'N bewegende gemiddelde filter gemiddeldes n aantal insette monsters en produseer 'n enkele uitset monster. Dit gemiddelde aksie verwyder die hoë frekwensie komponente teenwoordig is in die sein. Bewegende gemiddelde filters word gewoonlik gebruik as 'n lae slaagsyfer filters. In rekursiewe filter algoritme, vorige uitset monsters ook geneem word vir 'n gemiddelde. 'N bewegende gemiddelde filter gemiddeldes n aantal insette monsters en produseer 'n enkele uitset monster. Dit gemiddelde aksie verwyder die hoë frekwensie komponente teenwoordig is in die sein. Bewegende gemiddelde filters word gewoonlik gebruik as 'n lae slaagsyfer filters. In rekursiewe filter algoritme, vorige uitset monsters ook geneem word vir 'n gemiddelde. Dit is die rede waarom sy impulsrespons strek tot in die oneindige. Hoe om die monster program Die Zip lêer bevat beide bronkode en uitvoerbare gebruik. Om saam te stel en uit te voer die bron-kode wat jy nodig het om te hê Visual Basic 6.0 geïnstalleer op jou rekenaar. Om die uitvoerbare loop, moet jy dit aflaai en installeer Visual Basic 6.0 runtime lêers. Begin movavgfilt. exe en jy sal die hoof venster sien. In die hoof venster. die top grootste deel is die funksie kragopwekker. wat verskillende golfvorms produseer om die filter te toets. Ons kan interaktief verander die amplitude, frekwensie en vorm van die gegenereerde sein. Om die program moet ons eers 'n toepaslike golfvorm te genereer toets. Hier sal ons 'n komplekse golfvorm wat bestaan uit twee verskillende frekwensies te genereer. Laat alles in standaard instellings en klik quotgeneratequot knoppie. Nou kan jy 'n 10 Hz sein in die grafiek sien langs die seingenerator. figuur hieronder toon die golfvorm. Nou verander die frekwensie 100 Hz en klik knoppie quotgeneratequot weer. Die nuut-gegenereerde golfvorm word by die bestaande golfvorm en gevolglike golfvorm lyk soos 'n 10Hz sonde golf met 100 Hz geraas. Sien die golfvorm hieronder. Dit golfvorm is die beste geskik is vir die toets van die filter, aangesien dit bestaan uit twee verskillende frekwensies. Jy kan die filter loop deur op die quotFilterquot knoppie. Van die opsies wat beskikbaar is van links na die knoppie quotFilterquot. jy kan kies Rekursiewe, nie-rekursiewe filter of geen filter glad. Die onderstaande figuur toon die opbrengs van die filter. Aflaai Moving Gemiddelde Filter bron codeMoving Gemiddelde Filter Kate geskryf: GT Hi, GT GT Ek is op soek na 'n paar kode vir 'n laaglaatfilter wat ek kan aansoek doen om 'n sein GT voor die uitvoering van spectraalanalyse. GT GT Ek verontschuldigen vir my onkunde, maar dit is manier buite my veld so Im GT nie regtig maak geen sin nie. Wat is die insette wat GT nodig behalwe die sein self GT GT Dankie, GT Kate In die analoog domein, mense gebruik lae-pass filter vir ten minste 'n paar van die redes wat in jou gedagtes (i) kom maak die sein lyk beter ( ii) te vermy aliasing tydens analoog-na-digitale bekering, wat lei tot 'n hoë-frekwensie noisesignals word gealiasseer na lae frekwensies, wat handel dryf met die laer frekwensie seine van belang en kan styg die geraas vloer. Dit lyk nie dat een van hierdie oorwegings van toepassing op jou situasie (i) jy nie kyk na die sein direk (jy gaan spectraalanalyse doen) (ii) van jou sein is reeds gedigitaliseerde. Spesifiek, wanneer jy spectraalanalyse doen, die hoë-frekwensie dinge sal wys op die hoë-frekwensie einde en jy kan kies om dit te ignoreer. Vir enige lineêre tegniek (dit sluit FFT en die funksie Matlab filter ()), sal die hoë-frekwensie-inhoud nie inmeng met die spektrale ontleding van die lae-frekwensie inhoud. Tensy jy jou data decimeren voor filter. Is daar 'n spesifieke rede wat jy wil om ontslae te raak van die hoë-frekwensie-inhoud voordat spectraalanalyse Kate kry geskryf: GT Hi, GT GT Ek is op soek na 'n paar kode vir 'n laaglaatfilter wat ek kan aansoek doen om 'n sein GT voor die uitvoering uit spectraalanalyse. GT GT Ek verontschuldigen vir my onkunde, maar dit is manier buite my veld so Im GT nie regtig maak geen sin nie. Wat is die insette wat GT nodig behalwe die sein self GT GT Dankie, GT Kate In die analoog domein, mense gebruik lae-pass filter vir ten minste 'n paar van die redes wat in jou gedagtes (i) kom maak die sein lyk beter ( ii) te vermy aliasing tydens analoog-na-digitale bekering, wat lei tot 'n hoë-frekwensie noisesignals word gealiasseer na lae frekwensies, wat handel dryf met die laer frekwensie seine van belang en kan styg die geraas vloer. Dit lyk nie dat een van hierdie oorwegings van toepassing op jou situasie (i) jy nie kyk na die sein direk (jy gaan spectraalanalyse doen) (ii) van jou sein is reeds gedigitaliseerde. Spesifiek, wanneer jy spectraalanalyse doen, die hoë-frekwensie dinge sal wys op die hoë-frekwensie einde en jy kan kies om dit te ignoreer. Vir enige lineêre tegniek (dit sluit FFT en die funksie Matlab filter ()), sal die hoë-frekwensie-inhoud nie inmeng met die spektrale ontleding van die lae-frekwensie inhoud. Tensy jy jou data decimeren voor filter. Is daar 'n spesifieke rede wat jy wil om ontslae te raak van die hoë-frekwensie-inhoud voordat spectraalanalyse Om eerlik te wees ek weet nie hoekom Im probeer om ontslae te raak van die hoë frekwensie wees. Im basies die instruksies in 'n ISO. Soos jy dalk geraai het, rekenaarprogrammering en seinverwerking is regtig nie my gebied so die taal wat gebruik word is vreemd is aan my wat im doen is soos volg - Im 'n siviele ingenieur en Im probeer om 'n padoppervlak profiel ontleed. Die profiel is basies die equivilent van 'n sein wat wissel met afstand (maar aangesien snelheid konstant is, dit is dieselfde as wat wissel met die tyd). Die presiese bewoording van die ISO is pre-verwerking filters moet gebruik word byvoorbeeld Butterworth. Maar ek het gedink dat die bewegende gemiddelde 'n makliker plek om te begin Ek vermoed die rede Im probeer om 'n hoë frekwensies uit te roei, is omdat hulle gering in terme van padoppervlak skade sou wees sou