تتحرك متوسط ماتلاب أكثر سلاسة

طريقة بسيطة (مخصصة) هي أن تأخذ فقط المتوسط ​​المرجح (قابل للضبط من قبل ألفا) في كل نقطة مع جيرانها: أو بعض الاختلاف منها. نعم، لتكون أكثر تطورا يمكنك فورييه تحويل البيانات الخاصة بك أولا، ثم قطع الترددات العالية. شيء مثل: هذا يخفض أعلى 20 ترددات. كن حذرا لقطع بها بشكل متناظر وإلا فإن تحويل معكوس لم يعد حقيقيا. تحتاج إلى اختيار بعناية تردد قطع للمستوى المناسب من التجانس. هذا هو نوع بسيط جدا من التصفية (تصفية مربع في مجال التردد)، حتى تتمكن من محاولة تخفيف بلطف ترددات عالية الترتيب إذا كان التشويه غير مقبول. أجاب 4 أكتوبر 09 في 09:16 ففت ليس فكرة سيئة، ولكن من المحتمل أن يفيض هنا. تشغيل أو تحريك المتوسطات تعطي نتائج سيئة عموما، وينبغي تجنب أي شيء إلى جانب الواجبات المنزلية المتأخرة (والضجيج الأبيض). إد استخدام تصفية سافيتسكي-غولاي (في ماتلاب سغولايفيلت (.)). هذا سوف تعطيك أفضل النتائج لما كنت تبحث عنه - بعض التجانس المحلي مع الحفاظ على شكل المنحنى. دليل يوضح هذا المثال كيفية استخدام المتوسطات المتحركة المتحركة وإعادة عزل لعزل تأثير المكونات الدورية من الوقت من اليوم على وقراءات درجة الحرارة كل ساعة، وكذلك إزالة الضوضاء خط غير المرغوب فيها من قياس الجهد حلقة مفتوحة. ويبين المثال أيضا كيفية تسهيل مستويات إشارة الساعة مع الحفاظ على الحواف باستخدام مرشح متوسط. يوضح المثال أيضا كيفية استخدام فلتر هامبيل لإزالة القيم المتطرفة الكبيرة. الدافع التمويه هو كيف نكتشف الأنماط الهامة في بياناتنا في حين ترك الأشياء التي هي غير مهمة (أي الضوضاء). نحن نستخدم تصفية لتنفيذ هذا التمهيد. هدف التمهيد هو إحداث تغييرات بطيئة في القيمة بحيث أسهل لرؤية الاتجاهات في بياناتنا. في بعض الأحيان عند فحص بيانات الإدخال قد ترغب في تسهيل البيانات من أجل رؤية اتجاه في الإشارة. في مثالنا لدينا مجموعة من قراءات درجة الحرارة في مئوية أخذت كل ساعة في مطار لوغان لكامل شهر يناير 2011. لاحظ أننا يمكن أن نرى بصريا تأثير أن الوقت من اليوم لديه على قراءات درجة الحرارة. إذا كنت مهتما فقط في التغير في درجة الحرارة اليومية على مدار الشهر، وتقلبات ساعة تسهم فقط الضوضاء، والتي يمكن أن تجعل من الصعب التعرف على الاختلافات اليومية. ولإزالة تأثير الوقت من اليوم، نود الآن تسهيل بياناتنا باستخدام فلتر متوسط ​​متحرك. مرشاح متوسط ​​متحرك في أبسط أشكاله، فإن مرشاح المتوسط ​​المتحرك للطول N يأخذ متوسط ​​كل N عينة متعاقبة من شكل الموجة. ولتطبيق مرشح متوسط ​​متحرك على كل نقطة بيانات، نقوم ببناء معاملاتنا في عامل التصفية بحيث تكون كل نقطة مرجحة على قدم المساواة وتساهم ب 124 في المتوسط ​​الكلي. هذا يعطينا متوسط ​​درجة الحرارة على مدى كل 24 ساعة. فيلتر ديلاي لاحظ أن الإخراج المصفى يتأخر بنحو اثني عشر ساعة. ويرجع ذلك إلى حقيقة أن عامل تصفية المتوسط ​​المتحرك له تأخير. أي مرشح متماثل طول N سوف يكون لها تأخير من (N-1) 2 عينات. يمكننا حساب هذا التأخير يدويا. استخراج متوسط ​​الاختلافات بدلا من ذلك، يمكننا أيضا استخدام فلتر المتوسط ​​المتحرك للحصول على تقدير أفضل لكيفية تأثير الوقت من