Moving Media Filtro Deutsch

Un filtro digitale introduttivo ben aperte MicroModeler DSP e selezionare un filtro digitale dalla barra degli strumenti in alto e trascinarlo alla nostra applicazione. Ebbene scegliere un filtro a media mobile perché il suo uno dei più semplici tipi di filtri. Dopo si lascia cadere il filtro, i display verranno aggiornati automaticamente. (Clicca per lanciare MicroModeler DSP in una nuova finestra) Sappiamo tutti cosa è una media - aggiungiamo i numeri insieme e dividere per quanti ce ne sono. Un filtro media mobile fa proprio questo. Memorizza una storia degli ultimi numeri N ed emette la loro media. Ogni volta che un nuovo numero arriva, la media è effettivamente ricalcolato dai campioni conservati e un nuovo numero è in uscita. La risposta in frequenza di un filtro In alto a destra, vediamo il grafico di grandezza vs frequenza, o quanto diverse frequenze sarà amplificato o ridotto dal filtro media mobile. Come ci si potrebbe aspettare, con una media degli ultimi campioni N si applicherà un certo tipo di attenuazione del segnale, mantenendo le frequenze basse e rimuovere le alte frequenze. Siamo in grado di controllare il numero di ingressi precedenti, o campioni che la media è di regolare la lunghezza del filtro, N. Regolando questo, possiamo vedere che abbiamo un po 'di controllo di base su cui frequenze possono passare e che vengono scartati. L'interno di un filtro Se guardiamo la vista della struttura, siamo in grado di vedere ciò che l'interno di un filtro a media mobile potrebbe essere simile. Lo schema è stato annotato per mostrare ciò che significano i diversi simboli. Lo Z -1 simboli significano ritardo da un campione di tempo ed i simboli significano aggiungere o combinare i segnali. Le frecce indicano moltiplicano (si pensi amplificare, ridurre o scala) il segnale per l'importo indicato alla destra della freccia. Per una media di 5 campioni, prendiamo un quinto (0.2) del campione più recente, un quinto del secondo campione più recente e così via. La catena di ritardi è chiamata una linea di ritardo con il segnale di ingresso essendo ritardato di un passo ulteriore tempo come si procede lungo la linea di ritardo. Le frecce sono anche chiamati rubinetti, così si potrebbe quasi immaginarli come rubinetti come quella di lavello della cucina che sono tutti un quinto aperta. Si può immaginare il segnale scorre sulla sinistra e progressivamente ritardata mentre si muove lungo la linea di ritardo, poi ricombinati in diversi punti di forza attraverso i rubinetti per formare l'uscita. Dovrebbe anche essere facile vedere che l'uscita del filtro sarà: che è l'equivalente alla media degli ultimi 5 campioni. (Input t-N, l'input ritardato dal tempo t-N) In pratica il codice generato da MicroModeler DSP utilizzerà trucchi per fare in modo più efficiente, in modo che solo primi e ultimi campioni devono essere coinvolti, ma il diagramma è bene per scopi illustrativi. Se si riesce a capire questo, allora si può avere un'idea di ciò un filtro FIR è. Un filtro FIR è identico al filtro media mobile ma invece di tutte le forze rubinetto che è lo stesso, possono essere diversi. Qui abbiamo un media filtrante in movimento e un filtro FIR. Si può vedere che sono strutturalmente la stessa, l'unica differenza è i punti di forza dei rubinetti. La prossima sezione vi introdurrà alla Finite Impulse Response (FIR) filtri. Variando i punti di forza rubinetto, possiamo creare vicino a qualsiasi risposta in frequenza che want. The mobile semplice filtro a media Questa pagina descrive il semplice filtro a media mobile. Questa pagina fa parte della sezione di filtraggio che fa parte di una guida Fault Detection and Diagnosis .. I media mobile semplice filtro medie valori recenti dell'ingresso filtro per un determinato numero di ingressi. Questo è l'esempio più comune della categoria 8220moving media 8221 (MA) di filtri, chiamati anche risposta impulsiva (FIR) filtri finiti. Ogni ingresso recente è moltiplicato per un coefficiente di tutti i filtri MA lineari, ei coefficienti sono tutti uguali per questo semplice media mobile. La somma dei coefficienti è 1.0, in modo che l'uscita eventualmente corrisponda all'ingresso quando il cambiamento di ingresso doesn8217t. La sua uscita dipende solo da ingressi recenti, a differenza del filtro esponenziale che riutilizza anche la sua uscita precedente. L'unico parametro è il numero di punti nel medio - la size8221 8220window. Media mobile passo risposta Come ogni filtro MA, completa una risposta a gradino in un tempo finito a seconda della dimensione della finestra: Questo mobile semplice esempio sopra la media era basato su 9 punti. Sotto ipotesi modesti, che fornisce la stima ottimale (smoothing) per un valore a metà dell'intervallo di tempo, in questo caso, 