الأسي الحركة من المتوسط ، قطع التردد

أنا بحاجة إلى تصميم مرشح المتوسط ​​المتحرك الذي لديه تردد قطع 7.8 هرتز. لقد استخدمت الفلاتر المتوسطة المتحركة من قبل، ولكن بقدر إم علم، المعلمة الوحيدة التي يمكن أن تتغذى في هو عدد من النقاط التي يتم متوسطها. كيف يمكن أن يتعلق ذلك بتكرار قطع هو معكوس 7.8 هرتز هو 130 مللي ثانية، و إم تعمل مع البيانات التي يتم أخذ عينات في 1000 هرتز. هل يعني هذا أنه يجب أن أستخدم متوسط ​​حجم نافذة مرشح متحرك من 130 عينة أم أن هناك شيء آخر مفقود هنا طلب 18 يوليو 13 في 9:52 مرشح المتوسط ​​المتحرك هو الفلتر المستخدم في المجال الزمني المطلوب إزالته والضجيج المضاف وأيضا لتمهيد الغرض ولكن إذا كنت تستخدم نفس المرشح المتوسط ​​المتحرك في مجال التردد لفصل التردد ثم الأداء سيكون أسوأ. حتى في هذه الحالة استخدام مرشحات نطاق التردد نداش user19373 فب 3 16 في 5:53 المرشح المتوسط ​​المتحرك (المعروف أحيانا بالعامية كمرشح صندوقي) لديه استجابة مستطيلة النبض: أو ذكر بشكل مختلف: تذكر أن استجابة الترددات أنظمة منفصلة يساوي تحويل فورييه المنفصل من وقت الاستجابة، ويمكننا حسابه على النحو التالي: ما كان الأكثر اهتماما في قضيتك هو استجابة حجم مرشح، H (أوميجا). باستخدام اثنين من التلاعب بسيطة، يمكننا الحصول على ذلك في شكل أسهل لفهم: هذا قد لا تبدو أسهل للفهم. ومع ذلك، بسبب هوية يولرز. أذكر ما يلي: لذلك، يمكننا كتابة ما سبق على النحو التالي: كما ذكرت من قبل، ما كنت قلقة حقا حول هو حجم استجابة التردد. لذلك، يمكننا أن نأخذ حجم ما سبق لتبسيط ذلك أبعد من ذلك: ملاحظة: نحن قادرون على إسقاط المصطلحات الأسية بها لأنها لا تؤثر على حجم النتيجة ه 1 لجميع قيم أوميغا. منذ زي زي لأي اثنين من الأعداد المعقدة محدودة x و y، يمكننا أن نخلص إلى أن وجود الأسي لا تؤثر على استجابة حجم الشاملة (بدلا من ذلك، فإنها تؤثر على استجابة مرحلة النظم). الدالة الناتجة داخل الأقواس حجم هو شكل من نواة ديريشليت. ويسمى أحيانا وظيفة المزامنة الدورية، لأنها تشبه وظيفة المخلوق إلى حد ما في المظهر، ولكن هو الدوري بدلا من ذلك. على أي حال، حيث أن تعريف تردد القطع غير محدد إلى حد ما (نقطة دب 3- نقطة دب -6 أول صف جانبي خالي)، يمكنك استخدام المعادلة المذكورة أعلاه لحل كل ما تحتاجه. على وجه التحديد، يمكنك القيام بما يلي: تعيين H (أوميجا) إلى القيمة المقابلة لاستجابة المرشح الذي تريده في تردد قطع. تعيين أوميغا يساوي تردد قطع. لتعيين تردد مستمر الوقت إلى المجال الوقت المنفصل، تذكر أن أوميغا 2pi فراك، حيث فس هو معدل العينة الخاصة بك. العثور على قيمة N التي تمنحك أفضل اتفاق بين الجانبين الأيسر والأيمن من المعادلة. يجب أن يكون طول المتوسط ​​المتحرك. إذا كان N هو طول المتوسط ​​المتحرك، فإن التردد التقريبي F (صالح لل N غ 2) في التردد المعتاد ففس هو: عكس هذا هو هذه الصيغة صحيحة بشكل غير صحيح بالنسبة إلى N كبيرة، ولها حوالي 2 خطأ ل N2، وأقل من 0.5 ل N4. ملاحظة بعد عامين، هنا أخيرا ما كان النهج الذي اتبع. واستندت النتيجة إلى تقريب طيف السعة ما حول f0 