Liukuva Keskiarvo Suodatin Matlab Koodi

Minun täytyy laskea liikkuva keskiarvo datasarjan yli, silmukan sisällä silmukan täytyy saada liikkuva keskiarvo N: n 9 päivän aikana. Määritelmä I m laskentaan on 4 sarja 365 arvosta M, jotka ovat itsessään keskimääräisiä arvoja toisesta joukosta data Haluan piirtää keskimäärin tietoni liikkuva keskiarvo yhden tontin. I googled vähän noin liikkuvia keskiarvoja ja conv komento ja löytänyt jotain, jonka yritin toteuttaa minun code. So pohjimmiltaan olen laskea keskiarvo ja tontti se väärässä liukuva keskiarvo otin wts arvo pois mathworks sivuston, joten se on väärä lähde minun ongelmani on, että en ymmärrä, mitä tämä wts on Voiko joku selittää, jos se on jotain tekemistä painoja arvoja, jotka ovat virheellisiä tässä tapauksessa Kaikki arvot on painotettu samaan. Ja jos olen tekemässä tätä täysin väärässä, voisinko saada apua. Minun vilpittömimmät kiitokset. sked 23 syyskuu 14 at 19 05.Käyttämällä conv on erinomainen tapa käytä liikkuvaa keskiarvoa Käyttämässäsi koodissa wts on kuinka paljon y ou painavat jokaista arvoa, kun olet arvannut tämän vektorin summan olevan aina yhtä kuin yksi. Jos haluat painottaa jokaista arvoa tasaisesti ja tehdä koon N liikkuvan suodattimen, niin haluaisit tehdä sen. joilla on vähemmän arvoja Ms kuin sinulla on M Käytä samaa, jos et pidä vaikutuksia nolla padding Jos sinulla on signaalinkäsittely työkalupakki voit käyttää cconv jos haluat yrittää pyöreä liukuva keskiarvo Jotain like. You lukea conv ja cconv-dokumentaatiota saadaksesi lisätietoja, jos et ole jo päässyt. Voit käyttää suodatinta löytääksesi juoksevan keskiarvon käyttämättä silmukkaa. Tämä esimerkki etsii 16-elementti-vektorin juoksevan keskiarvon, jossa ikkunan koko on 5,2 sileä osana Curve Fitting Toolbox, joka on käytettävissä useimmissa tapauksissa. yy tasainen y sileä tiedot sarakevektorissa y liikkuva keskimääräinen suodatin Tulokset palautetaan sarake vektori yy oletusväli on liukuva keskiarvo on 5.Using MATLAB, miten voin löytää 3 päivän matriisin tietyn sarakkeen liikkuvan keskiarvon ja liittää liikkuvan keskiarvon tähän matriisiin. Yritän laskea 3 päivän liukuva keskiarvo alhaalta matriisin päähän, jonka olen antanut koodini. Osota seuraava matriisi a ja mask. I ovat yrittäneet toteuttaa conv-komennon, mutta saan virheen Tässä on conv-komento, jota olen yrittänyt käyttää matriisin 2. sarakkeessa. Tuotos I halu on annettu seuraavassa matriisissa. Jos sinulla on ehdotuksia, haluan kiitän sitä kiitoksesta. Kiitos. Matriisin a sarakkeessa 2 laskennan 3 päivän liukuva keskiarvo seuraavasti ja saatan tuloksen matriisin sarakkeeseen 4 ja nimetin uudelleen matriisin a halutuksi. Ulostulo vain havainnollistamiseksi Kolmen päivän keskiarvo 17 , 14, 11 on 14 kolmen päivän keskiarvo 14, 11, 8 on 11 3 päivän keskiarvo 11, 8, 5 on 8 ja 3 päivän keskiarvo 8, 5, 2 on 5 Ei ole arvoa alareunassa 2 riviä neljännelle sarakkeelle, koska kolmen päivän liukuva keskiarvo lasketaan alareunasta. näytetään kunnes vähintään 17, 14 ja 11 Toivottavasti tämä on järkevää Aaron 12. kesäkuuta 13 klo 1 28. Yleisesti se auttaa, jos näytät virheen Tässä tapauksessa teet kaksi asiaa väärin. Ensin konvoluutiot on jaettava kolmella tai liikkuvan keskiarvon pituudella. Toinen, huomaa c: n kokoa. Et voi sopeutua vain c: hen. Tyypillinen tapa saada liikkuva keskiarvo olisi käyttää samaa. mutta se ei näytä mitä haluat. on pakko käyttää muutamaa linjaa. Lataa movAv m katso myös movAv2 - päivitetty versio, joka mahdollistaa painotuksen. Matlab sisältää toimintoja nimeltään movavg ja tsmovavg aikasarjan liikkuva keskiarvo Financial Toolboxissa movAv on suunniteltu kopioimaan näiden toimintojen perustoiminnot Koodi tässä on hieno esimerkki sisäisten silmukoiden indekseistä, mikä voi olla hämmentävä aluksi. Minulla on tarkoituksella säilytetty koodi lyhyt ja yksinkertainen pitääksesi tämän prosessin clear. movAv suorittaa yksinkertaisen liukuvan keskiarvon, jota voidaan käyttää palauttamaan meluisa da ta joissakin tilanteissa Se toimii ottamalla y: n keskiarvo liukuvan ikkunan yli, jonka koko määritellään n: n avulla Suurempi n on, sitä suurempi n: n vaikutuksen tasausmäärä on suhteessa pituuteen tulovektori y ja hyvin hyvin, eräänlainen luo alipäästösuodattimen - katso esimerkkien ja huomioiden osiota. Koska kunkin n: n arvon tarjoama tasoitusmäärä on suhteessa syöttövektorin pituuteen, se kannattaa aina testata erilaisia arvoja nähdäksesi mikä sopiva Muista myös, että n-pisteitä menetetään jokaista keskiarvoa kohti, jos n on 100, syöttövektorin ensimmäiset 99 pistettä eivät sisällä riittäviä tietoja 100-prosenttiselle keskiarvolle. Tätä voidaan välttää jonkin verran keskimäärin, alla oleva koodi ja kuvaaja vertaa useita eri pituusikkunan keskiarvoja Huomaa, miten sujuvaa 10 10pt - arvoa verrataan yhteen 20pt-keskiarvoon Molemmissa tapauksissa yhteensä 20 tietokokonaa 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, se palvelee kahta tarkoitusta varten Ensinnäkin esivalinta on yleisesti hyvää käytäntöä, koska se vähentää Matlabin tekemien muistijongleerausten tekemistä, toiseksi se tekee erittäin helposti keskitetyn datan sijoitettavaksi lähdöksi, jonka koko on sama kuin 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, joten 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, jotka todella ovat olemassa. Sine 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 0. 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 kohina on huomattavasti korkeampi kuin aaltojen perustaajuus, tässä tapauksessa olisi melko helppoa rakentaa alipäästösuodatin kuin poistaa korkeataajuisen melun.