الانتقال المتوسط - savitzky - غولي

سافيتسكي غولاي فيلتر دسكريبتيون و سافيتسكيغولايفيلتر بتنفيذ مرشح سافيتسكي-غولاي. و سافيتسكيغولايفيلتر هو جزء من وحدات المعالجة المسبقة. مثال على إشارة (موجة جيبية في 0.1 هرتز، 0.5 هرتز، 1 هرتز، 2 هرتز، 4 هرتز و 8 هرتز) تصفيتها باستخدام مرشح سافيتسكي-غولاي. تم تعيين عدد من نقاط اليد اليسرى واليمنى للمرشح إلى 15. إشارة حمراء هي إشارة الخام والإشارة الخضراء هي إشارة تصفيتها. تم إنشاء الإشارة والبيانات التي تمت تصفيتها باستخدام شفرة المثال أدناه. لاحظ أن المرشح يزيل معظم الضوضاء المضافة إلى موجة جيبية، مع الحفاظ أيضا على إشارات التردد العالي. وتقنيات الترشيح الأخرى، مثل مرشاح المتوسط ​​المتحرك، على سبيل المثال، ستعمل عادة على تسطيح إشارات التردد الأعلى. SavitzkyGolayFilterExampleImage1.jpg المزايا مرشح سافيتسكيغولاي التجانس هو مرشح يقوم أساسا بانحدار متعدد الحدود المحلية (من الدرجة k) على سلسلة من القيم (لنقاط K1 على الأقل التي يتم التعامل معها على أنها متساوية التباعد في السلسلة) لتحديد قيمة ممهدة لكل نقطة. والميزة الرئيسية لهذا النهج هي أنه يميل إلى الحفاظ على سمات التوزيع مثل الحد الأقصى النسبي، والحد الأدنى والعرض، الذي عادة ما يتم تسويته بواسطة تقنيات المتوسط ​​الأخرى المجاورة (مثل المرشح المتوسط ​​المتحرك مثلا). العيوب العيب الرئيسي لل سافيتسكيغولايفيلتر هو أن كمية صغيرة من التجريب مطلوب عادة للعثور على قيم التصفية المناسبة المطلوبة لأفضل تصفية إشارة محددة. مثال رمز غرت سافيتسكيغولايفيلتر مثال يوضح هذا المثال كيفية إنشاء واستخدام غرت سافيتسكيغولايفيلتر وحدة المعالجة. و سافيتسكيغولايفيلتر تنفذ مرشح مرشح مرشح سافيتسكي-غولاي. في هذا المثال نخلق مثيل سافيتسكيغولايفيلتر واستخدام هذا لتصفية بعض البيانات وهمية، ولدت من سلسلة من موجات جيبية (مع زيادة وتيرة تتراوح من 0.1Hz إلى 8Hz). ثم يتم حفظ إشارة الاختبار والإشارات المصفاة إلى ملف (حتى تتمكن من رسم النتائج في ماتلاب، إكسل، الخ إذا لزم الأمر). هذا المثال يظهر لك كيفية: - إنشاء مثيل سافيتسكيغولايفيلتر جديد مع اليسار واليمين حجم نقطة اليد محددة لإشارة الأبعاد 1 - تصفية بعض البيانات باستخدام سافيتسكيغولايفيلتر - حفظ إعدادات سافيتسكيغولايفيلتر إلى ملف - تحميل إعدادات سافيتسكيغولايفيلتر من ملف تشمل كوتغرت. هكوت باستخدام مساحة الاسم غرت إنت مين 40 إنت أرجك. كونست شار أرجف 91 93 41 123 إنشاء مثيل جديد من مرشح سافيتسكيغولايفيلتر، تعيين عدد من اليد اليسرى ونقاط اليد اليمنى إلى 15 سافيتسكيغولايفيلتر سغف 40 15. 15 41 إنشاء بعض فارايبلز للمساعدة في توليد البيانات إشارة كونست إينت نومكوندس 60 عدد من ثواني من البيانات التي نريد أن تولد مزدوج ر 0 هذا بتتبع الوقت مزدوج تستيب 1.0 1000.0 هذا هو كم سيتم تحديث الوقت في كل التكرار في حلقة مزدوجة التكرار 0 مخازن خريطة التردد لوت إينت. مزدوج غ فريكريتس يحمل معدلات معدلات خريطة لوت إينت. ضعف غ. إيتراتور إيتر متكرر لمعدلات التردد خريطة عشوائية عشوائية إضافة معدلات التكرار القيمة الأولى هي المرة في ثوان والقيمة الثانية هي التردد الذي ينبغي تعيين في ذلك الوقت فريكريتس 91 0 93 0.1 فريكريتس 91 10 93 0.5 فريكريتس 91 20 93 1 فريكراتس 91 30 93 2 فريكريتس 91 40 93 4 فريكريتس 91 50 93 8 قم بإنشاء وفتح ملف لحفظ ملف ملف فستريم البيانات. فتح 40 كوتسافيتسكيغولاييفيلترداتا. iostream. خارج 41 إنشاء إشارة وتصفية البيانات عن 40 إينت i 0 i لوت نومسيكوندس 1000 i 41 123 تحقق لمعرفة ما إذا كان يجب علينا تحديث معدل التكرار إلى القيمة التالية إيتر فريكريتس. تجد 40 ط 1000 41 إذا 40 إيكر فريكريتس. إند 40 41 41 123 تعيين قيمة التردد الجديدة التكرار إيتر - gt الثانية 125 توليد إشارة إشارة مزدوجة الخطيئة 40 t توبي الفرق 41 عشوائية. جيتراندومنومبرغاوس 40 0. 0.02 41 تصفية إشارة مزدوجة تصفيتهافالو سغف. فيلتر 40 سيغنال 41 اكتب الإشارة والبيانات التي تمت تصفيتها إلى ملف الملف ليتلت سيغنال لتلت كوت t كوتل فيلتردفالو لتل إندل تحديث t t ستيب 125 أغلق ملف الملف. كلوز 40 41 احفظ إعدادات الفلتر على ملف سغف. سافيستينغستوفيل 40 كوتسافيتسكيغولاييفيلترستينغ. تكستوت 41 يمكننا ثم تحميل الإعدادات في وقت لاحق إذا لزم الأمر سغف. لوادستينغسفرومفيل 40 كوتسافيتسكيغولاييفيلترستينغستكستوت 41 ريتورن إكسيتكسيس 125 إزالة التشويش يزيل الاختلافات على المدى القصير، أو كوتنويسكوت للكشف عن الشكل الأساسي غير المحوري الأساسي للبيانات. إيغوراسوتس عملية السلس ينفذ مربع، كوتينوميالكوت، و سافيتسكي-غولاي تمهيد. خوارزميات تمهيد مختلفة تقوي بيانات المدخلات مع معاملات مختلفة. التمويه هو نوع من مرشح تمريرة منخفضة. نوع التمهيد وكمية التمهيد يغير استجابة التردد فيلتروتوتس: المتوسط ​​المتحرك (ويعرف أيضا باسم مربع التجانس) أبسط شكل من أشكال التمهيد هو المتوسطات كوتموفينغ الذي ببساطة يحل محل كل قيمة البيانات مع متوسط ​​القيم المجاورة. لتجنب تحويل البيانات، فمن الأفضل أن متوسط ​​عدد نفس القيم قبل وبعد حيث يتم حساب المتوسط. في شكل المعادلة، يتم حساب المتوسط ​​المتحرك بواسطة: مصطلح آخر لهذا النوع من التمهيد هو كوتسليدينغ أفيراجيكوت، كوتبوكس سموثينغكوت، أو كوتوككار سموثينغكوت. ويمكن تنفيذه عن طريق حشد بيانات المدخلات بنبضة على شكل مربع من قيم 2M1 تساوي كل 1 (2M1). نطلق على هذه القيم كوتكوفيسيانتسكووت من كيرنيلكوتس كوتسموثينغ: الحدين تجانس الحدين تجانس هو مرشح غاوس. فإنه يقوي البيانات الخاصة بك مع معاملات تطبيع المستمدة من مثلث باسكالاكوتس على مستوى يساوي معلمة التمهيد. وتستمد الخوارزمية من مقالة كتبها مارشاند ومارميت (1983). سافيتسكي-غولاي تجانس سافيتسكي-غولاي تمهيد يستخدم مجموعة مختلفة من المعاملات قبل المحوسبة شعبية في مجال الكيمياء. بل هو نوع من المربعات أقل الحدود تجانس. يتم التحكم في كمية التجانس بواسطة معلمتين: الترتيب متعدد الحدود وعدد النقاط المستخدمة لحساب كل قيمة ناتجة. المراجع مارشاند، P. و L. مارميت، الحدين تصفية تجانس: وهناك طريقة لتجنب بعض المزالق من أقل تمهيد متعدد الحدود مربع، القس سسي. Instrum. . 54 - 1034-41، 1983. سافيتسكي، A. أند M. J.E. غولاي، تمويه وتمايز البيانات من خلال تبسيط الإجراءات المربعات الصغرى، الكيمياء التحليلية. 