wees. Ek het groot waardering vir jou tyd, Katherine Rajeev geskryf: GT GT GT Kate geskryf: gtgt Hi, gtgt gtgt Ek is op soek na 'n paar kode vir 'n laaglaatfilter wat ek GT kan aansoek doen om 'n sein gtgt voor die uitvoering van spectraalanalyse. gtgt gtgt Ek verontschuldigen vir my onkunde, maar dit is manier buite my veld so GT Im gtgt nie regtig maak geen sin nie. Wat is die insette wat gtgt nodig behalwe die sein self gtgt gtgt Dankie, gtgt Kate GT GT In die analoog domein, mense gebruik lae-pass filter vir ten minste 'n GT paar redes wat in jou gedagtes (i) kom is om die sein beter lyk GT (ii) te vermy aliasing tydens analoog-na-digitale bekering, wat GT resultate in 'n hoë-frekwensie noisesignals word gealiasseer na lae GT frekwensies, wat handel dryf met die laer frekwensie seine van GT belang GT en kan styg die geraas vloer. GT GT Dit lyk nie dat een van hierdie oorwegings van toepassing op jou GT situasie (i) jy nie kyk na die sein direk GT (jy GT gaan GT om spectraalanalyse doen) (ii) van jou sein is reeds gedigitaliseerde. GT GT Spesifiek, wanneer jy spectraalanalyse doen, die hoë-frekwensie GT dinge GT sal opdaag by die hoë-frekwensie einde en jy kan kies om te ignoreer GT dit. GT Vir enige lineêre tegniek (dit sluit FFT en die Matlab filter () gt funksie), sal die hoë-frekwensie-inhoud nie inmeng met die GT spectraalanalyse van die lae-frekwensie inhoud. Tensy jy wil GT decimeren jou data voor filter. GT GT Is daar 'n spesifieke rede wat jy wil om ontslae te raak van die GT hoë-frekwensie GT inhoud voordat spectraalanalyse GT GT HTH GT - rajeev - GT GT Katherine het geskryf: GT Om eerlik te wees ek weet nie hoekom Im probeer om ontslae te raak van die wees hoë GT frekwensies. Im basies die instruksies in 'n ISO. GT Soos jy kan raai, rekenaarprogrammering en seinverwerking GT is regtig nie my gebied so die taal wat gebruik word is vreemd is aan my GT GT Wat Im doen is soos volg - Im 'n siviele ingenieur en Im probeer om GT analiseer 'n padoppervlak profiel. Die profiel is basies die GT equivilent van 'n sein wat wissel met afstand (maar aangesien snelheid GT is konstant, dit is dieselfde as wat wissel met die tyd). Die presiese GT bewoording van die ISO is pre-verwerking filters moet gebruik word vir Sommige vrae na vore kom. a. Wat beteken die ISO vra jou om te doen na die pre-verwerking filters b. Hoe is die spectraalanalyse geïmplementeer c. Maak die ISO spesifiseer die afsnyfrekwensie vir die filter. dws ontslae te raak van frekwensies bo X GT byvoorbeeld Butterworth. Maar ek het gedink dat die bewegende gemiddelde GT n makliker plek om te begin is ek geneig om saam te stem, bewegende gemiddelde makliker sou wees sou wees. Dit het ook 'n eiendom wat al frekwensie komponente is vertraag met presies dieselfde bedrag, wat beteken dat die golfvorm vorm behoue gaan deur die filter (natuurlik 'n paar frekwensie compnents sal verswak, maar hulle sal nie verskuif word deur, sê, 90 grade , in vergelyking met ander frekwensies). Die Butterworth filter (en tot mindere of meerdere mate al analoog filters) nie hierdie eiendom wat bekend staan as lineêre-fase of fase-lineêre het. Butterworth verwys na 'n klas van analoog filters met 'n spesifieke fase en frekwensie reaksie, wat gebeur maklik om te implementeer met elektroniese komponente soos resistors, kapasitore en induktore te wees. (My redelike raaiskoot is dat) mense digitale ekwivalente ontwikkel om hierdie en ander analoog filters omdat hulle bekend is met hul eiendomme was. Maar baie mense vandag sou vra, as jy gaan om te werk op 'n gedigitaliseerde sein, hoekom pla met 'n analoog-look-alike filter. GT Ek vermoed die rede Im probeer om 'n hoë frekwensies uit te roei is GT omdat hulle gering in terme van padoppervlak skade sou wees. GT GT ek jou tyd baie waardeer, GT Katherine Weereens, ek is baie dank verskuldig aan dat jy die tyd wat ek het probeer om onder jou QS beantwoord: GT Sommige vrae na vore kom. GT GT n. Wat beteken die ISO vra jou om te doen na die pre-verwerking filters Na die pre-verwerking filters dit vra dat ek uit te voer 'n FFT wat ek dink is ook 'n antwoord op jou volgende vraag. Die groot begrip probleem dat Im het, is dat ek gegenereer die pad profiel myself, spesifiseer dat ek wou die frekwensies tot 'n minimum van 0.01cycles / meter en 'n maksimum van 4cycles / meter wees. Hoekom sou ek dan nodig het om uit te filter hoë frekwensies GT GT b. Hoe is die spectraalanalyse geïmplementeer GT GT c. Maak die ISO spesifiseer die afsnyfrekwensie vir die filter. dws GT kry GT ontslae te raak van frekwensies bo X Dit nie die geval spesifiseer enige afsnyfrekwensie. gtgt byvoorbeeld Butterworth. Maar ek het gedink dat die bewegende gemiddelde gtgt n makliker plek om GT GT Ek is geneig om saam te stem begin kan wees, bewegende gemiddelde makliker sou wees. Dit het ook 'n GT eiendom GT dat alle frekwensie komponente is vertraag met presies dieselfde GT bedrag, GT wat beteken dat die golfvorm vorm behoue gaan deur die GT filter GT (natuurlik 'n paar frekwensie compnents sal verswak, maar hulle GT gewoond GT verskuif deur, sê, 90 grade, in vergelyking met ander frekwensies). GT Die GT Butterworth filter (en tot mindere of meerdere mate al analoog filters) beteken GT nie gt gt hierdie eiendom, wat bekend staan as lineêre-fase of fase-lineêre. GT GT Butterworth verwys na 'n klas van analoog filters met 'n bepaalde GT fase GT en frekwensieweergawe, dit gebeur maklik om te implementeer met GT elektroniese GT komponente soos resistors, kapasitore en induktore te wees. (My GT redelike GT raaiskoot GT is dat) mense digitale ekwivalente ontwikkel om hierdie en ander GT analoog GT filters omdat hulle bekend is met hul eiendomme was. Maar GT n GT baie GT van mense vandag sou vra, as jy gaan om te werk op 'n gedigitaliseerde GT sein, GT hoekom pla met 'n analoog-look-alike filter. GT gtgt Ek vermoed die rede Im probeer om 'n hoë frekwensies uit te roei is gtgt omdat hulle gering in terme van padoppervlak skade sou wees. gtgt