كمقطع مكافئ (سلسلة الترتيب الثاني) وفقا لما (أوميغا) تقريبا 1 (فراك - frac) Omega2 التي يمكن جعلها أكثر دقة بالقرب من عبور الصفر من ما (أوميغا) - فراك عن طريق ضرب أوميغا بواسطة معامل الحصول على ما (أوميغا) تقريبا 10.907523 (فراك - frac) Omega2 حل ما (أوميغا) - frac 0 يعطي النتائج أعلاه، حيث 2pi F أوميغا. كل ما سبق يتعلق 3dB قطع تردد، موضوع هذا المنصب. في بعض الأحيان على الرغم من أنه من المثير للاهتمام الحصول على ملف التوهين في نطاق التوقف الذي يمكن مقارنته مع مرشح إر منخفض التصفية المنخفض الأول (ليد القطب الواحد) مع تردد معين 3dB قطع (ويسمى هذا ليف أيضا تكامل تسرب، وجود قطب ليس بالضبط في العاصمة ولكن بالقرب منه). في الواقع على حد سواء ما و 1 النظام إير إر يكون ديك -20dBdecade المنحدر في وقف الفرقة (واحد يحتاج إلى أكبر N من واحد المستخدمة في الشكل، N32، لمعرفة هذا)، ولكن في حين أن ما لديه نول الطيفية في فن و 1F إيفيلوب، مرشح إير لديه ملف تعريف 1f فقط. إذا كان المرء يريد الحصول على مرشح ما مع قدرات مماثلة تصفية الضوضاء مثل هذا المرشح إير، ويطابق قطع 3DB قطع الترددات لتكون هي نفسها، عند مقارنة اثنين من أطياف، وقال انه يدرك أن تموج الفرقة توقف مرشح ما ينتهي 3DB أدناه من مرشح إير. من أجل الحصول على نفس تموج وقف الفرقة (أي نفس التوهين قوة الضوضاء) كما مرشح إير يمكن تعديل الصيغ على النحو التالي: لقد عثرت على السيناريو ماثيماتيكا حيث احسبت قطع لعدة مرشحات، بما في ذلك واحد ما. واستندت النتيجة على تقريب الطيف ما حول f0 كما القطع المكافئ وفقا لما (أوميغا) سين (OmegaN2) سين (Omega2) أوميغا 2PF ما (F) تقريبا N16F2 (N-N3) pi2. واستخلاص المعبر مع 1sqrt من هناك. نداش ماسيمو 17 يناير 16 في 2: 08Low-باس فيلتر هذه هي في المقام الأول تلاحظ لن يكون كاملا بأي معنى. وهو موجود لاحتواء أجزاء من المعلومات المفيدة. بسيودوكود المتوسط ​​المتحرك لوزن أسي (إوما) هو اسم لما هو على الأرجح أسهل الرقمية، المجال الزمني تحقيق لوباس (الدرجة الأولى) على البيانات المنفصلة. هذا المرشح ينعم باستخدام المتوسط ​​المحلي المتحرك، مما يجعلها أتباع بطيئا لإشارة الدخل. بشكل حدسي، وسوف تستجيب ببطء إلى التغييرات السريعة (المحتوى عالية التردد) في حين لا تزال تتبع الاتجاه العام للإشارة (محتوى التردد المنخفض). ويزن من قبل متغير (انظر x3b1) لتكون قادرة على تغيير حساسية لها. في التطبيقات التي العينة على فترات منتظمة (على سبيل المثال الصوت) يمكنك ربط x3b1 لمحتوى التردد. في هذه الحالات كنت في كثير من الأحيان تريد لحساب سلسلة الانتاج تصفيتها لسلسلة المدخلات، من خلال حلقة من خلال قائمة تفعل شيئا مثل: أو ما يعادلها: قد يشعر هذا النموذج الأخير أكثر إنتيتيفينفورماتيف: التغيير في الناتج تصفيتها يتناسب مع كمية تغيير وزنه من قبل مرشح قوة x3b1. كلاهما قد يساعد في النظر في كيفية استخدام الإخراج المصفاة الأخيرة يعطي الجمود النظام: أصغر x3b1 (أكبر 1-x3b1 في السابق) (أيضا يجعل ل أرسي أكبر) يعني الإخراج سوف ضبط أكثر ببطء، ويجب أن تظهر أقل ضوضاء (منذ تردد