فلتر مربع متوسط الانتقال

مين فيلتر الأسماء الشائعة: مين فيلترينغ، سموثينغ، أفيراجينغ، بوكس ​​فيلترينغ وصف موجز يعني تصفية هو بسيطة، بديهية وسهلة لتنفيذ طريقة تمهيد الصور، أي الحد من مقدار الاختلاف كثافة بين بكسل واحد والقادم. وغالبا ما تستخدم للحد من الضوضاء في الصور. كيف يعمل فكرة تصفية يعني ببساطة لاستبدال كل قيمة بكسل في صورة مع متوسط ​​(متوسط) قيمة جيرانها، بما في ذلك نفسها. هذا له تأثير القضاء على قيم بكسل التي هي غير ممثلة لمحيطها. وعادة ما يعتقد أن تصفية المرشح هو مرشح التفاف. مثل غيرها من التحليلات أنها تقوم حول نواة. والتي تمثل شكل وحجم الحي الذي يجب أخذ عينات منه عند حساب المتوسط. في كثير من الأحيان يتم استخدام نواة مربع 32153، كما هو مبين في الشكل 1، على الرغم من أن حبات أكبر (على سبيل المثال 52155 المربعات) يمكن استخدامها لتلطيف أكثر شدة. (لاحظ أن نواة صغيرة يمكن تطبيقها أكثر من مرة من أجل إنتاج تأثير مماثل ولكن ليس متطابقة كما تمريرة واحدة مع نواة كبيرة). الشكل 1 32153 متوسط ​​نواة غالبا ما تستخدم في تصفية يعني حساب التلازم المباشر للصورة مع هذه النواة تنفذ عملية الترشيح المتوسطة. إرشادات الاستخدام يستخدم الترشيح المتوسط ​​كطريقة بسيطة للحد من الضوضاء في الصورة. نوضح المرشح باستخدام يظهر الأصلي تالف من الضوضاء غاوس بمتوسط ​​صفر والانحراف المعياري () من 8. يبين تأثير تطبيق عامل تصفية 32153 يعني. لاحظ أن الضوضاء أقل وضوحا، ولكن الصورة قد خففت. إذا قمنا بزيادة حجم المرشح المتوسط ​​إلى 52155، نحصل على صورة ذات ضجيج أقل وتفاصيل أقل ترددا عالي، كما هو مبين في الصورة نفسها الأكثر تضررا من الضوضاء الغوسية (بمتوسط ​​صفر و 13) في نتيجة لتصفية المتوسطة مع نواة 32153. يتم تقديم مهمة أكثر صعوبة من خلال يظهر تأثير تمهيد الصورة صاخبة مع مرشح 32153 يعني. وبما أن قيم البكسل للضوضاء غالبا ما تكون مختلفة جدا عن القيم المحيطة، فإنها تميل إلى تشويه متوسط ​​البكسل المحسوب بواسطة المرشح المتوسط. استخدام مرشح 52155 بدلا يعطي هذه النتيجة ليست تحسنا كبيرا في الحد من الضوضاء، وعلاوة على ذلك، فإن الصورة الآن غير واضحة جدا. وتوضح هذه الأمثلة المشكلتين الرئيسيتين مع تصفية المتوسطة، وهما: بكسل واحد مع قيمة غير تمثيلية جدا يمكن أن تؤثر بشكل كبير على القيمة المتوسطة لجميع وحدات البكسل في حيها. عندما يمتد حي الفلتر إلى حافة، سيقوم المرشح باستكمال قيم جديدة للبكسل على الحافة، وبالتالي سيؤدي إلى تعتيم تلك الحافة. قد يكون هذا مشكلة إذا كانت مطلوبة حواف حادة في الإخراج. كل من هذه المشاكل يتم معالجتها بواسطة المرشح الوسيط. والتي غالبا ما تكون مرشحا أفضل للحد من الضوضاء من المرشح المتوسط، ولكن يستغرق وقتا أطول لحساب. وبشكل عام، يعمل المرشح المتوسط ​​كمرشاح تردد لوباس، وبالتالي، يقلل من مشتقات شدة المكانية الموجودة في الصورة. لقد رأينا بالفعل هذا التأثير بمثابة تخفيف من ملامح الوجه في المثال أعلاه. الآن النظر في الصورة التي