gtgt ek jou tyd baie waardeer, gtgt Katherine GT GT Dit. GT GT GT HTH GT - rajeev - Dankie. Katherine Klink soos jy kan filter die data reeds die manier waarop jy spesifiseer die frekwensie reeks. Wat is jy sampling rate Is dit ruimtelike of temporale As jy spesifiseer 4 siklusse / meter om die stelsel is baie onwaarskynlik dat dit net sou monsterneming op daardie koers (FS1 / 8 meter) te kry sonder 'n soort van bewegende gemiddelde filter gebou in. wat is die ISO vereiste (ISO standaard, vanwaar) Een effek van die filter is om die energie te skuif na die laer frekwensies eerder as om net kap dit af soos jy sou doen in die frekwensiedomein. As die einddoel is om 'n IRI of 'n soort van ander pad grof metrieke as dit bereken kan krities wees. GT GT Na die pre-verwerking filters dit vra dat ek uit te voer 'n FFT wat GT Ek dink ook 'n antwoord op jou volgende vraag. Die groot GT begrip probleem dat Im het, is dat ek gegenereer die pad GT myself profiel, spesifiseer dat ek wou die frekwensies 'n GT minimum van 0.01cycles / meter en 'n maksimum van 4cycles / meter wees. Hoekom dan GT moet ek nodig het om uit te filtreer hoë frekwensies GT Charlie, ek is baie onkundig oor die korrekte terminologie in hierdie dinge en Ek is nie seker wat jy bedoel met monster tempo. Siek net vir jou sê wat im doen. Eerste Ek genereer 'n ewekansige pad profiel wat ruimtelike frekwensie wissel van 0,01 het - 4 siklusse / m. Die ISO 8608: 1995 het klassifikasies van die pad en afhangende van dit, dit gee 'n PSD waarde vir elk van die frekwensies tussen 0,01 en 4 dis wat jy wil. Hierdie waardes word dan in 'n vergelyking vir die pad generasie wat 'n pad met 'n aantal punte skep sit (in my geval 8000, of 400meters, maw elke 0.05 meter). dan het ek grafiek al die ISO waardes vir die PSD teen die ruimtelike frekwensies wat ek hierbo het. Ek het probeer om terug te werk om te sien of ek daardie selfde grafiek kan genereer deur gebruik te maak van die dieselfde pad profiel, en die vind van die FFT van dit en dan die PSD. Ek dont weet wat jy bedoel met monsterfrekwensie Im bang, miskien is dit daar in wat ek beskryf Thank you so much vir jou tyd, ek is heeltemal soos 'n vis uit die water op hierdie een Charlie het geskryf: GT GT GT Katherine, GT GT Klink soos jy kan filter die data reeds die manier waarop jy is GT spesifiseer GT die frekwensie reeks. Wat is jy sampling rate Is dit ruimtelike of GT tydelike GT As jy spesifiseer 4 siklusse / meter om die stelsel is baie onwaarskynlik GT dat dit GT sal slegs monsterneming op daardie koers (FS1 / 8 meter) te kry sonder 'n GT soort GT bewegende gemiddelde filter gebou in. GT GT Wat is die ISO vereiste (ISO standaard, vanwaar) gt gt Een effek van die filter is om die energie te skuif na die onderste GT frekwensies eerder as om net kap dit af soos jy sou doen in GT die GT frekwensiedomein. As die einddoel is om 'n IRI of 'n GT soort GT ander pad grof metrieke as dit bereken kan krities wees. GT GT Charlie GT gtgt gtgt Na die pre-verwerking filters dit vra dat ek uit te voer 'n FFT GT wat gtgt Ek dink ook 'n antwoord op jou volgende vraag. Die groot gtgt begrip probleem dat Im het, is dat ek gegenereer die GT pad gtgt myself profiel, spesifiseer dat ek wou die frekwensies 'n gtgt minimum van 0.01cycles / meter en 'n maksimum van 4cycles / meter wees. Hoekom dan gtgt moet ek nodig het om uit te filtreer hoë frekwensies gtgt GT GT GT Dankie vir die inligting oor die ISO 8608: 1995 dit lyk soos 'n goeie verwysing vir 'n paar van my werk op pad profiel verwerking. Terug na jou projek. Soos ek dit verstaan jy doen: 1. Skep pad profiel in ruimtelike frekwensie domein met inhoud in 0,01-4 siklusse / m 2. Genereer ruimtelike profiel van 1 deur 'n paar vergelykings (400 meter lank, dx0.05 m, ruimtelike steekproefneming frequency1 / dx20 siklusse / m) 3. Grafiek jou pad PSD van 1 teen die ISO waardes van ISO 8608 4. Bereken die FFT en die PSD van 2 en vergelyk dit met 3 te sien of jy in staat is om weer te produseer nie. As dit korrek is en ek verstaan die ISO standaard. Ek glo nie jy nodig het om enige filter glad nie. Jou profiel van 2 moet in staat wees om frekwensie data te genereer 0,0025-10 siklusse / m, maar jy moet 'n inhoud bo 4 siklusse / m nie sien nie. Hoop dit help eerder as verwar. Wil jy dalk om te kyk na die boekie van Profilering op www. umtri. umich. edu/erd/roughness/index vir meer inligting. Katherine ltkatherine. cashellucd. iegt geskryf in boodskap nuus: ef02d7a.7webx. raydaftYaTP. GT Charlie, GT Ek is baie onkundig oor die korrekte terminologie in hierdie dinge en Im GT nie seker wat jy bedoel met monster tempo. Siek net vir jou sê wat im GT doen. GT GT GT Eerste ek genereer 'n ewekansige pad profiel wat ruimtelike GT frekwensies wat wissel van 0,01 het - 4 siklusse / m. Die ISO 8608: 1995 het GT klassifikasie van die pad en afhangende van dit, dit gee 'n PSD waarde GT vir elk van die frekwensies tussen 0,01 en 4 dis wat jy wil. Hierdie GT waardes word dan in 'n vergelyking vir die pad geslag wat GT skep 'n pad met 'n aantal punte het (in my geval 8000, of GT 400meters, maw elke 0.05 meter). GT ek dan grafiek al die ISO waardes vir die PSD teen die ruimtelike GT frekwensies wat ek hierbo het. GT ek dan probeer om agteruit te werk om te sien of ek daardie selfde GT grafiek kan genereer deur gebruik te maak van die dieselfde pad profiel, en die vind van die FFT van dit en GT dan die PSD. GT Ek dont weet wat jy bedoel met monsterfrekwensie Im bang, miskien is dit GT is daar in dit wat ek beskryf GT GT Thank you so much vir jou tyd, ek is heeltemal soos 'n vis uit GT water op hierdie een GT GT Katherine GT Dankie vir daardie - is regtig nuttig net om te sien die korrekte terminologie wat gebruik word vir die syfers Charlie het geskryf: GT GT GT Katherine, GT GT Dankie vir die inligting oor die ISO 8608: 1995 dit lyk soos 'n goeie verwysing GT vir 'n paar GT van my werk op pad profiel verwerking. Terug na jou projek. Soos ek GT GT verstaan jy doen: GT GT 