Usando MATLAB, ¿cómo puedo encontrar el promedio móvil de 3 días de una columna específica de una matriz y anexar la media móvil de esa matriz que estoy tratando de calcular el promedio móvil de 3 días desde el fondo hasta la parte superior de la matriz. He proporcionado mi código: Dada la siguiente matriz A y la máscara: He tratado de implementar el comando conv pero estoy recibiendo un error. Este es el comando conv he estado tratando de utilizar en la segunda columna de la matriz A: La salida deseo se da en la matriz siguiente: Si usted tiene alguna sugerencia, me sería de gran aprecio. Muchas gracias por la columna 2 de la matriz A, estoy calculando la media móvil de 3 días de la siguiente manera y colocando el resultado en la columna 4 de la matriz A (Me cambió el nombre de la matriz como un 39desiredOutput39 sólo para ilustración). El promedio de 3 días de 17, 14, 11 es 14 la media de 3 días de 14, 11, 8 es 11 la media de 3 días de 11, 8, 5 es 8 y el promedio de 3 días de 8, 5, 2 es 5. no hay valor en la parte inferior 2 filas para la cuarta columna debido a que el cálculo para la 3-día en movimiento inicio promedio en la parte inferior. La salida 39valid39 no se mostrará hasta que al menos el 17, 14 y 11. Con suerte esto tiene sentido ndash Aaron Jun 12 13 a las 01:28 1 Respuesta En general, sería de ayuda si usted mostrar el error. En este caso va a hacer dos cosas mal: En primer lugar su convolución necesita ser dividido por tres (o la longitud de la media móvil) En segundo lugar, observa el tamaño de c. No se puede simplemente encajar en un c. La forma típica de conseguir una media móvil sería utilizar mismo: pero eso no parecerse a lo que desea. En lugar de ello se ven obligados a utilizar un par de líneas: Respuesta de frecuencia del filtro de media Correr La respuesta en frecuencia de un sistema LTI es la DTFT de la respuesta impulsiva, La respuesta al impulso de un L - ejemplo de media móvil se Puesto que el filtro de media móvil es FIR, la respuesta de frecuencia se reduce a la suma finita podemos utilizar la identidad de gran utilidad para escribir la respuesta en frecuencia como en donde hemos dejado ae menos jomega. N 0, y M L menos 1. Nos puede estar interesado en la magnitud de esta función con el fin de determinar qué frecuencias conseguir a través del filtro no atenuado y que están atenuados. A continuación se muestra un gráfico de la magnitud de esta función para L 4 (rojo), 8 (verde), y 16 (azul). El eje horizontal varía de cero a pi radianes por muestra. Nótese que en los tres casos, la respuesta de frecuencia tiene una característica de paso bajo. Un componente constante (frecuencia cero) en la entrada pasa a través del filtro sin atenuar. Ciertas frecuencias más altas, tales como pi / 2, son completamente eliminados por el filtro. Sin embargo, si la intención era diseñar un filtro de paso bajo, entonces no hemos hecho muy bien. Algunas de las frecuencias más altas se atenúan solamente por un factor de alrededor de un décimo (para la media móvil de 16 puntos) o 1/3 (para la media móvil de cuatro puntos). Podemos hacer mucho mejor que eso. El gráfico de arriba fue creado por el siguiente código de Matlab: omega 0: H4 pi (1/4) (1-exp (-iomega4)) ./ (1-exp (-iomega)) H8 (1/8: pi / 400 ) (1-exp (-iomega8)) ./ (1-exp (-iomega)) H16 (1/16) (1-exp (-iomega16)) ./ (1-exp (-iomega)) parcela (omega , abs (H4) abs (H8) abs (H16)) eje (0, pi, 0, 1) copia Derechos de autor 2000- - Universidad de California, BerkeleyThe Científico y Guía de Ingenieros de Procesamiento digital de Señales Por Steven W. Smith, Ph. RE. Como el nombre implica, el filtro de media móvil opera promediando un número de puntos de la señal de entrada para producir cada punto de la señal de salida. En forma de ecuación, esto está escrito: ¿Dónde está la señal de entrada, es la señal de salida, y M es el número de puntos en el promedio. Por ejemplo, en un punto 5 filtro de media móvil, el punto 80 en la señal de salida viene dada por: Como alternativa, el grupo de puntos de la señal de entrada puede ser elegido de forma simétrica alrededor del punto de salida: Esto corresponde a la evolución de la suma en la ecuación . 15-1 a partir de: j 0 a M -1, a: j - (-1 M) / 2 a (M -1) / 2. Por ejemplo, en un punto 10 filtro de media móvil, el índice, j. puede funcionar de 0 a 11 (un promedio de un lado) o -5 a 5 (de promedio simétrica). promediado simétrica requiere que M sea un número impar. La programación es un poco más fácil con los puntos en un solo lado sin embargo, esto produce un desplazamiento relativo entre las señales de entrada y de salida. Hay que reconocer que el filtro de media móvil es una convolución utilizando un kernel muy simple filtro. Por ejemplo, un filtro de 5 punto tiene el núcleo de filtro: 82300, 0, 1/5, 1/5, 1/5, 1/5, 1/5, 0, 08230. Es decir, el filtro de media móvil es una convolución de la señal de entrada con un pulso rectangular que tiene un área de uno. Tabla 15-1 muestra un programa para implementar la filter. Documentation media móvil Este