चलती - औसत - फिल्टर - विलंब

चलने की औसत एक फिल्टर के रूप में। चलती औसत अक्सर शोर की उपस्थिति में डेटा को चौरसाई करने के लिए उपयोग किया जाता है सरल चलती औसत हमेशा परिमित आवेग रिस्पांस प्राथमिकी फ़िल्टर के रूप में नहीं पहचाना जाता है, क्योंकि यह वास्तव में सबसे आम फिल्टरों में से एक है सिग्नल प्रोसेसिंग में इसे फ़िल्टर के रूप में इलाज करने से इसकी तुलना करने की अनुमति मिलती है, उदाहरण के लिए, विंडोड-सिंक फिल्टर कम-पास हाई-पास और बैंड-पास के आलेखों को देखते हैं और उन फिल्टरों के साथ बड़े अंतर को दर्शाते हैं। कि चलती औसत सिग्नल के लिए उपयुक्त है जिसके लिए उपयोगी जानकारी उस समय के क्षेत्र में समाई जाती है जो औसत से चौरसाई माप होती है, उदाहरण के लिए विंडोड-सिंक फिल्टर, दूसरी तरफ, ऑडियो के समीकरण के साथ आवृत्ति डोमेन में मजबूत कलाकार होते हैं एक विशिष्ट उदाहरण के रूप में प्रसंस्करण समय डोमेन बनाम फ़्रीक्वेंसी डोमेन प्रदर्शन में फ़िल्टर के दोनों प्रकार की तुलना में अधिक विस्तृत तुलना है यदि आपके पास डेटा है जिसके लिए दोनों समय और आवृत्ति डोमेन महत्वपूर्ण हैं, फिर आप मूविंग औसत पर विविधताओं पर एक नज़र रखना चाह सकते हैं, जो चलती औसत के कई भारित संस्करण प्रस्तुत करता है जो उस पर बेहतर होते हैं। लंबाई N की चलती औसत के रूप में परिभाषित किया जा सकता है। यह आम तौर पर वर्तमान आउटपुट नमूने के साथ, पिछले एन नमूनों के औसत के रूप में एक फिल्टर के रूप में देखा जाता है, चलती औसत इनपुट क्रम XN का एक लम्बाई की लंबाई और लंबाई 1 एन के आयताकार पल्स के साथ क्षेत्र का निर्माण करने के लिए कार्यान्वित करता है नाड़ी, और, इसलिए, फिल्टर का लाभ, एक अभ्यास में, एन ओड लेने के लिए सबसे अच्छा है हालांकि एन के लिए एक अजीब मूल्य का उपयोग करते हुए एक चल औसत औसत भी नमूने के एक भी संख्या का उपयोग करके गणना की जा सकती है फिल्टर का विलंब नमूने की एक पूर्णांक संख्या होगी, चूंकि एन नमूनों के साथ फिल्टर की देरी बिल्कुल एन-1 है 2 चलती औसत फिर मूल आंकड़ों के साथ एक नमूने की पूर्णांक संख्या द्वारा स्थानांतरित करके ठीक से गठित किया जा सकता है। समय डोमेन। के बाद से movi एनजी औसत एक आयताकार पल्स के साथ एक संकुचन है, इसकी आवृत्ति प्रतिक्रिया एक sinc फ़ंक्शन होती है यह विंडोड-सिंक फिल्टर के दोहरे जैसा कुछ बनाता है, क्योंकि यह एक सिंक नाड़ी के साथ एक संकुचन है जो आयताकार आवृत्ति प्रतिक्रिया में परिणाम है। यह है यह sinc आवृत्ति प्रतिक्रिया जो चलती औसत को आवृत्ति डोमेन में एक खराब कलाकार बनाता है, हालांकि, यह समय डोमेन में बहुत अच्छी तरह से प्रदर्शन करता है इसलिए, यह शोर को हटाने के लिए डेटा को चिकना करने के लिए एकदम सही है, जबकि अभी भी तेज गति से प्रतिक्रिया रखते हुए चित्रा 1 परिणत 1 चलती औसत फिल्टर के साथ चौरसाई। आमतौर पर माना जाता है कि विशिष्ट Additive व्हाईट गाऊसी शोर एडब्ल्यूजीएन के लिए, एन नमूनों की औसतता एसक्यूआर एनकेआर के बढ़ने का असर है क्योंकि एसक्यूआरटी नं। के एक कारक से व्यक्तिगत नमूनों के लिए शोर असंबंधित है, वहां हर नमूने को अलग तरह से व्यवहार करने का कोई कारण