและมีสัญญาณ Sine และ Moving Exponential และค่าเฉลี่ยของ FIR filter ในฐานะผู้ที่มีศักยภาพในการเปรียบเทียบการตอบสนองของสัญญาณไซน์จะขึ้นอยู่กับความถี่ของคลื่นไซน์ ประเภทของการวิเคราะห์จะทำโดยทั่วไปกับ DFT เพื่อหาค่าเฉลี่ยของการตอบสนองความถี่ s ในช่วงของความถี่เราไม่พร้อมสำหรับการวิเคราะห์ประเภทนั้น แต่เราจะมองไปที่การตอบสนองของโพสต์ในช่วงหลัง ๆ ของค่าเฉลี่ย จริงมีพฤติกรรมที่น่าสนใจการใช้แรงกระตุ้นผ่านฟังก์ชันเฉลี่ยจะทำซ้ำฟังก์ชั่นเฉลี่ยเป็นชุดของก๊อกสำหรับตัวกรอง FIR เนื่องจากฟังก์ชันแรงกระตุ้นเป็นศูนย์ทุกแห่งยกเว้น ตัวอย่างเดียวเมื่อคุณใช้ฟังก์ชันเฉลี่ยไปยังผลลัพธ์ของแต่ละจุดคือค่าที่คุณต้องใช้สำหรับการแตะในตัวกรองที่เหมือนกันฟังก์ชันอิมพัลส์ที่ใช้กับค่าเฉลี่ยเคลื่อนที่จะทำให้เกิดการบล็อกตัวอย่างด้วย แต่ละตัวอย่างมีค่าของผกผันของขนาดของบล็อกถ้าคุณใช้ค่าเหล่านี้เป็นก๊อกในตัวกรองการคูณแต่ละตัวอย่างของสัญญาณโดยการผกผันของขนาดของบล็อกและรวมเข้าด้วยกันคุณจะได้รับผลลัพธ์เช่นเดียวกับ ค่าเฉลี่ยเคลื่อนที่เนื่องจากสมการต่อไปนี้มีค่าเท่ากันคำ 1 n ในผลรวมทางด้านขวามือคือส่วนของตัวกรองเนื่องจากคุณสมบัตินี้ตัวกรอง FIR จะทำซ้ำก๊อกของตนเพื่อตอบสนองต่อฟังก์ชันอิมพัลซ์ ค่าเฉลี่ยจะทำให้เกิดการสลายตัวแบบ exponential และมันไม่เคยสิ้นสุดลงเนื่องจากการสลายตัวแบบ exponential ถึงศูนย์ แต่ไม่ถึงมันดังนั้นค่าเฉลี่ยเลขชี้กำลังเป็นตัวอย่างของตัวกรอง IIR ที่เรียบง่ายการตอบสนองขั้นตอนเฉลี่ยขั้นสูงนั่นคือ lea ves การตอบสนองขั้นตอนเพื่อดูรายละเอียดเพิ่มเติมเพื่อหาการตอบสนองขั้นตอนของค่าเฉลี่ยสิ่งที่เราต้องทำคือการแทนที่สัญญาณราคาก๊าซที่เรากำลังมองหาที่มาก่อนด้วยฟังก์ชันขั้นตอนและเรียกใช้ฟังก์ชันเฉลี่ยสำหรับข้อมูลเพิ่มเติม ค่าเฉลี่ยเคลื่อนที่ให้จำได้ว่าการดำเนินการอยู่ที่ไหน j คือตัวอย่าง j และ k คือขนาดของบล็อกการดำเนินการนี้ดูเหมือนว่ากราฟต่อไปนี้คลิกที่กราฟเพื่อเรียกใช้ค่าเฉลี่ยเคลื่อนที่ขนาดบล็อกถูกขยายเพื่อแสดงการตอบสนองดีกว่าสังเกตว่า การตอบสนองคือเส้นที่เชื่อมต่อระดับที่ต่ำกว่า ณ จุดที่ขั้นตอนเกิดขึ้นไปยังระดับที่สูงขึ้น ณ จุดที่จำนวนตัวอย่างที่เทียบเท่ากับขนาดของบล็อกได้รับการคุ้มครองในแต่ละขั้นตอนของค่าเฉลี่ยเคลื่อนที่จะมีการเพิ่มตัวอย่างอื่นที่มีมูลค่าสูงขึ้น ค่าเฉลี่ยดังนั้นสัญญาณเฉลี่ยดำเนินการในเส้นทางเชิงเส้นจากค่าเดิมเป็นค่าใหม่ที่มีความล่าช้าเท่ากับขนาดของบล็อกการตอบสนองขั้นตอนนี้แสดงให้เห็นว่าค่าเฉลี่ยเคลื่อนที่จะลบเนื้อหาความถี่สูงออกจากสัญญาณต้นฉบับ ขั้นตอนมีเนื้อหาความถี่อนันต์ที่ขั้นตอนการตอบสนองยังคงมีเนื้อหาความถี่สูงกว่าที่สองมุม แต่ก็น้อยกว่าก่อนและภูมิภาคเชิงเส้นมีเนื้อหาความถี่ต่ำมากนอกจากนี้เรายังสามารถดูจุดเริ่มต้นของรูปสามเหลี่ยมคลื่นในการตอบสนองนี้ ถ้าฟังก์ชันขั้นตอนเป็นจริงเป็นคลื่นสแควร์ที่มีระยะเวลาสองเท่าตราบใดที่ขนาดบล็อกของค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยเคลื่อนที่จะทำให้เกิดคลื่นสามเหลี่ยมที่สมบูรณ์แบบบางทีอาจจะไม่ใช่วิธีที่มีประสิทธิภาพมากที่สุดในการสร้างข้อมูลหนึ่ง