Jeg har studert om eksponentiell gjennomsnitt Det er nok forklaringer om dette på Internett, men de forklarer ikke om tidskonstanten. Jeg har en kanal med et T sekunder tidssignal med samplingsfrekvens fs. If jeg vil gjøre gjennomsnittlig av denne tiden signal, må vi bruke enten lineær eller eksponentiell metode. Linjær gjennomsnittlig metode er ganske enkel, så det er ingen problemer for å søke. Men hvis jeg prøver å bruke eksponentiell gjennomsnittsmetode, er det noen problemer. Hvis tidssignalet varierer raskt, foretrekker vi å bruke rask tidskonstant 125 ms Også tidssignalet varierer sakte, ved bruk av 1000 ms av langsom tidskonstant er bedre, men i denne situasjonen vet jeg ikke hvordan kan jeg bruke denne tiden konstant med tidssignal. Er det noen forklaring eller et eksempel for å gjøre eksponentielt gjennomsnitt med tidskonstant. Skrevet 29. august kl. 13 på 16 54. Jeg må designe et glidende gjennomsnittsfilter som har en avskjæringsfrekvens på 7 8 Hz. Jeg har brukt glidende gjennomsnittlige filtre før, men så vidt jeg er klar over , den eneste parameteren som kan mates inn er antall poeng som skal beregnes. Hvordan kan dette forholde seg til en avskjæringsfrekvens. Den inverse av 7 8 Hz er.130 ms, og jeg m arbeider med data som samples ved 1000 Hz Betyr dette at jeg burde bruke en bevegelig gjennomsnittlig filtervinduestørrelse på 130 eksemplarer, eller er det noe annet jeg mangler her. Skrevet 18. juli kl. 9, 52. Det glidende gjennomsnittsfilteret er filteret som brukes i tidsdomene for å fjerne støy tilsatt og også for utjevningsformål, men hvis du bruker det samme bevegelige gjennomsnittsfilteret i frekvensområdet for frekvensseparasjon, vil ytelsen være verst, så i så fall bruk frekvensdomener filtre user19373 Feb 3 16 på 5 53. Det bevegelige gjennomsnittlige filteret er noen ganger kjent alliert som et boxcar filter har en rektangulær impulsrespons. Eller, oppgitt annerledes. Å huske at en frekvensrespons av diskret tidssystem er lik den diskrete tiden Fourier-transformasjonen av impulsresponsen, kan vi beregne det som følger. Hva vi er mest interessert i for ditt tilfelle er størrelsesresponsen til filteret, H omega Ved hjelp av noen enkle manipulasjoner, kan vi få det i en enklere forståelsesform. Dette ser kanskje ikke ut til å være enklere å forstå. Men på grunn av Eulers identitet husker det. Derfor kan vi skrive det ovenfor som. Som jeg sa før, hva du virkelig er bekymret for, er størrelsen på frekvensresponset. Så vi kan ta størrelsen på det ovennevnte for å forenkle det videre. Merknad Vi er i stand til å slippe eksponentiell vilkårene ut fordi de ikke påvirker størrelsen på resultatet e 1 for alle verdier av omega Siden xy xy for noen to endelige komplekse tall x og y, kan vi konkludere at tilstedeværelsen av eksponentielle termer ikke påvirker den generelle størrelsesresponsen i stedet , påvirker de systemets fasespons. Den resulterende funksjonen inne i størrelsesbrakettene er en form av Dirichlet-kjerne. Det kalles noen ganger en periodisk sinc-funksjon, fordi den ligner sinc-funksjonen noe i utseende, men er periodisk instea d. Anyway, siden definisjonen av cutoff frekvens er noe underpecified -3 dB punkt -6 dB punkt første sidelobe null, kan du bruke ovenstående ligning for å løse for hva du trenger Spesifikt kan du gjøre følgende. Sett H omega til verdi som svarer til filterresponsen du vil ha ved cutoff-frekvensen. Sett omega lik cutoff-frekvensen For å kartlegge en kontinuerlig tidsfrekvens til diskretid-domenet, husk at omega 2 pi frac, hvor fs er din sample rate. Find verdien av N som gir deg den beste avtalen mellom venstre og høyre