Erstellt am Mittwoch, den 08. Oktober 2008 um 20 04 Letzte Aktualisierung am Donnerstag, den 14. März 2013 01 29 Geschrieben von Batuhan Osmanoglu Hits 41585.Moving Average In Matlab. Oft Ich finde mich in der Notwendigkeit der Mittelung der Daten, die ich habe, um das Rauschen ein wenig zu reduzieren Ich schrieb paar Funktionen, um genau das zu tun, was ich will, aber Matlab s eingebaute Filterfunktion funktioniert auch ziemlich gut Hier lyrics ich über 1D und 2D Mittelwertbildung von data.1D Filter kann mit der Filterfunktion realisiert werden Die Filterfunktion benötigt mindestens Drei Eingabeparameter der Zählerkoeffizient für den Filter b, den Nennerkoeffizienten für den Filter a und die Daten X natürlich. Ein laufender Durchschnittsfilter kann einfach durch. Für 2D Daten definiert werden, können wir die Matlab s filter2 Funktion verwenden Für weitere Informationen Auf, wie der Filter funktioniert, können Sie type. Here ist eine schnelle und schmutzige Implementierung eines 16 von 16 gleitenden durchschnittlichen Filter Zuerst müssen wir den Filter definieren Da alles, was wir wollen, gleicher Beitrag aller Nachbarn ist, können wir einfach die Spaß machen Ction Wir teilen alles mit 256 16 16 ab, da wir nicht die allgemeine Amplitude des Signals ändern wollen. Um den Filter anzuwenden, können wir einfach folgendes sagen. Below sind die Ergebnisse für die Phase eines SAR-Interferogramms In diesem Fall ist Range in Y-Achse und Azimut ist auf X-Achse abgebildet Der Filter war 4 Pixel breit im Bereich und 16 Pixel breit in Azimuth. Frequenz-Response des laufenden durchschnittlichen Filters. Der Frequenzgang eines LTI-Systems ist die DTFT der Impulsantwort. Die Impulsantwort Von einem L-Sample gleitenden Durchschnitt ist. Da der gleitende durchschnittliche Filter FIR ist, reduziert sich der Frequenzgang auf die endliche Summe. Wir können die sehr nützliche Identität verwenden. Um den Frequenzgang zu schreiben, woher wir Aej N 0 und ML 1 Wir können an der Größe dieser Funktion interessiert sein, um festzustellen, welche Frequenzen durch den Filter ungedämpft werden und die abgeschwächt sind. Unterhalb ist ein Diagramm der Größe dieser Funktion für L 4 rot, 8 grün und 16 blau Die Horizontale Achsenbereiche Von null bis radians pro sample. Notice, dass in allen drei Fällen der Frequenzgang hat eine Tiefpass-Kennlinie Eine konstante Komponente Nullfrequenz in der Eingabe passiert durch den Filter ungedämpft Bestimmte höhere Frequenzen, wie 2, werden vollständig durch den Filter eliminiert Allerdings, Wenn die Absicht war, einen Tiefpassfilter zu entwerfen, dann haben wir nicht sehr gut getan. Einige der höheren Frequenzen werden nur um einen Faktor von etwa 1 10 für den 16 Punkt gleitenden Durchschnitt gedämpft oder 1 3 für den vier Punkt gleitenden Durchschnitt können wir tun Viel besser als das. Die obige Handlung wurde durch die folgenden Matlab-Code erstellt. omega 0 pi 400 pi H4 1 4 1-exp - i omega 4 1-exp-o omega H8 1 8 1-exp - i omega 8 1-exp - i omega H16 1 16 1-exp - i Omega 16 1-exp-o Omega-Plot Omega, abs H4 abs H8 abs H16 Achse 0, pi, 0, 1.Copyright 2000- - Universität von Kalifornien, Berkeley. Moving Average Filter MA filter. Loading Der gleitende durchschnittliche Filter ist ein