แต่เป็นข้อมูลเชิงลึกที่เป็นประโยชน์ใน พฤติกรรมของค่าเฉลี่ยที่เคลื่อนที่การรับรู้ขั้นตอนเฉลี่ยที่ระดับคงที่โปรดจำไว้ว่าฟังก์ชันเฉลี่ยเลขชี้กำลังมีการทำงานแบบนี้ ime i i i 1. Where มีน้ำหนักของตัวอย่างปัจจุบันและมีค่าระหว่าง 0 ถึง 1 สำหรับ a น้ำหนักใกล้เคียงกับ 0 การตอบสนองขั้นตอนมีลักษณะเช่นนี้กราฟนี้แสดงให้เห็นชัดเจนว่าทำไมจึงเรียกว่าค่าเฉลี่ยเลขคณิตเนื่องจากค่าเฉลี่ยเข้าใกล้ค่าใหม่ของฟังก์ชันขั้นตอนตามเสนกําหนดการเสนทางนอกจากนี้เรายังสามารถเห็น tha t ค่าเฉลี่ยที่เป็นไปได้จะตอบสนองได้เร็วกว่าปัจจัยการผลิตใหม่เนื่องจากการตอบสนองมีการเปลี่ยนแปลงอย่างรวดเร็วใกล้กับขั้นตอนเริ่มต้นจากนั้นก็จะเข้าใกล้ค่าใหม่อย่างช้าๆเมื่อเวลาผ่านไปนั่นคือเหตุผลที่ค่าเฉลี่ยที่อธิบายไว้ของกระแทกและการเพิ่มขึ้นของสัญญาณราคาก๊าซ และจะเอาค่อนข้างน้อยของเนื้อหาความถี่สูงกว่าค่าเฉลี่ยเคลื่อนที่ Weightings จะต้องใกล้เคียงกับศูนย์ก่อนที่จะได้รับรางวัลชนะเฉลี่ยแทนมีการตอบสนองที่คมชัดกับค่าใหม่แล้วค่าเฉลี่ยเข้าใกล้ค่าใหม่ช้ามากในทางทฤษฎี ค่าเฉลี่ยเลขชี้กำลังไม่ถึงค่าใหม่และมีการตอบสนองที่ไม่มีที่สิ้นสุดซึ่งเป็นเหตุผลที่เป็นตัวกรอง IIR ในทางปฏิบัติค่าเฉลี่ยเลขชี้กำลังนี้ถึงเกือบจะถึงค่าใหม่ภายใน 5 หรือ 6 หน่วยเวลาตามที่แสดงบนกราฟด้านบน เข้าถึงค่าใหม่ได้อย่างแท้จริง แต่จะได้รับการปิดโดยพลการกรอง FIR Step Response. To มีการตอบสนองต่อความถี่ที่สม่ำเสมอมากกว่าค่าเฉลี่ยเคลื่อนที่หรือเลขลำดับเฉลี่ย อายุเราต้องไปที่ตัวกรอง FIR โปรดจำไว้ว่าตัวกรอง FIR มีชุดก๊อกที่คูณกับค่าสัญญาณและการคำนวณจะแสดงเป็นที่ใดเมื่อ yj เป็นผลลัพธ์ของตัวกรองสำหรับตัวอย่าง j k คือจำนวนของก๊อกน้ำและ hi คือส่วนที่ฉันแตะฟิลเตอร์ที่เราใช้ในการใช้ฟังก์ชัน sinc สำหรับก๊อกและตัวกรองดังกล่าวมีการตอบสนองต่อขั้นตอนต่อไปนี้โดยสรุปว่าตัวกรองจะไม่ตอบสนองได้อย่างรวดเร็วเพียงแค่ย้อนกลับ และออกไปสองสามครั้งก่อนที่จะกระโดดขึ้นและ overshooting ค่าใหม่เมื่อขั้นตอนเป็นครึ่งทางกรองจากนั้นก็เลื้อยไปรอบ ๆ ค่าใหม่เล็กน้อยก่อนที่จะตกตะกอนเป็นพฤติกรรมนี้อาจดูคุ้นเคยถ้าเราขยายฟังก์ชั่นขั้นตอนเป็นคลื่นสี่เหลี่ยม ด้วยระยะเวลาที่เหมาะสมการตอบสนองของตัวกรองจะมีลักษณะคล้ายกับการประมาณแบบ Fourier Series ของคลื่นสี่เหลี่ยมที่เราสำรวจเมื่อครอบคลุมการแปลงตัวกรองจะสร้างรูปคลื่นเดียวกันเป็นชุด Fourier แต่จะมีความล่าช้าซึ่งเป็นตัวเลขครึ่งหนึ่ง r ของก๊อกใน filter. The ก๊อกที่สร้างขึ้นจากฟังก์ชัน sinc อนุญาตเฉพาะบางความถี่ในการตอบสนองดังนั้นนั่นคือเหตุผลที่มันมีพฤติกรรมนี้กับฟังก์ชันขั้นตอนจำนวนของ wiggles และความสูงชันของการเปลี่ยนแปลงในศูนย์ของตัวกรอง จะขึ้นอยู่กับจำนวนของก๊อกน้ำและความถี่ที่ใช้ในฟังก์ชัน sinc เพื่อสร้างก๊อกส่วนที่สำคัญที่สุดของการออกแบบตัวกรองคือการควบคุมพารามิเตอร์เหล่านี้เพื่อให้ได้ค่าความถี่ตัดที่ต้องการสำหรับตัวกรองด้วยเหตุนี้เราจึงได้ครอบคลุม การตอบสนองขั้นตอนของฟังก์ชันการคำนวณค่าเฉลี่ยที่แตกต่างกันที่เราเคยใช้การวิเคราะห์การตอบสนองขั้นตอนของตัวกรองใหม่หรือการดำเนินงาน