การย้าย ค่าเฉลี่ย เวลา ชุด Matlab

ดาวน์โหลด movAv m ดูยัง movAv2 - รุ่นที่ปรับปรุงใหม่ที่ช่วยให้การถ่วงน้ำหนัก Matrix Matlab มีฟังก์ชันที่เรียกว่า movavg และ tsmovavg เป็นค่าเฉลี่ยเคลื่อนที่แบบเรียลไทม์ในกล่องเครื่องมือทางการเงิน movAv ได้รับการออกแบบมาเพื่อจำลองการทำงานพื้นฐานของโค้ดเหล่านี้โค้ดนี้เป็นตัวอย่างที่ดีในการจัดการ ดัชนีภายใน loops ซึ่งอาจทำให้เกิดความสับสนในการเริ่มต้นด้วย I ve จงใจเก็บรหัสสั้นและง่ายเพื่อให้กระบวนการนี้ clear. movAv ดำเนินการค่าเฉลี่ยเคลื่อนที่อย่างง่ายที่สามารถใช้ในการกู้คืนข้อมูลที่มีเสียงดังในบางสถานการณ์ทำงานโดยการหมายถึง ของอินพุท y บนหน้าต่างเวลาเลื่อนซึ่งมีขนาดระบุโดย n ยิ่ง n มีค่ามากเท่าไรผลของ n จะสัมพันธ์กับความยาวของเวคเตอร์อินพุต y และมีประสิทธิภาพดี ตัวกรองความถี่ lowpass - ดูตัวอย่างและส่วนพิจารณาเนื่องจากจำนวนของการปรับให้เรียบโดยแต่ละค่าของ n จะสัมพันธ์กับความยาวของเวกเตอร์อินพุตจะคุ้มค่าเสมอ ทดสอบค่าที่แตกต่างกันเพื่อดูว่ามีความเหมาะสมโปรดจำไว้ว่าจุด n จะสูญหายไปในแต่ละค่าเฉลี่ยหาก n เท่ากับ 100 จุดแรกของอินพุทเวกเตอร์ don t มีข้อมูลเพียงพอสำหรับค่าเฉลี่ย 100pt นี้สามารถหลีกเลี่ยงได้โดยการวางซ้อนค่าเฉลี่ยสำหรับ ตัวอย่างเช่นโค้ดและกราฟด้านล่างเปรียบเทียบค่าเฉลี่ยของค่าเฉลี่ยความยาวของหน้าต่างที่แตกต่างกันสังเกตว่า 10 10pt เทียบกับค่าเฉลี่ย 20pt เพียงอย่างเดียวในทั้งสองกรณีข้อมูลทั้งหมดหายไปทั้งหมด 20 จุด สร้าง xaxis x 1 0 01 5 สร้างเสียงรบกวนรบกวน 4 เสียงเรียกร้องผิดพลาด 1 เสียงเงียบเสียงรบกวน 1 เสียงเงียบเสียงรบกวน 1 เสียงรบกวนก่อกวน 1 เสียงรบกวนความยาวเสียงรบกวนสร้างเสียง ydata y exp x 10 เสียงรบกวน 1 ความยาว x Perfrom averages y2 movAv y, 10 10 pt y3 movAv y2, 10 10 10 pt y4 movAv y, 20 20 pt y5 movAv y, 40 40 pt y6 movAv y, 100 100 pt พล็อตล็อตล็อต x, y, y2, y3, y4, y5, y6 ตำนาน Raw ข้อมูล, ค่าเฉลี่ยเคลื่อนที่ 10pt, 10 10pt, 20pt, 40pt, 100pt xlabel x yolabel y title การเปรียบเทียบการเคลื่อนที่โดยเฉลี่ย movAv รหัส m run-through function output movAv y, n บรรทัดแรกกำหนดชื่อฟังก์ชันอินพุทและเอาต์พุตอินพุท x ควรเป็นเวกเตอร์ของข้อมูลที่จะใช้ค่าเฉลี่ยเมื่อ n ควรเป็นจำนวนจุดที่จะทำค่าเฉลี่ยมากกว่าเอาต์พุตจะมีข้อมูลเฉลี่ยที่ส่งกลับโดยฟังก์ชัน Preallocate output output NaN 1, numel y หาจุดกึ่งกลางของ n midPoint round n 2 