قطع أقل (تحقق)). يعني أصغر x3b1 (أصغر 1-x3b1) (أصغر أرسي) أن الإخراج سوف ضبط أسرع (يكون أقل الجمود)، ولكن تكون أكثر حساسية للضوضاء (منذ تردد قطع أعلى (تحقق)) منذ الحساب المحلي، والحالات حيث تريد فقط أحدث قيمة يمكن تجنب تخزين صفيف كبير عن طريق القيام بما يلي لكل عينة جديدة (في كثير من الأحيان مجموعة من المرات في صف واحد، للتأكد من أننا ضبط ما يكفي). وفي الحالات التي تكون فيها المعاينة غير العادية x3b1 أكثر ارتباطا بسرعة التكيف مقارنة بمحتوى الترددات. لا تزال ذات الصلة، ولكن الملاحظات على محتوى التردد تنطبق بشكل أقل صرامة. كنت تريد عادة تنفيذ أريميموري كما العوامات - حتى لو كنت إينتس - لتجنب المشاكل الناجمة عن أخطاء التقريب. معظم المشكلة: عندما يكون ألفادفيفيرانس (نفسها الضرب العائمة) أقل من 1، يصبح 0 في (ترونكاتنغ) يلقي إلى عدد صحيح. على سبيل المثال، عندما يكون ألفا 0.01، فإن الاختلافات إشارة أصغر من 100 سيجعل لتعديل 0 (عن طريق اقتطاع عدد صحيح)، وبالتالي فإن تصفية لن تتكيف مع قيمة أدك الفعلية. إوما لها كلمة أسي فيها لأنها كل المخرجات الجديدة المصفاة تستخدم بشكل فعال جميع القيم قبل ذلك، وبشكل فعال مع الأوزان المتحللة أضعافا مضاعفة. انظر الروابط ويكيبيديا لمزيد من المناقشة. مثال بياني: لقطة من أردوينوسكوب - رسم بياني متحرك، مع أحدث العينات على اليسار. إشارة الخام على رأس هو بضع ثوان قيمة أخذ العينات أدك من دبوس العائمة، مع إصبع لمسها من الآن فصاعدا. والبعض الآخر إصدارات منخفضة من ذلك، في زيادة نقاط القوة. بعض الأمور أن نلاحظ حول هذا الموضوع: التكيف الأسي البطيء لاستجابات مثل خطوة (يشبه كثيرا مكثف الشحن - بسرعة إنتيالي، ثم أبطأ وأبطأ) قمع سبيسسديفياتيونس كبيرة واحدة. أن من الممكن بالتأكيد لتصفية الصعب جدا (على الرغم من أن هذا الحكم يعتمد كثيرا على سرعة أخذ العينات والتردد محتوى التكيف احتياجات الغرض الخاص بك). في الصورة الثانية، تذبذب كامل المدى يأتي في منتصف الطريق ليس كثيرا بسبب الترشيح، ولكن أيضا إلى حد كبير لأن معظم العينات الخام حول هناك مشبعة في نهاية أي من مجموعة أدسس. على x3b1، x3c4، وتكرار قطع هذا المقال هو كعب x2014 ربما كومة من الملاحظات نصف فرزها، لم يتم فحص جيدا حتى قد يكون بت غير صحيحة. (لا تتردد في تجاهل، إصلاح، أو قل لي) x3b1 هو عامل تمهيد، نظريا بين 0.0 و 1.0، في الممارسة عادة lt0.2 وغالبا lt0.1 أو أصغر، لأن أعلاه أنك بالكاد القيام بأي تصفية. في دسب غالبا ما يقوم على: x394 t. دت بانتظام. الفاصل الزمني بين العينات (متبادلة من معدل أخذ العينات) اختيار الوقت الثابت x3c4 (تاو)، ويعرف أيضا باسم أرسي (وهذا الأخير يبدو مرجعا لدائرة المقاوم زائد مكثف، والذي أيضا لا باساس على وجه التحديد، أرسي يعطي الوقت في التي تهمة مكثف ل إذا اخترت أرسي قريبة من دت يول الحصول على ألفاس أعلى من 0.5، وأيضا تردد قطع التي هي بالقرب من تردد نيكيست (يحدث في 0.666 (تحقق))، الذي يرشح القليل جدا أنه يجعل مرشح في الواقع العملي غالبا ما تختار أرسي الذي هو على الأقل بضع مضاعفات من دت، وهو ما يعني أن x3b1 