स्थानांतरण - औसत - घुमाव

29 सितंबर, 2013 कोल्डवॉल द्वारा औसत चलना औसत चलती क्या है और यह कैसे अच्छा है कि कैसे कैवल्यूलेशन का उपयोग करके औसतन चल रहा है औसत चलना एक साधारण ऑपरेशन होता है, जो आमतौर पर संकेत के शोर को दबाने के लिए होता है: हम प्रत्येक बिंदु के मूल्य को सेट करते हैं अपने पड़ोस में मूल्यों का औसत एक फार्मूला से: यहां एक्स इनपुट है और y आउटपुट सिग्नल है, जबकि विंडो का आकार डब्ल्यू है, जिसे अजीब होना चाहिए। ऊपर दिए गए सूत्र एक सममित ऑपरेशन का वर्णन करता है: नमूनों को वास्तविक बिंदु के दोनों ओर से लिया गया है। नीचे एक वास्तविक जीवन उदाहरण है जिस बिंदु पर खिड़की रखी गई है वह वास्तव में लाल है एक्स के बाहर मान शून्य होने चाहिए: चारों ओर खेलने के लिए और चलती औसत के प्रभावों को देखने के लिए, इस इंटरैक्टिव प्रदर्शन पर नजर डालें। इसे कैंवोल्यूशन से कैसे करें जैसा कि आपने पहचाना हो सकता है, सरल चल औसत की गणना कैंबोल के समान है: दोनों ही मामलों में संकेत के साथ एक खिड़की फिसल जाती है और खिड़की के तत्वों को संक्षेप में दिया जाता है। इसलिए, रूपांतरण के उपयोग से ऐसा ही करने की कोशिश करें निम्नलिखित पैरामीटरों का उपयोग करें: वांछित आउटपुट है: पहले दृष्टिकोण के रूप में, निम्नलिखित कर्नेल द्वारा एक्स सिग्नल को समेकित करके हम जो मिलते हैं, उसे आज़माएं: आउटपुट अपेक्षित से ठीक तीन गुना बड़ा है यह भी देखा जा सकता है, कि आउटपुट मान विंडो में तीन तत्वों का सारांश है। ऐसा इसलिए है क्योंकि संकलन के दौरान खिड़की को फिसल दिया जाता है, इसमें सभी तत्वों को एक से गुणा किया जाता है और फिर संक्षेप में: yk 1 cdot x 1 cdot x 1 cdot x y के वांछित मूल्यों को प्राप्त करने के लिए। उत्पादन को 3 से विभाजित किया जाएगा: विभाजन सहित एक फार्मूला द्वारा: लेकिन संकल्प के दौरान विभाजन करना उचित नहीं होगा। यहां समीकरण को दोबारा करके विचार आता है: तो हम निम्न कर्नेल का उपयोग करेंगे: इस तरह हम वांछित आउटपुट प्राप्त करें: सामान्य तौर पर: यदि हम वाकई में खिड़की का आकार रखते हुए औसत चलना चाहते हैं तो हम निम्नलिखित कश्मीर कर्नेल का उपयोग करेंगे: चलती औसत से एक सरल कार्य यह है: एक उदाहरण का उपयोग है: फ़िल्टर के रूप में चलने की औसत शोर की उपस्थिति में डेटा को चौरसाई करने के लिए चलती औसत अक्सर उपयोग किया जाता है सरल चलती औसत हमेशा परिमित आवेग प्रतिक्रिया (एफआईआर) फिल्टर के रूप में मान्यता प्राप्त नहीं है जो कि यह है, जबकि यह वास्तव में सिग्नल प्रोसेसिंग में सबसे आम फिल्टरों में से एक है इसे फिल्टर के रूप में इलाज करने की अनुमति देता है, उदाहरण के लिए, खिड़की- sinc फिल्टर (निम्न-पास वाले लेख देखें। उच्च पास और बैंड-पास और उन के उदाहरणों के लिए बैंड-अस्वीकार फ़िल्टर)। उन फिल्टरों के साथ मुख्य अंतर यह है कि चलती औसत सिग्नल के लिए उपयुक्त है जिसके लिए उपयोगी जानकारी समय डोमेन में समाहित है। जिसमें औसत द्वारा चौरसाई माप एक प्रमुख उदाहरण है। खिड़की- sinc फिल्टर, दूसरी ओर, आवृत्ति डोमेन में मजबूत प्रदर्शन कर रहे हैं। एक विशिष्ट उदाहरण के रूप में ऑडियो प्रसंस्करण में समीकरण के साथ। टाइम डोमेन बनाम फ़्रीक्वेंसी डोमेन प्रदर्शन फ़िल्टर में दोनों प्रकार के फिल्टर की तुलना में अधिक विस्तृत तुलना