ejemplo muestra cómo utilizar filtros en movimiento promedio y nuevo muestreo para aislar el efecto de los componentes periódicos de la hora del día en las lecturas de temperatura cada hora, así como eliminar el ruido de fondo no deseado a partir de una medición de la tensión de circuito abierto. El ejemplo también muestra el modo de suavizar los niveles de una señal de reloj preservando al mismo tiempo los bordes mediante el uso de un filtro de mediana. El ejemplo también muestra cómo utilizar un filtro para eliminar Hampel grandes valores atípicos. Suavizar la motivación es cómo descubrimos patrones importantes en nuestros datos y dejando fuera a las cosas que no son importantes (es decir, ruido). Utilizamos filtrado para realizar esta suavizado. El objetivo de suavizado es producir cambios lentos en valor, de modo que es más fácil de ver las tendencias en nuestros datos. A veces, cuando se examinan los datos de entrada es posible que desee suavizar los datos con el fin de ver una tendencia en la señal. En nuestro ejemplo, tenemos un conjunto de lecturas de temperatura en grados Celsius tomadas cada hora, en el aeropuerto Logan de todo el mes de enero de 2011. Tenga en cuenta que podemos ver visualmente el efecto de que la hora del día tiene sobre las lecturas de temperatura. Si sólo está interesado en la variación de la temperatura diaria en el mes, las fluctuaciones horarias sólo contribuyen ruido, que puede hacer que las variaciones diarias difíciles de discernir. Para eliminar el efecto de la hora del día, ahora nos gustaría para suavizar los datos mediante el uso de un filtro de media móvil. Un filtro de media móvil En su forma más simple, un filtro de media móvil de longitud N toma el promedio de cada N muestras consecutivas de la forma de onda. Para aplicar un filtro de media móvil para cada punto de datos, construimos nuestros coeficientes de nuestro filtro de modo que cada punto es la misma importancia y contribuye 1/24 a la media total. Esto nos da la temperatura media durante cada período de 24 horas. Filtro de retardo Obsérvese que la salida filtrada se retrasa alrededor de doce horas. Esto es debido al hecho de que nuestro filtro de media móvil tiene un retraso. Cualquier filtro simétrico de longitud N tendrá un retardo de (N-1) / 2 muestras. Podemos explicar este retraso manualmente. La extracción de las diferencias promedio Alternativamente, también podemos utilizar el filtro de media móvil para obtener una mejor estimación de la forma en la hora del día influye en la temperatura global. Para ello, en primer lugar, restar los datos suavizados de las mediciones de temperatura por hora. A continuación, el segmento de los datos diferenciados en días y tomar la media de los 31 días del mes. La extracción de cresta de la envolvente A veces también le gustaría tener una estimación que varía suavemente de cómo los altos y bajos de nuestra señal de temperatura cambian diariamente. Para ello podemos utilizar la función envolvente para conectar extremos altos y bajos detectadas en un subconjunto del período de 24 horas. En este ejemplo, nos aseguramos de que hay al menos 16 horas entre cada alto y bajo extrema extrema. También podemos tener una idea de cómo los altos y bajos están en tendencia tomando el promedio entre los dos extremos. Media móvil ponderada Filtros Otros tipos de filtros en movimiento promedio no ponderar cada muestra por igual. Otro filtro común sigue la expansión binomial de (1 / 2,1 / 2) n Este tipo de filtro se aproxima a una curva normal para valores grandes de n. Es útil para filtrar el ruido de alta frecuencia para los pequeños n. Para encontrar los coeficientes para el filtro binomial, convolución 1/2 1/2 consigo mismo y luego convolución de forma iterativa la salida con 1/2 1/2 un número determinado de veces. En este ejemplo, utilizar cinco iteraciones totales. Otro filtro algo similar al filtro de expansión gaussiana es el filtro de media móvil exponencial. Este tipo de filtro de media móvil ponderada es fácil de construir y no requiere un tamaño de ventana grande. Se ajusta un filtro de media móvil exponencialmente ponderada por un parámetro alfa entre cero y uno. Un valor más alto de la alfa tendrá menos suavizado. Zoom en las lecturas de un día. Seleccione su CountryOriginal la publicación: Lee aquí Programa de MATLAB para M-punto que se mueve i amigos promedio filtro H, hoy vamos a aprender cómo escribir un programa MATLAB para m punto que se mueve filtro averagr. Pasos para escribir M-punto que se mueve programa de filtro de media en MATLAB: 1) Tome una señal dada 2n (0,9) y significan n por s (n). 2) A continuación, generar una señal de ruido aleatorio que tiene la misma longitud (50) como la de s (n) y denotan por d. 3) A continuación, añadir sd y guardarlo en p, es decir, psd. 4) Sabemos que la fórmula para m el punto filtro de media móvil está dada por 5) Para determinar el uso compendio en una de bucle. 6) Por último dividir la suma de M, obtendrá señal original. El programa MATLAB:
No comments:
Post a Comment