الانتقال من المتوسط فلتر البرمجيات

المتوسط ​​المتحرك كمصفاة غالبا ما يستخدم المتوسط ​​المتحرك لتيسير البيانات في وجود ضوضاء. والمتوسط ​​المتحرك البسيط لا يعترف به دائما على أنه مرشاح الاستجابة النبضية المحددة (فير)، وهو في الواقع أحد المرشحات الأكثر شيوعا في معالجة الإشارات. التعامل معها كفلتر يسمح مقارنتها مع، على سبيل المثال، مرشحات المخلوطة نافذة (انظر المقالات على تمريرة المنخفضة. تمريرة عالية، والمرشحات تمريرة النطاق والترفض الفرقة لأمثلة على تلك). والفرق الرئيسي مع تلك المرشحات هو أن المتوسط ​​المتحرك مناسب للإشارات التي ترد المعلومات المفيدة في المجال الزمني. والتي تعد قياسات التمهيد عن طريق حساب المتوسط ​​مثالا رئيسيا. ومن ناحية أخرى، فإن المرشحات المخلوطة بالنافذة، هي عوامل أداء قوية في مجال الترددات. مع تحقيق المساواة في معالجة الصوت كمثال نموذجي. هناك مقارنة أكثر تفصيلا لكلا النوعين من المرشحات في المجال الزمني مقابل نطاق التردد أداء الفلاتر. إذا كانت لديك بيانات يكون كل من نطاق الوقت ونطاق التردد فيها هاما، فقد تحتاج إلى إلقاء نظرة على الاختلافات في المتوسط ​​المتحرك. الذي يعرض عددا من النسخ المرجحة للمتوسط ​​المتحرك الأفضل في ذلك. ويمكن تعريف المتوسط ​​المتحرك للطول (N) كما هو مكتوب كما هو مطبق عادة، مع عينة الانتاج الحالي كمتوسط ​​للعينات السابقة (N). ويرى المتوسط ​​المتحرك أن توليفة تتابع الدخل (شن) ذات نبضة مستطيلة طولها (N) والارتفاع (1N) (لجعل منطقة النبضة، وبالتالي كسب المرشاح ، واحد). في الممارسة العملية، فمن الأفضل أن تأخذ (N) الغريب. وعلى الرغم من إمكانية حساب متوسط ​​متحرك باستعمال عدد متساو من العينات، فإن استخدام قيمة غريبة ل (N) له ميزة مفادها أن تأخر المرشح سيكون عددا صحيحا من العينات، نظرا لأن تأخر المرشاح (N) العينات هو بالضبط ((N-1) 2). ويمكن بعد ذلك مواءمة المتوسط ​​المتحرك تماما مع البيانات الأصلية بتحويله بعدد صحيح من العينات. المجال الزمني نظرا لأن المتوسط ​​المتحرك هو ارتباط مع نبضة مستطيلة، فإن استجابته للتردد هي دالة صادقة. هذا يجعل من شيء مثل المزدوج من المرشح المصدق نافذة، لأن هذا هو التلازم مع نبض مخلص يؤدي إلى استجابة التردد مستطيلة. هذا هو استجابة التردد المخلص الذي يجعل المتوسط ​​المتحرك أداء ضعيف في مجال التردد. ومع ذلك، فإنه يؤدي بشكل جيد جدا في المجال الزمني. ولذلك، فإنه مثالي لنعومة البيانات لإزالة الضوضاء بينما في نفس الوقت لا تزال تحافظ على استجابة خطوة سريعة (الشكل 1). وبالنسبة للضوضاء البيضاء النموذجية المضافة (غوسيان نويز) (أوغن) التي غالبا ما تفترض، فإن متوسطات (N) عينات لها تأثير زيادة شنر بعامل (سرت N). وبما أن الضوضاء بالنسبة للعينات الفردية غير مترابطة، فلا يوجد سبب لمعالجة كل عينة على حدة. وبالتالي، فإن المتوسط ​​المتحرك، الذي يعطي كل عينة نفس الوزن، والتخلص من أقصى