تصور مشهد يحتوي على مجموعة واسعة من الترددات المكانية المختلفة. بعد تمهيد مرة واحدة مع مرشح 32153 يعني نحصل على إشعار بأن معلومات التردد المكاني منخفضة في الخلفية لم تتأثر بشكل كبير من قبل التصفية، ولكن حواف (مرة واحدة هش) من المقدمة المقدمة تم تمهيد بشكل ملحوظ. بعد التصفية مع فلتر 72157، نحصل على توضيح أكثر دراماتيكية لهذه الظاهرة في مقارنة هذه النتيجة التي تم الحصول عليها عن طريق تمرير مرشح 32153 على الصورة الأصلية ثلاث مرات في الاختلافات المتغيرات المشتركة على مرشح التمهيد يعني مناقشتها هنا تشمل عتبة المتوسط ​​حيث يتم تطبيق التجانس رهنا بشرط تغيير قيمة بيكسل المركزية فقط إذا كان الفرق بين قيمته الأصلية ومتوسط ​​القيمة أكبر من العتبة المحددة مسبقا. وهذا له تأثير أن الضوضاء تمهيد مع فقدان أقل دراماتيكية في تفاصيل الصورة. وغالبا ما تستخدم مرشحات الالتفاف الأخرى التي لا تحسب متوسط ​​الحي في التجانس. واحد من أكثر هذه العوامل شيوعا هو مرشح التجانس الغاوسي. تجربة تفاعلية يمكنك تجربة تفاعلية مع هذا المشغل من خلال النقر هنا. ويحسب متوسط ​​المرشح باستعمال توليف. هل يمكن التفكير في أي الطرق التي يمكن أن تستخدم خصائص خاصة من نواة تصفية المتوسطة لتسريع التلاميذ ما هو التعقيد الحسابي لهذا التفاف أسرع استخدام كاشف الحافة على الصورة ونلاحظ قوة الإخراج. ثم تطبيق مرشح 32153 يعني إلى الصورة الأصلية وتشغيل كاشف الحافة مرة أخرى. التعليق على الفرق. ماذا يحدث إذا تم استخدام فلتر 52155 أو 72157 تطبيق مرشح متوسط ​​32153 مرتين لا ينتج نفس النتيجة تماما عند تطبيق مرشح متوسط ​​52155 مرة واحدة. ومع ذلك، يمكن بناء 52155 نواة التفاف أي ما يعادل. ماذا تبدو هذه النواة مثل نواة انحلال 72157 التي لها تأثير مكافئ لثلاثة تمريرات مع مرشح متوسط ​​32153. كيف تظن أن المرشح المتوسط ​​سيتعامل مع الضوضاء الغوسية التي لم تكن متماثلة حول الصفر جرب بعض الأمثلة. المراجع R. بويل و R. توماس رؤية الكمبيوتر: دورة الأولى. بلاكويل سسينتيفيك بوبليكاتيونس، 1988، ب 32 - 34. E. ديفيز ماشين فيسيون: النظرية والخوارزميات والعمليات العملية. أكاديميك بريس، 1990، تشاب. 3. D. فيرنون آلة الرؤية. برنتيس-هول، 1991، تشاب. 4. معلومات محلية يمكن العثور على معلومات محددة حول هذا المشغل هنا. هناك المزيد من النصائح العامة حول تركيب هيبر المحلية متوفرة في القسم التمهيدي للمعلومات المحلية. وكما ذكر آخرون، يجب عليك النظر في عامل تصفية إير (استجابة لانهائية) بدلا من عامل تصفية فير (استجابة النبضات المحدودة) الذي تستخدمه الآن. هناك أكثر من ذلك، ولكن للوهلة الأولى يتم تنفيذ مرشحات فير كتحويلات واضحة ومرشحات إير مع المعادلات. مرشح إير معين يمكنني استخدام الكثير في ميكروكنترولر هو مرشح واحد مرشح تمرير منخفض. هذا هو المعادل الرقمي لمرشح التناظرية R-C بسيط. بالنسبة لمعظم التطبيقات، سيكون لها خصائص أفضل من فلتر المربع الذي تستخدمه. ومعظم استخدامات فلتر الصندوق الذي واجهته هي