1. Skep pad profiel in ruimtelike frekwensie domein met inhoud in GT 0,01-4 GT siklusse / m GT 2. Genereer ruimtelike profiel van 1 deur 'n paar vergelykings (400 GT meter lank, GT dx0.05 m, ruimtelike steekproefneming frequency1 / dx20 siklusse / m) GT 3. Grafiek jou pad PSD van 1 teen die ISO waardes van ISO GT 8608 GT 4. Bereken die FFT en die PSD van 2 en vergelyk dit met 3 tot GT sien As GT jy in staat is om weer te produseer nie. GT GT As dit korrek en ek verstaan die ISO standaard. Ek dont GT glo jy GT moet enige filter glad nie. Jou profiel van 2 moet GT kan GT genereer frekwensie data 0,0025-10 siklusse / m, maar jy moet nie GT sien enige GT inhoud bo 4 siklusse / m. GT GT hoop dit help eerder as verwar. Wil jy dalk om te kyk na die GT Little GT Boek van Profilering op ltwww. umtri. umich. edu/erd/roughness/index GT GT GT of meer inligting. GT GT Charlie GT GT Katherine ltkatherine. cashellucd. iegt geskryf in boodskap GT nuus: ef02d7a.7webx. raydaftYaTP. gtgt Charlie, gtgt Ek is baie onkundig oor die korrekte terminologie in hierdie dinge en GT Im gtgt nie seker wat jy bedoel met monster tempo. Siek net vir jou sê wat im gtgt doen. gtgt gtgt gtgt Eerste ek genereer 'n ewekansige pad profiel wat ruimtelike gtgt frekwensies wat wissel van 0,01 het - 4 siklusse / m. Die ISO 8608: GT 1995 het gtgt klassifikasie van die pad en afhangende van dit, dit gee 'n PSD GT waarde gtgt vir elk van die frekwensies tussen 0,01 en 4 dis wat jy wil. GT Hierdie gtgt waardes word dan in 'n vergelyking vir die pad geslag wat gtgt skep 'n pad met 'n aantal punte het (in my geval 8000, of gtgt 400meters, maw elke 0.05 meter). gtgt ek dan grafiek al die ISO waardes vir die PSD teen die GT ruimtelike gtgt frekwensies wat ek hierbo het. gtgt ek dan probeer om agteruit te werk om te sien of ek kan genereer wat GT dieselfde gtgt grafiek deur gebruik te maak van die dieselfde pad profiel, en die vind van die FFT daarvan GT en gtgt dan die PSD. gtgt Ek dont weet wat jy bedoel met monsterfrekwensie Im bang, miskien GT dit gtgt is daar in dit wat ek beskryf gtgt gtgt Thank you so much vir jou tyd, ek is heeltemal soos 'n vis uit GT van gtgt water op hierdie een gtgt gtgt Katherine gtgt GT GT GT wat is 'n horlosie lys jy kan dink jou lys as drade wat jy geboekmerk. Jy kan etikette, skrywers, drade te voeg, en selfs resultate aan jou lys te soek. Op hierdie manier kan jy maklik die spoor van onderwerpe wat jy belangstel in. Om jou lys te sien hou, kliek op die quotMy Newsreaderquot skakel. Om items na jou horlosie lys voeg, kliek op die quotadd om listquot skakel aan die onderkant van 'n bladsy te sien. Hoe kan ek 'n item by te voeg aan my horlosie lys Soek Om soekkriteria voeg tot jou lys, soek vir die presiese term in die soekkassie. Klik op die quotAdd hierdie soektog na my horlosie listquot skakel op die resultate bladsy. Jy kan ook 'n tag toe te voeg tot jou lys deur te soek vir die tag met die richtlijn quottag: tagnamequot waar merkernaam is die naam van die etiket wat jy wil om te kyk. Skrywer 'n skrywer by jou horlosie lys, gaan na die skrywers profiel bladsy en klik op die quotAdd hierdie skrywer om my horlosie listquot skakel aan die bokant van die bladsy. Jy kan ook 'n skrywer by jou horlosie lys deur te gaan na 'n draad wat die skrywer het gepos word aan en kliek op die quotAdd hierdie skrywer om my horlosie listquot skakel. Jy sal in kennis gestel word wanneer die skrywer maak 'n pos. Draad 'n draad om jou horlosie lys te voeg, gaan na die draad bladsy en klik op die quotAdd hierdie draad om my horlosie listquot skakel aan die bokant van die bladsy. Oor Nuusgroepe, News Readers en MATLAB Sentraal Wat is nuusgroepe Die groepe is 'n wêreldwye forum wat oop is vir almal is. Nuusgroepe word gebruik om 'n groot verskeidenheid onderwerpe bespreek, maak aankondigings, en handel lêers. Besprekings is gestruktureerde, of gegroepeer in 'n manier wat jou toelaat om 'n gepos boodskap en al sy antwoorde in chronologiese volgorde te lees. Dit maak dit maklik om die draad van die gesprek te volg, en om whatrsquos reeds gesê sien voordat jy jou eie antwoord te plaas of 'n nuwe plaas. Nuusgroep inhoud versprei deur bedieners gehuisves word deur verskeie organisasies op die internet. Boodskappe uitgeruil en bestuur met behulp van oop-standaard protokolle. Geen enkele entiteit ldquoownsrdquo die nuusgroepe. Daar is duisende nuusgroepe, wat elk 'n enkele onderwerp of area van belang. Die MATLAB Sentraal nuusleser poste en uitstallings boodskappe in die comp. soft-sys. matlab nuusgroep. Hoe kan ek lees of pos aan die nuusgroepe Jy kan die geïntegreerde nuusleser by die MATLAB Sentraal webwerf gebruik om te lees en post boodskappe in hierdie nuusgroep. MATLAB Sentrale word aangebied deur MathWorks. Boodskappe gepos deur die MATLAB Sentraal nuusleser gesien word deur almal gebruik van die groepe, ongeag hoe hulle toegang tot die groepe. Daar is verskeie voordele aan die gebruik van MATLAB Sentraal. Een rekening Jou MATLAB Sentraal rekening is gekoppel aan jou MathWorks Rekening vir 'n maklike toegang. Gebruik die e-posadres van jou keuse Die MATLAB Sentrale News Reader kan jy 'n alternatiewe e-pos adres as jou boodskap adres definieer, te vermy warboel in jou primêre posbus en die vermindering van spam. Spam beheer Meeste nuusgroep spam gefiltreer deur die MATLAB Sentrale News Reader. Tagging Boodskappe kan gemerk met 'n toepaslike etiket deur 'n aangemelde gebruiker. Tags kan gebruik word as sleutel word om spesifieke lêers van belang vind, of as 'n manier om jou geboekmerk plasings kategoriseer. Jy kan kies om ander toelaat om jou Tags te sien, en jy kan othersrsquo tags sowel as dié van die gemeenskap in sy geheel sien of te soek. Tagging bied 'n manier om beide die groot tendense en die kleiner, meer onduidelik idees en programme te sien. Watch lyste opstel van horlosie lyste kan jy in kennis gestel word van updates gemaak om plasings gekies deur die skrywer, draad, of enige search veranderlike. Jou horlosie