DSP อื่น ๆ เป็นแนวทางที่ดีในการทำความเข้าใจพฤติกรรมของอัลกอริทึมที่คุณพัฒนาขึ้นใหม่สามารถให้ข้อมูลเชิงลึกใหม่หรือยืนยันว่าอัลกอริทึมของคุณกำลังทำอะไรอยู่ มันควรจะเป็นเครื่องมือที่ดีที่จะเก็บไว้ในกล่องเครื่องมือ DSP ของคุณสัปดาห์ถัดไปเราจะห่อเทคนิคทางสถิติของ DSP โดยดูที่ไม่กี่วิธีในการคำนวณเท่าใดสัญญาณมีการเปลี่ยนแปลงด้วย ความแปรปรวนของสัญญาณ วันที่ 12 มีนาคม 2013 อะไรคือ RC Filtering และ Exponential Averaging และความแตกต่างของคำตอบคำตอบในส่วนที่สองของคำถามก็คือกระบวนการเหล่านี้เป็นกระบวนการเดียวกันหากใครมาจากพื้นหลังอิเล็กทรอนิกส์แล้ว RC Filtering หรือ RC Smoothing คือนิพจน์ปกติ ในทางกลับกันวิธีการที่ขึ้นอยู่กับสถิติชุดเวลามีชื่อ Exponential Averaging หรือใช้ชื่อเต็มชื่อ Exponential Weighted Moving Average ซึ่งเป็นที่รู้จักกันอย่างแพร่หลายว่าเป็น EWMA หรือ EMA. A ข้อได้เปรียบที่สำคัญของวิธีนี้คือความเรียบง่ายของสูตรสำหรับ การคำนวณเอาท์พุทถัดไปใช้เวลาเศษเสี้ยวของผลลัพธ์ก่อนหน้านี้และลบเศษนี้เป็นเวลาปัจจุบันการป้อนข้อมูลเกี่ยวกับพีชคณิตในเวลาที่มีการส่งออก yk ที่ราบรื่นจะได้รับตามที่แสดงในภายหลังสูตรง่ายๆนี้เน้นเหตุการณ์ล่าสุดคลี่ออกรูปแบบความถี่สูงและแสดงให้เห็น แนวโน้มระยะยาวหมายเหตุมีสองรูปแบบของสมการเฉลี่ยที่ชี้แจงหนึ่งข้างต้นและตัวแปรไม่ถูกต้องดูบันทึกย่อที่ท้ายบทความ สำหรับรายละเอียดเพิ่มเติมในการสนทนานี้เราจะใช้สมการ 1. สูตรข้างต้นบางครั้งเขียนขึ้นในรูปแบบที่ จำกัด มากขึ้นวิธีการที่สูตรนี้ได้มาและการตีความคือประเด็นสำคัญคือเราจะเลือกวิธีการใด คือการพิจารณากรอง RC ต่ำผ่านตอนนี้กรอง RC ต่ำผ่านเป็นเพียงชุดต้านทาน R และตัวเก็บประจุ C คู่ขนานตามที่แสดงด้านล่างสมการชุดเวลาสำหรับวงจรนี้เป็นผลิตภัณฑ์ RC มีหน่วยของเวลาและเป็นที่รู้จักกันเป็น เวลาคงที่ T สำหรับวงจรสมมติว่าเราแสดงสมการข้างต้นในรูปแบบดิจิตอลสำหรับชุดข้อมูลเวลาที่มีข้อมูลที่ถ่ายทุกวินาที h เรามีนี่คือรูปแบบเดียวกับสมการก่อนหน้านี้เปรียบเทียบความสัมพันธ์สองอย่างที่เรามี ซึ่งจะช่วยลดความสัมพันธ์ที่ง่ายมากดังนั้นทางเลือกของ N คือคำแนะนำโดยสิ่งที่เวลาคงที่เราเลือกตอนนี้สมการ 1 อาจได้รับการยอมรับเป็นตัวกรองต่ำผ่านและเวลาคง typifies พฤติกรรมของตัวกรองเพื่อดูความสำคัญของ เวลาคงที่เราจำเป็นต้องดูที่ลักษณะความถี่ของตัวกรอง RC ต่ำผ่านนี้ในรูปแบบทั่วไปนี้คือการแสดงผลในรูปแบบโมดูลัสและเฟสเรามีมุมของเฟสคือความถี่ที่เรียกว่าตัดความถี่ระบุทางกายภาพมัน อาจจะแสดงให้เห็นว่าที่ความถี่นี้พลังงานในสัญญาณได้ลดลงครึ่งหนึ่งและความกว้างจะลดลงตามปัจจัยในแง่ dB ความถี่นี้เป็นที่ที่มีการลดความกว้างโดย 3dB. Claarly เป็นเวลาคงที่เพิ่มขึ้น T ดังนั้นแล้ว ตัดความถี่ลดลงและเราใช้เรียบมากขึ้นเพื่อให้ข้อมูลที่เรากำจัดความถี่ที่สูงขึ้นเป็นสิ่งสำคัญที่จะต้องทราบว่าการตอบสนองความถี่จะแสดงในเรเดียนที่สองนั่นคือมีปัจจัยที่เกี่ยวข้องตัวอย่างเช่นการเลือกเวลาที่คงที่ เป็นเวลา 5 วินาทีให้ความถี่ในการตัดที่มีประสิทธิภาพในการใช้งาน RC