4,5 intervalli di campionamento in passato. Copyright 2010 - 2013, Greg StanleyMoving media filtro è possibile utilizzare il modulo di Moving Average filtro di calcolare una serie di medie unilaterali o fronte-retro su un set di dati, utilizzando una lunghezza finestra che si specifica. Dopo aver definito un filtro che soddisfi le vostre esigenze, è possibile applicare a colonne selezionate in un set di dati collegandolo al modulo Applica filtro. Il modulo fa tutti i calcoli e sostituisce i valori all'interno di colonne numeriche con le corrispondenti medie mobili. È possibile utilizzare la media mobile risultante per la stampa e la visualizzazione, come una nuova linea di base liscia per la modellazione, per calcolare variazioni contro i calcoli per i periodi simili, e così via. Questo tipo di media aiuta a rivelare e previsioni utili schemi temporali nei dati retrospettivi e in tempo reale. Il tipo più semplice di media mobile inizia ad un certo campione di serie, e utilizza la media di tale posizione più i precedenti n posizioni anziché il valore effettivo. (È possibile definire n che vuoi.) Più lungo è il periodo di n attraverso cui la media è calcolata, meno di varianza si avrà tra i valori. Inoltre, come si aumenta il numero di valori utilizzato, l'effetto netto di qualsiasi singolo valore ha in media risultante. Una media mobile può essere unilaterale o bilaterale. In una media di un solo lato, vengono utilizzati solo i valori precedenti il ​​valore dell'indice. In una media su due lati, vengono utilizzati i valori passati e futuri. Per gli scenari in cui si sta leggendo i dati in streaming, medie mobili cumulativi e ponderati sono particolarmente utili. Una media mobile cumulativo prende in considerazione i punti che precedono il periodo in corso. È possibile pesare tutti i punti dati ugualmente nel calcolo della media, oppure è possibile garantire che i valori più vicini al punto di dati corrente sono ponderati con più forza. In una media mobile ponderata. Tutti i pesi devono sommare a 1. In una media mobile esponenziale. le medie sono costituiti da una testa e una coda. che può essere ponderato. Una coda leggermente ponderata significa che la coda segue la testa abbastanza da vicino, quindi la media si comporta come una media mobile su un breve periodo di ponderazione. Quando i pesi di coda sono più pesanti, la media si comporta più come un lungo media mobile semplice. Aggiungere il modulo di Moving Average filtro per l'esperimento. Per lunghezza. digitare un valore numero intero positivo che definisce la dimensione totale della finestra su cui è applicato il filtro. Questo è anche chiamato la maschera di filtro. Per una media mobile, la lunghezza del filtro determina quanti valori sono la media nella finestra scorrevole. filtri più lunghi sono anche chiamati filtri di ordine superiore, e di fornire una più ampia finestra di calcolo e un'approssimazione più vicina della linea di tendenza. filtro di ordine più brevi o inferiore utilizzano una finestra più piccola di calcolo e assomigliano più da vicino i dati originali. Per Tipo. scegliere il tipo di media mobile da applicare. Azure Machine Learning Studio supporta i seguenti tipi di movimento calcoli medi: Una media mobile semplice (SMA) è calcolato come media ponderata di rotolamento. medie mobili triangolari (TMA) sono in media due volte per una linea di tendenza più agevole. La parola triangolare deriva dalla forma dei pesi che vengono applicate ai dati, che sottolinea valori centrali. Una media mobile esponenziale (EMA) dà più peso ai dati più recenti. La ponderazione cade in modo esponenziale. Una media mobile esponenziale modificata calcola una media di corsa in movimento, in cui calcolare la media mobile in qualsiasi punto considera i precedentemente calcolata in movimento punti a tutti i precedenti media. Questo metodo produce una linea di tendenza più agevole. Dato un unico punto e una media mobile attuale, la media mobile cumulativa (CMA) calcola la media mobile a punto corrente. Aggiungere il set di dati che ha i valori che si desidera calcolare una media mobile per, e aggiungere il modulo Applica filtro. Collegare il Moving Filter Media all'ingresso sinistro Applica filtro. e collegare il set di dati per l'ingresso a destra. Nel modulo Applica filtro, utilizzare il selettore di colonna per specificare quali colonne il filtro deve essere applicato. Per impostazione predefinita, il filtro si crea sarà applicato a tutte le colonne numeriche, in modo da essere sicuri di escludere tutte le colonne che non hanno dati appropriati. Simula. A quel punto, per ogni insieme di valori definito dal parametro lunghezza del filtro, la corrente (o indice) il valore viene sostituito con la media mobile value. The Media mobile come filtro La media mobile