36- 1627-1639، 1964.Documentation يوضح هذا المثال كيفية استخدام مرشحات المتوسط ​​المتحرك وإعادة عزل لعزل تأثير المكونات الدورية من الوقت من اليوم على قراءات درجة الحرارة كل ساعة، وكذلك إزالة الضوضاء خط غير المرغوب فيها من قياس الجهد حلقة مفتوحة. ويبين المثال أيضا كيفية تسهيل مستويات إشارة الساعة مع الحفاظ على الحواف باستخدام مرشح متوسط. يوضح المثال أيضا كيفية استخدام فلتر هامبيل لإزالة القيم المتطرفة الكبيرة. الدافع التمويه هو كيف نكتشف الأنماط الهامة في بياناتنا في حين ترك الأشياء التي هي غير مهمة (أي الضوضاء). نحن نستخدم تصفية لتنفيذ هذا التمهيد. هدف التمهيد هو إحداث تغييرات بطيئة في القيمة بحيث أسهل لرؤية الاتجاهات في بياناتنا. في بعض الأحيان عند فحص بيانات الإدخال قد ترغب في تسهيل البيانات من أجل رؤية اتجاه في الإشارة. في مثالنا لدينا مجموعة من قراءات درجة الحرارة في مئوية أخذت كل ساعة في مطار لوغان لكامل شهر يناير 2011. لاحظ أننا يمكن أن نرى بصريا تأثير أن الوقت من اليوم لديه على قراءات درجة الحرارة. إذا كنت مهتما فقط في التغير في درجة الحرارة اليومية على مدار الشهر، وتقلبات ساعة تسهم فقط الضوضاء، والتي يمكن أن تجعل من الصعب التعرف على الاختلافات اليومية. ولإزالة تأثير الوقت من اليوم، نود الآن تسهيل بياناتنا باستخدام فلتر متوسط ​​متحرك. مرشاح متوسط ​​متحرك في أبسط أشكاله، فإن مرشاح المتوسط ​​المتحرك للطول N يأخذ متوسط ​​كل N عينة متعاقبة من شكل الموجة. ولتطبيق مرشح متوسط ​​متحرك على كل نقطة بيانات، نقوم ببناء معاملاتنا في عامل التصفية بحيث تكون كل نقطة مرجحة على قدم المساواة وتساهم ب 124 في المتوسط ​​الكلي. هذا يعطينا متوسط ​​درجة الحرارة على مدى كل 24 ساعة. فيلتر ديلاي لاحظ أن الإخراج المصفى يتأخر بنحو اثني عشر ساعة. ويرجع ذلك إلى حقيقة أن عامل تصفية المتوسط ​​المتحرك له تأخير. أي مرشح متماثل طول N سوف يكون لها تأخير من (N-1) 2 عينات. يمكننا حساب هذا التأخير يدويا. استخراج الفروق المتوسطة بدلا من ذلك، يمكننا أيضا استخدام فلتر المتوسط ​​المتحرك للحصول على تقدير أفضل لكيفية تأثير الوقت من اليوم على درجة الحرارة الكلية. للقيام بذلك، أولا، طرح البيانات ممهدة من قياسات درجة الحرارة ساعة. بعد ذلك، صنف البيانات المختلفة إلى أيام واحصل على المتوسط ​​خلال كل 31 يوما في الشهر. استخراج الذروة المغلف في بعض الأحيان نود أيضا أن يكون لها تقدير متفاوت بسلاسة لكيفية ارتفاعات وانخفاض مستويات الحرارة لدينا إشارة تغيير يوميا. للقيام بذلك يمكننا استخدام وظيفة المغلف لربط أعلى مستوياته القصوى والهبوط المكتشفة على مجموعة فرعية من فترة 24 ساعة. في هذا المثال، علينا أن نضمن أن هناك ما لا يقل عن 16 ساعة بين كل ارتفاع الشديد والمتطرف الشديد. ويمكننا أيضا أن نحصل على فكرة عن الكيفية التي تتجه بها الرتفاعات والهبوط من خلال أخذ المتوسط ​​بين النقيضين. عوامل التصفية المتوسطة المتحركة المرجحة أنواع أخرى من المرشحات المتوسطة المتحركة لا تزن كل عينة بالتساوي. مرشح مشترك آخر يتبع توسع الحدين من (12،12) n هذا النوع من المرشح يقترب من منحنى العادي للقيم الكبيرة من n. ومن المفيد لتصفية الضوضاء عالية التردد ل n الصغيرة. للعثور على معاملات للمرشح ذي الحدين، 1212 12 مع نفسه ومن ثم تكرارا تزامن الإخراج مع 12 12 عدد محدد من المرات. في هذا المثال، استخدم خمس تكرارات إجمالية. مرشح آخر يشبه إلى حد ما مرشح توسع غاوس هو مرشح المتوسط ​​المتحرك الأسي. هذا النوع من المرشح المتوسط ​​المتحرك المرجح يسهل بناؤه ولا يتطلب حجم نافذة كبير. يمكنك ضبط عامل تصفية متوسط ​​متحرك أضعافا مضاعفة بواسطة معلمة ألفا بين الصفر وواحد. وهناك قيمة أعلى من ألفا يكون أقل تمهيد. التكبير في القراءات ليوم واحد. اختر بلدك