Moving Average Funkcja resultmovingmean (data, window, dim, option) oblicza wyśrodkowaną średnią ruchomą danych macierzy danych przy użyciu rozmiaru okna określonego w oknie w wymiarze dim, przy użyciu algorytmu określonego w opcji. Dim i opcja są opcjonalnymi wejściami i będą domyślnie ustawione na 1. Dim a opcja opcjonalne wejścia mogą być całkowicie pominięte lub mogą być zastąpione przez a. Na przykład movemean (data, window) da takie same wyniki jak movemean (data, window, 1,1) lub movingmean (data, okno, 1). Rozmiar i wymiar macierzy danych wejściowych jest ograniczony tylko przez maksymalny rozmiar macierzy dla platformy użytkownika. Okno musi być liczbą całkowitą i powinno być nieparzyste. Jeśli okno jest równe, jest zaokrąglane w dół do następnej niższej liczby nieparzystej. Funkcja oblicza średnią ruchomą zawierającą punkt środkowy i (okno-1) 2 elementy przed i po w określonym wymiarze. Na krawędziach macierzy liczba elementów przed lub po jest zmniejszana, aby rzeczywisty rozmiar okna był mniejszy niż określone okno. Funkcja podzielona jest na dwie części, algorytm 1d-2d i algorytm 3d. Dokonano tego w celu optymalizacji szybkości rozwiązania, zwłaszcza w mniejszych macierzach (to jest 1000 x 1). Ponadto zapewniono kilka różnych algorytmów problemów 1d-2d i 3d, ponieważ w niektórych przypadkach domyślny algorytm nie jest najszybszy. Zwykle dzieje się tak, gdy matryca jest bardzo szeroka (tj. 100 x 100000 lub 10 x 1000 x 1000), a średnia ruchoma jest obliczana w krótszym wymiarze. Rozmiar, w którym domyślny algorytm jest wolniejszy, zależy od komputera. MATLAB 7.8 (R2009a) Tagi dla tego pliku Proszę się zalogować, aby otagować pliki. Zaloguj się, aby dodać komentarz lub ocenę. Komentarze i oceny (8) Funkcja zajmuje się końcami poprzez przycięcie końcowej lub wiodącej części okna i przejście do początkowej lub końcowej średniej ruchomej zamiast wyśrodkowanej. Aby przejść do przykładu podanego w komentarzu, jeśli rozmiar okna wynosi 3, to w środku 1 funkcja średnie dane z punktów 1 i 2 w środku 2 punktów 1, 2 i 3 są uśredniane w centrum 9 punkty 8, 9 i 10 są uśredniane iw centrum 10 (pozwala przypuszczać, że wektor ma 10 wpisów) punkty 9 i 10 są uśredniane. W jaki sposób movemean radzi sobie z końcami Czy zaczyna się od rozmiaru okna obejmującego tylko punkt 1 w punkcie 1, a następnie 3 punkty w punkcie 2, a następnie zwiększający rozmiar okna, aż do rozmiaru okna określonego w funkcji wejściowej Dzięki. Ładne i proste. Dziękuję Ci. Dobra robota Bardzo przydatne, jak powiedział Stephan Wolf. Właśnie tego szukałem. Wyśrodkowana średnia ruchoma, która może pracować na wykresie na całej szerokości, bez konieczności szukania rozmiaru okna filtru i przesuwania początku. Wielkie Przyspieszenie tempa inżynierii i nauki MathWorks jest wiodącym twórcą oprogramowania obliczeniowego dla inżynierów i naukowców. Przeprowadzanie filtrów średnich (filtr MA) Ładowanie. Filtr średniej ruchomej to prosty filtr dolnoprzepustowy FIR (Finite Impulse Response), powszechnie stosowany do wygładzania tablicy próbkowanych sygnałów danych. Przyjmuje M próbek danych wejściowych na raz i pobiera średnią z tych M-próbek i generuje pojedynczy punkt wyjściowy. Jest to bardzo prosta struktura LPF (filtr dolnoprzepustowy), która jest przydatna naukowcom i inżynierom do filtrowania niechcianego hałaśliwego komponentu z zamierzonych danych. Wraz ze wzrostem długości filtra (parametr M) zwiększa się gładkość wyjścia, podczas gdy ostre przejścia w danych stają się coraz bardziej tępe. Oznacza to, że ten filtr ma doskonałą odpowiedź w dziedzinie czasu, ale słabą odpowiedź częstotliwościową. Filtr MA wykonuje trzy ważne funkcje: 1) Pobiera M punktów wejściowych, oblicza średnią z tych M-punktów i generuje pojedynczy punkt wyjściowy 2) Z powodu obliczeń związanych z obliczaniem. filtr wprowadza określoną ilość opóźnienia 3) Filtr działa jako filtr dolnoprzepustowy (z niską odpowiedzią częstotliwościową i dobrą odpowiedzią w dziedzinie czasu). Kod Matlaba: następujący kod Matlaba symuluje odpowiedź w czasie w odniesieniu do punktu ruchomej średniej klasy M-point, a także kreśli odpowiedź częstotliwościową dla różnych długości filtrów. Odpowiedź w dziedzinie czasu: Na pierwszym wykresie mamy dane wejściowe, które trafiają do filtra średniej ruchomej. Wejście jest głośne, a naszym celem jest zmniejszenie hałasu. Następna figura jest odpowiedzią wyjściową 3-punktowego filtra średniej ruchomej. Z rysunku można wywnioskować, że trzypunktowy filtr średniej ruchomej nie przyczynił się do odfiltrowania hałasu. Zwiększamy odczepy filtrów do 51-punktów i widzimy, że hałas na wyjściu znacznie się zmniejszył, co przedstawiono na następnym rysunku. Zwiększamy pobory o kolejne 101 i 501 i możemy zauważyć, że nawet pomimo tego, że hałas jest prawie zerowy, przejścia są drastycznie stępione (obserwuj nachylenie po obu stronach sygnału i porównaj je z idealną zmianą ściany ceglanej w nasz wkład). Pasmo przenoszenia: na podstawie odpowiedzi częstotliwościowej można stwierdzić, że zwinięcie jest bardzo wolne, a tłumienie pasma zatrzymania nie jest dobre. Biorąc pod uwagę to tłumienie pasma zatrzymania, filtr o średniej ruchomej nie może oddzielić jednego pasma częstotliwości od drugiego. Jak wiemy, dobra wydajność w dziedzinie czasu skutkuje słabą wydajnością w dziedzinie częstotliwości i na odwrót. Krótko mówiąc, średnia krocząca jest wyjątkowo dobrym filtrem wygładzającym (działanie w dziedzinie czasu), ale wyjątkowo złym filtrem dolnoprzepustowym (działanie w dziedzinie częstotliwości). Linki zewnętrzne: Polecane książki: Główny pasek bocznyI Muszę obliczyć ruchomy średnia w serii danych w pętli for. Muszę uzyskać średnią kroczącą powyżej N9 dni. Tablica Im computing in to 4 serie 365 wartości (M), które same są wartościami średnimi innego zestawu danych. Chcę wykreślić średnie wartości moich danych za pomocą średniej ruchomej na jednym wykresie. Wyszukałem trochę informacji o przenoszeniu średnich i komendach conv i znalazłem coś, co próbowałem implementować w swoim kodzie. W zasadzie obliczyłem swoją średnią i narysowałem ją za pomocą (niewłaściwej) średniej kroczącej. Wybrałem wartość wts bezpośrednio na stronie mathworks, więc jest to nieprawidłowe. (źródło: mathworks. nlhelpeconmoving-average-trend-estimation. html) Mój problem polega jednak na tym, że nie rozumiem, co to jest. Ktoś mógłby wyjaśnić, jeśli ma coś wspólnego z wagami wartości: w tym przypadku jest to nieważne. Wszystkie wartości są ważone tak samo. A jeśli robię to całkowicie nie tak, czy mogę uzyskać pomoc w tym zakresie Moje najszczersze podziękowania. pytanie 23 września 14 o 19:05 Korzystanie z conv to doskonały sposób na wprowadzenie średniej kroczącej. W kodzie, którego używasz, wts jest tym, ile ważysz każdej wartości (jak zgadłeś). suma tego wektora powinna zawsze być równa jednej. Jeśli chcesz ważyć równomiernie każdą wartość i wykonać filtr przesuwający o rozmiarze N, to zechcesz. Użycie poprawnego argumentu w conv spowoduje, że masz mniej wartości w Ms niż w M. Użyj tego samego, jeśli nie masz nic przeciwko efektom zero padding. Jeśli masz zestaw narzędzi do przetwarzania sygnałów, możesz użyć cconv, jeśli chcesz wypróbować średnią ruchomą kołową. Coś jak Ty powinieneś przeczytać dokumentację conv i cconv, aby uzyskać więcej informacji, jeśli już tego nie zrobiłeś. Możesz użyć filtru, aby znaleźć średnią bieżącą bez użycia pętli for. W tym przykładzie znajduje się średnia bieżąca z 16-elementowego wektora, używając okna o wielkości 5. 2) gładka jako część Przybornika dopasowania krzywej (która jest dostępna w większości przypadków) yy gładka (y) wygładza dane w wektorze kolumny y przy użyciu filtra średniej ruchomej. Wyniki są zwracane w wektorze kolumny yy. Domyślny zakres średniej kroczącej to 5.
No comments:
Post a Comment