الأسي الحركة من المتوسط - آي آي آر

المتوسط ​​المتحرك الأسي هو نوع من فلتر إير يسهل تنفيذه في C ويستخدم الحد الأدنى من الموارد. وخلافا لمتوسط ​​متحرك بسيط، فإنه لا يتطلب ذاكرة الوصول العشوائي العازلة لتخزين العينات السابقة. لديها فقط لتخزين قيمة واحدة (المتوسط ​​السابق). ويعبر عن المتوسط ​​المتحرك الأسي بالمعادلة التالية: أفغن (في ألفا) أفغن-1 (1-ألفا). تنفيذ هذه المعادلة باستخدام الرياضيات العائمة نقطة واضحة ولكن باستخدام متغيرات نقطة ثابتة هو صعبة بعض الشيء. يستخدم مقتطف الشفرة هنا أعدادا صحيحة موقعة من 32 بت لقيم المتوسط ​​والإدخال. القيم المتوسطة تحتاج إلى استخدام الرياضيات 64 بت لتجنب أخطاء تجاوز. وتمثل قيم ألفا القريبة من الصفر متوسطا كبيرا في حين أن قيمة ألفا لأحد لا يوجد لها متوسط. على السطر حيث يتم حساب temp0، أعتقد أن نهاية السطر يجب أن تقرأ (65535 - ألفا) وإلا فإن ألفا من 1 سوف تشمل بشكل غير صحيح المتوسط ​​السابق وكذلك القيمة الجديدة. لسوء الحظ، فإن الشفرة المعروضة لديها اثنين من الأخطاء الرئيسية، ويرجع ذلك إلى الطريقة التي يتم تخزين متوسط ​​عدد صحيح. لرؤية هذا، يتيح اختيار ألفا ليكون 1024. نبدأ مع أدكفالو 0، ثم dspemai32 سيعود 0 كما هو متوقع. ثم رفع أدكفالو إلى 1. tmp0 في dspemai32 سيكون: tmp0 (int64t) 1 (1024) (int64t) 0 (65536 - 1024) 1024 0 64512 1024 حتى القيمة التي تم إرجاعها هي: (int32t) ((tmp0 32768) 65536) 1024 32768) 65536 33792 65536 0 حتى dspemai32 سوف تبقي على العودة 0، في حين أنه ينبغي (بعد فترة طويلة كافية من الوقت تصفية) في نهاية العودة 1. التعليمات البرمجية تنفذ بشكل فعال مرشح مع منطقة ميتة، لا تتغير حتى المدخلات يختلف عن متوسط ​​32768 ألفا أو أكثر، أو يختلف عن - (32768 ألفا) أو أقل. بعد المثال أعلاه، رفع أدكفالو إلى 31 (وهو أقل من 32768 ألفا). tmp0 في dspemai32 سيكون: tmp0 (int64t) 31 (1024) (int64t) 0 (65536 - 1024) 31744 0 64512 31744 حتى القيمة التي تم إرجاعها هي: (int32t) ((tmp0 32768) 65536) (31744 32768) 65536 64512 65536 0 dspemai32 سوف تبقي على العودة 0. عند رفع أدكفالو إلى 32 بدلا من ذلك، tmp0 في dspemai32 سيكون: tmp0 (int64t) 32 (1024) (int64t) 0 (65536 - 1024) 32768 0 64512 32768 حتى القيمة التي تم إرجاعها هي: int32t) ((tmp0 32768) 65536) (32768 32768) 65536 65536 65536 1 على الأقل المتوسط ​​يتحرك نحو قيمة المدخلات من قبل 1. وهذا أمر جيد. ولكن بعد ذلك: tmp0 (int64t) 32 (1024) (int64t) 1 (65536 - 1024) 32768 1 64512 97280 حتى القيمة التي تم إرجاعها هي: (int32t) ((tmp0 97280) 65536) (97280 32768) 65536 130048 65536 1 حتى dspemai32 سوف تبقي على العودة 1، لم تصل إلى قيمة المدخلات من 32. ليست جيدة. العلة الثانية هي تقسيم صحيح (tmp0 32768) 65536. في C C، سوف تقسم عدد صحيح نحو 0، لذلك في هذه الحالة، ومنطقة ميتة أكبر من ذلك. أفضل بكثير (وأبسط من ذلك بكثير) هو خوارزمية كما هو مبين من david. prentice على avrfreaks. netcomment824765comment-824765: مجموع 0 0 متوسط ​​إنت 0 إنت N 0 العمل عدد العينات. مجموع