نتيجة لشخص لا يولي اهتماما في فئة معالجة الإشارات الرقمية، وليس نتيجة لخصائصها الخاصة. إذا كنت ترغب فقط في تخفيف الترددات العالية التي تعرفها هي الضوضاء، مرشح واحد مرشح تمرير منخفض أفضل. أفضل طريقة لتنفيذ واحد رقميا في متحكم هو عادة: فيلت lt-- فيلت فف (نيو - فيلت) فيلت هو قطعة من حالة بيرسيستانت. هذا هو المتغير الثابت الوحيد الذي تحتاجه لحساب هذا الفلتر. نيو هو القيمة الجديدة التي يتم تحديث الفلتر مع هذا التكرار. فف هو جزء التصفية. الذي يضبط ثقل المرشح. ننظر إلى هذه الخوارزمية ونرى أن ل فف 0 مرشح هو بلا حدود الثقيلة منذ الإخراج لا يتغير أبدا. ل فف 1، لها حقا أي مرشح على الإطلاق منذ الإخراج فقط يتبع المدخلات. القيم المفيدة في ما بين. على الأنظمة الصغيرة التي تختار فف لتكون 12 N بحيث يمكن مضاعفة بواسطة فف يمكن أن يتحقق كما تحول الصحيح من قبل N بت. فعلى سبيل المثال، يمكن أن يكون فف 116 وأن يتضاعف من خلال فف نقلا سليما قدره 4 بتات. وإلا فإن هذا الفلتر يحتاج إلى طرح واحد وإضافة واحدة فقط، على الرغم من أن الأرقام عادة ما تحتاج إلى أن تكون أوسع من قيمة المدخلات (المزيد عن الدقة العددية في قسم منفصل أدناه). وعادة ما تأخذ قراءات أد أسرع بكثير من الحاجة إليها وتطبيق اثنين من هذه المرشحات تتالي. هذا هو المعادل الرقمي لمرشحين R-C في السلسلة، ويخفف بنسبة 12 ديوكتاف فوق تردد لفة. ومع ذلك، لقراءات أد يقابل عادة أكثر ملاءمة للنظر في عامل التصفية في المجال الزمني من خلال النظر في ردها خطوة. هذا يخبرك مدى سرعة النظام الخاص بك سوف نرى تغيير عندما الشيء الذي يقيس التغييرات. لتسهيل تصميم هذه المرشحات (وهو ما يعني فقط اختيار فف وتحديد عدد منهم لتتالي)، يمكنني استخدام فلتبيتس برنامجي. يمكنك تحديد عدد بتات التحول لكل فف في سلسلة المتتالية من المرشحات، ويحسب استجابة الخطوة والقيم الأخرى. في الواقع أنا عادة تشغيل هذا عن طريق بلدي السيناريو المجمع بلوتفيلت. يعمل هذا فيلتبيتس، مما يجعل ملف كسف، ثم مؤامرات ملف كسف. على سبيل المثال، هنا نتيجة بلوتفيلت 4 4: المعلمتان إلى بلوتفيلت يعني أنه سيكون هناك مرشحين تتالي من النوع الموصوف أعلاه. وتشير قيم 4 إلى عدد بتات التحول لتحقيق المضاعفة بواسطة فف. وبالتالي فإن قيمتي فف هي 116 في هذه الحالة. تتبع الأحمر هو استجابة خطوة الوحدة، وهو الشيء الرئيسي للنظر في. على سبيل المثال، هذا يخبرك أنه إذا تغيرت الإدخال على الفور، فإن إخراج المرشح المجمع يستقر إلى 90 من القيمة الجديدة في 60 تكرارا. إذا كنت تهتم حوالي 95 تسوية الوقت ثم عليك أن تنتظر حوالي 73 التكرار، و 50 وقت التسوية فقط 26 التكرارات. يظهر التتبع الأخضر الناتج من ارتفاع السعة الكاملة واحد. هذا يعطيك فكرة عن قمع الضوضاء العشوائية. يبدو أن أي عينة واحدة سوف يسبب أكثر من 2.5 تغيير في الإخراج. التتبع الأزرق هو إعطاء شعور شخصي لما يفعله هذا الفلتر مع الضوضاء البيضاء. هذا ليس اختبار صارم لأنه لا يوجد ضمان ما بالضبط المحتوى كان من الأرقام