قدر من الضوضاء لحدة استجابة خطوة معينة. التنفيذ نظرا لأنه مرشح من نوع فير، يمكن تنفيذ المتوسط ​​المتحرك من خلال الالتفاف. ومن ثم سيكون لها نفس الكفاءة (أو عدم وجودها) مثل أي مرشح آخر لتصفية معلومات الطيران. ومع ذلك، فإنه يمكن أيضا أن تنفذ بشكل متكرر، بطريقة فعالة جدا. ويأتي ذلك مباشرة من التعريف بأن هذه الصيغة هي نتيجة لتعبيرين عن (ين) و (yn1)، أي حيث نلاحظ أن التغيير بين (yn1) و (ين) هو أن مصطلح إضافي (xn1N) يظهر عند في النهاية، في حين تتم إزالة المصطلح (شن-N1N) من البداية. في التطبيقات العملية، غالبا ما يكون من الممكن ترك التقسيم عن طريق (N) لكل مصطلح من خلال تعويض عن المكسب الناتج من (N) في مكان آخر. هذا التنفيذ المتكرر سيكون أسرع بكثير من الالتفاف. ويمكن حساب كل قيمة جديدة (y) بإضافتين فقط، بدلا من الإضافات (N) التي ستكون ضرورية للتنفيذ المباشر للتعريف. شيء واحد للبحث عن مع تنفيذ العودية هو أن أخطاء التقريب سوف تتراكم. قد يكون هذا أو قد لا يكون مشكلة للتطبيق الخاص بك، ولكنه يعني أيضا أن هذا التنفيذ المتكرر سوف تعمل في الواقع بشكل أفضل مع تنفيذ عدد صحيح من مع أرقام نقطة العائمة. هذا أمر غير عادي تماما، حيث أن تنفيذ النقطة العائمة عادة ما يكون أكثر بساطة. يجب أن يكون استنتاج كل هذا أنه يجب أن لا نقلل من فائدة مرشح المتوسط ​​المتحرك البسيط في تطبيقات معالجة الإشارات. أداة تصميم التصفية يتم استكمال هذه المقالة باستخدام أداة تصميم التصفية. قم بتجربة قيم مختلفة ل (N) وتصور الفلاتر الناتجة. نحاول الآن نظرة أكثر قربا في المتقدم كوداس متحرك متوسط ​​خوارزمية متوسط ​​متحرك تنوعا في المتقدم خوارزمية كوداس مرشحات الضوضاء الموجي، مقتطفات يعني، ويزيل الانجراف خط الأساس. المتوسط ​​المتحرك هو تقنية رياضية بسيطة تستخدم في المقام الأول للقضاء على الانحرافات وكشف الاتجاه الحقيقي في مجموعة من نقاط البيانات. قد تكون على دراية بها من متوسط ​​البيانات صاخبة في تجربة الفيزياء طالبة، أو من تتبع قيمة الاستثمار. قد لا تعرف أن المتوسط ​​المتحرك هو أيضا نموذج أولي لمرشح الاستجابة النبضية المحدود، وهو النوع الأكثر شيوعا من الفلتر المستخدم في أجهزة الكمبيوتر. وفي الحالات التي يكون فيها شكل موجة معين مشوشا بالضوضاء، حيث يلزم استخلاص متوسط ​​من إشارة دورية، أو عندما يكون هناك حاجة إلى إزالة خط الأساس المتدفق ببطء من إشارة تردد أعلى، يمكن تطبيق مرشاح متوسط ​​متحرك لتحقيق المرغوبة نتيجة. تقدم خوارزمية المتوسط ​​المتحرك ل كوداس المتقدمة هذا النوع من أداء الترشيح الموجي. كوداس المتقدم هو حزمة برامج التحليل التي تعمل على ملفات البيانات الموجي الموجودة التي أنشأتها الجيل الأول وينداق أو الجيل الثاني حزم الحصول على البيانات وينداق. بالإضافة إلى خوارزمية المتوسط ​​المتحرك، يتضمن كوداس المتقدم أيضا أداة توليد التقارير البرمجية والبرمجيات لتكامل الموجي، والتمايز، الذروة