नहीं है, इसलिए चलती औसत, जो प्रत्येक नमूने को एक ही वजन देता है, किसी दिए गए कदम प्रतिक्रिया तीक्ष्णता के लिए शोर की अधिकतम मात्रा से छुटकारा पायेगा। क्योंकि यह एक एफआईआर फिल्टर है, चलती औसत रूपांतरण के माध्यम से कार्यान्वित किया जा सकता है, इसके बाद इसे किसी भी अन्य एफआईआर फिल्टर के रूप में एक ही दक्षता या अभाव होगा, हालांकि, यह एक बहुत ही कुशल तरीके से, फिर से लागू किया जा सकता है। परिभाषा है कि। यह सूत्र yn और yn 1 के लिए अभिव्यक्ति का परिणाम है, i ई। जहां हम नोट करते हैं कि yn 1 और yn के बीच का परिवर्तन यह है कि एक अतिरिक्त शब्द xn 1 N अंत में प्रकट होता है, जबकि शब्द x nN 1 एन को शुरुआत से हटा दिया जाता है व्यावहारिक अनुप्रयोगों में, एन के द्वारा प्रत्येक स्थान के लिए एन द्वारा विभाजन को छोड़ने के लिए अक्सर संभव है, दूसरे स्थान पर एन के परिणामी लाभ के लिए क्षतिपूर्ति करके यह पुनरावर्ती क्रियान्वयन रूपांतरण के मुकाबले बहुत तेज हो जाएगा Y का प्रत्येक नया मान परिभाषा के सीधा कार्यान्वयन के लिए जरूरी होगा एन अतिरिक्त के बजाय केवल दो अतिरिक्त के साथ गणना की जा सकती है, एक पुनरावर्ती कार्यान्वयन के साथ देखने के लिए एक चीज यह है कि गोलाकार त्रुटियाँ इस मा एकत्रित होंगी y या आपके आवेदन के लिए कोई समस्या नहीं हो सकती है, लेकिन इसका यह भी अर्थ है कि यह रिकर्सिव कार्यान्वयन वास्तव में फ़्लोटिंग-पॉइंट नंबरों की तुलना में एक पूर्णांक कार्यान्वयन के साथ बेहतर काम करेगा यह काफी असामान्य है, क्योंकि एक अस्थायी बिंदु कार्यान्वयन आमतौर पर सरल होता है। यह सब हो जाना चाहिए कि आपको सिग्नल प्रोसेसिंग एप्लीकेशन में सरल चलती औसत फिल्टर की उपयोगिता को कम करके देखना चाहिए। फ़िलटर डिज़ाइन टूल। यह लेख फ़िल्टर डिजाइन टूल से पूरित है और एन के लिए अलग-अलग मानों के साथ प्रयोग किया जाता है और परिणामस्वरूप फ़िल्टर की कल्पना करें अब इसे आज़माएं मूविंग एलायड फिल्टर एमए फिल्टर। लोडिंग चलती औसत फिल्टर एक साधारण लो पास एफआरसी परिमित इंपल्स रिस्पांस फ़िल्टर है जिसे आमतौर पर नमूनाकृत डेटा सिग्नल के सरणी को चौरसाई करने के लिए उपयोग किया जाता है। यह एक समय में इनपुट के एम नमूनों को लेता है और उन एम-नमूनों का औसत लेता है और एक आउटपुट पॉइंट का उत्पादन करता है यह एक बहुत ही सरल एलपीएफ लो पास फ़िल्टर संरचना है जो वैज्ञानिकों और इंजीनियरों के लिए अवांछित फिल्टर को आसान बनाता है इच्छित डेटा से ओसी घटक। फिल्टर लंबाई बढ़ जाती है, पैरामीटर एम बढ़ जाती है उत्पादन की चिकनाई, जबकि डेटा में तेज बदलाव तेजी से कुंद कर रहे हैं यह दर्शाता है कि इस फिल्टर में उत्कृष्ट समय डोमेन प्रतिक्रिया है लेकिन एक खराब आवृत्ति प्रतिक्रिया। एमए फ़िल्टर तीन महत्वपूर्ण कार्य करता है .1 यह एम इनपुट पॉइंट लेता है, उन एम-पॉइंट के औसत की गणना करता है और एक आउटपुट पॉइंट 2 बनाता है 2 गणना में गणना के कारण फिल्टर में देरी की एक निश्चित राशि होती है 3 फ़िल्टर निम्न के रूप में कार्य करता है खराब आवृत्ति डोमेन प्रतिक्रिया और एक अच्छा समय डोमेन प्रतिक्रिया के साथ फ़िल्टर पास करें.