Liukuva Keskiarvo Suodatin In Matlab Koodi

Luotu keskiviikkona, 08 lokakuu 2008 20 04 Viimeksi päivitetty torstaina, 14. maaliskuuta 2013 01 29 Kirjoittanut Batuhan Osmanoglu Hits 41577.Moving Keskimäärin Matlab. On usein minusta itseni tarvitse keskimäärin tiedot minulla on vähentää melua hieman Kirjoitin pari toimintoa tekemällä täsmälleen mitä haluan, mutta matlabin sisäänrakennettu suodatinfunktio toimii melko hyvältä. Täällä minä ll kirjoittaa noin 1D - ja 2D-keskiarvotiedoista.1D - suodatin voidaan toteuttaa suodatustoiminnon avulla. Suodatustoiminto vaatii vähintään Kolme syöttöparametria suodattimen b laskentakerrointa, suodattimen a nimittäjäkerroin ja tietenkin X. Prosentuaalinen keskimääräinen suodatin voidaan määritellä yksinkertaisesti. 2D-dataa voidaan käyttää Matlabin suodattimen2 toimintoa. Lisätietoja Miten suodatin toimii, voit kirjoittaa. Tässä on nopea ja likainen toteutus 16: n ja 16: n liukuvan keskiarvosuodattimen. Ensin meidän on määriteltävä suodatin. Koska kaikki haluamme on kaikkien naapureiden tasavertainen panos, voimme vain käyttää niitä hauskoja Ction Jakamalla kaikki 256 16 16: lla, koska emme halua muuttaa signaalin yleistä amplitudiota. Suodattimen käyttämiseksi voimme yksinkertaisesti sanoa seuraavaksi. Seuraavassa on SAR-interferogrammin vaiheen tulokset. Tässä tapauksessa Range on Y-akseli ja Atsimuutti on kartoitettu X-akselilla Suodatin oli 4 pikseliä leveä ja 16 pikseliä leveä Azimutissa. MATLAB: n käyttäminen, kuinka löydän matriisin tietyn sarakkeen kolmen vuorokauden liukuvan keskiarvon ja lisätään liukuva keskiarvo että matriisin yritän laskea 3 päivän liukuva keskiarvo alhaalta ylös matriisi olen antanut minun code. Given seuraava matriisi a ja mask. I olen yrittänyt toteuttaa conv-komento mutta saan virheen Tässä on conv-komento Olen yrittänyt käyttää matriisin 2. sarakkeessa. Tuotos I halu on annettu seuraavassa matriisissa. Jos sinulla on ehdotuksia, olisin kiitollinen siitä Kiitos. Matriisin a sarakkeessa 2 olen Lasketaan kolmen päivän liukuva keskiarvo seuraavasti ja asetetaan tulosta t matriisin sarakkeessa 4 i nimetyn matriisin a halutuksi Ulos kuva vain 3 päivän keskiarvo 17, 14, 11 on 14 kolmen päivän keskiarvo 14, 11, 8 on 11 kolmen päivän keskiarvo 11, 8, 5 on 8 ja kolmen päivän keskiarvo 8, 5, 2 on 5 Ei ole arvoa neljälle riville neljännelle sarakkeelle, koska kolmen päivän liukuva keskiarvo lasketaan alareunasta. ei näytetä ennen vähintään 17, 14 ja 11 Toivottavasti tämä on järkevää Aaron 12 kesäkuu 13 klo 1 28. Yleensä olisi apua, jos näytät virheen Tässä tapauksessa teet kaksi asiaa väärin. Ensin konvoluutiot on Jakaa kolme tai liikkuva keskiarvo. Toinen, huomaa c: n kokoa. Et voi vain sopeutua c: hen. Tyypillinen tapa saada liikkuva keskiarvo olisi käyttää samaa. Mutta se ei näytä mitä haluat. Sen sijaan sinun on pakko käyttää muutamaa linjaa. Lataa movAv m katso myös movAv2 - päivitetty versio, joka mahdollistaa painotuksen. Matlabin kuvaus sisältää toimintoja nimeltään movav G ja tsmovavg aikasarjan liikkuvan keskiarvon Financial Toolboxissa, movAv on suunniteltu kopioimaan näiden perustoiminnot. Koodi on tässä mukava esimerkki sisäisten silmukoiden indeksien hallinnasta. Tämä voi olla hämmentävä