einfacher Low Pass FIR Finite Impulse Response Filter häufig für glatte verwendet Ein Array von abgetasteten Datensignalen Es dauert M Abtastwerte der Eingabe zu einem Zeitpunkt und nehmen Sie den Durchschnitt dieser M-Samples und produziert einen einzelnen Ausgangspunkt Es ist eine sehr einfache LPF Low Pass Filter-Struktur, die praktisch für Wissenschaftler und Ingenieure zu filtern kommt Unerwünschte geräuschvolle Komponente aus den beabsichtigten Daten. Wenn die Filterlänge den Parameter M erhöht, erhöht sich die Glätte des Ausgangssignals, während die scharfen Übergänge in den Daten zunehmend stumpf sind. Dies bedeutet, dass dieser Filter eine ausgezeichnete Zeitbereichsantwort, aber einen schlechten Frequenzgang aufweist. Der MA-Filter führt drei wichtige Funktionen aus.1 Es nimmt M Eingangspunkte, berechnet den Mittelwert dieser M-Punkte und erzeugt einen einzigen Ausgangspunkt 2 Aufgrund der Berechnungsberechnungen führt der Filter eine bestimmte Verzögerung ein 3 Der Filter wirkt wie folgt Low-Pass-Filter mit schlechter Frequenzbereich Antwort und eine gute Zeit Domain Antwort. Matlab Code. Following Matlab Code simuliert die Zeitbereich Antwort eines M-Punkt Moving Aver Alter-Filter und zeichnet auch den Frequenzgang für verschiedene Filterlängen. Time Domain Response. Input zu MA Filter.3-Punkt MA Filter Ausgang. Input zu Moving Durchschnitt Filter. Response von 3 Punkt Moving Average Filter.51-Punkt MA Filter Ausgang. 101-Punkt-MA-Filterausgang. Response von 51-Punkt Bewegender Durchschnittsfilter. Response von 101-Punkt Bewegender durchschnittlicher Filter.501-Punkt-MA-Filterausgang. Response von 501 Punkt Bewegender durchschnittlicher Filter. Im ersten Plot haben wir die Eingabe, die Geht in den gleitenden durchschnittlichen Filter Die Eingabe ist verrauscht und unser Ziel ist es, das Rauschen zu reduzieren Die nächste Figur ist die Ausgangsreaktion eines 3-Punkt-Moving Average-Filters Aus der Figur kann abgeleitet werden, dass der 3-Punkt Moving Average Filter hat Nicht viel beim Ausfiltern des Rauschens Wir erhöhen die Filterhähne auf 51-Punkte und wir können sehen, dass das Rauschen in der Ausgabe hat sich viel reduziert, was in der nächsten Abbildung dargestellt wird. Frequenz-Response von Moving Average Filter von verschiedenen Längen. Wir Erhöhen Sie die Hähne weiter auf 101 und 501 und wir können beobachten, dass auch - obwohl das Rauschen fast null ist, die Übergänge abgestumpft werden, drastisch beobachten die Steigung auf beiden Seiten des Signals und vergleichen sie mit dem idealen Ziegelwandübergang in unserem input. Frequency Response. From der Frequenz Antwort kann man behaupten, dass der Roll-off sehr langsam ist und die Stopp-Band-Dämpfung nicht gut ist. Angesichts dieser Stopp-Band-Dämpfung, klar, kann der gleitende Mittelfilter nicht ein Band von Frequenzen von einem anderen Wie wir wissen, dass eine gute Leistung in der Zeit-Domain führt zu schlechter Leistung im Frequenzbereich und umgekehrt Kurz gesagt, der gleitende Durchschnitt ist ein außergewöhnlich guter Glättungsfilter die Aktion im Zeitbereich, aber ein außergewöhnlich schlechter Tiefpassfilter die Aktion im Frequenzbereich. Externe Links. Erweiterte Bücher. Primary Sidebar.
No comments:
Post a Comment