اليوم على درجة الحرارة الكلية. للقيام بذلك، أولا، طرح البيانات ممهدة من قياسات درجة الحرارة ساعة. بعد ذلك، صنف البيانات المختلفة إلى أيام واحصل على المتوسط ​​خلال كل 31 يوما في الشهر. استخراج الذروة المغلف في بعض الأحيان نود أيضا أن يكون لها تقدير متفاوت بسلاسة لكيفية ارتفاعات وانخفاض مستويات الحرارة لدينا إشارة تغيير يوميا. للقيام بذلك يمكننا استخدام وظيفة المغلف لربط أعلى مستوياته القصوى والهبوط المكتشفة على مجموعة فرعية من فترة 24 ساعة. في هذا المثال، علينا أن نضمن أن هناك ما لا يقل عن 16 ساعة بين كل ارتفاع الشديد والمتطرف الشديد. ويمكننا أيضا أن نحصل على فكرة عن الكيفية التي تتجه بها الرتفاعات والهبوط من خلال أخذ المتوسط ​​بين النقيضين. عوامل التصفية المتوسطة المتحركة المرجحة أنواع أخرى من المرشحات المتوسطة المتحركة لا تزن كل عينة بالتساوي. مرشح مشترك آخر يتبع توسع الحدين من (12،12) n هذا النوع من المرشح يقترب من منحنى العادي للقيم الكبيرة من n. ومن المفيد لتصفية الضوضاء عالية التردد ل n الصغيرة. للعثور على معاملات للمرشح ذي الحدين، 1212 12 مع نفسه ومن ثم تكرارا تزامن الإخراج مع 12 12 عدد محدد من المرات. في هذا المثال، استخدم خمس تكرارات إجمالية. مرشح آخر يشبه إلى حد ما مرشح توسع غاوس هو مرشح المتوسط ​​المتحرك الأسي. هذا النوع من المرشح المتوسط ​​المتحرك المرجح يسهل بناؤه ولا يتطلب حجم نافذة كبير. يمكنك ضبط عامل تصفية متوسط ​​متحرك أضعافا مضاعفة بواسطة معلمة ألفا بين الصفر وواحد. وهناك قيمة أعلى من ألفا يكون أقل تمهيد. التكبير في القراءات ليوم واحد. حدد بلدك الناتج الناتج تسموفافغ (تسوبج، s، تأخر) ترجع المتوسط ​​المتحرك البسيط من قبل لسلسلة الوقت المالي الكائن، تسوبج. يشير التأخر إلى عدد نقاط البيانات السابقة المستخدمة مع نقطة البيانات الحالية عند حساب المتوسط ​​المتحرك. الناتج تسموفافغ (ناقلات، ق، تأخر، خافت) ترجع المتوسط ​​المتحرك البسيط للمتجه. يشير التأخر إلى عدد نقاط البيانات السابقة المستخدمة مع نقطة البيانات الحالية عند حساب المتوسط ​​المتحرك. الناتج تسموفافغ (تسوبج، e، تيمبيريود) ترجع المتوسط ​​المتحرك المتوسط ​​الأسي لسلسلة الوقت المالي الكائن، تسوبج. المتوسط ​​المتحرك الأسي هو المتوسط ​​المتحرك المرجح، حيث يحدد الوقت الزمني الفترة الزمنية. تقلل المتوسطات المتحركة الأسية من التأخر بتطبيق المزيد من الوزن على الأسعار الأخيرة. على سبيل المثال، المتوسط ​​المتحرك الأسي لمدة 10 أضعاف أوزان السعر الأخير بحلول 18.18. النسبة الأسي 2 (تيمبر 1) أو 2 (وينديزيز 1). الناتج تسموفافغ (ناقلات، e، تيمبيريود، قاتمة) ترجع المتوسط ​​المتحرك الأسي المرجح لناقل. المتوسط ​​المتحرك الأسي هو المتوسط ​​المتحرك المرجح، حيث يحدد الوقت الزمني الفترة الزمنية. تقلل المتوسطات المتحركة الأسية من التأخر بتطبيق المزيد من الوزن على الأسعار الأخيرة. على سبيل المثال، المتوسط ​​المتحرك الأسي لمدة 10 أضعاف أوزان السعر الأخير بحلول 18.18. (2 (تيمبيريود 1)). الناتج تسموفاف (تسوبج، t، نومبيريود) يعود المتوسط ​​المتحرك الثلاثي لسلسلة الوقت المالي الكائن، تسوبج. المتوسط ​​المتحرك