lys kennisgewings kan gestuur word per e-pos (daagliks verteer of onmiddellike), vertoon in My nuusleser, of gestuur via RSS feed. Ander maniere om toegang te verkry tot die nuusgroepe Gebruik 'n nuusleser deur jou skool, werkgewer, of die internet diensverskaffer Pay vir nuusgroep toegang van 'n kommersiële verskaffer Gebruik Google Groepe Mathforum. org bied 'n nuusleser met toegang tot die comp. soft sys. matlab nuusgroep Doen jou eie bediener. Vir tipiese instruksies, sien: www. slyck / ngpage2 Kies Jou CountryMoving Gemiddelde Filter (MA filter) laai. Die bewegende gemiddelde filter is 'n eenvoudige Low Pass FIR (Eindige Impulse Response) filter wat algemeen gebruik word vir glad 'n verskeidenheid van monsters data / sein. Dit neem M monsters van insette op 'n tyd en neem die gemiddelde van die M-monsters en produseer 'n enkele uitset punt. Dit is 'n baie eenvoudige LPF (laaglaatfilter) struktuur wat handig te pas kom vir wetenskaplikes en ingenieurs om ongewenste lawaaierige komponent filter van die beoogde data. As die filter lengte toeneem (die parameter M) die gladheid van die uitset verhoog, terwyl die skerp oorgange in die data gemaak word toenemend stomp. Dit impliseer dat die filter het 'n uitstekende tyd domein reaksie, maar 'n swak frekwensieweergawe. Die MA filter voer drie belangrike funksies: 1) Dit neem M insette punte, bere die gemiddelde van die M-punte en produseer 'n enkele uitset punt 2) As gevolg van die berekening / berekeninge betrokke. die filter stel 'n definitiewe bedrag van die vertraging 3) Die filter dien as 'n laaglaatfilter (met 'n swak frekwensiedomein reaksie en 'n goeie tyd domein reaksie). Matlab Kode: Na aanleiding van Matlab kode simuleer die tydgebied reaksie van 'n M-punt bewegende gemiddelde filter en ook plotte die frekwensieweergawe vir verskeie filter lengtes. Tyd Domain Reaksie: Op die eerste plot, ons het die insette wat gaan in die bewegende gemiddelde filter. Die insette is raserig en ons doel is om die geraas te verminder. Die volgende figuur is die uitset reaksie van 'n 3-punt bewegende gemiddelde filter. Dit kan afgelei word uit die figuur dat die 3-punt bewegende gemiddelde filter nie veel in die filter van die geraas gedoen het. Ons verhoog die filter krane tot 51-punte en ons kan sien dat die geraas in die uitset baie, wat uitgebeeld word in die volgende figuur verminder. Ons verhoog die krane verder tot 101 en 501 en ons kan waarneem dat selfs-al die geraas is amper nul, die oorgange is drasties afgestomp uit (kyk na die helling op die weerskante van die sein en vergelyk kan word met die ideale baksteenmuur oorgang in ons insette). Frekwensie: Van die frekwensieweergawe dit kan beweer dat die roll-off is baie stadig en die stop orkes verswakking is nie goed nie. Gegewe hierdie stop-band attenuasie, duidelik, die bewegende gemiddelde filter kan nie een band van frekwensies van 'n ander te skei. Soos ons weet dat 'n goeie vertoning in die tydgebied resultate in 'n swak vertoning in die frekwensiedomein, en omgekeerd. In kort, die bewegende gemiddelde is 'n buitengewoon goeie glad filter (die aksie in die tydgebied), maar 'n besonder slegte laaglaatfilter (die aksie in die frekwensiedomein) Eksterne skakel: aanbevole boeke: Primêre SidebarUpdated 12 Maart 2013 Wat is RC filter en Eksponensiële hulpbronne en hoe verskil hulle die antwoord op die tweede deel van die vraag is dat hulle dieselfde proses As een kom uit 'n elektroniese agtergrond dan RC filter (of RC Smoothing) is die gewone uitdrukking. Aan die ander kant 'n benadering wat gebaseer is op statistieke tydreekse het die naam Eksponensiële Berekening van gemiddelde of om die volle naam Eksponensiële Geweegde bewegende gemiddelde gebruik. Dit is ook onder andere bekend as EWMA of EMO. 'N Belangrike voordeel van die metode is die eenvoud van die formule vir die berekening van die volgende uitset. Dit neem 'n fraksie van die vorige uitset en een minus die fraksie keer die huidige insette. Algebraïes op tyd k die stryk uitset y k gegee word deur Soos later aangetoon hierdie eenvoudige formule beklemtoon die onlangse gebeure, glad uit 'n hoë frekwensie variasies en onthul lang tendense termyn. Neem kennis dat daar twee vorme van die eksponensiële gemiddelde vergelyking, die een bo en 'n variant Albei is korrek. Sien die notas aan die einde van die artikel vir meer besonderhede. In hierdie bespreking sal ons net gebruik vergelyking (1). Bogenoemde formule word soms geskryf in die meer beperkte mode. Hoe word hierdie formule afgelei en wat is die interpretasie 'n belangrike punt is hoe ons kies. Om te kyk na hierdie een eenvoudige manier is om 'n RC laaglaatfilter oorweeg. Nou 'n RC laaglaatfilter is bloot 'n reeks weerstand R en 'n parallelle kapasitor C soos hieronder geïllustreer. Die tydreekse vergelyking vir hierdie kring is die produk RC het eenhede van tyd en staan bekend as die tydkonstante, T. vir die kring. Veronderstel ons verteenwoordig die bostaande vergelyking in sy digitale vorm vir 'n tydreeks wat data geneem elke h sekondes het. Ons het Dit is presies dieselfde vorm as die vorige vergelyking. Die vergelyking van die twee verhoudings vir 'n ons het wat verminder om die baie eenvoudige verhouding Vandaar die keuse van N is gelei deur wat tydkonstante ons gekies. Nou vergelyking (1) kan erken as 'n laaglaatfilter en die tydkonstante tipeer die gedrag van die filter. Om die betekenis van die tydkonstante wat ons nodig het om te kyk na die frekwensie kenmerk van hierdie laagdeurlaat RC filter sien. In sy algemene vorm is hierdie Uitdrukking in modulus en fase vorm ons het waar die fasehoek is. Die frekwensie staan bekend as die nominale verdelg frekwensie. Fisies kan dit getoon dat by hierdie frekwensie die krag in die sein is verminder deur die helfte en die amplitude word verminder deur die faktor. In dB terme van hierdie frekwensie is waar die amplitude is verminder deur 3dB. Dit is duidelik dat as die tydkonstante T verhogings so dan die uitroei frekwensie