Ie2 เคลื่อนไหว ค่าเฉลี่ย

ในฐานะที่เป็นคนอื่นได้กล่าวถึงคุณควรพิจารณาตัวกรองการตอบสนอง IIR infinite มากกวาตัวกรองการตอบสนองของ Impulse FIR ที่กําลังใชตอนนี้มีมากกวานั้นแตในตอนแรก ๆ ตัวกรอง FIR จะถูกใชเปน convolutions อยางชัดเจนและตัวกรอง IIR ที่มีสมการ เฉพาะ IIR กรองฉันใช้มากในไมโครคอนโทรลเลอร์เป็นเสาเดียวผ่านต่ำกรองนี่คือเทียบเท่าดิจิตอลของตัวกรองแบบอนาล็อก RC ง่ายสำหรับการใช้งานส่วนใหญ่เหล่านี้จะมีลักษณะที่ดีกว่าตัวกรองกล่องที่คุณใช้ใช้มากที่สุดของตัวกรองกล่อง ที่ฉันได้พบเป็นผลมาจากคนไม่ให้ความสนใจในระดับการประมวลผลสัญญาณดิจิตอลไม่ได้เป็นผลจากการต้องลักษณะเฉพาะของพวกเขาหากคุณเพียงต้องการที่จะลดความถี่สูงที่คุณรู้ว่าเป็นเสียงเสาเดียวผ่านต่ำกรองจะดีกว่า โดยปกติแล้ว FILT FILT FF NEW - FILT. FILT เป็นชิ้นส่วนที่มีความคงทนถาวร riable คุณต้องคำนวณตัวกรองนี้ NEW เป็นค่าใหม่ที่ตัวกรองจะได้รับการปรับปรุงด้วยการวนซ้ำนี้ FF คือส่วนของตัวกรองที่ปรับความหนาแน่นของตัวกรองมองไปที่อัลกอริทึ่มนี้และดูว่าสำหรับ FF 0 ตัวกรองมีค่าไม่มากนักนับตั้งแต่ เอาท์พุทไม่เปลี่ยนแปลงสำหรับ FF 1 จริงๆไม่มีตัวกรองเลยตั้งแต่เอาท์พุททำตาม input ค่าที่เป็นประโยชน์อยู่ระหว่างระหว่างระบบขนาดเล็กที่คุณเลือก FF เป็น 1 2 N เพื่อให้การคูณโดย FF สามารถทำได้เป็น shift ขวา โดย N บิตตัวอย่างเช่น FF อาจเป็น 1 16 และคูณด้วย FF ดังนั้นการเปลี่ยนสิทธิของ 4 บิตมิฉะนั้นตัวกรองนี้ต้องการเพียงหนึ่งลบและหนึ่งเพิ่มแม้ว่าตัวเลขจะต้องกว้างกว่าค่าอินพุตเพิ่มเติมเกี่ยวกับความแม่นยำเชิงตัวเลข ในส่วนที่แยกด้านล่างฉันมักจะใช้เวลาในการอ่านโฆษณาอย่างมีนัยสำคัญเร็วกว่าที่จำเป็นและใช้ตัวกรองเหล่านี้สองตัวเรียงกันนี่คือดิจิตอลเทียบเท่าของตัวกรอง RC สองชุดและลดลงโดย dB 12 dB เหนือคำ rolloff ความถี่อย่างไรก็ตามการอ่านโฆษณามักเกี่ยวข้องกับตัวกรองในโดเมนเวลาโดยพิจารณาการตอบสนองขั้นตอนนี้จะบอกคุณว่าระบบของคุณเร็วแค่ไหนจะเห็นการเปลี่ยนแปลงเมื่อสิ่งที่คุณกำลังวัดเปลี่ยนแปลงเพื่อให้ง่ายต่อการออกแบบตัวกรองเหล่านี้ เท่านั้นหมายถึงการเลือก FF และตัดสินใจกี่ของน้ำตกฉันใช้ FILTBITS โปรแกรมของคุณคุณระบุจำนวนของบิต shift สำหรับแต่ละ FF ในชุด cascaded ของตัวกรองและจะคำนวณการตอบสนองขั้นตอนและค่าอื่น ๆ ที่จริงฉันมักจะทำงานนี้ผ่านทาง