है। यदि आपके पास डेटा है जिसके लिए समय और आवृत्ति दोनों डोमेन महत्वपूर्ण हैं, तो आप मूविंग औसत पर विविधताएं देख सकते हैं। जो उस औसत चलती औसत के भारित संस्करणों को प्रस्तुत करता है जो उस पर बेहतर हैं। लम्बाई (एन) की चलती औसत लिखित रूप में परिभाषित की जा सकती है क्योंकि यह आम तौर पर पिछले (एन) नमूनों की औसत के रूप में वर्तमान आउटपुट नमूने के साथ लागू किया जाता है। एक फिल्टर के रूप में देखा जाता है, चलती औसत इनपुट क्रम (xn) की लंबाई (एन) और ऊंचाई (1 एन) के आयताकार नब्ज (नब्ज के क्षेत्र को बनाने के लिए, और, इसलिए, फिल्टर का लाभ , एक )। व्यवहार में, (एन) अजीब लेने के लिए सबसे अच्छा है। हालांकि (एन) के लिए एक अजीब मूल्य का उपयोग करते हुए एक भी औसत संख्या का उपयोग करके गणना की जा सकती है, (एन) के लिए एक अजीब मूल्य का उपयोग करके इसका लाभ होता है कि फ़िल्टर की देरी एक नमूने की पूर्णांक संख्या होगी, क्योंकि (N) नमूने बिल्कुल ((एन -1) 2) चलती औसत फिर मूल आंकड़ों के साथ एक पूर्णांक संख्या में नमूनों को स्थानांतरित करके ठीक से गठित किया जा सकता है। समय डोमेन क्योंकि चलती औसत आयताकार नाड़ी के साथ एक गुच्छा है, इसकी आवृत्ति प्रतिक्रिया एक sinc फ़ंक्शन है। यह खिड़की-सिंक फिल्टर की दोहरी की तरह कुछ बनाता है, क्योंकि यह एक सिंक नाड़ी के साथ एक संकुचन है जो आयताकार आवृत्ति प्रतिक्रिया में परिणाम देता है। यह इस sinc आवृत्ति प्रतिक्रिया है जो चलती औसत को आवृत्ति डोमेन में एक खराब कलाकार बनाता है। हालांकि, यह समय डोमेन में बहुत अच्छा प्रदर्शन करता है। इसलिए, शोर को हटाने के लिए डेटा को सुचारण करने के लिए एकदम सही है, जबकि अभी भी तेज गति प्रतिक्रिया (चित्रा 1) रखते हुए। सामान्यतया Additive व्हाट गाऊसी शोर (एडब्ल्यूजीएन) के लिए अक्सर मान लिया जाता है, औसत (एन) नमूनों का एक पहलू (एसक्यूआरटी एन) के एसएनआर में बढ़ने का असर होता है। चूंकि व्यक्तिगत नमूनों के लिए शोर असंबंधित है, इसलिए प्रत्येक नमूने को अलग ढंग से व्यवहार करने का कोई कारण नहीं है। इसलिए, औसत चलती औसत, जो प्रत्येक नमूने को एक ही वजन देता है, किसी दिए गए कदम प्रतिक्रिया तीव्रता के लिए शोर की अधिकतम मात्रा से छुटकारा पायेगा। कार्यान्वयन क्योंकि यह एक एफआईआर फिल्टर है, चलती औसत रूपांतरण के माध्यम से कार्यान्वित किया जा सकता है। इसके बाद उसके पास एक ही दक्षता (या इसके अभाव) के रूप में किसी भी अन्य प्राथमिकी फ़िल्टर के रूप में होगा हालांकि, इसे एक बहुत ही कुशल तरीके से, फिर से लागू किया जा सकता है। यह परिभाषा से सीधे होता है कि यह सूत्र (yn) और (yn1) के लिए अभिव्यक्ति का नतीजा है, यानी, जहां हम देखते हैं कि (yn1) और (yn) के बीच का परिवर्तन यह है कि एक अतिरिक्त शब्द (xn1n) प्रकट होता है अंत, जबकि शब्द (एक्सएन-एन 1 एन) शुरुआत से हटा दिया गया है। व्यावहारिक अनुप्रयोगों में, किसी अन्य स्थान पर (एन) के परिणामी लाभ के लिए क्षतिपूर्ति करके प्रत्येक अवधि के लिए विभाजन (एन) को छोड़ने के लिए अक्सर संभव होता है यह पुनरावृत्त कार्यान्वयन रूपांतरण के मुकाबले बहुत तेज होगा। परिभाषा के सीधा कार्यान्वयन के लिए जरूरी होगा (एन) परिवर्धन के बजाय (y) के प्रत्येक नए मूल्य को केवल दो जोड़ों के साथ गिना जा सकता है। पुनरावर्ती कार्यान्वयन