เฉลี่ยเคลื่อนที่ ระบบ ดิจิตอล สัญญาณ การประมวลผล

ฉันต้องออกแบบกรองเฉลี่ยเคลื่อนไหวที่มีความถี่ตัดเป็น 7 8 Hz ฉันได้ใช้ตัวกรองเฉลี่ยเคลื่อนที่ก่อน แต่เท่าที่ฉันทราบพารามิเตอร์เฉพาะที่สามารถป้อนในจำนวนจุดที่จะเป็น โดยเฉลี่ยแล้วจะสัมพันธ์กับความถี่ในการตัดได้อย่างไรการผกผันของ 7 8 Hz เท่ากับ 30 ms และฉันกำลังทำงานกับข้อมูลที่สุ่มตัวอย่างที่ 1000 Hz นั่นหมายความว่าฉันควรจะใช้ขนาดหน้าต่างกรองเฉลี่ย ของตัวอย่าง 130 หรือมีอย่างอื่นที่ฉัน m นี่ here here. asked Jul 18 13 at 9 52.The กรองเฉลี่ยเคลื่อนที่เป็นตัวกรองที่ใช้ในโดเมนเวลาเพื่อลบเสียงเพิ่มและยังเรียบวัตถุประสงค์ แต่ถ้าคุณใช้ ตัวกรองค่าเฉลี่ยเคลื่อนที่เดียวกันในโดเมนความถี่สำหรับการแยกความถี่จากนั้นประสิทธิภาพจะแย่ที่สุดดังนั้นในกรณีดังกล่าวใช้ตัวกรองความถี่โดเมน user19373 Feb 3 16 at 5 53. ตัวกรองเฉลี่ยเคลื่อนที่ที่รู้จักกันในชื่อ colloquially เป็นตัวกรอง boxcar มีการตอบสนองของแรงกระตุ้นสี่เหลี่ยมผืนผ้าหรือ , กล่าวว่าแตกต่างกันจำได้ว่า discrete - time ของระบบตอบสนองความถี่เท่ากับการแปลงฟูเรียร์แบบไม่ต่อเนื่องเวลาของการตอบสนองต่อแรงกระตุ้นที่เราสามารถคำนวณได้ดังนี้สิ่งที่เราสนใจมากที่สุดสำหรับกรณีของคุณคือการตอบสนองขนาดของตัวกรองเอชโอเมก้าใช้คู่ manipulations ง่าย เราสามารถเข้าใจได้ง่ายขึ้นในรูปแบบนี้อาจดูไม่ง่ายที่จะเข้าใจอย่างไรก็ตามเนื่องจากการจำแนกตัวตนของออยเลอร์ดังนั้นเราจึงสามารถเขียนข้างต้นได้ตามที่ได้กล่าวมาก่อนแล้วสิ่งที่คุณทำจริง ความกังวลเกี่ยวกับขนาดของการตอบสนองต่อความถี่ดังนั้นเราสามารถใช้ขนาดของข้างต้นเพื่อลดความซับซ้อนของมันต่อไปหมายเหตุเราสามารถที่จะลดเงื่อนไขการชี้แจงออกเพราะพวกเขา don t ส่งผลกระทบต่อขนาดของผลลัพธ์ e 1 สำหรับค่าทั้งหมดของ omega ตั้งแต่ xy xy สำหรับสองจำนวนเชิงซ้อนที่ซับซ้อน x และ y เราสามารถสรุปได้ว่าการปรากฏตัวของคำเอกซเรย์ don t ส่งผลกระทบต่อการตอบสนองขนาดโดยรวมแทนพวกเขามีผลต่อการตอบสนองของระบบ s เฟสผลฟังก์ชันที่อยู่ภายในวงเล็บขนาด เป็นรูปแบบของ Dirichlet เคอร์เนลบางครั้งเรียกว่าฟังก์ชัน sinc sinc เนื่องจากมีลักษณะคล้ายกับฟังก์ชัน sinc ค่อนข้างมีลักษณะ แต่เป็นระยะ ๆ แทนอย่างไรก็ตามเนื่องจากความหมายของความถี่ตัดเป็นจุดที่ไม่ได้ระบุไว้ -3 dB จุด -6 dB point แรก sidelobe