العشوائية التقطت كما المدخلات الضوضاء البيضاء لهذا المدى من بلوتفيلت. لها فقط لتعطيك شعور الخام من كم سوف تكون سحق وكيف سلاسة هو. بلوتفيلت، فلبيتبيتس ربما، والكثير من الاشياء المفيدة الأخرى، وخاصة بالنسبة لتطوير البرامج الثابتة الموافقة المسبقة عن علم هو متاح في إصدار برنامج تطوير أدوات الموافقة المسبقة عن علم في بلدي التنزيلات البرمجيات الصفحة. وأضاف حول الدقة العددية أرى من التعليقات والآن إجابة جديدة أن هناك مصلحة في مناقشة عدد البتات اللازمة لتنفيذ هذا الفلتر. ويلاحظ أن المضاعفة بواسطة فف ستؤدي إلى إنشاء بتات لوغ 2 (فف) جديدة تحت النقطة الثنائية. وفيما يتعلق بالنظم الصغيرة، يختار عادة التردد فف ليكون 12 N بحيث تتحقق هذه المضاعفة فعليا بواسطة نوبة صحيحة من البتات N. وبالتالي فإن فيلت عادة ما يكون عددا صحيحا من النقاط الثابتة. لاحظ أن هذا لا يغير أي من الرياضيات من وجهة المعالجات للعرض. على سبيل المثال، إذا كنت تقوم بتصفية قراءات أد 10 بت و N 4 (فف 116)، فأنت بحاجة إلى 4 أجزاء بت أقل من 10 بت عدد صحيح قراءات أد. واحد معظم المعالجات، يود أن تفعل 16 بت عدد صحيح العمليات بسبب قراءات م 10 بت. في هذه الحالة، لا يزال بإمكانك القيام بالضبط نفس 16 بت عدد صحيح أوبيرتيونس، ولكن تبدأ بقراءات أد اليسار تحولت 4 بت. المعالج لا يعرف الفرق ولا تحتاج إلى. القيام بالرياضيات على كامل عدد صحيح 16 بت يعمل ما إذا كنت تعتبرها لتكون 12.4 نقطة ثابتة أو صحيح 16 بت الأعداد الصحيحة (16.0 نقطة ثابتة). بشكل عام، تحتاج إلى إضافة N بت كل مرشح القطب إذا كنت لا تريد إضافة الضوضاء بسبب التمثيل العددي. في المثال أعلاه، مرشح الثاني من اثنين يجب أن يكون 1044 18 بت لا تفقد المعلومات. في الممارسة العملية على جهاز 8 بت يعني أنك تستخدم قيم 24 بت. من الناحية الفنية فقط القطب الثاني من اثنين سوف تحتاج إلى قيمة أوسع، ولكن لبساطة البرامج الثابتة وعادة ما تستخدم نفس التمثيل، وبالتالي نفس الرمز، لجميع أقطاب مرشح. وعادة ما أكتب روتين فرعي أو ماكرو لتنفيذ عملية قطب فلتر واحد، ثم تطبيق ذلك على كل قطب. ما إذا كان الروتين الفرعي أو الماكرو يعتمد على ما إذا كانت الدورات أو ذاكرة البرنامج أكثر أهمية في هذا المشروع بالذات. في كلتا الحالتين، وأنا استخدم بعض الدولة الصفر لتمرير جديد في سوبروتينيماكرو، الذي يقوم بتحديث فيلت، ولكن أيضا الأحمال التي في نفس حالة الصفر كان جديد في. وهذا يجعل من السهل تطبيق أقطاب متعددة منذ تحديث فيلت من قطب واحد هو الجديد من القادم. عند روتين فرعي، من المفيد أن يكون مؤشر يشير إلى فيلت على الطريق في، والتي يتم تحديثها فقط بعد فيلت على الطريق للخروج. وبهذه الطريقة يعمل الروتين الفرعي تلقائيا على فلاتر متتالية في الذاكرة إذا تم استدعاؤها عدة مرات. مع ماكرو كنت لا تحتاج إلى مؤشر منذ كنت تمر في العنوان للعمل على كل التكرار. أمثلة التعليمات البرمجية هنا مثال على ماكرو كما هو موضح أعلاه ل بيك 18: وهنا ماكرو مماثل ل بيك 24 أو دسبيك 