è spesso usato per filtrare i dati in presenza di rumore. La media mobile non è sempre riconosciuta come filtro Finite Impulse Response (FIR) che è, mentre è in realtà uno dei filtri più comuni nel trattamento del segnale. Trattandolo come un filtro consente il confronto con, per esempio,-sinc finestrate filtri (vedi gli articoli sul passa-basso.. Banda passa-passa-alto e e-banda rifiutano filtri per gli esempi di quelli). La differenza principale con questi filtri è che la media mobile è adatto per segnali per cui le informazioni utili è contenuto nel dominio del tempo. dei quali lisciatura misurazioni facendo la media è un ottimo esempio. filtri finestrato-sinc, d'altro canto, sono forti esecutori nel dominio della frequenza. con equalizzazione in elaborazione audio come esempio tipico. C'è un confronto più dettagliato di entrambi i tipi di filtri nel dominio del tempo vs prestazioni dominio della frequenza dei filtri. Se si dispone di dati per i quali sia il tempo e dominio della frequenza sono importanti, allora si potrebbe desiderare di avere uno sguardo al Variazioni sul media mobile. che presenta un certo numero di versioni ponderata della media mobile che sono meglio a questo. La media mobile di lunghezza (N) può essere definito come scritto come è tipicamente implementato, con il campione di uscita corrente come media dei campioni precedenti (N). Visto come un filtro, la media mobile esegue una convoluzione della sequenza di input (xn) con un impulso rettangolare di lunghezza (N) e l'altezza (1N) (per rendere l'area del polso, e, di conseguenza, il guadagno del filtro , uno ). In pratica, è meglio prendere (N) dispari. Sebbene una media mobile può anche essere calcolata utilizzando un numero di campioni, utilizzando un valore dispari per (N) ha il vantaggio che il ritardo del filtro sarà un numero intero di campioni, poiché il ritardo di un filtro con (N) campioni è esattamente ((N-1) 2). La media mobile può quindi essere allineato esattamente ai dati originali spostandolo da un numero intero di campioni. Time Domain Poiché la media mobile è una convoluzione con un impulso rettangolare, la sua risposta in frequenza è una funzione sinc. Questo rende qualcosa come il duale del filtro finestrato-sinc, dal momento che è una convoluzione con un impulso sinc che si traduce in una risposta in frequenza rettangolare. È questa risposta in frequenza sinc che rende la media mobile un esecutore povero nel dominio della frequenza. Tuttavia, esso funziona molto bene nel dominio del tempo. Pertanto, è ideale per lisciare i dati per rimuovere il rumore, mentre allo stesso tempo mantenendo una risposta a gradino veloce (Figura 1). Per il tipico rumore additivo gaussiano bianco (AWGN) che è spesso assunto, media campioni (N) ha l'effetto di aumentare il SNR di un fattore (sqrt N). Dal momento che il rumore per i singoli campioni non è correlata, non vi è alcun motivo di trattare ogni campione in modo diverso. Quindi, la media mobile, che dà ogni campione lo stesso peso, sarà sbarazzarsi della quantità massima di rumore per una data nitidezza risposta al gradino. Attuazione Poiché è un filtro FIR, la media mobile può essere attuato mediante convoluzione. Si avrà quindi la stessa efficacia (o la mancanza di esso) come qualsiasi altro filtro FIR. Tuttavia, può anche essere implementato in modo ricorsivo, in maniera molto efficiente. Segue direttamente dalla definizione che questa formula è il risultato delle espressioni per (yn) e (YN1), vale a dire, in cui si nota che il cambio tra (YN1) e (yn) è che un termine supplementare (xn1N) appare in alla fine, mentre il termine (xn-n1n) viene rimosso dall'inizio. Nelle applicazioni pratiche, è spesso possibile omettere la divisione per (N) per ogni termine compensando il guadagno risultante di (N) in un altro luogo. Questo ricorsiva attuazione sarà molto più veloce di convoluzione. Ogni nuovo valore (y) può essere calcolato con solo due aggiunte, invece dei (N) aggiunte che sarebbe necessaria per un'attuazione semplice della definizione. Una cosa da guardare fuori per una implementazione ricorsiva è che errori di arrotondamento si accumulano. Questo può o non può essere un problema per la vostra applicazione, ma implica anche che questo ricorsiva implementazione potrà mai funzionare meglio con un'implementazione intero che con numeri in virgola mobile. Questo è piuttosto insolito, poiché una implementazione in virgola mobile solito è più semplice. La conclusione di tutto questo deve essere che non bisogna mai sottovalutare l'utilità del semplice filtro media mobile nelle applicazioni di elaborazione dei segnali. Filter Design Tool Questo articolo è completato con uno strumento Filter Design. Esperimento con diversi valori di (N) e visualizzare i filtri risultanti. Provalo ora