side av ligningen. Det bør være lengden på det bevegelige gjennomsnittet. Hvis N er lengden på det bevegelige gjennomsnittet, er en omtrentlig avskjæringsfrekvens F gyldig for N 2 i normalisert frekvens F f fs er. Den inverse av dette er. Denne formelen er asymptotisk riktig for stor N, og har om lag 2 feil for N 2 og mindre enn 0 5 for N 4.PS Etter to år, her endelig hva ble tilnærmingen fulgt Resultatet var basert på ap nærmer seg MA-amplitudespektret rundt f 0 som en parabola 2. rekkefølge Serie ifølge. MA Omega ca 1 frac - frac Omega 2. som kan gjøres mer nøyaktig nær null krysset av MA Omega - frac ved å multiplisere Omega med en koeffisient. Oppnå MA Omega ca 1 0 907523 frac - Frac Omega 2. Løsningen av MA Omega - frac 0 gir resultatene ovenfor, hvor 2 pi F Omega. All av de ovennevnte vedrører -3dB cutoff frekvensen, emnet for dette innlegget. Sommetider, selv om det er interessant å oppnå en dempingsprofil i stoppbånd som er sammenlignbart med den av en 1-ords IIR Low Pass-filter enkeltpolet LPF med en gitt -3dB cut-off frekvens, en slik LPF kalles også leaky integrator, som har en pol ikke akkurat ved likestrøm men nær det. Faktisk er både MA og 1 rekkefølge IIR LPF har -20dB tiårshelling i stoppbåndet man trenger en større N enn den som brukes i figuren, N 32, for å se dette, men mens MA har spektrale nuller ved F k N og en 1 f evelope, IIR filteret har bare en 1 f-profil. Hvis man ønsker å skaffe et MA-filter med lignende støyfiltreringsegenskaper som dette jeg IR-filter, og samsvarer med 3dB-kuttfrekvensene for å være det samme. Ved å sammenligne de to spektrene, ville han innse at stoppbåndets krusning av MA-filteret endte.3dB under det av IIR-filteret. For å få det samme stop-band-krusning, dvs. samme støydempning som IIR-filteret, formlene kan modifiseres som følger. Jeg fant tilbake Mathematica-skriptet der jeg beregnet kuttet av for flere filtre, inkludert MA-en. Resultatet var basert på tilnærming av MA-spektret rundt f 0 som parabola i henhold til MA Omega Sin Omega N 2 Sin Omega 2 Omega 2 pi F MA F ca N 1 6 F 2 NN 3 pi 2 Og avkjøre krysset med 1 kvm derfra Massimo 17 jan 16 kl 2 08. Frekvensrespons av løpende gjennomsnittfilter. Frekvensresponsen til et LTI-system er DTFT av impulsresponsen. Impulsresponsen av et L-prøves glidende gjennomsnitt er. Siden det bevegelige gjennomsnittlige filteret er FIR, reduserer frekvensresponsen til den endelige sum. We kan bruke den svært nyttige identiteten. til skriv frekvensresponsen som. som vi har gitt aej N 0 og ML 1 Vi kan være interessert i størrelsen på denne funksjonen for å avgjøre hvilke frekvenser som kommer gjennom filteret uopprettholdt og som er dempet. Nedenfor er et plott av størrelsen på denne funksjonen for L 4 rød, 8 grønn og 16 blå Den horisontale aksen varierer fra null til radianer per prøve. Merk at i alle tre tilfeller har frekvensresponsen lavpass karakteristikk En konstant komponent nullfrekvens i inngangen passerer gjennom filteret unattuated Visse høyere frekvenser, som 2, er helt eliminert av filteret. Men hvis hensikten var å designe et lavpassfilter, har vi ikke gjort det bra. Noen av de høyere frekvensene blir bare dempet med en faktor på ca. 1 10 for 16 poeng glidende gjennomsnitt eller 1 3 for firepunkt glidende gjennomsnitt Vi kan gjøre mye bedre enn det. Ovennevnte plot ble opprettet av følgende Matlab code. omega 0 pi 400 pi H4 1 4 1-exp - i omega 4 1- exp - io mega H8 1 8 1-exp - i omega 8 1-exp - i omega H16 1 16 1-exp - i omega 16 1-exp - i omega tomt omega, abs H4 abs H8 abs H16 akse 0, pi, 0, 1.Kopyright 2000- - University of California, Berkeley.
No comments:
Post a Comment