نقل متوسط طول الفلتر

المتوسط ​​المتحرك كمصفاة غالبا ما يستخدم المتوسط ​​المتحرك لتيسير البيانات في وجود ضوضاء. والمتوسط ​​المتحرك البسيط لا يعترف به دائما على أنه مرشاح الاستجابة النبضية المحددة (فير)، وهو في الواقع أحد المرشحات الأكثر شيوعا في معالجة الإشارات. التعامل معها كفلتر يسمح مقارنتها مع، على سبيل المثال، مرشحات المخلوطة نافذة (انظر المقالات على تمريرة المنخفضة. تمريرة عالية، والمرشحات تمريرة النطاق والترفض الفرقة لأمثلة على تلك). والفرق الرئيسي مع تلك المرشحات هو أن المتوسط ​​المتحرك مناسب للإشارات التي ترد المعلومات المفيدة في المجال الزمني. والتي تعد قياسات التمهيد عن طريق حساب المتوسط ​​مثالا رئيسيا. ومن ناحية أخرى، فإن المرشحات المخلوطة بالنافذة، هي عوامل أداء قوية في مجال الترددات. مع تحقيق المساواة في معالجة الصوت كمثال نموذجي. هناك مقارنة أكثر تفصيلا لكلا النوعين من المرشحات في المجال الزمني مقابل نطاق التردد أداء الفلاتر. إذا كانت لديك بيانات يكون كل من نطاق الوقت ونطاق التردد فيها هاما، فقد تحتاج إلى إلقاء نظرة على الاختلافات في المتوسط ​​المتحرك. الذي يعرض عددا من النسخ المرجحة للمتوسط ​​المتحرك الأفضل في ذلك. ويمكن تعريف المتوسط ​​المتحرك للطول (N) كما هو مكتوب كما هو مطبق عادة، مع عينة الانتاج الحالي كمتوسط ​​للعينات السابقة (N). ويرى المتوسط ​​المتحرك أن توليفة تتابع الدخل (شن) ذات نبضة مستطيلة طولها (N) والارتفاع (1N) (لجعل منطقة النبضة، وبالتالي كسب المرشاح ، واحد). في الممارسة العملية، فمن الأفضل أن تأخذ (N) الغريب. وعلى الرغم من إمكانية حساب متوسط ​​متحرك باستعمال عدد متساو من العينات، فإن استخدام قيمة غريبة ل (N) له ميزة مفادها أن تأخر المرشح سيكون عددا صحيحا من العينات، نظرا لأن تأخر المرشاح (N) العينات هو بالضبط ((N-1) 2). ويمكن بعد ذلك مواءمة المتوسط ​​المتحرك تماما مع البيانات الأصلية بتحويله بعدد صحيح من العينات. المجال الزمني نظرا لأن المتوسط ​​المتحرك هو ارتباط مع نبضة مستطيلة، فإن استجابته للتردد هي دالة صادقة. هذا يجعل من شيء مثل المزدوج من المرشح المصدق نافذة، لأن هذا هو التلازم مع نبض مخلص يؤدي إلى استجابة التردد مستطيلة. هذا هو استجابة التردد المخلص الذي يجعل المتوسط ​​المتحرك أداء ضعيف في مجال التردد. ومع ذلك، فإنه يؤدي بشكل جيد جدا في المجال الزمني. ولذلك، فإنه مثالي لنعومة البيانات لإزالة الضوضاء بينما في نفس الوقت لا تزال تحافظ على استجابة خطوة سريعة (الشكل 1). وبالنسبة للضوضاء البيضاء النموذجية المضافة (غوسيان نويز) (أوغن) التي غالبا ما تفترض، فإن عينات المتوسط ​​(N) لها تأثير زيادة نسبة شنر بعامل (سرت N). وبما أن الضوضاء للعينات الفردية غير مترابطة، فلا يوجد سبب لمعالجة كل عينة بشكل مختلف. وبالتالي، فإن المتوسط ​​المتحرك، الذي يعطي كل عينة نفس الوزن، والتخلص من أقصى قدر من الضوضاء لحدة استجابة خطوة معينة. التنفيذ نظرا لأنه مرشح من نوع فير، يمكن تنفيذ المتوسط ​​المتحرك من خلال الالتفاف. ومن ثم سيكون لها نفس الكفاءة (أو عدم وجودها) مثل أي مرشح آخر لتصفية معلومات الطيران. ومع ذلك، فإنه يمكن أيضا أن تنفذ بشكل متكرر، بطريقة فعالة جدا. ويأتي ذلك مباشرة من التعريف بأن هذه الصيغة هي نتيجة لتعبيرين عن (ين) و (yn1)، أي حيث نلاحظ أن التغيير بين (yn1) و (ين) هو أن مصطلح إضافي (xn1N) يظهر عند في النهاية، في حين تتم إزالة المصطلح (شن-N1N) من البداية. في التطبيقات العملية، غالبا ما يكون من الممكن ترك التقسيم عن طريق (N) لكل