30 أو 33: يتم تنفيذ كل هذه الأمثلة وحدات الماكرو باستخدام المعالج المسبق المجمع المجمع بيك. التي هي أكثر قدرة من أي من مرافق الماكرو المدمج. كلاباشيو: قضية أخرى كان ينبغي أن أذكر هو تنفيذ البرامج الثابتة. يمكنك كتابة قطب واحد مرشح تمرير منخفض روتين مرة واحدة، ثم تطبيقه عدة مرات. في الواقع أنا عادة كتابة مثل هذا الروتين الفرعي لاتخاذ مؤشر في الذاكرة إلى حالة التصفية، ثم يكون ذلك مقدما المؤشر بحيث يمكن أن يسمى في الخلافة بسهولة لتحقيق مرشحات متعددة القطب. نداش أولين لاثروب أبر 20 12 في 15:03 1. شكرا جزيلا على إجاباتك - كل منهم. قررت استخدام هذا المرشح إير، ولكن لا يتم استخدام هذا الفلتر كمرشح لوباس القياسية، لأنني بحاجة إلى متوسط ​​القيم العداد ومقارنتها للكشف عن التغييرات في نطاق معين. لأن هذه القيم فان تكون من أبعاد مختلفة جدا اعتمادا على الأجهزة أردت أن تأخذ في المتوسط ​​من أجل أن تكون قادرة على الاستجابة لهذه التغييرات محددة الأجهزة تلقائيا. نداش سينسلن 21 مايو 12 في 12:06 إذا كنت تستطيع أن تعيش مع تقييد قوة عددين من العناصر إلى المتوسط ​​(أي 2،4،8،16،32 الخ) ثم الفجوة يمكن بسهولة وكفاءة القيام به على وانخفاض الأداء الجزئي مع عدم وجود تقسيم مخصص لأنه يمكن القيام به كما تحول قليلا. كل حق التحول هو قوة واحدة من اثنين على سبيل المثال: يعتقد أوب كان لديه مشكلتين، وتقسيم في PIC16 والذاكرة لعزله حلقة. وتبين هذه الإجابة أن التقسيم ليس صعبا. ومن المسلم به أنه لا يعالج مشكلة الذاكرة ولكن نظام سي يسمح إجابات جزئية، ويمكن للمستخدمين اتخاذ شيء من كل إجابة لأنفسهم، أو حتى تحرير والجمع بين الأجوبة الأخرى 39s. وبما أن بعض الإجابات الأخرى تتطلب عملية تقسيم، فإنها غير مكتملة بالمثل لأنها لا تظهر كيفية تحقيق ذلك بكفاءة على PIC16. نداش مارتن أبر 20 12 في 13:01 هناك جواب لمرشح متوسط ​​متحرك صحيح (الملقب فلتر بوكسكار) مع متطلبات الذاكرة أقل، إذا كنت لا تمانع في الامتصاص. تسمى مرشح المتكامل التكامل مشط (سيك). والفكرة هي أن لديك تكامل التي تأخذ الاختلافات على مدى فترة زمنية، والجهاز الرئيسي لحفظ الذاكرة هو أنه من خلال تقليص، لم يكن لديك لتخزين كل قيمة التكامل. ويمكن تنفيذه باستخدام بسيودوكود التالية: الخاص بك المتوسط ​​المتوسط ​​المتحرك الفعال هو ديسيماتيونفاكتورستاتيز ولكن تحتاج فقط للحفاظ على عينات ستاتيزيز. من الواضح أنك يمكن أن تحصل على أداء أفضل إذا كان لديك ستيزيز و ديسيماتيونفاكتور هي صلاحيات 2، بحيث يتم استبدال الشعبة والباقي مشغلي التحولات والقناع-أندس. بوستسكريبت: أنا أتفق مع أولين أنه يجب عليك دائما النظر في مرشحات إير بسيطة قبل مرشح المتوسط ​​المتحرك. إذا كنت لا تحتاج إلى ترددات خالية من فلتر علبة التصفية، فإن فلتر تمرير منخفض ذو عمود واحد أو عمودين قد يعمل بشكل جيد. من ناحية أخرى، إذا كنت ترشيح لأغراض الإفساد (أخذ مدخلات عالية معدل العينة ومتوسطها لاستخدامها من قبل عملية معدل منخفض) ثم مرشح سيك قد يكون