मैटलैब कोड। मैटलब कोड के बाद एक एम-पॉइंट मूविंग औसत फिल्टर का समय डोमेन प्रतिक्रिया प्रदर्शित करता है और विभिन्न फ़िल्टर लम्बाई के लिए आवृत्ति प्रतिक्रिया को भी प्लॉट करता है.टाइम डोमेन रिस्पांस। इनपुट से एमए फ़िल्टर 3-बिंदु एमए फ़िल्टर आउटपुट। औसत फिल्टर को स्थानांतरित करने के लिए इनपुट। 3 बिंदु की औसत फिल्टर चलती .51-बिंदु एमए फ़िल्टर output.101-बिंदु एमए फ़िल्टर आउटपुट 51-पॉइंट औसत फिल्टर चलते हुए 51-बिंदु का रिस्पॉन्स। 101-बिंदु की औसत औसत फ़िल्टर .501-बिंदु एमए फ़िल्टर आउटपुट का रिस्पॉन्स। 501 प्वाइंट की रिस्पॉन्स औसत फिल्टर चल रहा है। पहली साजिश पर, हमारे पास इनपुट है जो चलती जा रहा है औसत फिल्टर इनपुट शोर है और हमारा उद्देश्य शोर कम करना है अगला चित्र 3-बिंदु मूविंग औसत फ़िल्टर का आउटपुट प्रतिक्रिया है यह आंकड़ा से अनुमान लगाया जा सकता है कि 3-बिंदु मूविंग औसत फिल्टर ने फ़िल्टरिंग में बहुत कुछ नहीं किया है शोर से बाहर हम फिल्टर नल को 51-अंकों में बढ़ाते हैं और हम देख सकते हैं कि उत्पादन में शोर बहुत कम हो गया है, जो कि अगले आंकड़े में दर्शाया गया है। विभिन्न लंबाई के औसत फिल्टर को आगे बढ़ाने का फ़्रीक्वेंसी रिस्पॉन्स। हम नल को आगे बढ़ाएं 101 और 501 और हम यह देख सकते हैं कि भले ही शोर लगभग शून्य है, संक्रमण का संकेत स्पष्ट रूप से सिग्नल के दोनों तरफ ढलान का निरीक्षण किया जाता है और हमारे इनपुट में आदर्श ईंट दीवार संक्रमण के साथ तुलना करता है। फ्रीक्वेंसी रिस्पांस। आवृत्ति प्रतिक्रिया यह कहा जा सकता है कि रोल-ऑफ बहुत धीमा है और स्टॉप बैंड क्षीणन अच्छा नहीं है इस रोक बैंड क्षीणन को देखते हुए, स्पष्ट रूप से चलती औसत फिल्टर दूसरे से आवृत्तियों के एक बैंड को अलग नहीं कर सकता जैसा कि हम जानते हैं कि एक अच्छा प्रदर्शन आवृत्ति डोमेन में खराब प्रदर्शन में समय डोमेन परिणाम, और इसके विपरीत, चलती औसत एक विशेष रूप से अच्छा चौरसाई फ़िल्टर है, जो समय के समय में कार्य करता है, लेकिन एक असाधारण बुरा कम-पास फ़िल्टर आवृत्ति डोमेन में कार्य करता है.अतिरिक्त लिंक. Recommended Books. Primary Sidebar. This उदाहरण से पता चलता है कि औसत फिल्टर और रीसामलिंग का उपयोग कैसे प्रति घंटा तापमान रीडिंग पर दिन के समय के आवधिक घटकों के प्रभाव को अलग करने के लिए, साथ ही साथ एक खुले-पाश वोल्टेज माप से अवांछित लाइन शोर को निकाल देता है उदाहरण यह भी दिखाता है कि एक औसत फ़िल्टर का उपयोग करके किनारों को संरक्षित करते समय घड़ी संकेत के स्तर को सुचारू कैसे करना उदाहरण भी दिखाता है कि बड़े से निकालने के लिए एक Hampel फ़िल्टर का उपयोग कैसे करें लिअर्स। साँस लेना यह है कि हम अपने डेटा में महत्त्वपूर्ण पैटर्न कैसे खोजते हैं जबकि चीजें जो महत्वहीन हैं यानी आवाज छोड़ते हैं हम इस चौरसाई को करने के लिए फ़िल्टरिंग का उपयोग करते हैं। चौरसाई का लक्ष्य मूल्य में धीमे परिवर्तन उत्पन्न करना है ताकि हमारे डेटा में रुझान को देखना आसान हो। । कभी-कभी जब आप इनपुट डेटा की जांच करते हैं तो आप सिग्नल में एक प्रवृत्ति देखने के लिए डेटा को चिकना कर सकते हैं हमारे उदाहरण में हमारे पास जनवरी, 2011 के पूरे