smoothing อย่างหนึ่งคือการจำลองการทำงานของมิเตอร์เช่นใช้ในเครื่องวัดระดับเสียงโดยทั่วไปแล้วจะมีความสม่ำเสมอในการทำงาน h เป็น 1 วินาทีสำหรับ S และ 0 125 วินาทีสำหรับ F types สำหรับ 2 กรณีนี้ความถี่ตัดที่มีค่าคือ 0 16Hz และ 1 27Hz ตามลำดับโดยปกติแล้วเราไม่ต้องการเลือกช่วงเวลาที่เราต้องการ แต่อย่างใด สมมุติว่าเรามีสัญญาณที่เราต้องการจะรวมคุณสมบัติที่มีช่วง P ที่สองตอนนี้ช่วง P คือความถี่เราสามารถเลือกค่าคงที่เวลา T ได้จากอย่างไรก็ตามเรารู้ว่าเราได้สูญเสียค่าความต่างของเอาท์พุท -3dB ไปที่ดังนั้นเลือก เวลาที่คงที่ตรงกับ periodicities ที่เราต้องการให้ไม่ได้เป็นโครงการที่ดีที่สุดมักจะดีกว่าที่จะเลือกความถี่สูงขึ้นเล็กน้อยตัดพูดเวลาคงที่แล้วซึ่งในทางปฏิบัติจะคล้ายกับซึ่งจะช่วยลดการสูญเสียไปรอบ ๆ 15 ในระยะนี้ดังนั้นในแง่ปฏิบัติเพื่อรักษาเหตุการณ์ที่มีระยะหรือสูงกว่าแล้วเลือกค่าคงตัวของเวลาซึ่งจะรวมถึงผลกระทบของ periodicities ของลงไปเช่นถ้าเราต้องการที่จะรวมผลกระทบของเหตุการณ์ s เกิดขึ้นกับพูดเป็นระยะเวลา 8 วินาที 0 125Hz แล้วเลือกค่าคงที่เวลา 0 8 วินาทีนี้จะช่วยให้ตัดความถี่ประมาณ 0 2Hz เพื่อให้ระยะเวลา 8 วินาทีของเราเป็นอย่างดีในแถบผ่านหลักของตัวกรองถ้าเราได้สุ่มตัวอย่าง ข้อมูลที่ 20 ครั้งที่สอง h 0 05 แล้วค่าของ N คือ 0 8 0 05 16 และจะให้ข้อมูลเชิงลึกเกี่ยวกับวิธีตั้งค่าโดยทั่วไปสำหรับอัตราตัวอย่างที่รู้จักโดยระบุระยะเวลาเฉลี่ยและเลือกความผันผวนของความถี่สูงที่จะถูกละเลย เมื่อมองที่การขยายตัวของอัลกอริทึมเราจะเห็นว่าค่านิยมเหล่านี้มีค่ามากที่สุดและยังเป็นเหตุผลว่าทำไมเราจึงอ้างถึงการถ่วงน้ำหนักแบบเอกซ์โพเนนเชียลที่เรามีการจัดสรรให้ y k-1 ให้การรีเฟรชกระบวนการนี้หลายครั้งนำไปสู่ ในช่วงนั้นชัดเจนแง่ขวาจะเล็กลงและประพฤติชอบการแทนการสลายนั่นคือเอาท์พุทปัจจุบันมีความลำเอียงต่อเหตุการณ์ล่าสุด แต่ใหญ่เราเลือก T แล้วอคติน้อยกว่าในสรุปเราจะเห็นว่าสูตรง่ายๆ เน้นการรับ nt events. smoothes out ความถี่สูง events. reveals ระยะสั้นแนวโน้มระยะยาวภาคผนวก 1 รูปแบบอื่นของสมการหมายเหตุมีสองรูปแบบของสมการเฉลี่ยชี้แจงที่ปรากฏในวรรณคดีทั้งสองถูกต้องและเทียบเท่ารูปแบบแรกดังที่แสดง ข้างต้นเป็น A1 ฟอร์มอื่น A2.Note การใช้ในสมการแรกและในสมการที่สองในสมการทั้งสองและมีค่าระหว่างศูนย์และความสามัคคีก่อนหน้านี้ถูกกำหนดให้เป็นตอนนี้เลือกที่จะกำหนดด้วยเหตุนี้รูปแบบอื่นของ exponential averaging equation ในแง่ทางกายภาพหมายความว่าการเลือกรูปแบบที่ใช้ขึ้นอยู่กับว่าใครอยากจะคิดว่าการรับฟีดกลับเป็นสมการ A1 หรือเป็นส่วนของสมการป้อนข้อมูล A2 รูปแบบแรกมีน้อยกว่าเล็กน้อย ยุ่งยากในการแสดงความสัมพันธ์ของตัวกรองแบบ RC และนำไปสู่ความเข้าใจที่ง่ายขึ้นในแง่ของตัวกรองนักวิเคราะห์การประมวลผลสัญญาณชีพจรที่ Prosig. Dr Colin Mercer เคยเป็นหนึ่งในสถาบัน Sound and Vibration Research ISVR , University of Southampton ซึ่งเขาก่อตั้ง Data Analysis Center จากนั้นเขาก็ไปพบ Prosig ในปี 2520 โคลินเกษียณในฐานะหัวหน้านักวิเคราะห์การประมวลผลสัญญาณที่ Prosig ในเดือนธันวาคมปี พ. ศ. 2516 เขาเป็นวิศวกรที่มีอำนาจและเป็นเพื่อนของ Society Computer ของอังกฤษผมคิดว่าคุณต้องการ เพื่อเปลี่ยน p เป็นสัญลักษณ์สำหรับ pi. Marco ขอขอบคุณสำหรับการชี้ให้เห็นว่าฉันคิดว่านี่เป็นหนึ่งในบทความที่เก่ากว่าของเราที่ได้รับการถ่ายโอนจากเอกสารประมวลผลคำเก่าแล้วแน่นอนว่าบรรณาธิการของฉันไม่สามารถระบุได้ว่า pi ไม่ได้เป็นเช่นนั้น ได้รับการแก้ไขอย่างถูกต้องมันจะได้รับการแก้ไขในเร็ว ๆ นี้คำอธิบายบทความที่ดีมากเกี่ยวกับค่าเฉลี่ยเลขชี้กำลังผมเชื่อว่ามีข้อผิดพลาดในสูตรสำหรับ T ควรเป็น T h N-1 ไม่ใช่ T N-1 h. Mike ขอบคุณ สำหรับการจำแนกว่าฉันได้ตรวจสอบเพียงกลับไป Dr Mercer ของบันทึกทางเทคนิคเดิมในการเก็บถาวรของเราและดูเหมือนว่ามีข้อผิดพลาดเกิดขึ้นเมื่อโอนสมการไปยังบล็อกเราจะแก้ไขโพสต์ขอขอบคุณที่แจ้งให้เราทราบขอขอบคุณขอขอบคุณคุณคุณสามารถอ่าน 100 ข้อความ DSP โดยไม่พบอะไรที่บอกว่าตัวกรองเฉลี่ยเป็น exponential เท่ากับ RC filter. hmm คุณมีสมการสำหรับตัวกรอง EMA ที่ถูกต้องไม่ใช่ไม่ใช่ Yk aXk 1-a Yk-1 มากกว่า Yk aYk-1 1-a Xk. Alan ทั้งสองรูปแบบของสมการปรากฏในวรรณคดีและรูปแบบทั้งสองถูกต้องตามที่ฉันจะแสดงด้านล่างจุดที่คุณทำมีความสำคัญเนื่องจากการใช้รูปแบบอื่นหมายความว่าความสัมพันธ์ทางกายภาพกับ RC ตัวกรองมีความชัดเจนน้อยกว่านอกจากนี้การตีความความหมายของการแสดงในบทความไม่เหมาะสมสำหรับรูปแบบอื่นก่อนให้เราแสดงทั้งสองรูปแบบถูกต้องรูปแบบของสมการที่ฉันได้ใช้ is. and รูปแบบอื่นที่ไม่ ปรากฏอยู่ในข้อความจำนวนมากคือหมายเหตุในข้างต้นฉันได้ใช้น้ำยาง latex 1 ในสมการแรกและน้ำยาง latex 2 ในสมการที่สองความเท่าเทียมกันของทั้งสองรูปแบบของสมการจะแสดงทางคณิตศาสตร์ด้านล่างทำตามขั้นตอนในแต่ละครั้งสิ่งที่ไม่ใช่ ค่าที่ใช้คือ สำหรับน้ำยางข้นในแต่ละสมการในทั้งสองแบบน้ำยาง latex คือค่าระหว่างศูนย์และความสามัคคีเขียนสูตรที่ 1 แทน latex 1 latex โดย latex latex latex yk y 1 - beta xk latex 1A. กำหนด latex beta 1 - 2 latex และเรามี latex 2 1-beta latex แทนโดยให้เป็นสมการที่ 1A ให้ latex yk 1 - 2 y 2xk latex 1B และสุดท้ายให้จัดใหม่ให้สมการนี้เหมือนกับรูปแบบอื่นที่ให้ไว้ในสมการที่ 2 ให้มากที่สุดน้ำยาง 2 1 - 1 latex ในแง่ทางกายภาพหมายถึงการเลือกแบบฟอร์ม หนึ่งใช้ขึ้นอยู่กับวิธีการหนึ่งที่ต้องการคิดว่าการใช้น้ำยางลาเท็กซ์น้ำยางเป็นสมการเศษอาหารกลับเศษหรือเป็นเศษส่วนของสมการป้อนข้อมูล 2 ดังกล่าวข้างต้นฉันได้ใช้รูปแบบแรกเป็นมันเป็นเพียงเล็กน้อยยุ่งยากในการแสดง RC กรองความสัมพันธ์และนำไปสู่ความเข้าใจง่ายในแง่ของการกรองอย่างไรก็ตามการละเว้นข้างต้นในมุมมองของฉันการขาดบทความเป็นคนอื่น ๆ อาจทำให้การอนุมานที่ไม่ถูกต้องดังนั้นรุ่นที่แก้ไขจะปรากฏขึ้นเร็ว ๆ นี้ฉันเคยสงสัยเกี่ยวกับเรื่องนี้ ขอบคุณสำหรับการอธิบายเพื่อให้ชัดเจนฉันคิดว่าเหตุผลอื่นสูตรแรกเป็นสิ่งที่ดีคือแผนที่อัลฟ่าเพื่อความนุ่มนวลเลือกที่สูงขึ้นของอัลฟาหมายถึงผลลัพธ์ที่ราบรื่นมากขึ้นขอบคุณ Michael สำหรับการสังเกตฉันจะเพิ่มบางสิ่งบางอย่างบทความในบรรทัดเหล่านั้นตามที่มันเป็น