งานหลักของฟังก์ชั่นจะทำใน loop for แต่ก่อนที่จะเริ่มเตรียม 2 สิ่งคือ Fir stally output เป็น pre - จัดสรรเป็น NaNs นี้ทำหน้าที่สองวัตถุประสงค์ preallocation แรกคือการปฏิบัติที่ดีตามที่ลดหน่วยความจำเล่นกล Matlab ต้องทำประการที่สองก็ทำให้ง่ายในการวางข้อมูลเฉลี่ยเป็นเอาท์พุทขนาดเดียวกับ อินพุทเวกเตอร์หมายความว่า xaxis เดียวกันสามารถใช้งานได้ทั้งสองแบบซึ่งเหมาะสำหรับการวางแผนหรือสามารถถอด NaN ออกได้ในหนึ่งบรรทัดของเอาท์พุทเอาท์พุทแบบย่อส่วน midpoint ตัวแปรจะใช้เพื่อจัดตำแหน่งข้อมูลในเวกเตอร์การแสดงผล ถ้า n 10 จะหายไป 10 จุดเนื่องจากใน 9 จุดแรกของเวกเตอร์อินพุตไม่มีข้อมูลเพียงพอที่จะใช้ค่าเฉลี่ย 10 จุดเนื่องจากเอาท์พุทจะสั้นกว่าข้อมูลอินพุทจะต้องมีการปรับตำแหน่งอย่างถูกต้อง midPoint จะ ใช้เพื่อให้จำนวนข้อมูลที่เท่ากันจะหายไปเมื่อเริ่มต้นและสิ้นสุดและอินพุตจะถูกเก็บให้สอดคล้องกับผลลัพธ์โดยบัฟเฟอร์ NaN ที่สร้างขึ้นเมื่อตั้งค่าเอาต์พุตล่วงหน้าสำหรับความยาว 1 n-n ค้นหาช่วงของดัชนีที่จะใช้ค่าเฉลี่ยมากกว่า abban คำนวณ ผลลัพธ์เฉลี่ย a midPoint หมายถึง yab end ในลูปสำหรับตัวเองค่าเฉลี่ยจะถูกยึดในแต่ละส่วนติดต่อกันของการป้อนข้อมูลลูปจะทำงานสำหรับ a ซึ่งกำหนดไว้เป็น 1 ถึงความยาวของอินพุต y ลบข้อมูลที่จะสูญหาย n ถ้า ใส่เป็น 100 จุดยาวและ n คือ 10, ห่วงจะทำงานจาก 1 ถึง 90 ซึ่งหมายความว่าให้ดัชนีแรกของกลุ่มที่จะเฉลี่ยดัชนีที่สอง b เป็นเพียง n - 1 ดังนั้นในการทำซ้ำครั้งแรก, 1 n 10 ดังนั้น b 11-1 10 ค่าเฉลี่ยแรกจะถูกยึด yab หรือ x 1 10 ค่าเฉลี่ยของส่วนนี้ซึ่งเป็นค่าเดียวจะถูกเก็บไว้ในเอาท์พุทที่จุดกึ่งกลางของจุดศูนย์หรือ 1 5 6. บนซ้ำที่สอง , 2 b 2 10-1 11 ดังนั้นค่าเฉลี่ยจะถูกยึด x 2 11 และเก็บไว้ในเอาต์พุต 7 ในรอบสุดท้ายของลูปสำหรับอินพุทที่มีความยาว 100, 91 b 90 10-1 100 ดังนั้นค่าเฉลี่ยจะถูกนำมา มากกว่า x 91 100 และเก็บไว้ในเอาท์พุท 95 ใบนี้จะส่งผลให้มีค่า N 10 nn ที่ดัชนี 1 5 และ 96 100 ตัวอย่างและข้อควรคำนึงการย้ายค่าเฉลี่ยจะเป็นประโยชน์ในบางสถานการณ์ นี่คือตัวอย่างสองแบบที่พวกเขาไม่จำเป็นต้องดีที่สุดการปรับเทียบของไมโครโฟนชุดข้อมูลนี้แสดงถึงระดับของแต่ละความถี่ที่ผลิตโดยลำโพงและบันทึกโดยไมโครโฟนโดยมีการตอบสนองเชิงเส้นที่เป็นที่รู้จักเอาท์พุทของลำโพงแตกต่างกันไป ความถี่ แต่เราสามารถแก้ไขรูปแบบนี้ด้วยข้อมูลการสอบเทียบได้ - เอาท์พุทสามารถปรับระดับได้เพื่อให้เกิดความผันผวนในการสอบเทียบข้อมูลที่ข้อมูลดิบมีเสียงดัง - นั่นหมายความว่าการเปลี่ยนแปลงเล็กน้อยในความถี่จะต้องเกิดขึ้น ขนาดใหญ่ผิดปกติการเปลี่ยนแปลงระดับในบัญชีสำหรับเป็นจริงหรือเป็นผลิตภัณฑ์ของสภาพแวดล้อมการบันทึกเป็นอย่างเหมาะสมในกรณีนี้เพื่อใช้ค่าเฉลี่ยเคลื่อนที่ที่คลี่ออกโค้งระดับความถี่เพื่อให้เส้นโค้งการสอบเทียบที่น้อยผิดปกติ แต่ทำไมไม่เหมาะกับกรณีนี้ในตัวอย่างนี้ข้อมูลอื่น ๆ จะดีกว่า - การสอบเทียบหลายครั้งทำงานโดยเฉลี่ยจะทำลายเสียงในระบบตราบเท่าที่ยังมีการวิ่ง dom และให้เส้นโค้งที่มีรายละเอียดปลีกย่อยน้อยลงค่าเฉลี่ยเคลื่อนที่สามารถประมาณค่านี้ได้เท่านั้นและอาจลบค่า dips และ peaks ที่สูงขึ้นบางส่วนออกจากเส้นโค้งที่เกิดขึ้นได้จริงคลื่น Sine การใช้ค่าเฉลี่ยเคลื่อนที่บนคลื่นซายน์ ปัญหาของการเลือกจำนวนที่เหมาะสมของจุดที่จะดำเนินการเฉลี่ย over. It มันง่าย แต่มีวิธีการที่มีประสิทธิภาพมากขึ้นในการวิเคราะห์สัญญาณมากกว่าค่าเฉลี่ยสัญญาณสั่นในโดเมนเวลาในกราฟนี้คลื่นไซน์เดิมเป็นพล็อตในเสียงสีฟ้าคือ เพิ่มและวางแผนเป็นเส้นโค้งสีส้มค่าเฉลี่ยเคลื่อนที่จะดำเนินการที่จุดต่างกันเพื่อดูว่าคลื่นต้นฉบับสามารถฟื้นตัวได้ 5 และ 10 จุดให้ผลลัพธ์ที่สมเหตุสมผล แต่อย่าเอาเสียงออกทั้งหมดซึ่งเป็นจำนวนจุดเริ่มต้นมากขึ้น สูญเสียรายละเอียด amplitude เป็นค่าเฉลี่ยขยายไปในช่วงที่แตกต่างกันจำคลื่น oscilates รอบศูนย์และค่าเฉลี่ย -1 1 0.An ทางเลือกจะสร้างตัวกรอง lowpass กว่าสามารถ ใช้กับสัญญาณในโดเมนความถี่ I m จะไม่ไปลงในรายละเอียดตามที่ไปเกินขอบเขตของบทความนี้ แต่เป็นเสียงเป็นความถี่สูงกว่าคลื่นความถี่พื้นฐานก็จะค่อนข้างง่ายในกรณีนี้เพื่อสร้าง กรอง lowpass จะลบ noise. I ความถี่สูงต้องคำนวณค่าเฉลี่ยเคลื่อนที่มากกว่าชุดข้อมูลภายในวงสำหรับฉันต้องได้รับค่าเฉลี่ยเคลื่อนที่กว่า N 9 วัน array ฉัน m คอมพิวเตอร์ในเป็น 4 ชุดค่า 365 M ซึ่งตัวเองเป็นค่าเฉลี่ยของชุดของข้อมูลอื่นที่ฉันต้องการพล็อตค่าเฉลี่ยของข้อมูลของฉันกับค่าเฉลี่ยเคลื่อนที่ใน plot. I googled เล็กน้อยเกี่ยวกับการย้ายค่าเฉลี่ยและ conv คำสั่งและพบสิ่งที่ฉันพยายามใช้ในของฉัน code. So โดยทั่วไปฉันคำนวณค่าเฉลี่ยของฉันและพล็อตมันด้วยค่าเฉลี่ยเคลื่อนที่ผิดฉันเลือกค่า wts ขวาออกจากเว็บไซต์ mathworks เพื่อให้เป็นแหล่งที่ไม่ถูกต้องปัญหาของฉันแม้ว่าเป็นที่ฉันไม่เข้าใจสิ่งที่เป็น wts นี้คือใครสามารถอธิบาย ถ้ามี somethi ng