الثلاثي مزدوج ينعم البيانات. تسموفاف يحسب متوسط ​​متحرك بسيط الأول مع عرض نافذة السقوف (نومبيريود 1) 2. ثم يحسب المتوسط ​​المتحرك الثاني البسيط على المتوسط ​​المتحرك الأول بنفس حجم النافذة. الناتج تسموفافغ (ناقلات، t، نومبيريود، خافت) ترجع المتوسط ​​المتحرك الثلاثي لناقل. المتوسط ​​المتحرك الثلاثي مزدوج ينعم البيانات. تسموفاف يحسب متوسط ​​متحرك بسيط الأول مع عرض نافذة السقوف (نومبيريود 1) 2. ثم يحسب المتوسط ​​المتحرك الثاني البسيط على المتوسط ​​المتحرك الأول بنفس حجم النافذة. الناتج تسموفاف (تسوبج، ث، الأوزان) ترجع المتوسط ​​المتحرك المرجح لسلسلة الوقت المالي الكائن، تسوبج. عن طريق توفير الأوزان لكل عنصر في النافذة المتحركة. طول متجه الوزن يحدد حجم النافذة. إذا تم استخدام عوامل الوزن الأكبر للحصول على أسعار أكثر حداثة والعوامل الأصغر للأسعار السابقة، فإن الاتجاه أكثر استجابة للتغيرات الأخيرة. الناتج تسموفافغ (ناقلات، ث، الأوزان، خافت) ترجع المتوسط ​​المتحرك المرجح للناقل من خلال توفير الأوزان لكل عنصر في النافذة المتحركة. طول متجه الوزن يحدد حجم النافذة. إذا تم استخدام عوامل الوزن الأكبر للحصول على أسعار أكثر حداثة والعوامل الأصغر للأسعار السابقة، فإن الاتجاه أكثر استجابة للتغيرات الأخيرة. الناتج تسموفاف (تسوبج، م، نومبيريود) يعود المتوسط ​​المتحرك المعدل لسلسلة الوقت المالي الكائن، تسوبج. المتوسط ​​المتحرك المعدل يشبه المتوسط ​​المتحرك البسيط. النظر في حجة نومبيود لتكون الفارق الزمني للمتوسط ​​المتحرك البسيط. يتم حساب المتوسط ​​المتحرك المعدل الأول كمتوسط ​​متحرك بسيط. يتم حساب القيم اللاحقة عن طريق إضافة السعر الجديد وطرح المتوسط ​​الأخير من المجموع الناتج. خرج تسموفافغ (ناقلات، م، نومبيريود، خافت) ترجع المتوسط ​​المتحرك المعدل للمتجه. المتوسط ​​المتحرك المعدل يشبه المتوسط ​​المتحرك البسيط. النظر في حجة نومبيود لتكون الفارق الزمني للمتوسط ​​المتحرك البسيط. يتم حساب المتوسط ​​المتحرك المعدل الأول كمتوسط ​​متحرك بسيط. يتم حساب القيم اللاحقة عن طريق إضافة السعر الجديد وطرح المتوسط ​​الأخير من المجموع الناتج. ديم 8212 للعمل على طول عدد صحيح موجب مع القيمة 1 أو 2 البعد للعمل على طول، المحدد على أنه عدد صحيح موجب مع قيمة 1 أو 2. قاتمة هو وسيطة الإدخال الاختياري، وإذا لم يتم تضمينه كإدخال، الافتراضي القيمة 2 مفترضة. ويشير افتراض الخافت 2 إلى مصفوفة موجهة نحو الصف حيث يكون كل صف متغيرا وكل عمود عبارة عن ملاحظة. إذا كانت قاتمة 1. يفترض أن يكون المدخل متجه عمود أو مصفوفة موجهة للعمود، حيث يكون كل عمود متغير ولكل صف ملاحظة. e 8212 مؤشر متجه الأحرف المتوسط ​​الأسي المتجه المتوسط ​​المتحرك الأسي هو متوسط ​​متحرك مرجح حيث يكون الوقت الزمني هو الفترة الزمنية للمتوسط ​​المتحرك الأسي. تقلل المتوسطات المتحركة الأسية من التأخر بتطبيق المزيد من الوزن على الأسعار الأخيرة. على سبيل المثال، فإن المتوسط ​​المتحرك الأسي لفترة 10 يوزن آخر سعر بحلول 18.18. النسبة المئوية الأسية 2 (تيمبر 1) أو 2 (وينديزيز 1) تيمبيريود 8212 طول الفترة الزمنية عدد صحيح غير سالب اختر بلدك