أدسو إضافة إلى مجموع التشغيل إذا (N غ ماكسامبلز) مجموع العينات بما فيه الكفاية - متوسط ​​إزالة واحد آخر N متوسط ​​إجمالي N صحيح مرشح التصفية تصف هذه الصفحة التصفية الأسية، وأبسط والأكثر شعبية مرشح. هذا جزء من قسم التصفية الذي هو جزء من دليل للكشف عن الأخطاء والتشخيص .. نظرة عامة، ثابت الوقت، والمعادل التناظرية أبسط فلتر هو مرشح الأسي. لديها معلمة ضبط واحدة فقط (بخلاف الفاصل الزمني للعينة). وهو يتطلب تخزين متغير واحد فقط - الإخراج السابق. وهو مرشح إر (الانحدار الذاتي) - آثار تغيير المدخلات تسوس أضعافا مضاعفة حتى حدود شاشات العرض أو الكمبيوتر الحساب إخفاء ذلك. في مختلف التخصصات، ويشار إلى استخدام هذا الفلتر أيضا باسم 8220 استثنائية التمهيد 8221. في بعض التخصصات مثل تحليل الاستثمار، يسمى الفلتر الأسي 8220 المتوسط ​​المتحرك المتوسط ​​المرجح 8221 (إوما)، أو 8220 فقط المتحرك المتحرك المتوسط ​​8221 (إما). هذا يساء التقليدية أرما 8220moving المتوسط ​​8221 المصطلحات من تحليل سلسلة زمنية، لأنه لا يوجد تاريخ المدخلات التي يتم استخدامها - فقط المدخلات الحالية. وهو يعادل الوقت المنفصل ل 8220 فيرست النظام lag8221 يشيع استخدامها في النمذجة التناظرية من أنظمة التحكم في الوقت المستمر. في الدوائر الكهربائية، مرشح أرسي (مرشح مع المقاوم واحد ومكثف واحد) هو تأخر الدرجة الأولى. عند التشديد على التناظرية الدوائر التناظرية، معلمة ضبط واحد هو 8220time ثابت 8221، وعادة ما تكتب كما في حالة الحروف اليونانية تاو (). في الواقع، والقيم في أوقات عينة منفصلة تتطابق تماما مع الزمن المتساوي المستمر مع نفس الوقت ثابت. وتظهر المعادلات أدناه العلاقة بين التنفيذ الرقمي والثابت الزمني. معادلات التصفية الأسية والتهيئة التصفية الأسية هي مزيج مرجح من التقدير السابق (الإخراج) مع أحدث بيانات المدخلات، مع مجموع الأوزان يساوي 1 بحيث الإخراج يطابق الإدخال في حالة مستقرة. بعد ترشيح المرشح الذي تم إدخاله بالفعل: y (k) أي (k-1) (1-a) x (k) حيث x (k) هي المدخلات الأولية في الخطوة الزمنية k (k) هي المخرجات المصفاة عند الخطوة الزمنية كا هو ثابت بين 0 و 1، وعادة ما بين 0.8 و 0.99. (a-1) أو يسمى أحيانا 8220smoothing ثابت 8221. بالنسبة إلى الأنظمة ذات الخطوة الزمنية الثابتة T بين العينات، يتم حساب الثبات 8220a8221 وتخزينه للراحة فقط عندما يحدد مطور التطبيق قيمة جديدة للوقت المطلوب. وبالنسبة إلى الأنظمة التي تحتوي على عينات من البيانات على فترات غير منتظمة، يجب استخدام الدالة الأسية أعلاه مع كل خطوة زمنية، حيث T هو الوقت منذ العينة السابقة. وعادة ما يتم تهيئة خرج المرشح لتتناسب مع المدخلات الأولى. كما يقترب الوقت الثابت 0، يذهب إلى الصفر، لذلك ليس هناك تصفية 8211 الإخراج يساوي المدخلات الجديدة. كما يحصل الوقت ثابت كبير جدا، نهج 1، بحيث يتم تجاهل المدخلات الجديدة تقريبا 8211 تصفية الثقيلة جدا. يمكن إعادة ترتيب معادلة الفلتر أعلاه إلى المعادلة التالية: مصحح التنبؤات: هذا النموذج يجعل من الواضح أن تقدير المتغير (خرج المرشح) يتنبأ بأنه لم يتغير عن التقدير السابق y (k-1) زائدا مصطلح