والوادي التقاط، والتصحيح، والعمليات الحسابية. نظرية معدل التصفية المتحركة توفر داتا إنسترومنتس خوارزمية المتوسط ​​المتحرك قدرا كبيرا من المرونة في تطبيقات تصفية الموجات. ويمكن استخدامه كمرشاح تمرير منخفض لتخفيف الضوضاء الكامنة في العديد من أنواع أشكال الموجات، أو كمرشاح تمريرة عالية للقضاء على خط أساس الانجراف من إشارة تردد أعلى. الإجراء الذي تستخدمه الخوارزمية لتحديد كمية الترشيح ينطوي على استخدام عامل التمهيد. ويمكن زيادة أو تقليل عامل التمهيد هذا، الذي تسيطر عليه أنت من خلال البرنامج، لتحديد عدد نقاط بيانات الموجة الفعلية أو العينات التي سيتراوح متوسطها المتحرك. ويمكن اعتبار أي شكل موجة دوري على شكل سلسلة طويلة أو مجموعة من نقاط البيانات. وتنجز الخوارزمية متوسطا متحركا من خلال أخذ نقطتين أو أكثر من نقاط البيانات هذه من الموجة المكتسبة، وإضافتها، وتقسيم مجموعها عن طريق العدد الإجمالي لنقاط البيانات المضافة، والاستعاضة عن نقطة البيانات الأولى من الموجة بالمتوسط ​​المحسوب فقط، وتكرار الخطوات مع نقاط البيانات الثانية والثالثة، وهلم جرا حتى يتم الوصول إلى نهاية البيانات. والنتيجة هي شكل موجة ثان أو مولد يتألف من بيانات متوسطية ولها نفس عدد النقاط مثل الموجة الأصلية. الشكل 1 8212 يمكن اعتبار أي شكل موجة دوري بمثابة سلسلة طويلة أو مجموعة من نقاط البيانات. في الرسم التوضيحي أعلاه، يتم تمثيل نقاط بيانات الموجة المتتالية بواسطة كوتكوت لتوضيح كيفية حساب المتوسط ​​المتحرك. في هذه الحالة، تم تطبيق عامل تمهيد من ثلاثة، مما يعني ثلاث نقاط بيانات متتالية من الموجي الأصلي تضاف، ومجموعها مقسوما على ثلاثة، ومن ثم يتم رسم هذا الحاصل كنقطة البيانات الأولى من الموجي ولدت. وتكرر العملية مع نقاط البيانات الثانية والثالثة وما إلى ذلك من الموجي الأصلي حتى يتم التوصل إلى نهاية البيانات. تقنية كوتيفاثيرينغكوت خاصة متوسطات ونهاية نقاط البيانات من شكل موجة الأصلي للتأكد من أن الموجي ولدت تحتوي على نفس العدد من نقاط البيانات كما الأصلي. ويوضح الشكل 1 كيفية تطبيق خوارزمية المتوسط ​​المتحرك على نقاط بيانات الموجة (التي تمثلها y). ويشتمل الرسم التوضيحي على عامل تمهيد قدره 3، وهو ما يعني أن متوسط ​​القيمة (الذي يمثله أ) سيحسب على 3 قيم بيانات متتالية من شكل الموجة. لاحظ التداخل الموجود في حسابات المتوسط ​​المتحرك. ومن هذه التقنية المتداخلة، جنبا إلى جنب مع بداية خاصة ونهاية نقطة العلاج الذي يولد نفس العدد من نقاط البيانات في الموجي المتوسط ​​كما كان موجودا في الأصل. الطريقة التي تحسب الخوارزمية المتوسط ​​المتحرك تستحق نظرة فاحصة ويمكن توضيحها مع مثال. قل أننا كنا على نظام غذائي لمدة أسبوعين ونريد أن نحسب متوسط ​​وزننا على مدى 7 أيام الماضية. سنجمع وزننا في اليوم السابع مع وزننا في الأيام 8 و 9 و 10 و 11 و 12 و 13 ثم تتضاعف بحلول 17. لإضفاء الطابع