के साथ देखने के लिए एक बात यह है कि गोलाकार त्रुटियां जमा हो जाएंगी। यह आपकी एप्लिकेशन के लिए एक समस्या या हो सकता है, लेकिन इसका यह भी अर्थ है कि यह रिकर्सिव कार्यान्वयन वास्तव में फ़्लोटिंग-बिंदु संख्याओं की तुलना में पूर्णांक कार्यान्वयन के साथ बेहतर काम करेगा। यह काफी असामान्य है, क्योंकि एक अस्थायी बिंदु का कार्यान्वयन आमतौर पर सरल होता है। इस सब का निष्कर्ष होना चाहिए कि आपको सिग्नल प्रोसेसिंग अनुप्रयोगों में सरल चलती औसत फिल्टर की उपयोगिता को कभी भी कम नहीं करना चाहिए। फ़िल्टर डिजाइन टूल यह आलेख फ़िल्टर डिजाइन टूल से पूरित है। (एन) के लिए अलग-अलग मानों के साथ प्रयोग करें और परिणामस्वरूप फ़िल्टर की कल्पना करें। इसे अभी आज़माएं MATLAB का उपयोग करके, मैं मैट्रिक्स के एक विशिष्ट स्तंभ के 3-दिवसीय चल औसत कैसे पा सकता हूं और उस मैट्रिक्स के चलते औसत को जोड़ता हूँ, मैट्रिक्स के नीचे से 3-दिन चलती औसत की गणना करने की कोशिश कर रहा हूं। मैंने अपना कोड प्रदान किया है: निम्नलिखित मैट्रिक्स और मुखौटा को देखते हुए: मैंने रूपांतरण आदेश लागू करने की कोशिश की है लेकिन मुझे एक त्रुटि मिल रही है मैं एक मैट्रिक्स के दूसरे कॉलम पर उपयोग करने का प्रयास कर रहा हूं: a: मैं चाहता हूँ कि आउटपुट निम्नलिखित मैट्रिक्स में दिया गया है: यदि आपके पास कोई सुझाव है, तो मैं इसकी सराहना करता हूं। मैट्रिक्स के कॉलम 2 के लिए धन्यवाद, मैं 3-दिन चलती हुई औसत की गणना करता हूं और परिणाम को मैट्रिक्स के कॉलम 4 में रखता हूं (मैट्रिक्स का नाम बदलकर सिर्फ 39desiredOutput39 के रूप में चित्रण के लिए)। 17, 14, 11 की 3-दिवसीय औसत 14, 11, 8 की 3-दिन की औसत 11 है, 11 की औसत से तीन दिन की औसत, 8, 5 है 8 और 3-दिन की औसत 8, 5, 2 5 है। 4 स्तंभ के लिए नीचे 2 पंक्तियों में कोई मूल्य नहीं है क्योंकि 3-दिवसीय चलती औसत के लिए गणना तल पर शुरू होती है। 39valid39 आउटपुट को कम से कम 17, 14, और 11 तक नहीं दिखाया जाएगा। उम्मीद है कि यह समझना चाहिए हारून जून 12 13 पर 1:28 सामान्य तौर पर अगर आप त्रुटि दिखाते हैं तो यह मददगार होगा इस मामले में आप दो चीजों को गलत कर रहे हैं: सबसे पहला आपका रूपांतरण को तीन (या चलती औसत की लंबाई) से विभाजित करने की आवश्यकता है दूसरा, सी के आकार को नोटिस करें। आप केवल एक में फिट नहीं कर सकते चलती औसत प्राप्त करने का सामान्य तरीका उसी का उपयोग करना होगा: लेकिन ऐसा नहीं लगता कि आप क्या चाहते हैं। इसके बजाय आपको दो पंक्तियों का उपयोग करने के लिए मजबूर किया जाता है: मैं 3 डी मैट्रिक्स पर एक आयाम में मूविंग एल्स का आकलन करने के लिए CONVN का उपयोग करने के बारे में कुछ मार्गदर्शन की तलाश कर रहा हूं। मैं हुड के नीचे कर्नेल के फ्लिपिंग पर थोड़ा सा पकड़ा गया और उम्मीद कर रहा हूं कि कोई मेरे लिए व्यवहार को स्पष्ट करने में सक्षम हो सकता है एक ऐसी ही पोस्ट जो मुझे अभी भी थोड़ा उलझन में है यहाँ है: मेरे पास विभिन्न स्रोत स्थानों पर एक वाटरशेड के लिए दैनिक नदी और मौसम प्रवाह डेटा है। तो मैट्रिक्स उतना ही है, मंद 1 (पंक्तियाँ) प्रत्येक साइट मंद 2 (कॉलम) का प्रतिनिधित्व करते हैं, दिनांक मंद 3 (पृष्ठ) दर्शाते हैं कि विभिन्न प्रकार के माप (नदी की ऊंचाई, प्रवाह, वर्षा, आदि) का लक्ष्य है