هو على الترتيب من 0.1 أو أقل. عندما يحدث أخذ العينات بشكل صارم بانتظام، كما هو الحال بالنسبة للصوت والعديد من التطبيقات دسب أخرى ، تردد القطع، ويعرف أيضا باسم تردد الركبة. وهي محددة جيدا، ويجري: على سبيل المثال، عندما RC0.002sec، وقطع هو في 200HZ، 2000HZ، و 20000Hz أخذ العينات، الذي يجعل للالفاس 0.7، 0.2، و 0.024، على التوالي (في نفس سرعة أخذ العينات: أقل ألفا هو، ث e (أبطأ التكيف مع القيم الجديدة وانخفاض تردد القطع الفعال) (تحقق) بالنسبة لوصلة أولية من الدرجة الأولى: عند الترددات المنخفضة، تكون الاستجابة شبه مسطحة تماما، وعند هذا التردد تكون الاستجابة -3 دب (بدأت في الانخفاض في لينة بندكني) في ترددات أعلى أنه يسقط في 6dboctave (20dBdecade) أعلى ترتيب الاختلافات تسقط بشكل أسرع ويكون الركبة أصعب. لاحظ سيكون هناك أيضا تحول المرحلة، التي تتخلف عن المدخلات. ذلك يعتمد على تردد يبدأ في وقت سابق من سقوط السعة، وسوف يكون -45 درجة في تردد الركبة (تحقق). اردوينو مثال هذا المقال هو كعب x2014 ربما كومة من الملاحظات نصف فرزها، لم يتم فحص جيدا حتى قد يكون بت غير صحيحة. (لا تتردد في تجاهل، إصلاح، أو قل لي) هذا هو نسخة من قطعة واحدة من الذاكرة، عندما كنت مهتما فقط في (أحدث) قيمة الانتاج. شبه سورتدي تم دراسة حول المتوسط ​​الأسي. هناك تفسيرات كافية حول هذا على الإنترنت، لكنها لا تفسر حول الوقت ثابت. لدي قناة واحدة مع إشارة توقيت T ثانية مع تردد أخذ العينات فس. إذا كنت أريد أن أفعل متوسط ​​هذه الإشارة الوقت، ونحن بحاجة إلى استخدام إما طريقة خطية أو الأسية. طريقة المتوسط ​​الخطي هو بسيط جدا لذلك ليس هناك مشكلة لتطبيق. ومع ذلك، إذا حاولت تطبيق طريقة المتوسط ​​الأسي، هناك بعض المشاكل. إذا كانت إشارة الوقت تختلف بسرعة، ونحن نفضل استخدام وقت سريع ثابت 125 مللي ثانية. أيضا، فإن إشارة الوقت يختلف ببطء، وذلك باستخدام 1000 مللي ثانية من الوقت بطيئة ثابت هو أفضل، ولكن في هذه الحالة، وأنا لا أعرف كيف يمكنني تطبيق هذا الوقت ثابت مع إشارة الوقت. هل هناك أي تفسير أو أي مثال على القيام المتوسط ​​الأسي مع طلب ثابت الوقت أغسطس 29 13 في 16: 54I لديها قيمة مستمرة التي إد مثل لحساب المتوسط ​​المتحرك الأسي. عادة ما يكون المعرف مجرد استخدام الصيغة القياسية لهذا: حيث S n هو المتوسط ​​الجديد، ألفا هو ألفا و Y هو العينة و S n-1 هو المتوسط ​​السابق. لسوء الحظ، نظرا لقضايا مختلفة ليس لدي متسقة الوقت العينة. قد أعرف أنني يمكن أن عينة على الأكثر، ويقول، مرة واحدة في ميلي ثانية واحدة، ولكن نظرا لعوامل خارج عن سيطرتي، وأنا قد لا تكون قادرة على أخذ عينة لعدة ميلي ثانية في وقت واحد. ومع ذلك، هناك حالة أكثر شيوعا على الأرجح هي أنني عينة بسيطة مبكرة قليلا أو متأخرة: بدلا من أخذ العينات في 0 و 1 و 2 مس. أنا عينة في 0 و 0.9 و 2.1 مللي ثانية. وأتوقع أنه بغض النظر عن التأخير، وسوف بلدي تردد أخذ العينات يكون بعيدا، وبعيدا عن الحد نيكيست، وبالتالي لا داعي للقلق حول التعرج. وأعتقد أنني أستطيع التعامل مع هذا بطريقة أكثر أو أقل من المعقول من خلال