verminder en ons pas meer smoothing die data, wat ons skakel die hoër frekwensies. Dit is belangrik om daarop te let dat die frekwensieweergawe in radiale / sekonde. Dit is daar 'n faktor van betrokke. Byvoorbeeld keuse van 'n tydkonstante van 5 sekondes gee 'n effektiewe verdelg frekwensie van. Een gewilde gebruik van RC glad is om die optrede van 'n meter soos gebruik in 'n gesonde vlak meter na te boots. Dit is oor die algemeen gekenmerk deur hul tydkonstante soos 1 sekonde vir S tipe en 0,125 sekondes vir F tipes. Vir hierdie 2 gevalle is die effektiewe verdelg frekwensies is onderskeidelik 0.16Hz en 1.27Hz. Eintlik is dit nie die tydkonstante ons gewoonlik wil kies, maar dié tydperke ons wil insluit. Gestel ons het 'n sein waar ons wil funksies met 'n tweede periode P sluit. Nou 'n tydperk P is 'n frekwensie. Ons kan dan kies om 'n tydkonstante T gegee deur. Maar weet ons dat ons oor 30 van die uitset (-3dB) by verloor. So die keuse van 'n tydkonstante wat presies ooreenstem met die periodiciteiten ons wil hou is nie die beste skema. Dit is gewoonlik beter om 'n effens hoër afgesny frekwensie kies, sê. Die tydkonstante is dan wat in praktiese terme is soortgelyk aan. Dit verminder die verlies aan sowat 15 op hierdie periodisiteit. Vandaar in praktiese terme gebeure behou met 'n periodisiteit van of groter kies dan 'n tydkonstante van. Dit sluit in die uitwerking van periodiciteiten van af te gaan. Byvoorbeeld, as ons wil die gevolge van gebeure gebeur met insluit sê 'n tweede periode (0.125Hz) 8 Daarna volg 'n tydkonstante van 0.8 sekondes. Dit gee 'n afgesny frekwensie van ongeveer 0.2Hz sodat ons 8 tweede tydperk is goed in die hoof deurlaatband van die filter. As ons die data is monsterneming by 20 keer / sekonde (h 0.05) dan die waarde van N is (0.8 / 0.05) 16 en. Dit gee 'n insig in hoe om te stel. Basies 'n bekende monster tempo dit tipeer die gemiddelde tydperk en kies wat 'n hoë frekwensie skommelinge sal geïgnoreer word. Deur te kyk na die uitbreiding van die algoritme kan ons sien dat dit bevoordeel die mees onlangse waardes, en ook waarom dit staan bekend as eksponensiële gewig. Ons het Vervanging van y k-1 gee die proses 'n paar keer Herhaling lei tot gevolg is in die reeks dan duidelik die terme aan die regterkant kleiner geword en op te tree soos 'n verrottende eksponensiële. Dit is die huidige produksie is bevooroordeeld teenoor die meer onlangse gebeure, maar die groter ons kies T dan die minder vooroordeel. Ter opsomming kan ons sien dat die eenvoudige formule beklemtoon die onlangse gebeure stryk uit 'n hoë frekwensie (kort tydperk) gebeure onthul langtermyn tendense Aanhangsel 1 8211 Alternatiewe vorms van die vergelyking Let Daar is twee vorms van die eksponensiële gemiddelde vergelyking wat in die literatuur verskyn. Albei is korrek en gelyk. Die eerste vorm soos hierbo getoon is (A1) Die alternatiewe vorm is 8230 (A2) Let op die gebruik van in die eerste vergelyking en in die tweede vergelyking. In beide vergelykings en is waardes tussen nul en eenheid. Vroeër is gedefinieer as nou die keuse om Vandaar definieer die alternatiewe vorm van die eksponensiële gemiddelde vergelyking in fisiese terme beteken dit dat die keuse van vorm een gebruik, hang af van hoe 'n mens wil om te dink aan óf neem as die terugvoer fraksie vergelyking (A1) of soos die fraksie van die insette vergelyking (A2). Die eerste vorm is effens minder omslagtig in wat die RC filter verhouding, en lei tot 'n eenvoudiger begrip in filter terme. Hoof Seinverwerking ontleder by Prosig Dr Colin Mercer is Hoof Seinverwerking ontleder by Prosig en het verantwoordelikheid vir seinverwerking en die toepassing daarvan. Hy was voorheen by die Instituut van klank en vibrasie Research (ISVR) by Southampton Universiteit waar hy die Data-analise Sentrum gestig. Hy is 'n geoktrooieerde ingenieur en 'n genoot van die British Computer Society. Ek dink jy wil die 8216p8217 verander na die simbool vir pi. Marco, dankie vir die wys dat uit. Ek dink dit is een van ons ouer artikels wat oorgedra is van 'n ou woordverwerkingsdokument. Dit is duidelik dat die redakteur (my) versuim het om raak te sien dat die pi het nie korrek oorgeskryf. Dit sal binnekort reggestel word. it8217s 'n baie goeie artikel verduideliking oor die eksponensiële gemiddelde Ek glo daar is 'n fout in die formule vir T. Dit moet T h (N-1), nie T (N-1) / h wees. Mike, dankie vir die spot nie. Ek het nou net terug nagegaan dr Mercer8217s oorspronklike tegniese kennis in ons argief en dit blyk dat daar fout is gemaak wanneer die oordrag van die vergelykings om die blog. Ons sal die pos op te los. Dankie dat jy ons laat weet Dankie dankie dankie. Jy kan 100 DSP tekste te lees sonder om iets te sê dat 'n eksponensiële gemiddelde filter is die ekwivalent van 'n R-C filter vind. hmm, het jy die vergelyking vir 'n EMO korrekte weergawe is dit nie YK aXk (1-a) YK-1 in plaas van YK aYk-1 (1-a) Xk Alan, Beide vorms van die vergelyking verskyn in die literatuur, en beide vorms korrek as ek hieronder sal wys. Die punt wat jy maak is belangrike een, want die gebruik van die alternatiewe vorm beteken dat die fisiese verhouding met 'n RC filter is minder duidelik, ook die interpretasie van die betekenis van 'n bewys in die artikel is nie geskik is vir die alternatiewe vorm. Eerste laat ons wys beide vorms korrek is. Die vorm van die vergelyking wat ek gebruik is en die alternatiewe vorm wat verskyn in baie tekste is Note in die bogenoemde Ek latex 1 / latex gebruik in die eerste vergelyking en latex 2 / latex in die tweede vergelyking. Die staking van beide vorms van die vergelyking word getoon wiskundig hieronder om eenvoudige stappe op 'n slag. Wat is nie dieselfde is die waarde wat gebruik word vir latex / latex in elke vergelyking. In beide vorms latex / latex is nie 'n waarde tussen nul en eenheid. Eerste herskryf vergelyking (1) te vervang latex 1 / latex deur latex / latex. Dit gee latexyk y (1 - beta) xk / latex 8230 (1A) Nou definieer