ALW ays ดีในมุมมองของฉันที่เกี่ยวข้องกับด้านกายภาพ Dr Mercer, บทความยอดเยี่ยมขอขอบคุณฉันมีคำถามเกี่ยวกับเวลาคงที่เมื่อใช้กับเครื่องตรวจจับ rms เช่นเดียวกับเครื่องวัดระดับเสียงที่คุณอ้างถึงในบทความถ้าฉันใช้ของคุณ สมการในการสร้างแบบจำลองตัวชี้วัดด้วยค่าคงที่ 125ms และใช้สัญญาณขั้นตอนการป้อนข้อมูลฉันจะได้รับข้อมูลพัลส์ที่หลังจาก 125 มิลลิวินาทีเป็น 63 2 ของค่าสุดท้าย แต่ถ้าฉันใส่สัญญาณเข้าและใส่ข้อมูลนี้ผ่านตัวกรอง แล้วฉันเห็นว่าฉันต้องสองเวลาคงที่เพื่อให้สัญญาณไปถึง 63 2 ของมูลค่าสุดท้ายใน 125ms คุณแจ้งให้เราทราบว่านี้เป็นที่คาดหวังขอบคุณมาก Ian. Ian ถ้าคุณสแควร์สัญญาณเช่น คลื่นไซน์แล้วโดยทั่วไปคุณเป็นสองเท่าความถี่ของพื้นฐานรวมทั้งการแนะนำจำนวนมากความถี่อื่น ๆ เพราะความถี่มีผลเป็นสองเท่าแล้วจะลดลงโดยจำนวนมากขึ้นโดยผ่านกรองต่ำผลก็ต้องใช้เวลานานในการเข้าถึง อัฒภาคเดียวกัน squarin g คือการดำเนินการเชิงเส้นที่ไม่ใช่ดังนั้นฉันไม่คิดว่ามันจะเป็นคู่ได้อย่างแม่นยำในทุกกรณี แต่ก็จะมีแนวโน้มที่จะสองถ้าเรามีความถี่ต่ำที่โดดเด่นนอกจากนี้ทราบว่าความแตกต่างของสัญญาณสี่เหลี่ยมเป็นสองเท่าของความแตกต่างของ un - squared signal. I สงสัยคุณอาจจะพยายามที่จะได้รับรูปแบบของการเรียบตารางสแควร์ซึ่งเป็นที่ดีอย่างสมบูรณ์และถูกต้องมันอาจจะดีกว่าที่จะใช้ตัวกรองแล้วตารางที่คุณรู้ตัดที่มีประสิทธิภาพ แต่ถ้าทั้งหมดที่คุณมีเป็นสัญญาณสี่เหลี่ยม แล้วใช้ปัจจัย 2 เพื่อปรับเปลี่ยนค่า alpha ของตัวกรองของคุณจะทำให้คุณกลับไปที่ความถี่ตัดเดิมหรือทำให้บิตง่ายขึ้นกำหนดความถี่ตัดของคุณที่สองเท่าเดิมขอบคุณสำหรับการตอบสนองของคุณ Dr Mercer คำถามของฉันพยายามจริงๆ เพื่อให้ได้สิ่งที่เกิดขึ้นจริงในเครื่องตรวจจับ rms ของเครื่องวัดระดับเสียงถ้าเวลาคงที่ถูกตั้งค่าให้เร็วขึ้น 125 มิลลิวินาทีฉันจะคิดว่าอย่างสังหรณ์ใจที่คุณคาดหวังว่าสัญญาณอินพุตไซน์จะให้ผลผลิตของ 63 2 ค่าสุดท้ายของมันหลังจาก 125ms แต่ตั้งแต่สัญญาณจะถูกกำลังสองก่อนที่จะได้รับการตรวจสอบเฉลี่ยที่จริงจะใช้เวลาสองครั้งตราบเท่าที่คุณอธิบายวัตถุประสงค์หลักของบทความคือการแสดงความเท่าเทียมกันของ RC กรองและชี้แจงเฉลี่ยถ้า เรากำลังพูดถึงเวลารวมการบูรณาการ integrator สี่เหลี่ยมที่แท้จริงแล้วคุณถูกต้องว่ามีปัจจัยสองที่เกี่ยวข้องโดยทั่วไปถ้าเรามี integrator สี่เหลี่ยมที่แท้จริงที่รวมสำหรับ Ti วินาทีเวลา integator RC เทียบเท่าเพื่อให้บรรลุผลเดียวกันคือ 2RC วินาที Ti แตกต่างจาก RC time constant T ซึ่งเป็น RC ดังนั้นถ้าเรามี Fast time constant เท่ากับ 125 msec นั่นคือ RC 125 msec ซึ่งเท่ากับเวลาในการรวมจริง 250 msec ขอขอบคุณบทความดีๆ เป็นประโยชน์มากมีบางเอกสารล่าสุดในประสาทที่ใช้การรวมกันของ EMA กรอง EMA ระยะสั้นหน้าต่าง EMA เป็นกรอง band - pass สำหรับการวิเคราะห์สัญญาณเรียลไทม์ฉันต้องการ ap ชั้นพวกเขา แต่ฉันดิ้นรนกับหน้าต่างขนาดกลุ่มวิจัยที่แตกต่างกันได้ใช้และการติดต่อกับความถี่ cut. Let s ว่าฉันต้องการให้ทุกความถี่ต่ำกว่า 0 5Hz aprox และที่ฉันได้ 10 ตัวอย่างสองซึ่งหมายความว่า