تصحيح على 8220innovation 8221 غير متوقعة - الفرق بين المدخلات الجديدة x (ك) والتنبؤ ذ (ك -1). هذا النموذج هو أيضا نتيجة اشتقاق المرشح الأسي كحالة خاصة بسيطة لمرشح كالمان. وهو الحل الأمثل لمشكلة تقدير مع مجموعة معينة من الافتراضات. استجابة الخطوة طريقة واحدة لتصور تشغيل المرشح الأسي هو رسم ردها مع مرور الوقت إلى إدخال خطوة. وهذا هو، بدءا من المدخلات والمخرجات مرشح في 0، يتم تغيير قيمة المدخلات فجأة إلى 1. يتم رسم القيم الناتجة أدناه: في المؤامرة المذكورة أعلاه، يتم تقسيم الوقت على الوقت تاو ثابت التصفية حتى تتمكن من التنبؤ بسهولة أكبر نتائج أي فترة زمنية، لأي قيمة من الوقت مرشح الوقت. بعد وقت يساوي ثابت الوقت، يرتفع خرج المرشح إلى 63.21 من قيمته النهائية. بعد وقت يساوي 2 الثوابت الوقت، ترتفع القيمة إلى 86.47 من قيمته النهائية. النواتج بعد مرات تساوي 3،4، والثوابت 5 الوقت هي 95.02، 98.17، و 99.33 من القيمة النهائية، على التوالي. وبما أن المرشح خطي، فهذا يعني أن هذه النسب المئوية يمكن استخدامها لأي حجم من تغير الخطوة، وليس فقط لقيمة 1 المستخدمة هنا. على الرغم من أن الاستجابة خطوة من الناحية النظرية يأخذ وقتا لانهائي، من الناحية العملية، والتفكير في المرشح الأسي كما 98-99 8220done8221 الاستجابة بعد وقت يساوي 4 إلى 5 الثوابت الوقت مرشح. الاختلافات على الفلتر الأسي هناك تباين في المرشح الأسي يسمى الفلتر الأسي 8220nonlineear8221 ويبر، 1980. يهدف إلى تصفية الضوضاء بشكل كبير ضمن سعة 8220typical8221 معينة، ولكن بعد ذلك يستجيب بسرعة أكبر للتغييرات الأكبر حجما. حقوق الطبع والنشر 2010 - 2013، غريغ ستانلي شارك هذه الصفحة: أسوم ذي فيرست أوردر إير فيلتر: ين ألفا شن (1 - ألفا) ين - 1 كيف يمكنني اختيار المعلمة ألفا s. t. (إر) تقارب إلى أقصى حد ممكن منطقة معلومات الطيران التي هي المتوسط ​​الحسابي للعينات k الأخيرة: حيث n في k، إنفتي)، بمعنى أن مدخلات إير قد تكون أطول من k، ومع ذلك فإن إد ترغب في الحصول على أفضل تقريب متوسط ​​المدخلات الأخيرة k. وأنا أعلم أن إير لديه استجابة دفعة لانهائية، وبالتالي إم تبحث عن أفضل تقريب. معرف يكون سعيدا الحل التحليلي سواء كان ل أو. كيف يمكن حل هذه المشاكل الأمثل نظرا فقط إر النظام 1ST. طلب 6 أكتوبر 11 في 13:15 هل يجب أن يتبع ين ألفا شن (1 - ألفا) ين - 1 على وجه التحديد نداش فونون أكتوبر 6 11 في 13:32 هذا لا بد أن تصبح تقريبي ضعيف جدا. can39t كنت تحمل أي شيء أكثر من الأول من أجل ندش نداشدبوت 6 أكتوبر 11 في 13:42 قد ترغب في تحرير سؤالك بحيث كنت don39t استخدام ين يعني اثنين من أشياء مختلفة، على سبيل المثال. يمكن للمعادلة المعروضة الثانية قراءة زن فراك شن كدوتس فراك شن-k1، وكنت قد تريد أن أقول بالضبط ما هو المعيار الخاص بك من الحصص جيدة كما بوسيبلكوت على سبيل المثال. هل تريد فيرت ين - زنفرت أن تكون صغيرة قدر الإمكان لجميع n، أو فيرت ين - znvert2 أن تكون صغيرة قدر الإمكان لجميع ن. نداش ديليب سارويت 6 أكتوبر 11 الساعة 13:45 نيارين أنا أعرف هذا هو آخر قديم حتى إذا كنت تستطيع أن تذكر: كيف هي وظيفتك 39f39 مشتقة I39ve مشفرة