مجرد ما كنت تبحث عنه. (خاصة إذا كان يمكنك استخدام stateize1 وتجنب رينغبوفر تماما مع مجرد واحد قيمة التكامل السابقة) ثيريس بعض تحليل متعمق من الرياضيات وراء استخدام أول مرشح إيير النظام الذي أولين لاثروب قد وصفت بالفعل على تبادل الإشارات الرقمية مكدس معالجة (يتضمن الكثير من الصور الجميلة). معادلة هذا المرشح إير هو: يمكن تنفيذ هذا باستخدام الأعداد الصحيحة فقط ولا تقسيم باستخدام التعليمات البرمجية التالية (قد تحتاج إلى بعض التصحيح كما كنت أكتب من الذاكرة.) هذا المرشح يقترب متوسط ​​متحرك من عينات K الأخيرة عن طريق تحديد قيمة ألفا إلى 1K. قم بذلك في التعليمات البرمجية السابقة من خلال تحديد بيتس ل LOG2 (K)، أي ل K 16 مجموعة بيتس إلى 4، ل K 4 مجموعة بيتس إلى 2، الخ (إل التحقق من التعليمات البرمجية المدرجة هنا في أقرب وقت وأنا الحصول على تغيير و تحرير هذه الإجابة إذا لزم الأمر.) أجاب يونيو 23 12 في 4:04 هيريس مرشح تمرير منخفض القطب واحد (المتوسط ​​المتحرك، مع قطع التردد كوتوفريكنسي). بسيطة جدا، سريع جدا، يعمل كبيرة، وتقريبا لا الذاكرة العامة. ملاحظة: كافة المتغيرات لها نطاق خارج وظيفة التصفية، باستثناء ما تم تمريره في نيو إنبوت ملاحظة: هذا هو مرشح مرحلة واحدة. مراحل متعددة يمكن أن تتعاقب معا لزيادة حدة الفلتر. إذا كنت تستخدم أكثر من مرحلة واحدة، سيكون لديك لضبط ديكايفاكتور (كما يتعلق قطع التردد) للتعويض. ومن الواضح أن كل ما تحتاجه هو أن هذين الخطين وضعت في أي مكان، وأنها لا تحتاج إلى وظيفة خاصة بهم. ويوجد في هذا المرشح وقت تصاعدي قبل أن يمثل المتوسط ​​المتحرك إشارة الدخل. إذا كنت بحاجة إلى تجاوز هذا الوقت المنحدر، يمكنك فقط تهيئة موفينغافيراج إلى القيمة الأولى من نيو إنبوت بدلا من 0، ونأمل أن أولينبوت الأول ليس خارجا. (كوتوفريكنسيزامبليرات) تتراوح بين 0 و 0.5. ديكايفاكتور هو قيمة بين 0 و 1، وعادة ما تكون قريبة من 1. العائمة واحدة الدقة جيدة بما فيه الكفاية لمعظم الأشياء، وأنا فقط تفضل الزوجي. إذا كنت بحاجة إلى التمسك مع الأعداد الصحيحة، يمكنك تحويل ديكايفاكتور والعامل السعة إلى أعداد صحيحة كسور، حيث يتم تخزين البسط كما عدد صحيح، والمقام هو عدد صحيح من 2 (حتى تتمكن من التحول قليلا إلى اليمين كما القاسم بدلا من الاضطرار إلى تقسيم خلال حلقة مرشح). على سبيل المثال، إذا ديكايفاكتور 0.99، وتريد استخدام الأعداد الصحيحة، يمكنك تعيين ديكايفاكتور 0.99 65536 64881. ثم في أي وقت تتضاعف من قبل ديكايفاكتور في حلقة تصفية الخاص بك، مجرد تحويل النتيجة 16. لمزيد من المعلومات حول هذا، كتاب ممتاز أن أونلين، الفصل 19 على الفلاتر التكرارية: dspguidech19.htm بس بالنسبة لنموذج المتوسط ​​المتحرك، هناك طريقة مختلفة لتحديد ديكاي فاكتور و أمبليتيودفاكتور التي قد تكون أكثر ملاءمة لاحتياجاتك، فترى أنك تريد السابق، حوالي 6 بنود متوسطها معا، والقيام بها بحذر، يود إضافة 6 عناصر وتقسيمها 6، لذلك يمكنك تعيين أمبليتيودفاكتور إلى 16، و