نقل متوسط نظام معالجة الإشارات الرقمية

معالجة إشارات معالجة الإشارات هي فن وعلم تعديل بيانات السلسلة الزمنية المكتسبة لأغراض التحليل أو التحسين. ومن الأمثلة على ذلك التحليل الطيفي (باستخدام فورييه السريع أو تحويلات أخرى) وتعزيز البيانات المكتسبة باستخدام التصفية الرقمية. إيجور مناسبة بشكل مثالي لمعالجة الإشارات بسبب دعمها القوي لبيانات سلسلة زمنية طويلة (أو كوتافيفورمكوت). ولأن العديد من المدمج في أوامر معالجة الإشارات يمكن بسهولة أن تستخدم من خلال الحوارات بسيطة. وبالإضافة إلى ذلك، إيغوراكوتس لغة البرمجة يجعلها مباشرة لتنفيذ أي نوع من العرف خوارزمية معالجة الإشارات، بمساعدة كبيرة من قوة إيغوراسوتس فورييه (وغيرها) تحويلات. يستخدم إيغور خوارزمية تحويل فورييه السريع (ففت) لحساب تحويل فورييه المنفصل (دفت). يمكن استخدام ففت ببساطة لتوصيف حجم ومرحلة الإشارة، أو يمكن استخدامها بالاقتران مع عمليات أخرى لإجراء عمليات حساب أكثر مشاركة مثل الارتباط أو الارتباط. يفترض حساب ففت أن البيانات المدخلة تتكرر مرارا وتكرارا. وهذا أمر مهم عندما لا تكون القيم الأولية والنهائية لبياناتك هي نفسها: فالانقطاع يسبب انحرافات في الطيف يحسبها الاتحاد الفرنسي للتنس. كوتيندوينكوت ينعم نهايات البيانات للقضاء على هذه الانحرافات. كوتبور سبيكتراكوت الإجابة على السؤال كوايتش ترددات تحتوي على إشارة بويركوت الجواب هو في شكل توزيع قيم الطاقة كدالة للتردد، حيث يعتبر كوتوركيوت أن يكون المتوسط ​​للإشارات 2. في مجال التردد، هذا هو مربع ففتاكوتس الحجم. ويمكن حساب أطياف القدرة للإشارة بأكملها في آن واحد (كوتيبيريودوغرامكوت) أو بيريوديغرامز من شرائح إشارة الوقت يمكن أن يكون متوسطها معا لتشكيل الكثافة الطيفية كوتيبور. ويحول تحويل هيلبرت إشارة نطاق زمني تكون 90 درجة خارج الطور مع إشارة الدخل. وتشمل التطبيقات أحادية البعد حساب مغلف الإشارة المشكلة وقياس معدل الاضمحلال في الجيوب الأنفية المتحللة أضعافا متكررة في كثير من الأحيان في الأنظمة الخطية وغير الخطية المنخفضة. عند حساب الطيف فورييه (أو الطاقة أطياف) لإشارة يمكنك التخلص من جميع المعلومات المرحلة الواردة في تحويل فورييه. يمكنك معرفة الترددات التي تحتوي عليها الإشارة ولكنك لا تعرف متى تظهر هذه الترددات في الإشارة. على سبيل المثال، النظر في الإشارة: لا يزال التمثيل الطيفي لل f (t) دون تغيير أساسا إذا تبادلنا الترددين f 1 و f 2. ومن الواضح أن الطيف فورييه ليس أفضل أداة تحليل للإشارات التي تتقلب أطيافها في الوقت المناسب. حل واحد لهذه المشكلة هو ما يسمى كوشورت الوقت فورييه ترانسفورمكوت (أو كوتسونوغركوت) التي يمكنك حساب أطياف فورييه باستخدام نافذة الزمانية انزلاق. عن طريق ضبط عرض النافذة يمكنك تحديد دقة الوقت من الأطياف الناتجة. يمكنك استخدام التآلف لحساب استجابة النظام الخطي لإشارة الدخل. ويعرف النظام الخطي باستجابته النبضية. إن إرتباط إشارة الدخل والاستجابة النبضية هو استجابة إشارة الإخراج. وتتم عملية التصفية الرقمية عن طريق تحديد استجابة خطية للنظام سيستيماكوتس النبضية عند تحقيقها مع الإشارة يحقق النتيجة المرجوة (مرشح تمرير منخفض أو تمريرة عالية). خوارزمية الارتباط مشابهة جدا رياضيا للتلاعب، ولكنها تستخدم لأغراض مختلفة. ويستعمل في أغلب الأحيان لتحديد التأخير الزمني الذي يقطع فيه خطان إشارة أوكوت أو يكونان متشابهان. تجانس إزالة الاختلافات على المدى القصير، أو كوتنويسكوت للكشف عن الشكل الأساسي المهم للبيانات. وأبسط شكل من أشكال التمهيد هو متوسط ​​التكلفة الذي يحل محل كل قيمة من البيانات بمتوسط ​​القيم المجاورة. (شروط أخرى لهذا النوع من التمهيد هي كوتسليدينغ أفيراجكوت، كوتبوكس سموثينغكوت، أو كوتوككار سموثينغكوت.) إيغوراكوتس عملية سلسة ينفذ مربع تجانس، كوتينوميالكوت (غاوس) تجانس، و سافيتسكي-غولاي (متعدد الحدود) تجانس. خوارزميات تمهيد مختلفة حساب المتوسطات المرجحة التي تتضاعف القيم المجاورة من خلال اختلاف الأوزان أو كوتكوفيسيانتسكوت لحساب قيمة ممسحة. الفلاتر الرقمية