مصطلح من خلال تعويض عن المكسب الناتج من (N) في مكان آخر. هذا التنفيذ المتكرر سيكون أسرع بكثير من الالتفاف. ويمكن حساب كل قيمة جديدة (y) بإضافتين فقط، بدلا من الإضافات (N) التي ستكون ضرورية للتنفيذ المباشر للتعريف. شيء واحد للبحث عن مع تنفيذ العودية هو أن أخطاء التقريب سوف تتراكم. قد يكون هذا أو قد لا يكون مشكلة للتطبيق الخاص بك، ولكنه يعني أيضا أن هذا التنفيذ المتكرر سوف تعمل في الواقع بشكل أفضل مع تنفيذ عدد صحيح من مع أرقام نقطة العائمة. هذا أمر غير عادي تماما، حيث أن تنفيذ النقطة العائمة عادة ما يكون أكثر بساطة. يجب أن يكون استنتاج كل هذا أنه يجب أن لا نقلل من فائدة مرشح المتوسط ​​المتحرك البسيط في تطبيقات معالجة الإشارات. أداة تصميم التصفية يتم استكمال هذه المقالة باستخدام أداة تصميم التصفية. قم بتجربة قيم مختلفة ل (N) وتصور الفلاتر الناتجة. نحاول الآن دليل العلماء والمهندسين لمعالجة الإشارات الرقمية التي كتبها ستيفن W. سميث، دكتوراه في الطب. الفصل 15: الفلاتر المتوسطة المتحركة أقارب المرشح المتوسط ​​المتحرك في عالم مثالي، يجب على مصممي التصفية أن يتعاملوا مع معلومات المجال الزمني أو نطاق التردد المشفر، ولكن ليس أبدا خليط من الاثنين في نفس الإشارة. لسوء الحظ، هناك بعض التطبيقات حيث كلا المجالين في وقت واحد مهم. فعلى سبيل المثال، تقع الإشارات التلفزيونية في هذه الفئة المقنعة. يتم ترميز معلومات الفيديو في المجال الزمني، وهذا هو، شكل الموجي يتوافق مع أنماط السطوع في الصورة. ومع ذلك، أثناء الإرسال يتم التعامل مع إشارة الفيديو وفقا لتكوين ترددها، مثل عرض النطاق الترددي الكلي، وكيفية إضافة موجات الموجة الحاملة للون الأمبير الصوتي، واستعادة أمبير القضاء على مكون دس، وما إلى ذلك. وكمثال آخر، التداخل الكهرومغناطيسي هو أفضل فهم في مجال التردد، حتى لو تم تشفير معلومات الإشارات في المجال الزمني. فعلى سبيل المثال، قد يتلوث جهاز رصد درجة الحرارة في تجربة علمية ب 60 هيرتز من خطوط الكهرباء، أو خز 30 من مصدر طاقة التبديل، أو خز 1320 من محطة إذاعة محلية آم. لدى أقارب المرشح المتوسط ​​المتحرك أداء نطاق تردد أفضل، ويمكن أن يكون مفيدا في تطبيقات النطاقات المختلطة هذه. تتضمن مرشحات المتوسط ​​المتحرك متعددة المرور تمرير إشارة الدخل من خلال مرشح متوسط ​​متحرك مرتين أو أكثر. ويبين الشكل 15-3a نواة الفلتر الإجمالية الناتجة عن مرور واحد أو اثنين أو أربعة. اثنين من بطاقات تعادل استخدام نواة مرشح الثلاثي (نواة مرشح مستطيلة حلها مع نفسها). بعد مرور أربعة أو أكثر، تبدو نواة الفلتر المكافئة مثل غاوس (تذكر نظرية الحد المركزي). كما هو مبين في (ب)، تمرير متعددة تنتج استجابة خطوة على شكل s، بالمقارنة مع خط مستقيم من تمريرة واحدة. وتعطى الاستجابات الترددية في (c) و (d) بالمعادلة. 15-2 مضروبا في حد ذاته لكل تمريرة. وهذا يعني أن كل انحراف في المجال الزمني يؤدي إلى مضاعفة أطياف التردد. ويوضح الشكل 15-4 استجابة التردد لأحد الأقارب الآخرين لمرشاح المتوسط ​​المتحرك. عندما يتم استخدام غاوس نقية كنواة مرشح، استجابة التردد هو أيضا غاوس، كما نوقش في الفصل 11. الغاوس مهم لأنه هو استجابة النبض للعديد من النظم الطبيعية والصناعية. على سبيل المثال، نبضة موجزة من الضوء الذي يدخل خط نقل الألياف البصرية طويلة سوف الخروج كنبض غاوس، وذلك بسبب مسارات مختلفة التي اتخذتها الفوتونات داخل الألياف. كما تستخدم نواة الفلتر غاوس على نطاق واسع في معالجة الصور نظرا لخصائصها الفريدة التي تسمح بتحويلات سريعة ثنائية الأبعاد (انظر الفصل 24). وتتوافق استجابة التردد الثانية في الشكل 15-4 مع استخدام نافذة بلكمان كنواة مرشح. (المصطلح نافذة ليس له معنى هنا هو ببساطة جزء من اسم مقبول من هذا المنحنى). الشكل الدقيق للنافذة بلكمان يرد في الفصل 16 (المقياس 16-2، الشكل 16-2) ومع ذلك، يبدو وكأنه غاوسيان. كيف يكون هؤلاء الأقارب للمتوسط ​​المتحرك أفضل من المرشح المتوسط ​​المتحرك نفسه ثلاث طرق: أولا، والأهم من ذلك، فإن هذه المرشحات لديها توهين توقف أفضل من مرشاح المتوسط ​​المتحرك. ثانيا، حبات مرشح تفتق إلى السعة أصغر قرب نهايات. أذكر أن كل نقطة في إشارة الإخراج هي مجموع مرجح لمجموعة من العينات من المدخلات. إذا كان التناقص التدريجي نواة مرشح، وتعطى عينات في إشارة الدخل التي هي أبعد من وزن أقل من تلك التي قرب. وثالثا، تكون استجابات الخطوة منحنيات ناعمة، بدلا من الخط المستقيم المفاجئ للمتوسط ​​المتحرك. وعادة ما تكون هاتان الفئتان الأخيرتان ذات فائدة محدودة، على الرغم من أنك قد تجد تطبيقات حيثما تكون مزايا حقيقية. المرشح المتوسط ​​المتحرك وأقاربه كل شيء تقريبا في الحد من الضوضاء العشوائية مع الحفاظ على استجابة خطوة حادة. ويكمن الغموض في كيفية قياس زمن الاستجابة للخطوة. إذا تم قياس ريسيتيمي من 0 إلى 100 من الخطوة، فإن المرشح المتوسط ​​المتحرك هو أفضل ما يمكنك القيام به، كما هو موضح سابقا. في المقارنة، وقياس ريسيتيمي من 10 إلى 90 يجعل نافذة بلاكمان أفضل من المرشح المتوسط ​​المتحرك. النقطة هي، وهذا هو مجرد النظرية التشكيك النظر هذه المرشحات متساوية في هذه المعلمة. أكبر الفرق في هذه المرشحات هو سرعة التنفيذ. باستخدام خوارزمية عودية (الموصوفة بعد ذلك)، سيتم تشغيل عامل تصفية المتوسط ​​المتحرك مثل البرق في جهاز الكمبيوتر الخاص بك. في الواقع، هو أسرع مرشح الرقمية المتاحة. وتكون العبور المتعددة للمتوسط ​​المتحرك أبطأ، ولكنها لا تزال سريعة جدا. وبالمقارنة، فإن مرشحات غوسيان وبلاكمان بطيئة للغاية، لأنها يجب أن تستخدم الالتفاف. فكر بعامل قدره عشرة أضعاف عدد النقاط في نواة الفلتر (استنادا إلى الضرب بنحو 10 مرات أبطأ من الإضافة). على سبيل المثال، نتوقع أن يكون غوس 100 نقطة أبطأ بمعدل 1000 مرة من المتوسط ​​المتحرك باستخدام التكرار. مرشح المتوسط ​​المتحرك البسيط تصف هذه الصفحة عامل تصفية المتوسط ​​المتحرك البسيط. هذه الصفحة هي جزء من قسم التصفية الذي هو جزء من دليل للكشف عن الأخطاء والتشخيص .. المتوسط ​​المتوسط ​​المتحرك البسيط متوسط ​​القيم الأخيرة لإدخال الفلتر لعدد معين من المدخلات. هذا هو المثال الأكثر شيوعا من 8220moving متوسط ​​8221 (ما) فئة من الفلاتر، وتسمى أيضا المرشحات استجابة النبض (فير) محدودة. وتضاعف كل مساهمة حديثة بمعامل لجميع مرشحات ما الخطية، وتكون المعاملات متساوية مع هذا المتوسط ​​المتحرك البسيط. مجموع المعاملات هو 1.0، بحيث الإخراج يطابق في نهاية المطاف الإدخال عند المدخلات non8217t التغيير. يعتمد إنتاجها فقط على المدخلات الحديثة، على عكس الفلتر الأسي الذي يعيد استخدام ناتجها السابق أيضا. المعلمة الوحيدة هي عدد النقاط في المتوسط ​​- حجم 8220window 8221. نقل متوسط ​​استجابة الخطوة كما هو الحال مع أي مرشح ما، فإنه يكمل استجابة خطوة في وقت محدود اعتمادا على حجم النافذة: هذا المثال المتوسط ​​المتحرك البسيط أعلاه استند إلى 9 نقاط. وفي إطار افتراضات متواضعة، يقدم التقدير الأمثل (التمهيد) لقيمة في منتصف الفترة الزمنية، وفي هذه الحالة، 4.5 فترات زمنية في الماضي. حقوق الطبع والنشر 2010 - 2013، غريغ ستانلي