شيء مماثل ولكن باستخدام وظائف نقل معقدة ل فير (H1) و إير (H2 ) ومن ثم القيام المبلغ (القيمة المطلقة (H1 - H2) 2). I39ve مقارنة هذا مع المبلغ الخاص بك (فج)، ولكن الحصول على مخرجات مختلفة الناتجة. الفكر أود أن أسأل قبل الحرث من خلال الرياضيات. (1 - ألفا) ين - 1 أمبامب ألفا شن (1 - ألفا) ألفا شن -1 (ألفا) 2 ين - 2 أمبامب ألفا شن (1 - ألفا) ألفا شن -1 (ألفا) 2 ألفا شن-2 (1 - ألفا) 3 ين - 3 نهاية بحيث يكون معامل شن-m ألفا (1-ألفا) m . الخطوة التالية هي اتخاذ المشتقات وتساوي صفر. وبالنظر إلى مؤامرة من المستمدة J ل K 1000 والألفا من 0 إلى 1، يبدو أن المشكلة (كما إيف إعداده) هو سوء الافتراض، لأن أفضل إجابة هي ألفا 0. وأعتقد أن ثيريس خطأ هنا. الطريقة التي يجب أن تكون وفقا لحساباتي هي: استخدام التعليمات البرمجية التالية على ماتلاب يعطي شيئا ما يعادل على الرغم من مختلف: على أية حال، تلك الوظائف لديها الحد الأدنى. لذلك دعونا نفترض أننا حقا فقط يهتمون تقريب على دعم (طول) من فلتر فير. في هذه الحالة، فإن مشكلة التحسين هي فقط: J2 (ألفا) سوم (ألفا (1-ألفا m - فراك) 2 رسم J2 (ألفا) لقيم مختلفة من K مقابل ألفا النتائج في التاريخ في المؤامرات والجدول أدناه. ل K 8. ألفا 0.1533333 ل K 16. ألفا 0.08 ل K 24. ألفا 0.0533333 ل K 32. ألفا 0.04 ل K 40. ألفا 0.0333333 ل K 48. ألفا 0.0266667 ل K 56. ألفا 0.0233333 ل K 64. ألفا 0.02 بالنسبة إلى K 72 ألفا 0.0166667 الخطوط الحمراء المتقطعة هي 1K والخطوط الخضراء هي ألفا، وهي قيمة ألفا التي تقلل من J2 (ألفا) (المختار من ت ألفا 0: .01: 13). ثيريس مناقشة لطيفة لهذه المشكلة في معالجة الإشارات المضمنة مع العمارة إشارة الجزئي. تقريبا بين الصفحتين 63 و 69. في الصفحة 63. يتضمن اشتقاق المرشح المتوسط ​​المتحرك العاكس الدقيق (الذي أعطاه نيارن في إجابته)، للراحة فيما يتعلق بالمناقشة التالية، فإنه يتوافق مع معادلة الفرق التالية: تقريب الذي يضع المرشح في النموذج الذي حددته يتطلب افتراض أن x تقريبا y، لأن (وأقتبس من الصفحة 68) y هو متوسط ​​عينات شن. هذا التقريب يسمح لنا لتبسيط معادلة الاختلاف السابقة كما يلي: إعداد ألفا، نصل إلى الشكل الأصلي الخاص بك، y ألفا شن (1-ألفا) y، مما يدل على أن المعامل الذي تريده (فيما يتعلق بهذا التقريب) هو بالضبط 1over (حيث N هو عدد العينات). هل هذا التقريب الأفضل في بعض النواحي أنها أنيقة بالتأكيد. هيريس كيف يقارن استجابة الحجم في 44.1 كيلو هرتز ل N 3، و N يزيد إلى 10 (تقريب باللون الأزرق): كما يقول بيترز الجواب، تقريب مرشح معلومات الطيران مع مرشح العودية يمكن أن تكون مشكلة تحت قاعدة المربعات الصغرى. ويمكن الاطلاع على مناقشة واسعة لكيفية حل هذه المشكلة بشكل عام في أطروحة جوس، تقنيات لتصفية تصميم الرقمية وتحديد النظام مع التطبيق للكمان. ويدعو إلى استخدام هانكيل نورم، ولكن في الحالات التي لا يهم فيها استجابة المرحلة، كما أنه يغطي طريقة كوبيكس، والتي قد تعمل بشكل جيد في هذه الحالة (وتستخدم معيار L2). ويمكن الاطلاع على نظرة عامة واسعة من التقنيات في أطروحة هنا. قد تسفر عن تقريبات أخرى مثيرة للاهتمام.