fp 0 5Hz P 2s TP 10 0 2 ชั่วโมง 1 fs 0 1. ดังนั้นควรใช้ขนาดหน้าต่างที่ควรจะเป็น N 3 เหตุผลนี้ถูกต้องก่อนที่จะตอบคำถามของคุณฉันต้องแสดงความคิดเห็นเกี่ยวกับการใช้ตัวกรองความถี่สูงสองตัวเพื่อสร้างแถบ pass filter สันนิษฐานว่าพวกเขาทำงานเป็นสองลำธารแยกกันดังนั้นหนึ่งผลคือเนื้อหาจากน้ำยาง latex บอกถึงอัตราตัวอย่างครึ่งหนึ่งและอื่น ๆ คือเนื้อหาจากน้ำยาง latex บอกว่าถึงอัตราตัวอย่างครึ่งถ้าทั้งหมดที่กำลังทำคือความแตกต่างใน หมายถึงระดับสแควร์ที่ระบุถึงพลังในแถบจากน้ำยาง latex กับน้ำยาง latex แล้วมันอาจจะเหมาะสมถ้าทั้งสองตัดความถี่อยู่ไกลพอสมควร แต่ฉันคาดหวังว่าคนที่ใช้เทคนิคนี้พยายามที่จะจำลองตัวกรองวงแคบ ใน vi ของฉัน ew ที่จะไม่น่าเชื่อถือสำหรับการทำงานอย่างจริงจังและจะเป็นแหล่งที่มาของความกังวลเพียงสำหรับการอ้างอิงตัวกรองผ่านวงคือการรวมกันของตัวกรองความถี่สูงผ่านความถี่สูงเพื่อเอาความถี่ต่ำและความถี่ต่ำผ่านตัวกรองความถี่ต่ำเพื่อลบสูง ความถี่มีรูปแบบต่ำผ่านหลักสูตรของตัวกรอง RC และด้วยเหตุนี้ EMA ที่สอดคล้องกันบางทีแม้ว่าการตัดสินใจของฉันจะถูก overcritical โดยไม่ทราบข้อเท็จจริงทั้งหมดดังนั้นคุณอาจกรุณาส่งฉันอ้างอิงบางอย่างเพื่อการศึกษาที่คุณกล่าวถึงดังนั้นฉันอาจวิจารณ์เป็น เหมาะสมบางทีพวกเขาใช้ low pass และ filter สูงตอนนี้เปลี่ยนคำถามของคุณเกี่ยวกับวิธีการกำหนดค่า n สำหรับ target-off frequency ที่กำหนดไว้ฉันคิดว่าดีที่สุดคือใช้สมการพื้นฐาน T N-1 h เรามีความสัมพันธ์กับน้ำยาง latex T N-1 h และน้ำยาง latex T 1 2 ซึ่งเป็นน้ำยาง latex fc ซึ่งหมายถึง cut-off ที่เป็นไปได้ ความถี่และ h คือ เวลาระหว่างตัวอย่างน้ำยาง latex h 1 ที่ late late fs latex คืออัตราตัวอย่างในตัวอย่าง sec การแยก T N-1 h เป็นรูปแบบที่เหมาะสมรวมถึงความถี่ cut-off latex fc latex และอัตราการสุ่มตัวอย่าง latex fs น้ำยาง latex จะแสดงด้านล่างเพื่อใช้น้ำยาง latex fc 0 5Hz latex และ latex fs 10 latex samples sec เพื่อให้ latex fc fs 0 05 latex ให้ได้ดังนั้นค่าที่ใกล้เคียงที่สุดคือ 4 Re-arranging above เรามีตามด้วย N 4 เรา มี latex fc 0 5307 เฮิรตซ์ latex การใช้ N 3 ให้ latex fc latex เท่ากับ 0 318 Hz หมายเหตุด้วย N 1 เรามีสำเนาที่สมบูรณ์โดยไม่มีการกรองค่าเฉลี่ยวิธีการเฉลี่ยวิธีการเลื่อนหน้าต่างค่าเริ่มต้นค่าเฉลี่ยเลขชี้กำลังหน้าต่างชี้วัดความยาวหน้าต่าง ความยาวของหน้าต่างจะเลื่อนไปตามข้อมูลการป้อนข้อมูลตามแต่ละช่องตัวอย่างทุกๆหน้าต่างจะเคลื่อนที่โดยบล็อกจะคำนวณค่าเฉลี่ยของข้อมูลในหน้าต่างการถ่วงน้ำหนักที่มากเกินไปบล็อกจะคูณตัวอย่างด้วยชุดของปัจจัยการถ่วงน้ำหนักขนาดของปัจจัยการถ่วงน้ำหนักจะลดลง ตามลําดับของอายุ เพิ่มค่าข้อมูลไม่ถึงศูนย์ในการคำนวณค่าเฉลี่ยอัลกอริทึมจะรวมข้อมูลที่ถ่วงน้ำหนักระบุความยาวของหน้าต่างกำหนดค่าความยาวของหน้าต่างเมื่อตั้งค่าเริ่มต้นเมื่อเลือกกล่องกาเครื่องหมายนี้ความยาวของหน้าต่างเลื่อนจะเท่ากับค่าที่คุณกำหนด