Saturday, October 15, 2016

Bewegende Gemiddelde Filter Frekwensie

Frekwensie van die lopende gemiddeld Filter Die frekwensieweergawe van 'n LTI stelsel is die DTFT van die impulsrespons, Die impulsrespons van 'n L - sample bewegende gemiddelde is sedert die bewegende gemiddelde filter is FIR, die frekwensieweergawe verminder om die eindige som Ons kan die baie nuttig identiteit gebruik om die frekwensie reaksie as waar ons toelaat dat AE minus jomega skryf. N 0, en M L minus 1. Ons kan belangstel in die omvang van hierdie funksie word ten einde te bepaal watter frekwensies te kry deur middel van die filter unattenuated en wat verswakte. Hier is 'n plot van die omvang van hierdie funksie lyk, vir L 4 (rooi), 8 (groen) en 16 (blou). Die horisontale as wissel van nul tot pi radiale per monster. Let daarop dat in al drie gevalle, die frekwensieweergawe het 'n laagdeurlaat kenmerk. 'N konstante komponent (nul frekwensie) in die insette gaan deur die filter unattenuated. Sekere hoër frekwensies, soos pi / 2, is heeltemal uitgeskakel word deur die filter. Maar, as die bedoeling was om 'n laagdeurlaatfilter ontwerp, dan het ons nie baie goed gedoen. Sommige van die hoër frekwensies is verswakte net met 'n faktor van ongeveer 1/10 (vir die 16 punt bewegende gemiddelde) of 1/3 (vir die vier punt bewegende gemiddelde). Ons kan baie beter as dit doen. Bogenoemde plot is geskep deur die volgende Matlab kode: omega 0: pi / 400: pi H4 (1/4) (1-exp (-iomega4)) ./ (1-exp (-iomega)) H8 (1/8 ) (1-exp (-iomega8)) ./ (1-exp (-iomega)) H16 (1/16) (1-exp (-iomega16)) ./ (1-exp (-iomega)) plot (omega , ABS (H4) ABS (H8) ABS (H16)) as (0, PI, 0, 1) Kopiereg kopie 2000- - Universiteit van Kalifornië, moet BerkeleyI 'n bewegende gemiddelde filter wat 'n afsnyfrekwensie van 7.8 het ontwerp Hz. Ek het gebruik voordat bewegende gemiddelde filters, maar so ver as Im bewus, die enigste parameter wat in gevoer kan word is die aantal punte wat gemiddeld. Hoe kan dit met 'n afsnyfrekwensie Die omgekeerde van 7.8 Hz is 130 ms, en Im werk met data wat getoets by 1000 Hz. Impliseer dit dat ek dit behoort te word met behulp van 'n bewegende gemiddelde filter venster grootte van 130 monsters, of is daar iets anders wat Im hier vermis gevra 18 Julie 13 aan 09:52 Die bewegende gemiddelde filter is die filter gebruik word in die tydgebied te verwyder die geraas bygevoeg en ook vir glad doel, maar as jy dieselfde bewegende gemiddelde filter gebruik in die frekwensiedomein vir frekwensie skeiding dan prestasie sal ergste wees. so in daardie geval gebruik frekwensiedomein filters uitvoering maak user19373 3 Februarie by 05:53 Die bewegende gemiddelde filter (soms omgangstaal bekend as 'n wagon filter) het 'n vierkantige impulsrespons: Of, anders gestel: Onthou dat 'n diskretetyd-stelsels frekwensieweergawe is gelyk aan die diskrete-tyd Fourier-transform van sy impulsrespons, kan ons dit soos volg bereken: Wat was die meeste belangstelling in jou geval is die grootte van die filter, H (omega). Met behulp van 'n paar eenvoudige manipulasies, kan ons kry dat in 'n makliker om te begryp vorm: Dit kan nie makliker om te verstaan ​​kyk. As gevolg van Eulers identiteit. onthou dat: Daarom kan ons skryf die bogenoemde as: Soos ek al voorheen gesê, wat jy regtig bekommerd oor die omvang van die frekwensieweergawe. Dus, kan ons die grootte van die bogenoemde te neem om dit verder te vereenvoudig: Let wel: Ons is in staat om die eksponensiële terme uit te laat val, omdat hulle dit nie invloed op die grootte van die resultaat e 1 vir alle waardes van omega. Sedert xy xy vir enige twee eindige komplekse getalle x en y, kan ons aflei dat die teenwoordigheid van die eksponensiële terme dont raak die algehele omvang reaksie (in plaas daarvan, hulle invloed op die stelsels fase reaksie). Die gevolglike funksie binne die omvang hakies is 'n vorm van 'n Dirichlet kern. Dit is soms 'n periodieke sed funksie, want dit lyk soos die sinc funksie ietwat in voorkoms, maar is periodieke plaas. In elk geval, sedert die definisie van