هي أداة طبيعية عندما تكون البيانات رقمية بالفعل. وتشمل أسباب تطبيق التصفية الرقمية على البيانات ما يلي: القضاء على مكونات الإشارة غير المرغوب فيها (كوتنويسكوت) تحسين مكونات الإشارة المطلوبة الكشف عن وجود إشارات معينة محاكاة الأنظمة الخطية (حساب إشارة الخرج نظرا لإشارة الدخل ونظام الكوترانزفير فونكتيونكوت) المرشحات الرقمية عموما وتأتي في اثنين من النكهات: رد فعل الاستجابة النفاثة (فير) والانهائية استجابة الاندفاع (إير). إيغور تنفذ فير التصفية الرقمية في المقام الأول من خلال التفاف المجال المجال باستخدام الأوامر السلسة أو سموثكوستم. (على الرغم من إيتاكوتس اسم، سموثكوستم يحل البيانات مع معاملات المرشح التي يوفرها المستخدم لتنفيذ أي نوع من فلتر الأشعة فوق البنفسجية، تمريرة منخفضة، تمريرة عالية، الفرقة تمريرة، الخ) تصميم معاملات تصفية فير المستخدمة مع سموثكوستم هو الأكثر بسهولة إنجاز باستخدام مختبر تصميم فلتر إيغور (منتج منفصل الذي يتطلب أيضا إيغور برو). تم تصميم المرشحات الرقمية إير وتطبيقها على البيانات باستخدام إفدل. الكشف عن المستوى هو عملية تحديد إحداثيات X التي تمر بها بياناتك أو تصل إلى قيمة Y معينة. وهذا ما يسمى أحيانا إنتيربولاتيونكوت كوتينفيرز. وظهرت طريقة أخرى، والكشف عن مستوى يجيب على السؤال: كوتغيفن مستوى Y، ما هو المقابل X فالكيوت إيغور يوفر نوعين من الإجابات على هذا السؤال. يفترض إجابة واحدة أن بيانات Y هي قائمة بقيم Y الفريدة التي تزيد أو تنقص رتابة. الجواب الآخر يفترض أن البيانات Y تختلف بشكل غير منتظم، كما هو الحال مع البيانات المكتسبة. وفي هذه الحالة، قد تكون هناك قيم X متعددة تتجاوز مستوى Y. ومن الأمثلة المهمة على ذلك إحصاءات الحافة والنبض. وهناك سؤال ذي صلة، ولكن مختلفا هو اقتباس الدالة y f (x)، والعثور x حيث y هو صفر (أو بعض القيمة الأخرى) كوت. يتم الرد على هذا السؤال من خلال عملية فيندروتس. معدل تصفية المتوسطة (دسب) واحد يقول أن نقل مرشحات متوسط ​​(ماف) جيدة في المجال الزمني (تد) وسيئة في مجال فريكونسي (فد). وهذا المرشح المصدق نافذة جيدة في فد وسيئة في تد. ولكن الآن أتساءل عما إذا كان في حالة ماف على الرغم من ذلك على ما يرام لتحويل النواة والبيانات من خلال الاتحاد الفرنسي للتنس إلى فد، والقيام هناك هناك الضرب بالعنصر وأخيرا تطبيق إفت للحصول على النتائج في تد، بدلا من معالجة الالتواء في تد واحد من ناحية سيكون من المستغرب نفسي إذا كان هذا الإجراء رياضيا (الالتفاف في تد هو الضرب في فد) غير مسموح هنا. من ناحية أخرى لماذا تبقى النتيجة جيدة، حتى لو قمت بإجراء العملية في فد (حيث يبدو أن ماف ليست جيدة) وأخيرا: هل هناك فرق بين القيام فقط ففت المعتاد على بيانات المجال الزمني، أو تطبيق (كوتوفولاب-أند-أدكوت-ميثود على سبيل المثال) على البيانات أنا لا أعرف متى يجب أن استخدم السابق أو الأخير ري: متحرك متوسط ​​تصفية (دسب) تحويل مربع مربع، المتوسط ​​المتحرك في تد، أو مثالية لب في فد هو وظيفة المخلص. ولكن فونتيون الصادق هو نونوساوسال و إير. يمكن للمرشح التنوب الحصول على استجابة التردد المثالي في تصل إلى N الترددات. تستخدم النافذة للتداول بدقة دقيقة في هذه الترددات N لتحسين الدقة عند الترددات بين. بل هو أيضا وسيلة سهلة لتصميم مرشح. يتم استخدام المتوسط ​​المتحرك البسيط لأنه سهل التصميم والتنفيذ. ---------- تم إضافة آخر الساعة 19:08 ---------- الوظيفة السابقة كانت في 19:02 ---------- أوه، والمتوسط ​​المتحرك البسيط ويمكن أيضا أن يتم ذلك باستخدام التلافيف، ولكن إذا كنت بحاجة إلى القيام مضاعفات معقدة، لماذا لا تختار مرشح أفضل على سبيل المثال، واحد على أساس عرض النطاق الترددي الفعلي أو متطلبات سيستيمدوكومنتاتيون يوضح هذا المثال كيفية استخدام مرشحات المتوسط ​​المتحرك وإعادة عزل لعزل تأثير من المكونات الدورية من الوقت من اليوم على قراءات درجة الحرارة 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 متوسط ​​الاختلافات 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