الرسمي على العملية، يمكن التعبير عن ذلك على النحو التالي: (7) 17 (y) 7) y (8) y (9) y (13)) يمكن زيادة تعميم هذه المعادلة. ويمكن حساب المتوسط ​​المتحرك لشكل الموجة من خلال: حيث: متوسط ​​قيمة النقطة n لنمو نقطة بيانات نقطة البيانات الفعلية y الشكل 2 8212 الشكل الموجي لخلايا الحمل المبين الأصلي وغير المرشح في القناة العليا وبوصفه 11 نقطة تتحرك شكل الموجة المتوسطة في القناة السفلى. كانت الضوضاء التي تظهر على شكل الموجة الأصلي بسبب الاهتزازات الشديدة التي تم إنشاؤها بواسطة الصحافة أثناء عملية التعبئة والتغليف. مفتاح هذه المرونة الخوارزميات هو مجموعة واسعة من عوامل التمهيد للاختيار (من 2 - 1،000). ويحدد عامل التمهيد عدد نقاط البيانات الفعلية أو العينات التي سيتم حساب متوسطها. تحديد أي عامل تمهيد إيجابي يحاكي مرشح تمريرة منخفضة في حين أن تحديد عامل تمهيد سلبي يحاكي مرشح تمريرة عالية. وبالنظر إلى القيمة المطلقة لعامل التجانس، فإن القيم الأعلى تطبق قيودا أكبر على التمهيد على الموجة الناتجة والعكس بالعكس، وتطبق القيم الأدنى على تمهيد أقل. وباستخدام عامل التمهيد الصحيح، يمكن أيضا استخدام الخوارزمية لاستخراج القيمة المتوسطة لموجة موجية دورية معينة. ويطبق عادة عامل تمهيد إيجابي أعلى لتوليد قيم متوسط ​​الموجة. تطبيق خوارزمية المتوسط ​​المتحرك تتمثل السمة البارزة لخوارزمية المتوسط ​​المتحرك في أنه يمكن تطبيقه عدة مرات على نفس الموجة إذا لزم الأمر للحصول على نتيجة الترشيح المطلوبة. تصفية الموجي هو ممارسة ذاتية جدا. قد يكون شكل الموجة الذي تمت تصفيته بشكل صحيح لمستخدم واحد غير صاخب بشكل غير مقبول. يمكنك فقط الحكم على ما إذا كان عدد النقاط التي تم تحديدها في المتوسط ​​كان مرتفعا جدا أو منخفضا جدا أم مجرد حق. المرونة من خوارزمية يسمح لك لضبط عامل تمهيد وجعل مرور آخر من خلال خوارزمية عندما لا يتحقق نتائج مرضية مع المحاولة الأولية. يمكن توضيح تطبيق وقدرات خوارزمية المتوسط ​​المتحرك بشكل أفضل من خلال الأمثلة التالية. الشكل 3 8212 الشكل الموجي لمخطط كهربية القلب المبين الأصلي وغير المرشح في القناة العليا وفي شكل موجة يبلغ متوسطها 97 نقطة في القناة السفلى. لاحظ غياب الانحراف الأساسي في القناة السفلى. ويظهر الشكلان الموجيان في حالة مضغوطة لأغراض العرض. تطبيق تخفيض الضوضاء في الحالات التي يكون فيها شكل موجة معين مشوشا بالضوضاء، يمكن تطبيق مرشاح المتوسط ​​المتحرك لقمع الضوضاء وإعطاء صورة أوضح لشكل الموجة. على سبيل المثال، كان عميل كوداس المتقدم يستخدم الصحافة وخلايا تحميل في عملية التعبئة والتغليف. وكان من المقرر ضغط منتجها على مستوى محدد سلفا (يتم مراقبته بواسطة خلية الحمل) لتقليل حجم العبوة المطلوبة لاحتواء المنتج. لأسباب تتعلق بالجودة، قرروا مراقبة العملية الصحفية مع الأجهزة. ظهرت مشكلة غير متوقعة عندما بدأت في عرض في الوقت الحقيقي إخراج خلية الحمل. منذ آلة الصحافة اهتزت بشكل كبير أثناء التشغيل، وخلايا الحمل الناتج الموجي كان من الصعب تمييز لأنه يحتوي على كمية كبيرة من الضوضاء بسبب الاهتزاز كما هو مبين في القناة العليا من الشكل 2. وقد تم التخلص من هذا الضجيج من خلال توليد قناة متوسطة الحركة من 11 نقطة كما هو مبين في القناة السفلى من الشكل 2. وكانت النتيجة صورة أكثر وضوحا من إخراج خلايا الحمل. تطبيق في القضاء على الانجراف في خط الأساس في الحالات التي يلزم فيها إزالة خط الأساس المتدفق ببطء من إشارة تردد أعلى، يمكن تطبيق المرشح المتوسط ​​المتحرك لإزالة خط الأساس المتجول. على سبيل المثال، شكل الموجة تخطيط القلب عادة ما يعرض بعض درجة من الجول الأساسي كما يمكن أن يرى في القناة العليا من الشكل 3. ويمكن إزالة هذا الانحراف الأساسي دون تغيير أو إزعاج خصائص الموجة كما هو مبين في القناة السفلى للشكل 3. ويتحقق ذلك بتطبيق عامل تمهيد سلبي مناسب أثناء حساب المتوسط ​​المتحرك. ويحدد عامل التمهيد المناسب بقسمة فترة موجة واحدة (بالثواني) على الفاصل الزمني لعينة القنوات. الفاصل الزمني عينة القنوات هو ببساطة متبادلة من معدل عينة القنوات ويتم عرضها بشكل مريح على قائمة الأداة المساعدة المتوسط ​​المتحرك. يتم تحديد فترة الموجي بسهولة من شاشة العرض عن طريق وضع المؤشر في نقطة مريحة على الموجي، ووضع علامة الوقت، ومن ثم تحريك المؤشر دورة كاملة واحدة بعيدا عن علامة الوقت المعروضة. فارق التوقيت بين المؤشر ومؤشر الوقت هو فترة شكل موجة واحدة ويتم عرضه في الجزء السفلي من الشاشة بالثواني. في مثال تخطيط القلب لدينا، كان الموجي يمتلك فاصل زمني للقناة من 0. 004 ثانية (تم الحصول عليها من قائمة الأداة المساعدة المتوسط ​​المتحرك) وتم قياس فترة شكل موجة واحدة على امتداد .388 ثانية. تقسيم فترة الموجي من خلال الفاصل الزمني عينة القنوات أعطانا عامل تمهيد من 97. وبما أن الانجراف خط الأساس أننا مهتمون بالقضاء، طبقنا عامل تمهيد سلبي (-97) إلى خوارزمية المتوسط ​​المتحرك. وهذا يطرح في الواقع النتيجة المتوسطة المتحررة من إشارة الموجة الأصلية، مما أدى إلى إزالة الانحراف الأساسي دون إزعاج معلومات الموجة. مشاكل معدل نقل الموجة الأخرى أيا كان التطبيق، فإن السبب العام لتطبيق مرشح متوسط ​​متحرك هو كوتسموث تخطي الانحرافات العالية والمنخفضة وكشف قيمة تمثيلية وسيطة أكثر تمثيلا. عند القيام بذلك، يجب أن البرنامج لا المساس الميزات الأخرى من الموجي الأصلي في عملية توليد الموجي المتوسط ​​المتحرك. على سبيل المثال، يجب أن يقوم البرنامج تلقائيا بضبط معلومات المعايرة المصاحبة لملف البيانات الأصلي، بحيث يكون شكل الموجة المتحرك المتوسط ​​في الوحدات الهندسية المناسبة عند توليده. وقد اتخذت جميع القراءات في الأرقام باستخدام وينداق البيانات اقتناء البرمجياتمتوسط ​​تصفية يمكنك التفكير في قائمة المراقبة الخاصة بك كما المواضيع التي لديك المرجعية. يمكنك