تغيير ألفا بشكل مناسب، استنادا إلى طول الفترة الزمنية منذ آخر عينة. جزء من منطقي أن هذا سيعمل هو أن إما إنتيربولاتس خطيا بين نقطة البيانات السابقة والتيار الحالي. إذا نظرنا في حساب إما من القائمة التالية من العينات على فترات t: 0،1،2،3،4. يجب أن نحصل على نفس النتيجة إذا استخدمنا الفاصل الزمني 2t، حيث تصبح المدخلات 0،2،4، يمين إذا كانت إما قد افترضت أنه في t 2 كانت القيمة 2 منذ t 0. التي من شأنها أن تكون نفس حساب حساب الفاصل الزمني على 0،2،2،4،4، والتي لا تفعل. أو هل هذا منطقي على الإطلاق يمكن أن يقول لي شخص كيفية تغيير ألفا بشكل مناسب يرجى إظهار عملك. أي. تبين لي الرياضيات التي تثبت أن طريقة الخاص بك هو حقا يفعل الشيء الصحيح. طلب يونيو 21 09 في 13:05 أنت mustn39t الحصول على نفس إما لمختلف المدخلات. فكر في إما كمرشح، أخذ العينات في 2t ما يعادل أخذ العينات إلى أسفل، والمرشح هو الذهاب الى إعطاء مخرجات مختلفة. هذا واضح بالنسبة لي منذ 0،2،4 يحتوي على مكونات تردد أعلى من 0،1،2،3،4. ما لم يكن السؤال هو، كيف يمكنني تغيير فلتر على الطاير لجعله يعطي نفس الانتاج. ربما أنا في عداد المفقودين شيء نداش فريسباس يونيو 21 09 في 15:52 ولكن المدخلات ليست مختلفة، it39s فقط أخذ عينات أقل في كثير من الأحيان. 0،2،4 على فترات 2t هو مثل 0، 2،، 4 على فترات t، حيث يشير إلى أن يتم تجاهل العينة نداش كيرت سامبسون يونيو 21 09 في 23:45 هذه الإجابة على أساس فهم جيد لتمرير منخفض مرشحات (المتوسط ​​المتحرك الأسي هو في الحقيقة مجرد مرشح لوباس واحد القطب)، ولكن بلدي فهم ضبابي ما كنت تبحث عنه. وأعتقد أن ما يلي هو ما تريد: أولا، يمكنك تبسيط المعادلة الخاصة بك قليلا (تبدو أكثر تعقيدا ولكن أسهل في التعليمات البرمجية). سأستخدم Y للإخراج و X للإدخال (بدلا من S للإخراج و Y للإدخال، كما فعلت). ثانيا، قيمة ألفا هنا تساوي 1-e - Deltattau حيث دلتات هو الوقت بين العينات، و تاو هو ثابت الوقت للمرشح تمرير منخفض. أقول متساوية في يقتبس لأن هذا يعمل بشكل جيد عندما دلتاتاو هو صغير بالمقارنة مع 1، و ألفا 1-e - Deltattau أسيمب دلتاتاو. (ولكن ليس صغيرا جدا: ستنتقل إلى المسائل الكمية، وما لم تلجأ إلى بعض التقنيات الغريبة التي تحتاج عادة إلى N بت إضافية من القرار في متغير الدولة S، حيث N-لوغ 2 (ألفا). للحصول على قيم أكبر من دلتاتاو يبدأ تأثير التصفية لتختفي، حتى تحصل على النقطة حيث ألفا هو قريب من 1 وكنت أساسا مجرد تعيين المدخلات إلى الإخراج. هذا يجب أن يعمل بشكل صحيح مع قيم متفاوتة من دلتات (الاختلاف من دلتات ليست مهمة جدا طالما ألفا صغير، وإلا سوف تعمل في بعض القضايا نيكيست غريبة بدلا التعرج الخ)، وإذا كنت تعمل على المعالج حيث الضرب هو أرخص من الانقسام، أو قضايا نقطة ثابتة مهمة، بريكالكولات أوميغا 1tau، والنظر في محاولة لتقريب صيغة ألفا. إذا كنت تريد حقا أن تعرف كيفية استخلاص صيغة ألفا 1-e - Deltattau ثم النظر في مصدر المعادلة التفاضلية: التي، عندما X هو وظيفة خطوة وحدة، لديه الحل Y 1 - e - ttau. وبالنسبة لقيم الدلتا الصغيرة، يمكن تقريب المشتقات