latexbeta (1 - 2) / latex en so het ons ook latex 2 (1 - beta) / latex. Vervang dit in vergelyking (1A) gee latexyk (1-2) y 2xk / latex 8230 (1B) En ten slotte weer die reël gee Hierdie vergelyking is identies aan die alternatiewe vorm gegee in vergelyking (2). Sit meer net latex 2 (1-1) / latex. In fisiese terme beteken dit dat die keuse van vorm een gebruik, hang af van hoe 'n mens wil om te dink aan óf neem latexalpha / latex as die terugvoer fraksie vergelyking (1) of as die fraksie van die insette vergelyking (2). Soos hierbo genoem ek die eerste vorm gebruik soos dit is 'n bietjie minder omslagtig in wat die RC filter verhouding, en lei tot eenvoudiger begrip in filter terme. Maar laat die bogenoemde is, na my mening, 'n tekort in die artikel as ander mense kan 'n verkeerde afleiding maak so 'n hersiene weergawe sal binnekort verskyn. I8217ve het altyd gewonder oor hierdie, dankie vir die beskrywing van dit so duidelik. Ek dink nog 'n rede die eerste formulering is mooi is alfa kaarte te 8216smoothness8217: 'n hoër keuse van Alpha beteken 'n 8216more smooth8217 uitset. Michael Dankie vir waarneming 8211 ék sal by die artikel iets op die lyne as dit is altyd beter na my mening in verband te bring fisiese aspekte. Dr Mercer, Uitstekende artikel, dankie. Ek het 'n vraag oor die tydkonstante wanneer dit gebruik word met 'n wgk detector as in 'n gesonde vlak meter wat jy verwys na in die artikel. As ek jou vergelykings om 'n eksponensiële filter met tydkonstante 125ms model en gebruik 'n inset stap sein, kan ek wel 'n uitset wat na 125ms, is 63.2 van die finale waarde te kry. Maar as ek die insetsein Square en sit dit deur die filter, dan sien ek dat ek nodig het om die tydkonstante ten einde te verdubbel vir die sein om te bereik 63,2 van sy finale waarde in 125ms. Kan jy my laat weet as dit verwag word. Baie dankie. Ian Ian, As jy 'n sein soos 'n sinusgolf vierkante dan basies jy verdubbeling van die frekwensie van die fundamentele sowel as die bekendstelling van baie ander frekwensies. Omdat die frekwensie het in effek is verdubbel dan is dit om 8216reduced8217 deur 'n groter bedrag deur die laagdeurlaatfilter. Gevolglik neem dit langer om dieselfde amplitude bereik. Die kwadratuur werking is 'n nie lineêre werking so ek dink nie dit sal altyd presies verdubbel in alle gevalle, maar dit sal neig om te verdubbel as ons 'n dominante lae frekwensie. Let ook daarop dat die ewenaar van 'n kwadraat sein is twee keer die ewenaar van die 8220un-squared8221 sein. Ek vermoed dat jy dalk probeer om 'n vorm van gemiddelde vierkante glad, wat is heeltemal fyn en geldig te kry. Dit mag dalk beter wees om die filter toe te pas en dan vierkant as jy weet wat die effektiewe donker. Maar as alles wat jy het, is die kwadraat sein dan met behulp van 'n faktor van 2 tot verander jou filter alfa waarde sal ongeveer kry jy terug na die oorspronklike snit af frekwensie, of om dit 'n bietjie makliker te definieer jou afsnyfrekwensie teen dubbel die oorspronklike. Dankie vir jou reaksie Dr Mercer. My vraag is regtig probeer om dit wat eintlik gedoen in 'n wgk detector van 'n gesonde vlak meter te kry. As die tydkonstante is ingestel vir 8216fast8217 (125ms) Ek sou gedink het dat intuïtief jy sou verwag dat 'n sinusvormige insetsein om 'n uitset van 63,2 van sy finale waarde te produseer na 125ms, maar aangesien die sein word vierkantig voordat dit na die 8216mean8217 opsporing, sal dit eintlik neem twee keer so lank as wat jy verduidelik. Die beginsel doel van die artikel is om die ekwivalensie van RC filter en eksponensiële gemiddelde wys. As ons praat oor die integrasie tyd gelykstaande aan 'n ware vierkantige integreerder dan korrek dat daar 'n faktor van twee betrokke is. Eintlik as ons 'n ware vierkantige integreerder wat integreer vir Ti sekondes die ekwivalent RC integator tyd om dieselfde resultaat te bereik is 2RC sekondes. Ti is anders as die RC 8216time constant8217 T wat RC. So as ons 'n 8216Fast8217 tydkonstante van 125 msec, dit is RC 125 msec dan is dit gelykstaande aan 'n ware integrasie tyd van 250 msec Dankie vir die artikel, dit was baie behulpsaam. Daar is 'n paar onlangse vraestelle in neurowetenskap wat 'n kombinasie van EMO filters (kort met venster EMO 8211 langtermyn-met venster EMO) gebruik as 'n banddeurlaatfilter vir die regte tyd sein analise. Ek wil graag om hulle toe te pas, maar ek sukkel met die venster groottes verskillende navorsingsgroepe gebruik en sy korrespondensie met die afsnyfrekwensie. Let8217s sê ek wil al die frekwensies onder 0.5Hz (aprox) hou en dat ek verkry 10 monsters / sekonde. Dit beteken dat FP 0.5Hz P 2s T P / 100,2 h 1 / fs0.1 Thefore, die venster grootte Ek moet met behulp van moet N3 wees. Is dit redenasie korrek voordat jy jou vraag wat ek moet kommentaar lewer oor die gebruik van twee hoë slaagsyfer filters om 'n bandlaatfilter vorm. Vermoedelik hulle funksioneer as twee afsonderlike strome, sodat 'n gevolg is van die inhoud van seggenskap latexf / latex om die helfte monster tempo en die ander is die inhoud van seggenskap latexf / latex om die helfte monster tempo. As alles wat hy gedoen het, is die verskil in gemiddelde vierkante vlakke as 'n aanduiding van die krag in die band van latexf / latex om latexf / latex dan is dit dalk redelik wees indien die twee afgesny frekwensies voldoende ver van mekaar, maar ek verwag dat die mense wat dit gebruik hierdie tegniek probeer om 'n nouer band te filter na te boots. Na my mening dat onbetroubare vir ernstige werk sou wees, en sal 'n bron van kommer wees. Net vir verwysing 'n bandlaatfilter is 'n kombinasie van 'n lae frekwensie High Pass filter om die lae frekwensies en 'n hoë frekwensie Laaglaatfilter verwyder om die hoë frekwensies te verwyder. Daar is natuurlik 'n lae slaagsyfer vorm van 'n RC filter, en dus 'n ooreenstemmende EMO. Miskien al my oordeel is dat oorkrities sonder om te weet al die feite dus kan jy stuur vir my 'n paar verwysings na die studies wat jy genoem het, so ek kan