إضافة العلامات والمؤلفين والخيوط، وحتى نتائج البحث إلى قائمة المراقبة الخاصة بك. وبهذه الطريقة يمكنك بسهولة تتبع المواضيع التي كنت مهتما. لعرض قائمة المراقبة الخاصة بك، انقر على الرابط كوتومي نوسريدركوت. لإضافة عناصر إلى قائمة المراقبة، انقر على علامة اقتباس لمشاهدة رابط ليستوت في أسفل أي صفحة. كيف أضيف عنصر إلى قائمة المراقبة الخاصة بي لإضافة معايير البحث إلى قائمة المشاهدة، ابحث عن العبارة المطلوبة في مربع البحث. انقر على كوادد هذا البحث إلى رابط ساعتي ليستكوت على صفحة نتائج البحث. يمكنك أيضا إضافة علامة إلى قائمة المشاهدة من خلال البحث عن العلامة باستخدام كوتاغ التوجيه: تاغناميكوت حيث تغنام هو اسم العلامة التي ترغب في مشاهدتها. لإضافة مؤلف إلى قائمة المراقبة، انتقل إلى صفحة الملف الشخصي للمؤلفين وانقر على رابط هذا المؤلف إلى رابط ساعتي ليستكوت أعلى الصفحة. يمكنك أيضا إضافة مؤلف إلى قائمة المراقبة الخاصة بك عن طريق الذهاب إلى مؤشر ترابط الذي نشره المؤلف والنقر على كوتاد هذا المؤلف إلى قائمتي ليستكوت رابط. سيتم إعلامك كلما قام المؤلف بعمل مشاركة. لإضافة سلسلة محادثات إلى قائمة المشاهدة، انتقل إلى صفحة سلسلة المحادثات وانقر على رابط عرض هذا الموضوع إلى رابط الساعة في أعلى الصفحة. حول مجموعات الأخبار، أخبار، و ماتلاب الوسطى ما هي مجموعات الأخبار مجموعات الأخبار هي منتدى عالمي مفتوح للجميع. وتستخدم مجموعات الأخبار لمناقشة مجموعة واسعة من المواضيع، وجعل الإعلانات، والملفات التجارية. المناقشات مترابطة، أو مجمعة بطريقة تسمح لك بقراءة رسالة نشرت وجميع ردودها بترتيب زمني. وهذا يجعل من السهل لمتابعة موضوع المحادثة، ونرى ما كان يقال بالفعل قبل نشر الرد الخاص بك أو جعل نشر جديد. يتم توزيع محتوى مجموعة الأخبار بواسطة خوادم تستضيفها منظمات مختلفة على الإنترنت. يتم تبادل الرسائل وإدارتها باستخدام بروتوكولات مفتوحة القياسية. لا يوجد كيان واحد لدكوونسردكو مجموعات الأخبار. هناك الآلاف من مجموعات الأخبار، كل يتناول موضوع واحد أو مجال الاهتمام. و ماتلاب الوسطى نوسريدر المشاركات ويعرض الرسائل في comp. soft-sys. matlab نيوسغروب. كيف يمكنني القراءة أو النشر إلى مجموعات الأخبار يمكنك استخدام قارئ الأخبار المتكامل في موقع ماتلاب المركزي لقراءة الرسائل ونشرها في مجموعة الأخبار هذه. يتم استضافتها ماتلاب الوسطى من قبل ماثوركس. الرسائل التي يتم نشرها من خلال ماتلاب سينترال نيوسريدر ينظر إليها الجميع باستخدام مجموعات الأخبار، بغض النظر عن كيفية وصولهم إلى مجموعات الأخبار. هناك العديد من المزايا لاستخدام ماتلاب الوسطى. حساب واحد يرتبط حساب ماتلاب المركزي بحساب ماثووركس لسهولة الوصول إليه. استخدام عنوان البريد الإلكتروني من اختيارك يسمح لك ماتلاب سينترال نيوسريدر بتحديد عنوان بريد إلكتروني بديل كعنوان نشر، وتجنب الفوضى في صندوق البريد الأساسي والحد