महीने के लिए लोगन हवाई अड्डे पर हर घंटे हर घंटे सेल्सियस में तापमान रीडिंग का एक सेट है। ध्यान दें कि हम नेत्रहीन रूप से प्रभाव को देख सकते हैं कि दिन के तापमान तापमान के रीडिंग पर हैं यदि आप केवल महीने में दैनिक तापमान भिन्नता में रुचि रखते हैं, तो प्रति घंटा उतार-चढ़ाव केवल शोर का योगदान देता है, जिससे दैनिक विविधताओं को समझना मुश्किल हो सकता है जिससे कि निकालने के लिए दिन के समय के प्रभाव, अब हम चलती औसत फिल्टर का उपयोग करके हमारे डेटा को चिकना करना पसंद करेंगे.एक मूविंग औसत फिल्टर। अपने सबसे सरल रूप में, लंबाई N का चलती औसत फिल्टर Averag लेता है तरंग के प्रत्येक एन सिक्वेटिव नमूनों की ई। प्रत्येक डेटा बिंदु पर चलती औसत फ़िल्टर लागू करने के लिए, हम अपने फिल्टर के गुणांक का निर्माण करते हैं ताकि प्रत्येक बिंदु बराबर भारित हो और कुल औसत पर 1 24 का योगदान करता है यह हमें औसत तापमान पर देता है प्रत्येक 24 घंटे की अवधि.फ़िल्टर देरी। नोट करें कि फ़िल्टर्ड आउटपुट के बारे में बारह घंटे तक देरी हो रही है यह इस तथ्य के कारण है कि हमारे चलने वाले औसत फ़िल्टर में विलंब होता है। लंबाई N के किसी भी सममित फिल्टर को N-1 2 नमूनों की देरी होगी हम इस विलंब के लिए मैन्युअल रूप से खाता कर सकते हैं। औसत मतभेदों को निकालना। वैकल्पिक रूप से, हम चल औसत औसत फ़िल्टर का उपयोग कर सकते हैं ताकि बेहतर अनुमान प्राप्त किया जा सके कि दिन का समय समग्र तापमान को किस प्रकार प्रभावित करता है ऐसा करने के लिए, पहले, हर घंटे से चिकनी डेटा घटाना तापमान माप फिर, अलग-अलग डेटा को दिन में विभाजित करें और महीने में सभी 31 दिनों में औसतन ले जाएं। पीक लिफाफा का विस्तार करना। कभी-कभी हम यह भी मानते हैं कि कैसे उच्च और हमारे तापमान संकेतों की चढ़ाव रोज़े बदलते हैं ऐसा करने के लिए हम 24 घंटे की अवधि के सबसेट और चरम सीमाओं से जुड़े लिफाफा फ़ंक्शन का उपयोग कर सकते हैं इस उदाहरण में, हम यह सुनिश्चित करते हैं कि प्रत्येक चरम उच्च और चरम सीमा के बीच कम से कम 16 घंटे कम हम यह भी समझ सकते हैं कि कैसे उच्च और नीच दोनों चरम सीमाओं के बीच औसत ले जा रहे हैं। औसत भारित औसत फिल्टर। अन्य प्रकार की चलती औसत फिल्टर प्रत्येक नमूने को समान रूप से भार नहीं करते हैं। एक और आम फिल्टर द्विपदीय विस्तार का अनुसरण करता है इस प्रकार का फिल्टर n के बड़े मूल्यों के लिए सामान्य वक्र का अनुमानित करता है यह छोटे से उच्च आवृत्ति शोर को फ़िल्टर करने के लिए उपयोगी है। द्विपदीय फिल्टर के गुणांक को खोजने के लिए, स्वयं के साथ समेटें और उसके बाद फिर से निर्धारित समय के साथ आउटपुट को समझाओ। यह उदाहरण, पांच कुल पुनरावृत्तियों का उपयोग करें। गाऊसी विस्तार फ़िल्टर के समान कुछ अन्य फिल्टर घातीय चलती औसत फिल्टर है इस तरह का भारित चलती एवे क्रोध फ़िल्टर का निर्माण करना आसान है और बड़े विंडो आकार की आवश्यकता नहीं है। आप शून्य और एक के बीच एक अल्फा पैरामीटर के द्वारा एक तीव्र भारित चलती औसत फ़िल्टर को समायोजित करते हैं एक अल्फा के उच्च मूल्य में कम चौरसाई होगी। एक दिन के रीडिंग पर ज़ूम करें। अपने देश का चयन करें।