afsnyfrekwensie ietwat is underspecified (-3 dB punt -6 dB punt eerste sidelobe nul), kan jy die bostaande vergelyking gebruik om op te los vir alles wat jy nodig het. Stel H (omega) ter waarde wat ooreenstem met die filter reaksie wat jy wil by die afsnyfrekwensie: spesifiek, kan jy die volgende doen. Stel omega gelyk aan die afsnyfrekwensie. Om 'n deurlopende-time frekwensie om die diskrete-tyd domein karteer, onthou dat omega 2pi frac waar FS is jou monster tempo. Vind die waarde van N wat gee jou die beste ooreenkoms tussen die linker - en regterkante van die vergelyking. Dit moet die lengte van jou bewegende gemiddelde wees. As N is die lengte van die bewegende gemiddelde, dan 'n geskatte afsnyfrekwensie F (geldig vir N GT 2) in genormaliseer frekwensie Ff / fs is: Die omgekeerde hiervan is Hierdie formule is asimptoties korrekte vir groot N, en het ongeveer 2 fout vir N2, en minder as 0,5 vir N4. P. s. Na twee jaar, hier uiteindelik wat die benadering gevolg. Die gevolg is gebaseer op ongeveer dieselfde MA amplitude spektrum rondom f0 as 'n parabool (2 orde Series) volgens MA (Omega) ongeveer 1 (frac - frac) Omega2 wat meer presiese naby die nul kruising van MA (Omega) gemaak kan word - frac deur te vermenigvuldig Omega deur 'n koëffisiënt verkryging MA (Omega) ongeveer 10,907523 (frac - frac) Omega2 die oplossing van MA (Omega) - frac 0 gee die resultate hierbo, waar 2pi F Omega. Al die bogenoemde het betrekking op die -3dB afsny frekwensie, die onderwerp van hierdie post. Soms al is dit interessant om 'n verswakking profiel in stop-orkes wat vergelykbaar is met dié van 'n 1 Om IIR laaglaatfilter verkry (enkele paal LPF) met 'n gegewe -3dB afsny frekwensie (so 'n LPF is ook bekend as lekkende integreerder, 'n paal nie presies by DC, maar naby aan dit). Om die waarheid te beide die MA en die 1ste orde IIR LPF het -20dB / dekade helling in die stop-band ( 'n mens moet 'n groter N as die een wat in die figuur, N32, om dit te sien), maar terwyl MA het spektrale nulls by Fk / n en 'n 1 / f evelope, die IIR filter het slegs 'n 1 / f profiel. As 'n mens wil 'n MA filter met 'n soortgelyke geraas filter vermoëns as hierdie IIR filter verkry, en ooreenstem met die 3dB afgesny frekwensies om dieselfde te wees, op die vergelyking van die twee spektra, sou hy besef dat die stop orkes rimpeleffek van die MA filter beland 3dB laer as dié van die IIR filter. Met die oog op dieselfde stop-orkes rimpeleffek (maw dieselfde geraas krag verswakking) as die IIR kry filtreer die formules kan soos volg gewysig word: ek het terug die Mathematica script waar ek bereken die uitroei vir 'n paar filters, insluitend die MA een. Die gevolg is gebaseer op ongeveer dieselfde MA spektrum rondom f0 as 'n parabool volgens MA (Omega) Sonde (OmegaN / 2) / Sonde (Omega / 2) Omega 2piF MA (F) ongeveer N1 / 6F2 (N-N3) pi2. En die afleiding van die kruising met 1 / sqrt van daar af. â € Massimo 17 Januarie by 2: 08Moving Gemiddelde Filter (MA filter) laai. Die bewegende gemiddelde filter is 'n eenvoudige Low Pass FIR (Eindige Impulse Response) filter wat algemeen gebruik word vir glad 'n verskeidenheid van monsters data / sein. Dit neem M monsters van insette op 'n tyd en neem die gemiddelde van die M-monsters en produseer 'n enkele uitset punt. Dit is 'n baie eenvoudige LPF (laaglaatfilter) struktuur wat handig te pas kom vir wetenskaplikes en ingenieurs om ongewenste lawaaierige komponent filter van die beoogde data. As die filter lengte toeneem (die parameter M) die gladheid van die uitset verhoog, terwyl die skerp oorgange in die data gemaak word toenemend stomp. Dit impliseer dat die filter het 'n uitstekende tyd domein reaksie, maar 'n swak frekwensieweergawe. Die MA filter voer drie belangrike funksies: 1) Dit neem M insette punte, bere die gemiddelde van die M-punte en produseer 'n enkele uitset punt 2) As gevolg van die berekening / berekeninge betrokke. die filter stel 'n definitiewe bedrag van die vertraging 3) Die filter dien as 'n laaglaatfilter (met 'n swak frekwensiedomein reaksie en 'n