بواسطة الدلتايدلتات، مما يؤدي إلى تاو الدلتايدلتات X ديلتاي (زي) (دلتاتاو) ألفا (زي) واستقراء ألفا 1-e - Deltattau يأتي من محاولة مطابقة السلوك مع وحدة خطوة وظيفة القضية. هل من فضلك يرجى تفصيل على كوتيرينغ لتتناسب مع الجزء السلوكي أنا أفهم الحل الخاص بك الوقت المستمر Y 1 - إكس (-t47) وتعميمها إلى وظيفة خطوة تحجيم مع حجم x والحالة الأولية y (0). ولكن I39m لا نرى كيفية وضع هذه الأفكار معا لتحقيق النتيجة. نداش ريس وليريش 4 مايو 13 في 22:34 هذه ليست إجابة كاملة، ولكن قد يكون بداية واحدة. لها بقدر ما حصلت مع هذا في ساعة أو نحو ذلك من اللعب إم نشره كمثال على ما إم تبحث عن، وربما إلهام للآخرين الذين يعملون على المشكلة. أبدأ مع S 0. وهو المتوسط ​​الناتج عن المتوسط ​​السابق S -1 والعينة Y 0 المأخوذة عند t 0. (t 1 - t 0) هي الفاصل الزمني للعينة ويتم تعيين ألفا على كل ما هو مناسب لفترة العينة والفترة التي أود أن متوسطها. نظرت في ما يحدث إذا أفتقد العينة في t 1 وبدلا من ذلك يجب القيام به مع العينة Y 2 تؤخذ في ر 2. حسنا، يمكننا أن نبدأ بتوسيع المعادلة لنرى ما كان يمكن أن يحدث لو كان لدينا Y 1: لاحظت أن المسلسل يبدو أن يمتد بلا حدود بهذه الطريقة، لأننا يمكن أن تحل محل S في الجانب الأيمن إلى أجل غير مسمى: حسنا ، لذلك ليس حقا متعدد الحدود (سخيفة لي)، ولكن إذا ضربنا الفترة الأولية من قبل واحد، ونحن بعد ذلك نرى نمطا: هم: لها سلسلة الأسية. كيل مفاجأة تخيل أن الخروج من المعادلة لمتوسط ​​متحرك الأسي لذلك على أي حال، لدي هذا x 0 × 1 × 2 × 3. شيء، و إم إم إم رائحة أو اللوغاريتم الطبيعي ركل هنا، ولكن لا أستطيع تذكر أين كنت أتجه إلى الأمام قبل أن نفد من الوقت. أي إجابة على هذا السؤال، أو أي دليل على صحة مثل هذا الجواب، يعتمد إلى حد كبير على البيانات التي قياس. إذا تم أخذ العينات الخاصة بك في تي 0 0ms. t 1 0.9ms و t 2 2.1ms. ولكن اختيارك من ألفا يقوم على 1 مللي ثانية، وبالتالي تريد ألفا معدلة محليا. فإن إثبات صحة الخيار يعني معرفة قيم العينة في t1ms و t2ms. وهذا يؤدي إلى السؤال: هل يمكنك استيفاء البيانات الخاصة بك ريسونابلي أن يكون التخمينات عاقل من ما بين القيم قد تكون أو يمكنك حتى إنتيربولات المتوسط ​​نفسه إذا لم يكن أي من هذه ممكنة، ثم بقدر ما أراه، منطقية فإن اختيار القيمة الفاصلة بين Y (t) هو المتوسط ​​المحسوب مؤخرا. أي y (t) أسيمب s n حيث n هو ماكسميال بحيث t t لت. هذا الاختيار له نتيجة بسيطة: ترك ألفا وحده، بغض النظر عن فارق التوقيت. إذا، من ناحية أخرى، فمن الممكن لاستيفاء القيم الخاصة بك، ثم وهذا سوف تعطيك عينات ثابت الفاصل الزمني. وأخيرا، إذا كان من الممكن حتى استقراء المتوسط ​​نفسه، من شأنه أن يجعل السؤال بلا معنى. أجاب 21 يونيو 09 في 15:08 بالفا 9830 27.1k 9679 10 9679 87 9679 117 أعتقد أن بإمكاني استيفاء البيانات الخاصة بي: نظرا لأن I39m أخذ العينات على فترات منفصلة، ​​I39m بالفعل القيام بذلك مع معيار إما على أي حال، نفترض أنني بحاجة وهو كوفروفوت الذي يظهر أنه يعمل فضلا عن إما القياسية، والتي