تتحرك متوسط ماتلاب إشارة

29 سبتمبر 2013 متوسط ​​التحريك عن طريق التوليف ما هو المتوسط ​​المتحرك وما هو جيد لكيفية التحرك في المتوسط ​​باستخدام التوليف المتوسط ​​المتحرك هو عملية بسيطة تستخدم عادة لقمع ضجيج إشارة: نحدد 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. يجب استخدام نواة k التالية: وظيفة بسيطة تفعل المتوسط ​​المتحرك هي: مثال الاستخدام: تم إنشاؤه يوم الأربعاء، 08 تشرين الأول / أكتوبر 2008 20:04 آخر تحديث في الخميس، 14 آذار / مارس 2013 01:29 كتب بواسطة: باتوهان أوسمانوغلو الزيارات: 41067 معدل التحرك في ماتلاب غالبا ما أجد نفسي في حاجة إلى متوسط ​​البيانات لدي للحد من الضوضاء قليلا. كتبت وظائف زوجين للقيام بالضبط ما أريد، ولكن ماتلابس بنيت في وظيفة مرشح يعمل جيدة جدا كذلك. هنا سوء كتابة حول 1D و 2D المتوسط ​​من البيانات. 1D مرشح يمكن أن تتحقق باستخدام وظيفة مرشح. وتتطلب وظيفة المرشاح ما لا يقل عن ثلاثة معلمات للإدخال: معامل البسط للمرشاح (ب)، ومعامل القاسم للمرشاح (أ)، والبيانات (X) بطبيعة الحال. يمكن تعريف مرشح متوسط ​​التشغيل ببساطة عن طريق: بالنسبة للبيانات 2D يمكننا استخدام وظيفة ماتلابس filter2. لمزيد من المعلومات حول كيفية عمل الفلتر، يمكنك كتابة: هنا تنفيذ سريع وقذر لمرشح متوسط ​​متحرك 16 إلى 16. أولا نحن بحاجة إلى تحديد عامل التصفية. لأن كل ما نريده هو مساهمة متساوية من جميع الجيران يمكننا فقط استخدام تلك الوظيفة. نحن تقسيم كل شيء مع 256 (1616) لأننا لا نريد لتغيير المستوى العام (السعة) للإشارة. لتطبيق المرشح يمكننا ببساطة أن نقول ما يلي أدناه نتائج لمرحلة التداخل. في هذه الحالة المدى في محور Y ويتم تعيين السمت على محور X. كان المرشح بعرض 4 بكسل في النطاق و 16 بكسل عرضا في أزيموث. دوكومنتاتيون يوضح هذا المثال كيفية استخدام فلاتر المتوسط ​​المتحرك وإعادة المسح لعزل تأثير المكونات الدورية للوقت من اليوم على قراءات درجة الحرارة كل ساعة، وكذلك إزالة الخط غير المرغوب فيه الضوضاء من قياس الجهد المفتوح حلقة. ويبين المثال أيضا كيفية تسهيل مستويات إشارة الساعة مع الحفاظ على الحواف باستخدام مرشح متوسط. يوضح المثال أيضا كيفية استخدام فلتر هامبيل لإزالة القيم المتطرفة الكبيرة. الدافع التمويه هو كيف نكتشف الأنماط الهامة في بياناتنا في حين ترك الأشياء التي هي غير مهمة (أي الضوضاء). نحن نستخدم تصفية لتنفيذ هذا التمهيد. هدف التمهيد هو إحداث تغييرات بطيئة في القيمة بحيث أسهل لرؤية الاتجاهات في بياناتنا. في بعض الأحيان عند فحص بيانات الإدخال قد ترغب في تسهيل البيانات من أجل رؤية اتجاه في الإشارة. في مثالنا لدينا مجموعة من قراءات درجة الحرارة في مئوية أخذت كل ساعة في مطار لوغان لكامل شهر يناير 2011. لاحظ أننا يمكن