aluksi, kun olen tarkoituksellisesti säilyttänyt koodin lyhyen ja yksinkertainen pitää tämä prosessi clear. movAv suorittaa yksinkertaisen liukuvan keskiarvon, jota voidaan käyttää meluisten tietojen talteenottoon joissakin tilanteissa. Se toimii ottamalla y: n keskiarvo liukuvan ikkunan yli, jonka koko määritellään n Mitä suurempi n on, sitä suurempi n: n vaikutuksen tasoittamisnopeus on suhteessa syötevektorin y pituuteen ja hyvinkin hyvin, eräänlainen synnyttää alipäästösuodattimen - katso esimerkkejä ja huomioiden osa. Koska tasauksen määrä Jokaisen arvon n suhteessa syöttövektorin pituuteen, on aina syytä testata erilaisia ​​arvoja, jotta voidaan nähdä, mikä sopiva. Muista myös, että n-pisteitä katoaa jokaisesta keskiarvosta, jos n on 100, fi Ensimmäisen 99 pisteen tulovektoria ei sisällä tarpeeksi tietoa 100 prosenttiyksikköä varten. Tätä voidaan välttää jonkin verran keskittämällä pinoamisia, esimerkiksi alla oleva koodi ja kuvaaja vertailla useita eri pituusikkunan keskiarvoja. Huomaa, kuinka tasainen 10 10pt verrataan Yksittäinen 20pt-keskiarvo Molemmissa tapauksissa yhteensä 20 tietopistettä menetetään. Luo xaxis x 1 0 01 5 Luo melukohinaa 4 kohinaa, 1 melutasoa, kohinaa 1 kohinaa, kohinaa, kohinaa 1 kohinaa, 1 kohinaa kohinaa kohinaa 1 x pituus x x keskiarvoista y2 movAv y, 10 10 pt y3 movAv y2, 10 10 10 pt y4 movAv y, 20 20 pt y5 movAv y, 40 40 pt y6 movAv y, 100 100 pt Plot kuva tontti x, y, y2, y3, y4, y5, y6 legenda data, 10pt liikkuva keskiarvo, 10 10pt, 20pt, 40pt, 100pt xlabel x ylabel y title Liikkuvien keskiarvojen vertailu. movAv m-koodin läpivientifunktion lähtö movAv y, n Ensimmäinen rivi määrittää toiminnon nimen, tulot ja lähdöt Tulo x pitäisi olla datan vektori keskimäärän suorittamiseksi, n on pistemäärä, joka suorittaa keskimääräisen tuloksen, sisältää funktion palauttavan keskiarvon. Preallocate-ulostulon tuotto NaN 1, numel y Etsi keskipiste n keskipisteen kierroksella n 2 Toiminnon päätehtävä tehdään silmukan silmukalle, mutta ennen kuin aloitetaan kaksi asiaa, valmistellaan Fir että tuotos on ennalta kohdistettu NaN: nä, tämä palvelee kahta tarkoitusta varten Ensinnäkin esivalinta on yleisesti hyvää käytäntöä, koska se vähentää Matlabin tekemien muistijongleerausten tekemistä. Toiseksi, on helppoa sijoittaa keskimääräinen data tulosteen koon mukaan tulovektori Tämä tarkoittaa, että samaa xaxia voidaan käyttää myöhemmin molempia varten, mikä on kätevää piirtää, vaihtoehtoisesti NaN: t voidaan poistaa myöhemmin yhdellä koodin ulostulon rivillä. Muuttujaa midPointia käytetään datan kohdistamiseksi lähtövektoriin Jos n 10, 10 pistettä menetetään, koska tulovektorin ensimmäisten 9 pisteen kohdalla ei ole tarpeeksi tietoa kymmenen pisteen keskiarvon ottamiseksi. Koska lähtö on lyhyempi kuin syöttö, se on kohdistettava oikein. Midpoint käytetään siten, että yhtä suuri määrä tietoja menetetään alussa ja lopussa, ja tulo pidetään kohdistettuna lähtöön, jonka NaN-puskureita luodaan, kun esivalinta tuottaa. 