ความยาวของหน้าต่างเมื่อคุณล้างกล่องกาเครื่องหมายนี้ความยาวของหน้าต่างเลื่อนเป็นอนันต์ในโหมดนี้บล็อกคำนวณค่าเฉลี่ยของตัวอย่างปัจจุบันและตัวอย่างก่อนหน้าทั้งหมดในช่องความยาวตามความยาวความยาวของหน้าต่างเลื่อน 4 ค่าเริ่มต้นเป็นค่าบวกที่เป็นค่าบวก integer. Window length ระบุความยาวของหน้าต่างเลื่อนพารามิเตอร์นี้จะปรากฏขึ้นเมื่อคุณเลือกกล่องกาเครื่องหมายระบุความยาวของหน้าต่างปัจจัยการฟอร์จูน Factor factor 0 9 ค่าเริ่มต้นบวกจริงในช่วง 0.1 พารามิเตอร์นี้ใช้เมื่อคุณตั้งค่าวิธีการ น้ำหนักตัวชี้แจงปัจจัยการลืม 0 9 จะให้น้ำหนักแก่ข้อมูลเก่ามากกว่าปัจจัยที่ลืม 0 1 ปัจจัยการลืมของ 1 0 หมายถึงหน่วยความจำแบบไม่ จำกัด หน่วยทั้งหมด previ ous ตัวอย่างจะได้รับน้ำหนักเท่ากันพารามิเตอร์นี้สามารถปรับได้คุณสามารถเปลี่ยนค่าได้แม้ในระหว่างการจำลองจำลองโดยใช้ประเภทของการจำลองเพื่อเรียกใช้การสร้างโค้ดการประมวลผลเริ่มต้นการตีความดำเนินการจำลองรูปแบบโดยใช้รหัส C ที่สร้างขึ้นครั้งแรกที่คุณเรียกใช้การจำลอง Simulink สร้างรหัส C สำหรับบล็อกโค้ด C จะใช้ซ้ำสำหรับการจำลองแบบต่อเนื่องตราบใดที่โมเดลไม่เปลี่ยนแปลงตัวเลือกนี้ต้องการเวลาเริ่มต้นเพิ่มเติม แต่ให้ความเร็วในการจำลองได้เร็วกว่าการประมวลผลที่ตีความจำลองรูปแบบโดยใช้ตัวแปล MATLAB ตัวเลือกนี้จะลดระยะเวลาเริ่มต้น แต่ มีความเร็วในการจำลองช้าลงกว่าการสร้างโค้ดวิธีการ Window แบบหลบซ่อนในวิธีการของ Window แบบ Sliding การแสดงผลสำหรับแต่ละ Input คือค่าเฉลี่ยของตัวอย่างปัจจุบันและ Len Len ตัวอย่างก่อนหน้า 1 Len คือความยาวของหน้าต่างการคำนวณ Len แรก - 1 เอาต์พุตเมื่อหน้าต่างไม่มีข้อมูลเพียงพออัลกอริทึมจะเติมหน้าต่างด้วยศูนย์ตัวอย่างเช่นในการคำนวณค่าเฉลี่ยเมื่อ ป้อนข้อมูลตัวอย่างที่สองมาในอัลกอริทึมจะเติมหน้าต่างด้วย Len - 2 ศูนย์เวกเตอร์ข้อมูล x คือตัวอย่างข้อมูลสองชิ้นตามด้วยศูนย์ Len - 2 เมื่อคุณไม่ระบุความยาวของหน้าต่างอัลกอริทึมจะเลือกหน้าต่างที่ไม่มีที่สิ้นสุด length ในโหมดนี้ผลลัพธ์คือค่าเฉลี่ยเคลื่อนที่ของตัวอย่างปัจจุบันและตัวอย่างก่อนหน้าทั้งหมดในช่องทางวิธีการคำนวณน้ำหนักเกินในวิธีการถ่วงน้ำหนักแบบเลขยกกำลังคำนวณโดยใช้สูตรเหล่านี้โดยใช้สูตรเหล่านี้ N w N 1 1 x N 1 1 w N x N 1 1 w N x Nx N คาเฉลี่ยเคลื่อนที่ที่ตัวอยางตัวอยาง N ขอมูลปอนตัวอยางขอมูลปจจุบัน N 1 คาเฉลี่ยเคลื่อนที่ที่ตัวอยางกอนหนา Fact Forgetting. w N Weighting factor นําไปใชกับกระแส ตัวอย่างข้อมูล 1 1 w N x N 1 ผลของข้อมูลก่อนหน้านี้โดยเฉลี่ยสำหรับตัวอย่างแรกที่ N 1 อัลกอริทึ่มเลือก w N 1 สำหรับตัวอย่างถัดไปจะมีการอัพเดตข้อมูลการถ่วงน้ำหนักและคำนวณค่าเฉลี่ยตามลำดับ สมการ recursive เมื่ออายุของข้อมูลเพิ่มขึ้นขนาดของปัจจัยการถ่วงน้ำหนักลดลงอย่างมากและไม่ถึงศูนย์ในคำอื่น ๆ ข้อมูลล่าสุดมีอิทธิพลมากขึ้นกับค่าเฉลี่ยปัจจุบันมากกว่าข้อมูลที่เก่ากว่าค่าของปัจจัยการลืมกำหนด อัตราการเปลี่ยนแปลงของปัจจัยการถ่วงน้ำหนักปัจจัยการลืม 0 9 ให้น้ำหนักแก่ข้อมูลเก่ามากกว่าปัจจัยที่ลืม 0 1 ปัจจัยการลืมของ 1 0 หมายถึงหน่วยความจำที่ไม่มีที่สิ้นสุดตัวอย่างทั้งหมดก่อนหน้านี้จะมีน้ำหนักเท่ากันเลือกประเทศของคุณ .