จะทำอย่างไรกับน้ำหนักของค่าที่ไม่ถูกต้องในกรณีนี้ค่าทั้งหมดจะถูกถ่วงน้ำหนักเหมือนกันและถ้าฉันทำแบบนี้ผิดอย่างสิ้นเชิงฉันขอความช่วยเหลือจากมันขอแสดงความนับถือขอบคุณ 23 กันยายนที่ 19 05 การใช้ conv คือวิธีที่ยอดเยี่ยมในการใช้ค่าเฉลี่ยเคลื่อนที่ในโค้ดที่คุณใช้ wts คือจำนวนที่คุณชั่งน้ำหนักแต่ละค่าตามที่คุณคาดเดาผลรวมของเวกเตอร์นั้นควรมีค่าเท่ากับหนึ่งถ้าคุณต้องการให้น้ำหนักแต่ละค่าเท่ากัน และทำขนาด N ย้ายตัวกรองแล้วคุณจะต้องทำการใช้อาร์กิวเมนต์ที่ถูกต้องใน conv จะส่งผลให้มีค่าน้อยกว่าใน Ms กว่าที่คุณมีใน M ใช้เหมือนกันถ้าคุณ don t ใจผลกระทบของศูนย์ padding ถ้าคุณมีสัญญาณ กล่องเครื่องมือการประมวลผลที่คุณสามารถใช้ cconv ถ้าคุณต้องการลองค่าเฉลี่ยเคลื่อนที่แบบวงกลม Something like. You ควรอ่าน conv และ cconv เอกสารสำหรับข้อมูลเพิ่มเติมถ้าคุณ haven t already. You สามารถใช้ตัวกรองเพื่อหาค่าเฉลี่ยการทำงานโดยไม่ต้องใช้สำหรับ loop นี้ ตัวอย่างพบค่าเฉลี่ยการทำงานขององค์ประกอบ 16 รายการ ctor โดยใช้ขนาดหน้าต่าง 5.2 ราบรื่นเป็นส่วนหนึ่งของ Curve Fitting Toolbox ซึ่งมีให้เลือกหลายรูปแบบ yy y เรียบข้อมูลในคอลัมน์เวกเตอร์ y โดยใช้ตัวกรองเฉลี่ยเคลื่อนที่ผลลัพธ์จะถูกส่งกลับในเวกเตอร์ของคอลัมน์ yy ช่วงค่าเริ่มต้น สำหรับค่าเฉลี่ยเคลื่อนที่เป็น 5. เป็นค่าเฉลี่ยที่ไม่มีเงื่อนไขของกระบวนการและ L เป็นเหตุผลที่มีสัมประสิทธิ์ในการประมวลผลล่าช้าอนันต์องศา 1 1 L 2 L 2. จดจำค่าคงที่ของพารามิเตอรออบเจกตอยูกับ c และไมใช unconditional mean. By Wold s decomposition 2 สมการ 6-12 สอดคล้องกับกระบวนการ stochastic stationary ให้สัมประสิทธิ์ i จะสรุปได้อย่างสมบูรณ์นี่คือกรณีที่ชื่อย่อ AR, L มีความหมายหมายถึงรากทั้งหมดของมันอยู่นอกวงกลมหน่วยนอกจากนี้กระบวนการ เป็นเหตุให้ MA พหุนามเป็น invertible หมายถึงรากทั้งหมดอยู่นอกวงกลม unit. Econometrics Toolbox enforces เสถียรภาพและ invertibility ของกระบวนการ ARMA เมื่อคุณระบุรูปแบบ ARMA ใช้ arima คุณได้รับ err หรือถ้าคุณป้อนค่าสัมประสิทธิ์ที่ไม่สอดคล้องกับชื่อพหุนามของพหุนามที่มีชื่อย่อหรือสังเคราะห์ AR ที่มีเสถียรภาพในทำนองเดียวกันการประมาณค่าจะกำหนดข้อ จำกัด ในการหยุดนิ่งและข้อ จำกัด ในการประมาณค่าไม่ได้ 1 Box, G E P G M เจนกินส์และ G C Reinsel Time Series การวิเคราะห์การคาดการณ์และการควบคุม 3 ed Englewood Cliffs, NJ Prentice Hall, 1994 2 Wold, H การศึกษาในการวิเคราะห์เครื่องเขียนระยะเวลา Uppsala, Sweden Almqvist Wiksell, 1938 เลือกประเทศของคุณ