โมฆะคุณสามารถใช้สมการข้างต้นเพื่อแก้ปัญหาสำหรับสิ่งที่คุณต้องการโดยเฉพาะอย่างยิ่งคุณสามารถทำต่อไปนี้ Set H โอเมก้าค่าที่สอดคล้องกับการตอบสนองตัวกรองที่คุณต้องการที่ cutoff frequency. Set โอเมก้าเท่ากับความถี่ตัด ในการทำแผนที่ความถี่ต่อเนื่องไปยังโดเมนแบบไม่ต่อเนื่องโปรดจำไว้ว่า omega 2 pi frac ซึ่ง fs คืออัตราตัวอย่างของคุณค้นหาค่า N ซึ่งให้ข้อตกลงที่ดีที่สุดระหว่างด้านซ้ายและด้านขวาของสมการ ควรเป็นความยาวของค่าเฉลี่ยเคลื่อนที่ของคุณถ้า N คือความยาวของค่าเฉลี่ยเคลื่อนที่จากนั้นความถี่ตัดที่ F ที่ถูกต้องสำหรับ N 2 ในความถี่ปกติ F f fs คือผกผันของสูตรนี้คือสูตรนี้คือ asymptotically cor rect สำหรับ N ขนาดใหญ่และมีข้อผิดพลาด 2 ข้อสำหรับ N 2 และน้อยกว่า 0 5 สำหรับ N 4PS หลังจากสองปีที่นี่แล้วสิ่งที่เป็นแนวทางตามผลที่ได้ขึ้นอยู่กับการประมาณสเปกตรัม amplitude ของ MA รอบ f 0 เป็น พาราโบลาลำดับที่ 2 ตามลำดับ MA Omega ประมาณ 1 Frac - Frac Omega 2 ซึ่งสามารถทำขึ้นได้อย่างแม่นยำใกล้ศูนย์ข้ามของ MA Omega - Frac โดยการคูณโอเมก้าโดยค่าสัมประสิทธิ์การใช้ Omega ประมาณ 1 0 907523 Frac - Frac Omega 2 การแก้ปัญหาของ MA Omega - frac 0 ให้ผลลัพธ์ข้างต้นโดยที่ 2 pi F Omega. All จากข้างต้นเกี่ยวข้องกับ -3dB ตัดความถี่เรื่องของโพสต์นี้บางครั้งแม้ว่าจะเป็นเรื่องที่น่าสนใจที่จะได้รับการลดทอนโปรไฟล์ในวงหยุดซึ่งเทียบเท่า กับที่ 1 สั่ง IIR Low Pass กรองเสาเดียว LPF กับ -3dB ตัดความถี่เช่น LPF เรียกว่า integrator รั่วมีขั้วไม่ตรงที่ DC แต่ใกล้ it. In ความเป็นจริงทั้ง MA และ 1 ลำดับ IIR LPF มีความลาดชันในช่วงทศวรรษที่ 20dB ในแถบหยุดหนึ่งต้องมีขนาดใหญ่กว่า N ที่ใช้ในรูปที่ N 32 เพื่อดู แต่ในขณะที่ MA มีค่า null ของสเปกตรัมที่ F k N และ 1 evelope IIR ตัวกรองมีเพียง 1 เฟรมหากใครอยากได้ตัวกรอง MA ที่มีคุณสมบัติในการกรองสัญญาณรบกวนเช่นเดียวกับ I IR กรองและตรงกับ 3dB ตัดความถี่ที่จะเหมือนกันเมื่อเปรียบเทียบสองสเปกตรัมเขาจะตระหนักว่าระลอกคลื่นวงหยุดของตัวกรอง MA up.3dB สิ้นสุดลงด้านล่างของตัวกรอง IIR เพื่อให้ได้เหมือนกัน หยุดการระดมคลื่นแบนเช่นการลดทอนสัญญาณเสียงเดียวกันเป็นตัวกรอง IIR สูตรสามารถแก้ไขได้ดังนี้ฉันพบกลับสคริปต์ Mathematica ที่ฉันคำนวณตัดออกหลายตัวกรองรวมทั้ง MA หนึ่งผลที่ได้ขึ้นอยู่กับการประมาณสเปกตรัมของ MA รอบ f 0 