1-pituiseksi y - n Etsi indeksialue keskimäärin laskettuna. Laske keskiarvo a keskipisteen keskiarvo yab-pää Itsessään itse silmukalle syötetään keskiarvo kullekin tulolähteen kullekin segmentille Silmukka ajetaan sille, joka on määritelty 1: ksi tulon y pituuden mukaan, miinus menetettävän datan mukaan n Jos tulo on 100 pisteen pituinen ja n on 10, silmukka ajaa 1: stä 90: een. Tämä tarkoittaa, että segmentin ensimmäinen indeksi keskiarvoidaan. Toinen indeksi b on yksinkertaisesti n-1. Joten ensimmäisellä iteroinnilla, a 1 n 10 niin b 11-1 10 Ensimmäinen keskiarvo otetaan yab: n tai x 1: n mukaan 10 Tämän segmentin keskiarvo, joka on yksittäinen arvo, tallennetaan lähtöön indeksissä a midpoint tai 1 5 6. Toisessa iteraatiossa , a 2 b 2 10-1 11 niin, että keskiarvo otetaan x 2 11: n kohdalta ja tallennetaan lähtöön 7 Silmukan viimeinen iterointi tulon 100 pituudelle, 91 b 90 10-1 100, joten keskiarvo otetaan yli x 91 100 ja tallennetaan lähtöön 95 Tämä jättää tuotoksen yhteensä n 10 NaN-arvoa indeksillä 1 5 ja 96 100.Esimerkkejä ja huomioita Liikkuvat keskiarvot ovat hyödyllisiä joissakin tilanteissa, mutta ne ei ole aina paras valinta Tässä on kaksi esimerkkiä, joissa ne eivät välttämättä ole optimaalisia. Mikrofoni kalibrointi Tämä datayhdistelmä edustaa kunkin kaiuttimen tuottaman taajuuden tasoa ja tallennetaan mikrofonilla, jolla on tunnettu lineaarinen vaste Kaiuttimen lähtö vaihtelee taajuus, mutta voimme korjata tämän vaihtelun kalibrointidatalla - lähtö voidaan säätää tasolle kalibroinnin vaihtelujen huomioon ottamiseksi. Huomaa, että raakatiedot ovat meluisat - tämä tarkoittaa, että pieni taajuuden muutos näyttää vaatineen suuri, epätäsmällinen muutos tason huomioon ottaminen Onko tämä realistinen vai onko tämä tallennusympäristön tuote? Tässä tapauksessa on järkevää soveltaa liikkuvan keskiarvon, joka tasoittaa tason taajuuskäyrän, jotta saadaan kalibrointikäyrä, joka on hieman epätäsmällisempi Mutta miksi tämä esimerkki ei ole optimaalinen. Edellinen data olisi parempi - useat kalibroinnit keskimäärin yhdessä tuhoaisivat melun järjestelmässä niin kauan kuin se toimi dom ja antaa käyrän vähemmän hienovaraisia ​​yksityiskohtia menettänyt Liikkuva keskiarvo voi vain lähentää tätä, ja voi poistaa joitakin korkeampia taajuus dips ja huiput kaarteesta, että todella olemassa. Sina aallot Liikkuva keskiarvo siniaallot korostaa kaksi pistettä. kysymys kohtuullisen määrän pistettä suorittaa keskimääräinen over. It s yksinkertainen, mutta on olemassa tehokkaampia menetelmiä signaalin analyysiin keskiarvon värähteleviä signaaleja aika-alalla. Tässä kaaviossa alkuperäinen siniaalto on piirretty sinisellä Noise on lisätty ja piirretty oranssina käyränä Liikkuva keskiarvo suoritetaan eri pisteissä, jotta voidaan nähdä, voidaanko alkuperäinen aalto saada takaisin 5 ja 10 pistettä tuottavat kohtuullisia tuloksia, mutta eivät poista melua kokonaan, kun enemmän pisteitä alkaa menetetään amplitudin yksityiskohtia, kun keskiarvo ulottuu eri vaiheiden välillä, muistaa aalto värähtää noin nollaan ja keskiarvo -1 1. Vaihtoehtoinen lähestymistapa olisi rakentaa alipäästösuodatin, jota voidaan käyttää Jota sovelletaan taajuusalueella olevaan signaaliin, en aio mennä yksityiskohtiin, koska se ylittää tämän artikkelin soveltamisalan, mutta koska melua on huomattavasti korkeampi kuin aaltojen perustaajuus, tässä tapauksessa olisi melko helppoa rakentaa Alipäästösuodatin, joka poistaa korkeataajuisen melun.