أيضا سوف تنتج نتيجة غير صحيحة إذا كانت القيم لا تتغير بسلاسة إلى حد ما بين فترات العينة. نداش كيرت سامبسون يونيو 21 09 في 15:21 ولكن that39s ما I39m قائلا: إذا كنت تعتبر إما استيفاء القيم الخاصة بك، you39re القيام به إذا تركت ألفا كما هو (لأن إدراج أحدث معدل كما لا تغير 39t المتوسط) . إذا كنت تقول أنك بحاجة إلى شيء أن كوتوركس وكذلك إيماكوت القياسية - ما هو الخطأ 39 مع الأصلي ما لم يكن لديك المزيد من المعلومات حول البيانات you39re القياس، أي تعديلات المحلية إلى ألفا سيكون في أحسن الأحوال التعسفية. نداش بالفا 9830 جون 21 09 في 15:31 وأود أن ترك قيمة ألفا وحدها، وملء البيانات المفقودة. منذ كنت لا تعرف ما يحدث خلال الوقت الذي كنت غير قادر العينة، يمكنك ملء تلك العينات مع 0S، أو عقد القيمة السابقة مستقرة واستخدام تلك القيم ل إما. أو بعض الاستيفاء إلى الخلف مرة واحدة لديك عينة جديدة، وملء القيم المفقودة، وإعادة حساب إما. ما أحاول الحصول عليه هو لديك إدخال شن التي لديها ثقوب. لا توجد وسيلة للتغلب على حقيقة كنت في عداد المفقودين البيانات. حتى تتمكن من استخدام الصفر ترتيب عقد، أو تعيينه إلى الصفر، أو نوع من الاستيفاء بين شن و شنم. حيث M هو عدد العينات المفقودة و n بداية الفجوة. ربما حتى استخدام القيم قبل ن. أجاب 21 يونيو 09 في 13:35 من قضاء ساعة أو نحو ذلك مكينغ حول قليلا مع الرياضيات لهذا، وأعتقد أن ببساطة تغيير ألفا سوف تعطيني فعلا الاستيفاء الصحيح بين النقطتين التي تتحدث عنها، ولكن في طريقة أبسط بكثير. وعلاوة على ذلك، وأعتقد أن تختلف ألفا سوف أيضا التعامل بشكل صحيح مع العينات التي اتخذت بين فترات أخذ العينات القياسية. وبعبارة أخرى، I39m تبحث عن ما وصفته، ولكن في محاولة لاستخدام الرياضيات لمعرفة طريقة بسيطة للقيام بذلك. نداش كيرت سامبسون يونيو 21 09 في 14:07 أنا don39t أعتقد أن هناك مثل هذا الوحش كما كوتيروبر إنتيربولاتيونكوت. يمكنك ببساطة don39t معرفة ما حدث في الوقت الذي لم يكن أخذ العينات. يعني الاستيفاء الجيد والسيئ بعض المعرفة بما فاتك، لأنك تحتاج إلى قياس ضد ذلك للحكم على ما إذا كان الاستيفاء جيد أو سيئ. على الرغم من ذلك، يمكنك وضع قيود، أي مع أقصى تسارع، والسرعة، وما إلى ذلك أعتقد إذا كنت لا تعرف كيفية نموذج البيانات المفقودة، ثم كنت مجرد نموذج البيانات المفقودة، ثم تطبيق خوارزمية إما مع أي تغيير، بدلا من ذلك من تغيير ألفا. فقط بلدي 2C :) نداش فريسباس يونيو 21 09 في 14:17 هذا هو بالضبط ما كنت الحصول على في بلدي تحرير على السؤال قبل 15 دقيقة: كوتيو ببساطة don39t معرفة ما حدث في الوقت الذي لا يتم أخذ العينات، ولكن ولكن هذا 39s صحيح حتى لو كنت العينة في كل فترة زمنية محددة. وهكذا تأمل بلدي نيكيست: طالما كنت تعرف شكل موجة don39t تغيير الاتجاهات أكثر من كل زوجين من العينات، والفترة الزمنية الفعلية ينبغي أن تكون المسألة 39t، وينبغي أن تكون قادرة على تختلف. يبدو معادلة إما لي بالضبط لحساب كما لو تغير شكل الموجي خطيا من قيمة العينة الأخيرة إلى واحد الحالي. نداش كيرت سامبسون يونيو 21 09 في 