ديكايفاكتور إلى (1.0 - أمبليتيودفاكتور). أجاب 14 مايو 12 في 22:55 وقد علق الجميع آخر بدقة على فائدة إير مقابل فير، وعلى السلطة من اثنين من الانقسام. معرف فقط لإعطاء بعض التفاصيل التنفيذ. أدناه يعمل بشكل جيد على ميكروكنترولر صغيرة مع أي فبو. ثيريز لا الضرب، وإذا كنت تبقي N قوة اثنين، كل تقسيم هو دورة واحدة بت التحول. المخزن المؤقت الدائري حلقة معلومات أساسية: إبقاء المخزن مؤقت قيد التشغيل من القيم N الماضية، و سوم قيد التشغيل من كافة القيم في المخزن المؤقت. في كل مرة تأتي عينة جديدة في طرح أقدم قيمة في المخزن المؤقت من سوم، استبداله مع العينة الجديدة، إضافة عينة جديدة إلى سوم، والإخراج سومن. تعديل إر حلقة عازلة: الحفاظ على سوم تشغيل القيم N الماضية. في كل مرة تأتي عينة جديدة في، سوم - سومن، إضافة في العينة الجديدة، والإخراج سومن. أجاب 28 أغسطس 13 في 13:45 إذا I39m قراءة لك الحق، you39re تصف مرشح من الدرجة الأولى إر قيمة you39re طرح isn39t أقدم قيمة التي تسقط، ولكن بدلا من ذلك متوسط ​​القيم السابقة. يمكن أن تكون مرشحات إر من الدرجة الأولى مفيدة بالتأكيد، ولكن I39m غير متأكد ما تقصد عندما تقترح أن الإخراج هو نفسه لجميع الإشارات الدورية. في معدل عينة 10 كيلو هرتز، تغذية موجة 100HZ مربع في مرشح مربع 20 مرحلة سوف تسفر عن إشارة التي ترتفع بشكل موحد ل 20 عينة، يجلس عالية لمدة 30، قطرات بشكل موحد ل 20 عينة، ويجلس منخفضة لمدة 30. من الدرجة الأولى فلتر إير. نداش سوبيركات 28 أغسطس 13 في 15:31 سوف تسفر عن موجة التي تبدأ بشكل حاد ارتفاع وتدريجيا مستويات قريبة من (ولكن ليس في) المدخلات القصوى، ثم يبدأ بحدة السقوط وتدريجيا مستويات قبالة بالقرب (ولكن ليس في) الحد الأدنى المدخلات. سلوك مختلف جدا. نداش سوبيركات 28 أغسطس 13 الساعة 15:32 قضية واحدة هي أن المتوسط ​​المتحرك بسيط قد أو قد لا تكون مفيدة. مع فلتر إير، يمكنك الحصول على مرشح لطيفة مع كالكس قليلة نسبيا. منطقة معلومات الطيران التي تصفها يمكن أن تعطيك فقط مستطيل في الوقت المناسب - المخلص في التكرار - ويمكنك إدارة 39t الفصوص الجانبية. قد يكون من المفيد أن رمي في عدد قليل من عدد صحيح مضاعفات لجعله لطيفة الطيف التماثل التماثل إذا كنت يمكن أن تدخر القراد على مدار الساعة. نداش سكوت سيدمان 29 أغسطس 13 الساعة 13:50 سكوتسيدمان: لا حاجة لتضاعف إذا كان واحد ببساطة لديه كل مرحلة من منطقة معلومات الطيران إما إخراج متوسط ​​المدخلات لتلك المرحلة وقيمتها المخزنة السابقة، ومن ثم تخزين المدخلات (إذا كان واحد لديه النطاق الرقمي، يمكن للمرء استخدام المجموع بدلا من المتوسط). إذا كان ذلك أفضل من فلتر مربع يعتمد على التطبيق (استجابة الخطوة من مرشح مربع مع تأخير كامل من 1ms، على سبيل المثال، سوف يكون d2dt ارتفاع سيئة عند تغيير المدخلات، ومرة ​​أخرى 1ms في وقت لاحق، ولكن سيكون الحد الأدنى ممكن دت لمرشح مع تأخير 1ms الكلي). نداش سوبيركات 29 أغسطس 13 في 15:25 كما قال ميكيسيلكتريكستوف، إذا