प्रत्येक वीएरियल के लिए प्रत्येक अवलोकन बिंदु के लिए, प्रत्येक साइट पर 21 दिन की चलती औसत लेने के लिए CONVN का उपयोग करना और उपयोग करना है। जैसे कि मैं इसे समझता हूं, मुझे एए कर्नेल का उपयोग करने में सक्षम होना चाहिए जैसे: मैं चारों ओर खेलने का प्रयास किया और एक और कर्नेल बनाया जो कि काम करना चाहिए (मुझे लगता है) और केर 2 को इस रूप में सेट करें: परिणाम काफी मेल नहीं खाते और मुझे लगता है कि अगर मुझे कर्नेल के लिए यहाँ आयाम गलत है किसी भी मार्गदर्शन की काफी सराहना की है। बीटीडब्ल्यू, आपके पास एक सममित कर्नेल है, और इसलिए फ्लिपिंग को कैंडिवल्यूशन आउटपुट पर कोई प्रभाव नहीं होना चाहिए। आपने जो विनिर्देश निर्दिष्ट किया है वह मानक चलती हुई कर्नेल है, और इस तरह आपको उम्मीद की जा रही चलती औसत को खोजने के लिए रूपांतरण को काम करना चाहिए। लेकिन I39m थोड़ा उलझन में है क्योंकि आपने कहा है कि उपरोक्त काम ndash rayryeng 31 मई को 20:17 पर होता है जो पूरी तरह आप पर निर्भर है :)। आपके पास प्रश्न एक वैध (एक यथानक इरादा) है जो बहुत से लोगों को जाता है यदि आप इसे रहने के लिए चाहते हैं, तो मैं एक जवाब लिख सकता हूँ जो कि हम किस बारे में बात की थी। यदि आप अपना जवाब हटाना वापस करना चाहते हैं, तो बिल्कुल भी समस्या नहीं है। मुझे बताएं कि आप क्या करना चाहते हैं ndash rayryeng 31 मई को 20:39 अपने प्रश्न के संदर्भ से देखते हुए, आपके पास एक 3 डी मैट्रिक्स है और आप प्रत्येक पंक्ति के चलती औसत को सभी 3D स्लाइसों पर स्वतंत्र रूप से ढूंढना चाहते हैं। ऊपर दिए गए कोड को काम करना चाहिए (पहला मामला)। हालांकि, वैध ध्वज एक मैट्रिक्स देता है जिसका आकार रूपांतरण के सीमाओं के अनुसार वैध है। उस पोस्ट के पहले बिंदु पर एक नज़र डालें, जिसे आप अधिक जानकारी के लिए लिंक करते हैं। विशेष रूप से, प्रत्येक पंक्ति की पहली 21 प्रविष्टियां मान्य ध्वज के कारण गायब हो जाएंगी। यह केवल जब आप प्रत्येक पंक्ति के 22 वें एंट्री में प्राप्त होते हैं, तो कनवल्शन कर्नेल मैट्रिक्स की एक पंक्ति के भीतर पूरी तरह से समाहित होता है और उस बिंदु से जहां आप वैध परिणाम प्राप्त करते हैं (कोई यमक इरादा नहीं)। यदि आप इन प्रविष्टियों को सीमाओं पर देखना पसंद करते हैं, तो आपको एक ही ध्वज का उपयोग करने की आवश्यकता होगी यदि आप इनपुट या पूर्ण ध्वज (जो कि डिफ़ॉल्ट है) के समान आकार मैट्रिक्स को बनाए रखना चाहते हैं जो आपको से शुरू होने वाले आउटपुट का आकार देता है सबसे चरम बाहरी किनारों, लेकिन ध्यान रखें कि चलती औसत शून्य के एक गुच्छा के साथ किया जाएगा और इसलिए पहले 21 प्रविष्टियां आप वैसे भी अपेक्षा नहीं करेंगे। हालांकि, अगर Im आप क्या पूछ रहे हैं, तो मान्य झंडा है जो आप चाहते हैं, लेकिन ध्यान रखें कि आपके पास किनारे के मामलों के लिए समायोजित करने के लिए 21 प्रविष्टियां होंगी। बिल्कुल भी, आपके कोड को काम करना चाहिए, लेकिन सावधान रहें कि आप परिणामों की व्याख्या कैसे करते हैं। बीटीडब्ल्यू, आपके पास एक सममित कर्नेल है, और इसलिए फ्लिपिंग को कैंडिवल्यूशन आउटपुट पर कोई प्रभाव नहीं होना चाहिए। आपने जो विनिर्देश निर्दिष्ट किया है वह मानक चलती हुई कर्नेल है, और इस तरह आपको उम्मीद की जा रही चलती औसत को खोजने के लिए रूपांतरण को काम करना चाहिए।