เป็นพาราโบลาตาม MA Omega Sin Omega N 2 Sin Omega 2 Omega 2 pi F MA F ประมาณ N 1 6 F 2 NN 3 pi 2 และมาข้ามกับ 1 sqrt จากที่นั่น Massimo 17 มกราคม 16 ที่ 2 08 ตัวกรองค่าเฉลี่ยของตัวกรอง MA Filter กำลังโหลดตัวกรองค่าเฉลี่ยเคลื่อนที่เป็นตัวกรองการตอบสนอง Impulse Finite แบบ Low Pass FIR ที่ใช้กันโดยทั่วไปสำหรับการให้สัญญาณข้อมูลตัวอย่างตัวอย่างเรียบง่ายและใช้ค่าเฉลี่ยของ M-samples และค่าเฉลี่ยของตัวอย่าง M ผลิตจุดส่งออกเดียวเป็นอย่างมาก โครงสร้างตัวกรองแบบ LPF Low Pass Filter ที่เรียบง่ายมีประโยชน์สำหรับนักวิทยาศาสตร์และวิศวกรในการกรององค์ประกอบเสียงรบกวนที่ไม่พึงประสงค์จากข้อมูลที่ต้องการเมื่อความยาวของตัวกรองเพิ่มค่าพารามิเตอร์ M ความนุ่มนวลของเอาต์พุตเพิ่มขึ้นในขณะที่การเปลี่ยนช่วงข้อมูลที่คมชัดยิ่งขึ้น หมายความว่าตัวกรองนี้มีการตอบสนองโดเมนเวลาที่ยอดเยี่ยม แต่มีการตอบสนองต่อความถี่ที่ไม่ดีนักตัวกรอง MA ทำหน้าที่สำคัญ 3 ประการ 1. ใช้เวลาในการคำนวณ M ซึ่งคำนวณค่าเฉลี่ยของ M-points และสร้างจุดการส่งออก 2 เนื่องจากการคำนวณคำนวณ ตัวกรองทำหน้าที่เป็นตัวกรองความถี่ต่ำที่มีการตอบสนองโดเมนความถี่ต่ำและการตอบสนองโดเมนที่ดีรหัส Mastlab รหัส MATLAB ต่อไปนี้จำลองการตอบสนองโดเมนเวลาของตัวกรอง M-point Moving Average และ นอกจากนี้ยังวางแผนการตอบสนองความถี่สำหรับความยาวของตัวกรองต่างๆเวลาตอบสนองโดเมนป้อนข้อมูลไปยัง MA filter.3-point MA filter output. Input to Moving avera กรอง ge การตอบสนองของ 3 จุดย้ายเฉลี่ยกรองกรองเอาต์พุต MA1.1.11 จุด MA กรองเอาท์พุทการตอบสนองของ 51-point Movement กรองเฉลี่ยการตอบสนองของ 101-point กรองเฉลี่ยกรองเอาท์พุท MA150 จุด MA การตอบสนองของตัวกรองเฉลี่ยเคลื่อนที่ 501 จุดในพล็อตแรกเรามีอินพุทที่จะเข้าสู่ตัวกรองค่าเฉลี่ยของการเคลื่อนที่ค่าอินพุทมีเสียงดังและวัตถุประสงค์ของเราคือการลดเสียงดังรูปถัดไปคือการตอบสนองเอาท์พุทของการย้าย 3 จุด ตัวกรองเฉลี่ย (Average filter) สามารถอนุมานได้จากรูปที่ตัวกรอง 3 จุด Moving Average ไม่ได้ทำอะไรมากนักในการกรองเสียงรบกวนเราเพิ่มก๊อกกรองให้เป็น 51 จุดและเราจะเห็นว่าสัญญาณรบกวนในเอาท์พุทลดลงมาก, ซึ่งจะแสดงในรูปถัดไปการตอบสนองตามความถี่ของตัวกรองค่าเฉลี่ยเคลื่อนที่ของความยาวต่างๆเราเพิ่มก๊อกต่อไปที่ 101 และ 501 