kritiseer, soos toepaslik. Miskien het hulle is met behulp van 'n lae slaagsyfer asook 'n hoë slaag filter. Nou draai om jou werklike vraag oor hoe om te bepaal N vir 'n gegewe teiken afsnyfrekwensie Ek dink dit is die beste om die basiese vergelyking T (N-1) h gebruik. Die gesprek oor tydperke is daarop gemik om mense 'n gevoel van wat aangaan. So sien die afleiding hieronder. Ons het die verhoudings latexT (N-1) h / latex en latexT1 / 2 / latex waar latexfc / latex is die veronderstelde afsnyfrekwensie en h die tyd tussen monsters, duidelik latexh 1 / / latex waar latexfs / latex is die monster tempo in monsters / sek. Herrangskik T (N-1) h in 'n geskikte vorm om die afsnyfrekwensie, latexfc / latex en die monster tempo, latexfs / latex, word hieronder getoon sluit. So met behulp latexfc 0.5Hz / latex en latexfs 10 / latex monsters / sek sodat latex (FC / VS) 0.05 / latex gee sodat die naaste heelgetal waarde is 4. Re-reël van die bogenoemde het ons so met N4 ons het latexfc 0,5307 Hz / latex. Die gebruik van N3 gee 'n latexfc / latex van 0,318 Hz. Let met N1 ons 'n volledige kopie met geen filtering. The bewegende gemiddelde as 'n Filter Die bewegende gemiddelde is dikwels gebruik vir glad data in die teenwoordigheid van ruis. Die eenvoudige bewegende gemiddelde is nie altyd erken as die Eindige Impulse Response (FIR) filter dat dit, terwyl dit eintlik een van die mees algemene filters in seinverwerking. Die behandeling van dit as 'n filter kan vergelyk dit met byvoorbeeld met venster-sed filters (sien die artikels oor lae-pass. Hoë-pass. En orkes-pass en orkes-verwerp filters vir voorbeelde van diegene). Die groot verskil met dié filters is dat die bewegende gemiddelde is geskik vir seine waarvoor die nuttige inligting is vervat in die tydgebied. waarvan glad metings deur die gemiddeld is 'n uitstekende voorbeeld. 'N klein venster-sed filters, aan die ander kant, is sterk presteerders in die frekwensiedomein. met gelykmaking in klank verwerking as 'n tipiese voorbeeld. Daar is 'n meer gedetailleerde vergelyking van beide tipes filters in Time Domain teen frekwensiedomein Performance filters. As jy inligting soek wat beide die tyd en die frekwensie domein is belangrik, dan kan jy 'n blik op variasies op die bewegende gemiddelde het. wat bied 'n aantal geweegde weergawes van die bewegende gemiddelde wat beter op daardie is. Die bewegende gemiddelde lengte (N) kan gedefinieer word as geskryf soos dit tipies is geïmplementeer, met die huidige uitset monster as die gemiddelde van die vorige (N) monsters. Gesien word as 'n filter, die bewegende gemiddelde voer 'n konvolusie van die insette volgorde (xn) met 'n vierkantige pols van lengte (N) en hoogte (1 / N) (om die oppervlakte van die pols te maak, en dus die wins van die filter, een). In die praktyk is dit die beste om (N) vreemd neem. Hoewel 'n bewegende gemiddelde ook kan bereken word met behulp van 'n gelyke getal monsters, met behulp van 'n vreemde waarde vir (N) het die voordeel dat die vertraging van die filter 'n heelgetal van monsters sal wees nie, aangesien die vertraging van 'n filter met (N) monsters is presies ((N-1) / 2). Die bewegende gemiddelde kan dan presies in lyn wees met die oorspronklike data deur die verskuiwing dit deur 'n heelgetal van monsters. Tyd Domain Sedert die bewegende gemiddelde is 'n konvolusie met 'n vierkantige pols, sy frekwensieweergawe is 'n sed funksie. Dit maak dit iets soos die dubbele van die klein venster-sed filter, want dit is 'n konvolusie met 'n sed pols wat lei tot 'n vierkantige frekwensieweergawe. Dit is hierdie sed frekwensieweergawe dat die bewegende gemiddelde n swak presteerder in die frekwensiedomein maak. Maar dit doen baie goed in die tydgebied. Daarom is dit ideaal om data glad geraas te verwyder, terwyl op dieselfde tyd nog 'n vinnige stap reaksie (figuur 1) hou. Vir die tipiese byvoeging Wit Gaussiese ruis (SWGR) wat dikwels aanvaar, gemiddeld (N) monsters het die effek van die verhoging van die SNR met 'n faktor van (sqrt N). Sedert die geraas vir die individuele monsters is ongekorreleerd, daar is geen rede om elke monster anders te behandel. Vandaar die bewegende gemiddelde, wat elke monster dieselfde gewig gee, sal ontslae te raak van die maksimum bedrag van geraas vir 'n gegewe stap reaksie skerp. Implementering Omdat dit 'n FIR filter, kan die bewegende gemiddelde geïmplementeer deur konvolusie. Dit sal dan dieselfde doeltreffendheid (of die gebrek daaraan) as enige ander FIR filter. Maar dit kan ook rekursief geïmplementeer, in 'n baie doeltreffende manier. Dit volg direk uit die definisie dat hierdie formule is die gevolg van die uitdrukkings vir (yn) en (yn1), dit wil sê, waar ons sien dat die verandering tussen (yn1) en (yn) is dat 'n ekstra termyn (xn1 / N) verskyn aan die einde, terwyl die term (xn-N1 / N) van die begin af verwyder. In praktiese toepassings, is dit dikwels moontlik om uit te laat die verdeling deur (N) vir elke kwartaal deur vergoed vir die gevolglike wins van (N) in 'n ander plek. Dit rekursiewe implementering sal baie vinniger as konvolusie wees. Elke nuwe waarde van (y) kan bereken word met net twee toevoegings, in plaas van die (N) toevoegings wat vir 'n eenvoudige implementering van die omskrywing nodig sou wees. Een ding om op die uitkyk vir 'n rekursiewe implementering is dat afrondingsfoute sal ophoop. Dit mag of mag nie 'n probleem vir jou aansoek nie, maar dit beteken ook dat dit rekursiewe implementering eintlik beter met 'n heelgetal implementering sal werk as met swaai-punt getalle. Dit is nogal 'n ongewone, aangesien 'n drywende punt implementering is gewoonlik makliker. Die sluiting van dit alles moet wees dat jy nooit die nut van die eenvoudige bewegende gemiddelde filter in seinverwerking aansoeke moet onderskat nie. Filterontwerp Tool Hierdie artikel word aangevul met 'n Filter Ontwerp instrument. Eksperimenteer met verskillende waardes vir (N) en visualiseer die gevolglike filters. Probeer dit nou
No comments:
Post a Comment