goeie tyd domein reaksie). Matlab Kode: Na aanleiding van Matlab kode simuleer die tydgebied reaksie van 'n M-punt bewegende gemiddelde filter en ook plotte die frekwensieweergawe vir verskeie filter lengtes. Tyd Domain Reaksie: Op die eerste plot, ons het die insette wat gaan in die bewegende gemiddelde filter. Die insette is raserig en ons doel is om die geraas te verminder. Die volgende figuur is die uitset reaksie van 'n 3-punt bewegende gemiddelde filter. Dit kan afgelei word uit die figuur dat die 3-punt bewegende gemiddelde filter nie veel in die filter van die geraas gedoen het. Ons verhoog die filter krane tot 51-punte en ons kan sien dat die geraas in die uitset baie, wat uitgebeeld word in die volgende figuur verminder. Ons verhoog die krane verder tot 101 en 501 en ons kan waarneem dat selfs-al die geraas is amper nul, die oorgange is drasties afgestomp uit (kyk na die helling op die weerskante van die sein en vergelyk kan word met die ideale baksteenmuur oorgang in ons insette). Frekwensie: Van die frekwensieweergawe dit kan beweer dat die roll-off is baie stadig en die stop orkes verswakking is nie goed nie. Gegewe hierdie stop-band attenuasie, duidelik, die bewegende gemiddelde filter kan nie een band van frekwensies van 'n ander te skei. Soos ons weet dat 'n goeie vertoning in die tydgebied resultate in 'n swak vertoning in die frekwensiedomein, en omgekeerd. In kort, die bewegende gemiddelde is 'n buitengewoon goeie glad filter (die aksie in die tydgebied), maar 'n besonder slegte laaglaatfilter (die aksie in die frekwensiedomein) Eksterne skakel: aanbevole boeke: Primêre SidebarThe bewegende gemiddelde as 'n Filter die bewegende gemiddelde is dikwels gebruik vir glad data in die teenwoordigheid van ruis. Die eenvoudige bewegende gemiddelde is nie altyd erken as die Eindige Impulse Response (FIR) filter dat dit, terwyl dit eintlik een van die mees algemene filters in seinverwerking. Die behandeling van dit as 'n filter kan vergelyk dit met byvoorbeeld met venster-sed filters (sien die artikels oor lae-pass. Hoë-pass. En orkes-pass en orkes-verwerp filters vir voorbeelde van diegene). Die groot verskil met dié filters is dat die bewegende gemiddelde is geskik vir seine waarvoor die nuttige inligting is vervat in die tydgebied. waarvan glad metings deur die gemiddeld is 'n uitstekende voorbeeld. 'N klein venster-sed filters, aan die ander kant, is sterk presteerders in die frekwensiedomein. met gelykmaking in klank verwerking as 'n tipiese voorbeeld. Daar is 'n meer gedetailleerde vergelyking van beide tipes filters in Time Domain teen frekwensiedomein Performance filters. As jy inligting soek wat beide die tyd en die frekwensie domein is belangrik, dan kan jy 'n blik op variasies op die bewegende gemiddelde het. wat bied 'n aantal geweegde weergawes van die bewegende gemiddelde wat beter op daardie is. Die bewegende gemiddelde lengte (N) kan gedefinieer word as geskryf soos dit tipies is geïmplementeer, met die huidige uitset monster as die gemiddelde van die vorige (N) monsters. Gesien word as 'n filter, die bewegende gemiddelde voer 'n konvolusie van die insette volgorde (xn) met 'n vierkantige pols van lengte (N) en hoogte (1 / N) (om die oppervlakte van die pols te maak, en dus die wins van die filter, een). In die praktyk is dit die beste om (N) vreemd neem. Hoewel 'n bewegende gemiddelde ook kan bereken word met behulp van 'n gelyke getal monsters, met behulp van 'n vreemde waarde vir (N) het die voordeel dat die vertraging van die filter 'n heelgetal van monsters sal wees nie, aangesien die vertraging van 'n filter met (N) monsters is presies ((N-1) / 2). Die bewegende gemiddelde kan dan presies in lyn wees met die oorspronklike data deur die verskuiwing dit deur 'n heelgetal van monsters. Tyd Domain Sedert die bewegende gemiddelde is 'n konvolusie met 'n vierkantige pols, sy frekwensieweergawe is 'n sed funksie. Dit maak dit iets soos die dubbele van die klein venster-sed filter, want dit is 'n konvolusie met 'n sed pols wat lei tot 'n vierkantige