และเราสามารถสังเกตได้ว่าถึงแม้จะมีสัญญาณรบกวนอยู่เกือบเป็นศูนย์การเปลี่ยนภาพจะลดน้อยลงเมื่อสังเกตความลาดชันบน ด้านใดด้านหนึ่งของสัญญาณ a เปรียบเทียบกับการเปลี่ยนแปลงของผนังอิฐที่เหมาะในการป้อนข้อมูลของเราการตอบสนองตามความถี่จากการตอบสนองต่อความถี่สามารถยืนยันได้ว่าการม้วนออกช้ามากและการลดทอนของแถบหยุดไม่ดีให้การลดทอนของแถบหยุดนี้อย่างเห็นได้ชัด ตัวกรองเฉลี่ยไม่สามารถแยกย่านความถี่หนึ่งจากที่อื่นได้เนื่องจากเราทราบดีว่าประสิทธิภาพที่ดีในโดเมนเวลาทำให้ประสิทธิภาพการทำงานที่ต่ำในโดเมนความถี่และในทางกลับกันในระยะสั้นค่าเฉลี่ยเคลื่อนที่เป็นตัวกรองที่ราบเรียบดีเด่นในการทำงานในช่วงเวลา โดเมน แต่กรอง low-pass ที่ไม่ดีโดยเฉพาะอย่างยิ่งการดำเนินการในโดเมนความถี่ External links. Recommended Books. Primary Sidebar ตัวอย่างนี้แสดงวิธีการใช้ตัวกรองเฉลี่ยที่เคลื่อนไหวและ resampling เพื่อแยกผลกระทบของส่วนประกอบที่เป็นระยะ ๆ ในช่วงเวลาของวัน การอ่านอุณหภูมิชั่วโมงเช่นเดียวกับการลบเสียงสัญญาณรบกวนที่ไม่พึงประสงค์ออกจากการวัดแรงดันไฟฟ้าแบบ open-loop ตัวอย่างเช่นแสดงให้เห็นถึงวิธีทำให้ระดับสัญญาณนาฬิกาลดลงในขณะที่ยังคงรักษา t เขาขอบโดยใช้ตัวกรองค่ามัธยฐานตัวอย่างยังแสดงวิธีการใช้ตัวกรอง Hampel เพื่อลบค่าดีเอ็นเอที่มีขนาดใหญ่การขยับเป็นวิธีการที่เราค้นพบรูปแบบที่สำคัญในข้อมูลของเราในขณะที่ปล่อยให้สิ่งที่ไม่สำคัญเช่นเสียงเราใช้การกรองเพื่อดำเนินการเรียบนี้เป้าหมาย ของการทำให้เรียบคือการผลิตการเปลี่ยนแปลงที่ช้าในค่าเพื่อให้ง่ายต่อการดูแนวโน้มในข้อมูลของเราบางครั้งเมื่อคุณตรวจสอบข้อมูลการป้อนข้อมูลที่คุณอาจต้องการเรียบข้อมูลเพื่อดูแนวโน้มในสัญญาณในตัวอย่างของเราเรามีชุด ของการอ่านอุณหภูมิในเซลเซียสที่ถ่ายทุกชั่วโมงที่สนามบิน Logan ตลอดเดือนมกราคม 2011. โปรดทราบว่าเราสามารถมองเห็นผลกระทบที่ช่วงเวลาของวันได้เมื่ออ่านค่าอุณหภูมิหากคุณสนใจเฉพาะรูปแบบอุณหภูมิรายวันมากกว่า เดือนความผันผวนรายชั่วโมงมีส่วนทำให้เกิดเสียงรบกวนเท่านั้นซึ่งอาจทำให้รูปแบบรายวันยากที่จะแยกแยะออกไปเพื่อลบผลกระทบของช่วงเวลาของวันนี้ตอนนี้เราต้องการให้ข้อมูลของเราราบรื่นโดยใช้ค่าเฉลี่ยเคลื่อนที่เฉลี่ย lter. A Moving Average Filter ในรูปแบบที่ง่ายที่สุดตัวกรองค่าเฉลี่ยเคลื่อนที่ของความยาว N ใช้ค่าเฉลี่ยของทุกๆ N