كنت حقا بحاجة إلى تقليل احتياجات الذاكرة الخاصة بك، وأنت لا تمانع في الاستجابة الاندفاع الخاص بك كونها أسية (بدلا من نبض مستطيلة)، وأود أن أذهب لمرشح متوسط ​​متحرك أسي . أنا استخدامها على نطاق واسع. مع هذا النوع من التصفية، أنت لا تحتاج إلى أي المخزن المؤقت. لم يكن لديك لتخزين N عينات الماضي. واحد فقط. لذلك، متطلبات الذاكرة الخاصة بك الحصول على خفض بنسبة عامل N. أيضا، أنت لا تحتاج إلى أي تقسيم لذلك. المضاعفات فقط. إذا كان لديك الوصول إلى الحساب العائم نقطة، واستخدام المضاعفات نقطة العائمة. خلاف ذلك، لا عدد صحيح مضاعفات والتحولات إلى اليمين. ومع ذلك، نحن في عام 2012، وأود أن أوصي لك استخدام المجمعين (و مكوس) التي تسمح لك للعمل مع أرقام نقطة العائمة. إلى جانب كونها أكثر كفاءة الذاكرة وأسرع (لم يكن لديك لتحديث العناصر في أي العازلة دائرية)، وأود أن أقول هو أيضا أكثر طبيعية. لأن استجابة النبض الأسي تتطابق بشكل أفضل مع الطريقة التي تتصرف بها الطبيعة، في معظم الحالات. أجاب 20 أبر 12 في 9:59 قضية واحدة مع فلتر إير كما لمست تقريبا من قبل أولين و سوبيركات ولكن تجاهلها على ما يبدو من قبل الآخرين هو أن التقريب أسفل يدخل بعض عدم الدقة (وربما بياسترونكاتيون). على افتراض أن N هو قوة اثنين، ويستخدم فقط عدد صحيح الحساب، والتحول الحق لا القضاء بشكل منهجي على لسبس من العينة الجديدة. وهذا يعني أن المدة التي يمكن أن تكون سلسلة من أي وقت مضى، فإن المتوسط ​​لن تأخذ تلك في الاعتبار. على سبيل المثال، افترض أن سلسلة تناقص ببطء (8،8،8،7،7،7،7،6،6)، وتفترض أن المتوسط ​​هو في الواقع 8 في البداية. قبضة 7 عينة سيجلب المتوسط ​​إلى 7، مهما كانت قوة التصفية. فقط لعينة واحدة. نفس القصة لمدة 6، الخ الآن التفكير في العكس. وتسلسل دوري الدرجة الاولى الايطالي. سيبقى المتوسط ​​على 7 إلى الأبد، حتى تكون العينة كبيرة بما فيه الكفاية لجعلها تتغير. بالطبع، يمكنك تصحيح للتحيز عن طريق إضافة 12N2، ولكن هذا لن تحل حقا مشكلة الدقة. في هذه الحالة سوف تنخفض سلسلة البقاء إلى الأبد في 8 حتى تكون العينة 8-12 (N2). بالنسبة إلى N4 على سبيل المثال، فإن أي عينة فوق الصفر ستبقي على المتوسط ​​دون تغيير. وأعتقد أن إيجاد حل لذلك يعني ضمنا تراكما لفقرات لسب المفقودة. ولكن لم أكن أبعد من أن يكون كود جاهزة، و إم متأكد من أنها لن تضر السلطة إير في بعض الحالات الأخرى من سلسلة (على سبيل المثال ما إذا كان 7،9،7،9 سوف متوسط ​​إلى 8 ثم). أولين، سلسلة من مرحلتين أيضا سوف تحتاج إلى بعض التفسير. هل تعني عقد قيمتين متوسطتين نتيجة أول تغذية في الثانية في كل تكرار. ما فائدة هذا التمهيد يزيل الاختلافات على المدى القصير، أو كوتنويسكوت للكشف عن شكل غير محسوس الأساسي الكامنة من البيانات. إيغوراسوتس عملية السلس ينفذ مربع، كوتينوميالكوت، وتنعيم سافيتسكي-غولاي. 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 كيرنيلكوت 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.