أن نرى بصريا تأثير أن الوقت من اليوم لديه على قراءات درجة الحرارة. إذا كنت مهتما فقط في التغير في درجة الحرارة اليومية على مدار الشهر، وتقلبات ساعة تسهم فقط الضوضاء، والتي يمكن أن تجعل من الصعب التعرف على الاختلافات اليومية. ولإزالة تأثير الوقت من اليوم، نود الآن تسهيل بياناتنا باستخدام فلتر متوسط ​​متحرك. مرشاح متوسط ​​متحرك في أبسط أشكاله، فإن مرشاح المتوسط ​​المتحرك للطول N يأخذ متوسط ​​كل N عينة متعاقبة من شكل الموجة. ولتطبيق مرشح متوسط ​​متحرك على كل نقطة بيانات، نقوم ببناء معاملاتنا في عامل التصفية بحيث تكون كل نقطة مرجحة على قدم المساواة وتساهم ب 124 في المتوسط ​​الكلي. هذا يعطينا متوسط ​​درجة الحرارة على مدى كل 24 ساعة. فيلتر ديلاي لاحظ أن الإخراج المصفى يتأخر بنحو اثني عشر ساعة. ويرجع ذلك إلى حقيقة أن عامل تصفية المتوسط ​​المتحرك له تأخير. أي مرشح متماثل طول N سوف يكون لها تأخير من (N-1) 2 عينات. يمكننا حساب هذا التأخير يدويا. استخراج متوسط ​​الاختلافات بدلا من ذلك، يمكننا أيضا استخدام فلتر المتوسط ​​المتحرك للحصول على تقدير أفضل لكيفية تأثير الوقت من اليوم على درجة الحرارة الكلية. للقيام بذلك، أولا، طرح البيانات ممهدة من قياسات درجة الحرارة ساعة. بعد ذلك، صنف البيانات المختلفة إلى أيام واحصل على المتوسط ​​خلال كل 31 يوما في الشهر. استخراج الذروة المغلف في بعض الأحيان نود أيضا أن يكون لها تقدير متفاوت بسلاسة لكيفية ارتفاعات وانخفاض مستويات الحرارة لدينا إشارة تغيير يوميا. للقيام بذلك يمكننا استخدام وظيفة المغلف لربط أعلى مستوياته القصوى والهبوط المكتشفة على مجموعة فرعية من فترة 24 ساعة. في هذا المثال، علينا أن نضمن أن هناك ما لا يقل عن 16 ساعة بين كل ارتفاع الشديد والمتطرف الشديد. ويمكننا أيضا أن نحصل على فكرة عن الكيفية التي تتجه بها الرتفاعات والهبوط من خلال أخذ المتوسط ​​بين النقيضين. عوامل التصفية المتوسطة المتحركة المرجحة أنواع أخرى من المرشحات المتوسطة المتحركة لا تزن كل عينة بالتساوي. مرشح مشترك آخر يتبع توسع الحدين من (12،12) n هذا النوع من المرشح يقترب من منحنى العادي للقيم الكبيرة من n. ومن المفيد لتصفية الضوضاء عالية التردد ل n الصغيرة. للعثور على معاملات للمرشح ذي الحدين، 1212 12 مع نفسه ومن ثم تكرارا تزامن الإخراج مع 12 12 عدد محدد من المرات. في هذا المثال، استخدم خمس تكرارات إجمالية. مرشح آخر يشبه إلى حد ما مرشح توسع غاوس هو مرشح المتوسط ​​المتحرك الأسي. هذا النوع من المرشح المتوسط ​​المتحرك المرجح يسهل بناؤه ولا يتطلب حجم نافذة كبير. يمكنك ضبط عامل تصفية متوسط ​​متحرك أضعافا مضاعفة بواسطة معلمة ألفا بين الصفر وواحد. وهناك قيمة أعلى من ألفا يكون أقل تمهيد. التكبير في القراءات ليوم واحد. اختر بلدك