ตัวอย่างต่อเนื่องของรูปคลื่นเพื่อใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่กับแต่ละจุดข้อมูลเราจะสร้างค่าสัมประสิทธิ์ของตัวกรองของเรา ที่จุดแต่ละจุดมีการถ่วงน้ำหนักอย่างเท่าเทียมกันและก่อให้เกิดค่าเฉลี่ย 24 ถึง 24 โดยเฉลี่ยซึ่งจะทำให้เรามีอุณหภูมิเฉลี่ยตลอดช่วงเวลา 24 ชั่วโมงความล่าช้าของตัวกรองโปรดทราบว่าผลลัพธ์ที่กรองออกจะล่าช้าไปประมาณ 12 ชั่วโมงนั่นคือความจริงที่ว่าค่าเฉลี่ยเคลื่อนที่ของเรา กรองมีความล่าช้าใด ๆ ตัวกรองสมมาตรของความยาว N จะมีความล่าช้าของ N-1 2 ตัวอย่างเราสามารถบัญชีสำหรับความล่าช้านี้ด้วยตนเองการดึงความแตกต่างเฉลี่ยนอกจากนี้เรายังสามารถใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่เพื่อให้ได้ค่าประมาณที่ดีขึ้น เวลาของวันส่งผลต่ออุณหภูมิโดยรวมเมื่อต้องการทำเช่นนี้ก่อนอื่นให้ลบข้อมูลที่เรียบออกจากการวัดอุณหภูมิรายชั่วโมงจากนั้นแบ่งข้อมูลที่แตกต่างออกเป็นวันและใช้เวลาเฉลี่ยตลอด 31 วันในเดือน racting Peak Envelope บางครั้งเราก็อยากจะมีการประมาณค่าที่แตกต่างกันอย่างราบรื่นว่าเสียงสูงและต่ำของสัญญาณอุณหภูมิของเราเปลี่ยนแปลงไปทุกวันการทำเช่นนี้เราสามารถใช้ฟังก์ชันซองจดหมายเพื่อเชื่อมต่อเสียงสูงและต่ำสุดที่ตรวจพบได้ในเซตย่อยของ 24 ชั่วโมง ในตัวอย่างนี้เรามั่นใจว่าจะมีอย่างน้อย 16 ชั่วโมงระหว่างแต่ละจุดที่สูงและต่ำมากเรายังสามารถรับรู้ได้ว่าเสียงสูงและต่ำมีแนวโน้มอย่างไรโดยการใช้ค่าเฉลี่ยระหว่างสองสุดขีด ของตัวกรองเฉลี่ยที่เคลื่อนที่ไม่ได้มีน้ำหนักตัวอย่างแต่ละตัวเท่ากันตัวกรองทั่วไปอื่น ๆ ดังต่อไปนี้การขยายตัวแบบสองทางของตัวกรองชนิดนี้จะประมาณเส้นโค้งปกติสำหรับค่าที่มีขนาดใหญ่ n จะมีประโยชน์สำหรับการกรองเสียงรบกวนความถี่สูงสำหรับ n เล็กเพื่อหาค่าสัมประสิทธิ์สำหรับ ตัวกรองสองตัวเชื่อมต่อกับตัวเองแล้ววนซ้ำ ๆ กับจำนวนครั้งที่กำหนดในตัวอย่างนี้ให้ใช้การวนซ้ำทั้งหมดห้าครั้งตัวกรองอื่นคล้ายกับ ตัวกรองการขยายตัวของ Gaussian เป็นตัวกรองค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวชี้วัดตัวกรองค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักแบบนี้ใช้งานง่ายและไม่จำเป็นต้องมีขนาดหน้าต่างที่ใหญ่คุณสามารถปรับตัวกรองค่าเฉลี่ยถ่วงน้ำหนักที่ชี้แจงโดยใช้พารามิเตอร์ alpha ระหว่างศูนย์กับหนึ่งค่าที่สูงกว่า อัลฟาจะมีความเรียบเนียนน้อยลงโปรดเข้าสู่การอ่านเป็นเวลาหนึ่งวันเลือกประเทศของคุณ