14:26 أنا don39t أعتقد أن هذا صحيح تماما. نظرية Nyquist39s يتطلب يتطلب الحد الأدنى من 2 عينات لكل فترة لتكون قادرة على تحديد فريد للإشارة. إذا كنت don39t القيام بذلك، تحصل المستعارة. سيكون نفس أخذ العينات كما fs1 لفترة، ثم fs2، ثم العودة إلى fs1، وتحصل على استعارة في البيانات عند عينة مع fs2 إذا fs2 أقل من الحد نيكيست. كما يجب أن أعترف أنني لا أفهم ما تعنيه التغييرات كوتافيفورم خطيا من العينة الأخيرة إلى أونكوت الحالية. هل يمكن أن يرجى شرح هتافات، ستيف. نداش فريسباس يونيو 21 09 في 14:36 ​​هذا مشابه لمشكلة مفتوحة على بلدي قائمة تودو. لدي مخطط واحد عملت إلى حد ما ولكن لم يكن لديك عمل رياضي لدعم هذا الاقتراح حتى الان. تحديث ملخص أمبير: ترغب في الحفاظ على عامل تمهيد (ألفا) مستقلة عن عامل التعويض (الذي أشير كما بيتا هنا). جاسون الجواب ممتازة قبلت بالفعل هنا يعمل كبيرة بالنسبة لي. إذا كنت تستطيع أيضا قياس الوقت منذ أخذ العينة الأخيرة (في مضاعفات مدورة لوقت أخذ العينات المستمر الخاص بك - حتى 7.8 مللي ثانية لأن العينة الأخيرة ستكون 8 وحدات)، التي يمكن استخدامها لتطبيق مرات التجانس عدة مرات. تطبيق الصيغة 8 مرات في هذه الحالة. لقد جعلت على نحو فعال منحازة أكثر منحازة نحو القيمة الحالية. للحصول على أفضل تمهيد، نحن بحاجة إلى قرص ألفا أثناء تطبيق الصيغة 8 مرات في الحالة السابقة. ما سوف يغفل هذا التقريب التجميع فقد بالفعل 7 عينات في المثال أعلاه وقد تم تقريب هذا في الخطوة 1 مع بالارض إعادة تطبيق من القيمة الحالية 7 مرات إضافية إذا كنا تحديد عامل تقريبي بيتا التي سيتم تطبيقها جنبا إلى جنب مع ألفا (كما الأبجدية بدلا من ألفا فقط)، ونحن سوف نفترض أن 7 عينات غاب تتغير بسلاسة بين قيم العينة السابقة والحالية. أجاب 21 يونيو 09 في 13:35 أنا لم أفكر في هذا، ولكن قليلا من الخداع حول مع الرياضيات حصلت لي إلى النقطة التي أعتقد أنه بدلا من تطبيق الصيغة ثماني مرات مع قيمة العينة، ويمكنني أن أفعل حسابا من ألفا جديدة من شأنها أن تسمح لي لتطبيق الصيغة مرة واحدة، وتعطيني نفس النتيجة. وعلاوة على ذلك، سيتعامل هذا تلقائيا مع مسألة تعويض العينات من أوقات العينة الدقيقة. نداش كيرت سامبسون يونيو 21 09 في 13:47 تطبيق واحد على ما يرام. ما أنا لست متأكدا حتى الآن هو كيف جيدة هو التقريب من 7 القيم المفقودة. إذا جعلت الحركة المستمرة قيمة غضب الكثير خلال 8 ميلي ثانية، قد تقريب تماما من الواقع. ولكن، إذا كنت أخذ العينات في 1ms (أعلى دقة باستثناء العينات المتأخرة) كنت قد أحسب بالفعل غضب داخل 1MS غير ذات الصلة. هل هذا المنطق العمل بالنسبة لك (ما زلت أحاول إقناع نفسي). ندش نيك جون 21 09 في 14:08 رايت. هذا هو بيتا عامل من وصفي. وسيتم حساب عامل بيتا على أساس الفارق الزمني والعينات الحالية والسابقة. سيكون ألفا الجديد (الأبجدية) ولكن سيتم استخدامه فقط لتلك العينة. في حين يبدو أنك 39moving 39 ألفا في الصيغة، أنا أميل نحو ألفا المستمر (عامل تمهيد) وبيتا المحسوبة بشكل مستقل (عامل ضبط) أن يعوض عن عينات غاب الآن. ندش نيك 21 يونيو، الساعة 15:23