frekwensieweergawe. Dit is hierdie sed frekwensieweergawe dat die bewegende gemiddelde n swak presteerder in die frekwensiedomein maak. Maar dit doen baie goed in die tydgebied. Daarom is dit ideaal om data glad geraas te verwyder, terwyl op dieselfde tyd nog 'n vinnige stap reaksie (figuur 1) hou. Vir die tipiese byvoeging Wit Gaussiese ruis (SWGR) wat dikwels aanvaar, gemiddeld (N) monsters het die effek van die verhoging van die SNR met 'n faktor van (sqrt N). Sedert die geraas vir die individuele monsters is ongekorreleerd, daar is geen rede om elke monster anders te behandel. Vandaar die bewegende gemiddelde, wat elke monster dieselfde gewig gee, sal ontslae te raak van die maksimum bedrag van geraas vir 'n gegewe stap reaksie skerp. Implementering Omdat dit 'n FIR filter, kan die bewegende gemiddelde geïmplementeer deur konvolusie. Dit sal dan dieselfde doeltreffendheid (of die gebrek daaraan) as enige ander FIR filter. Maar dit kan ook rekursief geïmplementeer, in 'n baie doeltreffende manier. Dit volg direk uit die definisie dat hierdie formule is die gevolg van die uitdrukkings vir (yn) en (yn1), dit wil sê, waar ons sien dat die verandering tussen (yn1) en (yn) is dat 'n ekstra termyn (xn1 / N) verskyn aan die einde, terwyl die term (xn-N1 / N) van die begin af verwyder. In praktiese toepassings, is dit dikwels moontlik om uit te laat die verdeling deur (N) vir elke kwartaal deur vergoed vir die gevolglike wins van (N) in 'n ander plek. Dit rekursiewe implementering sal baie vinniger as konvolusie wees. Elke nuwe waarde van (y) kan bereken word met net twee toevoegings, in plaas van die (N) toevoegings wat vir 'n eenvoudige implementering van die omskrywing nodig sou wees. Een ding om op die uitkyk vir 'n rekursiewe implementering is dat afrondingsfoute sal ophoop. Dit mag of mag nie 'n probleem vir jou aansoek nie, maar dit beteken ook dat dit rekursiewe implementering eintlik beter met 'n heelgetal implementering sal werk as met swaai-punt getalle. Dit is nogal 'n ongewone, aangesien 'n drywende punt implementering is gewoonlik makliker. Die sluiting van dit alles moet wees dat jy nooit die nut van die eenvoudige bewegende gemiddelde filter in seinverwerking aansoeke moet onderskat nie. Filterontwerp Tool Hierdie artikel word aangevul met 'n Filter Ontwerp instrument. Eksperimenteer met verskillende waardes vir (N) en visualiseer die gevolglike filters. Probeer dit nowFrequency Reaksie van die lopende gemiddeld Filter Die frekwensieweergawe van 'n LTI stelsel is die DTFT van die impulsrespons, Die impulsrespons van 'n L - sample bewegende gemiddelde is sedert die bewegende gemiddelde filter is FIR, die frekwensieweergawe verminder om die eindige som ons kan die baie nuttig identiteit gebruik om die frekwensie reaksie as waar ons ae het laat skrywe - j 119. N 0, en M L - 1. Ons kan belangstel in die omvang van hierdie funksie word ten einde te bepaal watter frekwensies te kry deur middel van die filter unattenuated en wat verswakte. Hier is 'n plot van die omvang van hierdie funksie lyk, vir L 4 (rooi), 8 (groen) en 16 (blou). Die horisontale as wissel van nul tot 112 radiale per monster. Let daarop dat in al drie gevalle, die frekwensieweergawe het 'n laagdeurlaat kenmerk. 'N konstante komponent (nul frekwensie) in die insette gaan deur die filter unattenuated. Sekere hoër frekwensies, soos 112/2, is heeltemal uitgeskakel word deur die filter. Maar, as die bedoeling was om 'n laagdeurlaatfilter ontwerp, dan het ons nie baie goed gedoen. Sommige van die hoër frekwensies is verswakte net met 'n faktor van ongeveer 1/10 (vir die 16 punt bewegende gemiddelde) of 1/3 (vir die vier punt bewegende gemiddelde). Ons kan baie beter as dit doen. Bogenoemde plot is geskep deur die volgende Matlab kode: omega 0: pi / 400: pi H4 (1/4) (1-exp (-iomega4)) ./ (1-exp (-iomega)) H8 (1/8 ) (1-exp (-iomega8)) ./ (1-exp (-iomega)) H16 (1/16) (1-exp (-iomega16)) ./ (1-exp (-iomega)) plot (omega , ABS (H4) ABS (H8) ABS (H16)) as (0, PI, 0, 1)


No comments:

Post a Comment