من الرسائل غير المرغوب فيها. التحكم في الرسائل غير المرغوب فيها يتم تصفية معظم الرسائل الإخبارية غير المرغوب فيها من قبل ماتلاب سنترال نيوسريدر. وضع العلامات يمكن وضع علامة على الرسائل باستخدام تصنيف ملائم من قبل أي مستخدم مسجل الدخول. يمكن استخدام العلامات ككلمات رئيسية للعثور على ملفات معينة محل اهتمام، أو كوسيلة لتصنيف النشرات المرجعية. يمكنك اختيار السماح للآخرين بمشاهدة علاماتك، ويمكنك عرض أو البحث عن أوسرسكو تاغس بالإضافة إلى علامات المنتدى بشكل عام. يوفر وضع العلامات وسيلة لرؤية كل من الاتجاهات الكبيرة والأفكار الصغيرة، أكثر غموضا والتطبيقات. قوائم المراقبة يسمح لك إعداد قوائم المراقبة بالتعرف على التحديثات التي تم إجراؤها على المشاركات التي تم تحديدها بواسطة المؤلف أو مؤشر الترابط أو أي متغير بحث. يمكن إرسال إشعارات قائمة المراقبة عن طريق البريد الإلكتروني (ملخص يومي أو فوري)، يتم عرضها في ماي نيوسريدر، أو إرسالها عبر خلاصة رسس. طرق أخرى للوصول إلى مجموعات الأخبار استخدام قارئ الأخبار من خلال مدرستك أو صاحب العمل أو مزود خدمة الإنترنت دفع للحصول على مجموعة الأخبار من مزود تجاري استخدام مجموعات غوغل Mathforum. org يوفر قارئ الأخبار مع الوصول إلى comp. soft sys. matlab أخبار مجموعة تشغيل الخاصة بك الخادم. للحصول على تعليمات نموذجية، انظر: slyckng. phppage2 حدد بلدكالمتوسط ​​المتحرك كفلتر غالبا ما يستخدم المتوسط ​​المتحرك لتيسير البيانات في وجود ضوضاء. والمتوسط ​​المتحرك البسيط لا يعترف به دائما على أنه مرشاح الاستجابة النبضية المحددة (فير)، وهو في الواقع أحد المرشحات الأكثر شيوعا في معالجة الإشارات. التعامل معها كفلتر يسمح مقارنتها مع، على سبيل المثال، مرشحات المخلوطة نافذة (انظر المقالات على تمريرة المنخفضة. تمريرة عالية، والمرشحات تمريرة النطاق والترفض الفرقة لأمثلة على تلك). والفرق الرئيسي مع تلك المرشحات هو أن المتوسط ​​المتحرك مناسب للإشارات التي ترد المعلومات المفيدة في المجال الزمني. والتي تعد قياسات التمهيد عن طريق حساب المتوسط ​​مثالا رئيسيا. ومن ناحية أخرى، فإن المرشحات المخلوطة بالنافذة، هي عوامل أداء قوية في مجال الترددات. مع تحقيق المساواة في معالجة الصوت كمثال نموذجي. هناك مقارنة أكثر تفصيلا لكلا النوعين من المرشحات في المجال الزمني مقابل نطاق التردد أداء الفلاتر. إذا كانت لديك بيانات يكون كل من نطاق الوقت ونطاق التردد فيها هاما، فقد تحتاج إلى إلقاء نظرة على الاختلافات في المتوسط ​​المتحرك. الذي يعرض عددا من النسخ المرجحة للمتوسط ​​المتحرك الأفضل في ذلك. ويمكن تعريف المتوسط ​​المتحرك للطول (N) كما هو مكتوب كما هو مطبق عادة، مع عينة الانتاج الحالي كمتوسط ​​للعينات السابقة (N). ويرى المتوسط ​​المتحرك أن توليفة تتابع الدخل (شن) ذات نبضة مستطيلة طولها (N) والارتفاع (1N) (لجعل منطقة النبضة، وبالتالي كسب المرشاح ، واحد). في الممارسة العملية، فمن الأفضل أن تأخذ (N) الغريب. وعلى الرغم من إمكانية حساب متوسط ​​متحرك باستعمال عدد متساو من العينات، فإن استخدام قيمة غريبة ل (N) له ميزة مفادها أن تأخر المرشح سيكون عددا صحيحا من العينات، نظرا لأن تأخر المرشاح (N) العينات هو بالضبط ((N-1) 2). ويمكن بعد ذلك مواءمة المتوسط ​​المتحرك تماما مع البيانات الأصلية بتحويله بعدد صحيح من العينات. المجال الزمني نظرا لأن المتوسط ​​المتحرك هو ارتباط مع نبضة مستطيلة، فإن استجابته للتردد هي دالة صادقة. هذا يجعل من شيء مثل المزدوج من المرشح المصدق نافذة، لأن هذا هو التلازم مع نبض مخلص يؤدي إلى استجابة التردد مستطيلة. هذا هو استجابة التردد المخلص الذي يجعل المتوسط ​​المتحرك أداء ضعيف في مجال التردد. ومع ذلك، فإنه يؤدي بشكل جيد جدا في المجال الزمني. ولذلك، فإنه مثالي لنعومة البيانات لإزالة الضوضاء بينما في نفس الوقت لا تزال تحافظ على استجابة خطوة سريعة (الشكل 1). وبالنسبة للضوضاء البيضاء النموذجية المضافة (غوسيان نويز) (أوغن) التي غالبا ما تفترض، فإن متوسطات (N) عينات لها تأثير زيادة شنر بعامل (سرت N). وبما أن الضوضاء بالنسبة للعينات الفردية غير مترابطة، فلا يوجد سبب لمعالجة كل عينة على حدة. وبالتالي، فإن المتوسط ​​المتحرك، الذي يعطي كل عينة نفس الوزن، والتخلص من أقصى قدر من الضوضاء لحدة استجابة خطوة معينة. التنفيذ نظرا لأنه مرشح من نوع فير، يمكن تنفيذ المتوسط ​​المتحرك من خلال الالتفاف. ومن ثم سيكون لها نفس الكفاءة (أو عدم وجودها) مثل أي مرشح آخر لتصفية معلومات الطيران. ومع ذلك، فإنه يمكن أيضا أن تنفذ بشكل متكرر، بطريقة فعالة جدا. ويأتي ذلك مباشرة من التعريف بأن هذه الصيغة هي نتيجة لتعبيرين عن (ين) و (yn1)، أي حيث نلاحظ أن التغيير بين (yn1) و (ين) هو أن مصطلح إضافي (xn1N) يظهر عند في النهاية، في حين تتم إزالة المصطلح (شن-N1N) من البداية. في التطبيقات العملية، غالبا ما يكون من الممكن ترك التقسيم عن طريق (N) لكل مصطلح من خلال تعويض عن المكسب الناتج من (N) في مكان آخر. هذا التنفيذ المتكرر سيكون أسرع بكثير من الالتفاف. ويمكن حساب كل قيمة جديدة (y) بإضافتين فقط، بدلا من الإضافات (N) التي ستكون ضرورية للتنفيذ المباشر للتعريف. شيء واحد للبحث عن مع تنفيذ العودية هو أن أخطاء التقريب سوف تتراكم. قد يكون هذا أو قد لا يكون مشكلة للتطبيق الخاص بك، ولكنه يعني أيضا أن هذا التنفيذ المتكرر سوف تعمل في الواقع بشكل أفضل مع تنفيذ عدد صحيح من مع أرقام نقطة العائمة. هذا أمر غير عادي تماما، حيث أن تنفيذ النقطة العائمة عادة ما يكون أكثر بساطة. يجب أن يكون استنتاج كل هذا أنه يجب أن لا نقلل من فائدة مرشح المتوسط ​​المتحرك البسيط في تطبيقات معالجة الإشارات. أداة تصميم التصفية يتم استكمال هذه المقالة باستخدام أداة تصميم التصفية. قم بتجربة قيم مختلفة ل (N) وتصور الفلاتر الناتجة. جربه الآن