wrapper script ของฉัน PLOTFILT นี้เรียกใช้ FILTBITS ซึ่งจะสร้างไฟล์ CSV จากนั้นแปลงไฟล์ CSV ตัวอย่างเช่นนี่เป็นผลมาจาก PLOTFILT 4 4. พารามิเตอร์สองตัวที่ PLOTFILT หมายความว่าจะมีตัวกรองสองตัวเรียงกันตามชนิดที่อธิบายข้างต้น จาก 4 แสดงจำนวนของกะบิตเพื่อให้เกิดการคูณด้วย FF ค่า FF สองตัวจึงเป็นดังนี้ 1 16 ในกรณีนี้การติดตามสีแดงคือการตอบสนองต่อหน่วยและเป็นสิ่งสำคัญที่ต้องดูตัวอย่างเช่น this te เอาต์พุตของตัวกรองแบบผสมผสานจะปรับเป็น 90 ค่าใหม่ใน 60 iterations ถ้าคุณสนใจเวลาในการปักหลัก 95 ครั้งคุณต้องรอประมาณ 73 ซ้ำและสำหรับเวลาการตกตะกอน 50 ครั้งมีเพียง 26 ซ้ำเท่านั้น ร่องรอยสีเขียวแสดงให้เห็นว่าคุณเอาท์พุทจากการขยายความกว้างเต็มรูปแบบเดี่ยวนี้จะช่วยให้คุณมีความคิดในการปราบปรามเสียงแบบสุ่มดูเหมือนว่าไม่มีตัวอย่างเดียวจะทำให้เกิดการเปลี่ยนแปลงมากกว่า 2 5 ในการแสดงผลร่องรอยสีน้ำเงินคือการให้อัตนัย ความรู้สึกของสิ่งที่กรองนี้จะมีเสียงสีขาวนี้ไม่ได้เป็นการทดสอบอย่างเข้มงวดเนื่องจากมีการรับประกันว่าเนื้อหาที่เป็นของตัวเลขสุ่มเลือกเป็นสัญญาณเสียงรบกวนสีขาวสำหรับการทำงานของ PLOTFILT นี้ไม่มีเพียงเพื่อให้คุณรู้สึกหยาบ เท่าไหร่ก็จะถูกแบนและวิธีการเรียบมันคือ PLOTFILT อาจ FILTBITS และจำนวนมากสิ่งที่มีประโยชน์อื่น ๆ โดยเฉพาะอย่างยิ่งสำหรับการพัฒนาเฟิร์มแวร์ PIC มีอยู่ในการพัฒนาซอฟต์แวร์ PIC ปล่อยซอฟต์แวร์ที่ฉันดาวน์โหลดซอฟต์แวร์ page. Ad ded เกี่ยวกับความแม่นยำเชิงตัวเลขเห็นจากความคิดเห็นและตอนนี้คำตอบใหม่ที่มีความสนใจในการพูดคุยจำนวนบิตที่จำเป็นในการใช้ตัวกรองนี้ทราบว่าคูณโดย FF จะสร้าง Log 2 FF บิตใหม่ด้านล่างจุดไบนารีในระบบขนาดเล็ก , FF มักจะได้รับเลือกให้เป็น 1 2 N เพื่อให้การคูณนี้เกิดขึ้นจริงโดยการเปลี่ยนด้านขวาของ N bits. FILT จึงเป็นจุดจำนวนเต็มคงที่หมายเหตุว่าไม่มีการเปลี่ยนแปลงใด ๆ ของคณิตศาสตร์จากจุดประมวลผลของมุมมอง ตัวอย่างเช่นถ้าคุณกำลังกรองการอ่านโฆษณา 10 บิตและ N 4 FF 1 16 จากนั้นคุณต้องใช้เศษเศษส่วนด้านล่างการอ่าน AD จำนวนเต็ม 10 บิตโปรเซสเซอร์ส่วนใหญ่คุณจะต้องดำเนินการเป็นจำนวน 16 บิตเนื่องจากการอ่านค่า 10 บิต AD ในกรณีนี้คุณยังคงสามารถดำเนินการได้เหมือนกันกับจำนวนเต็ม 16 บิต แต่เริ่มจากการอ่านค่า AD ด้านซ้ายที่เปลี่ยนไป 4 บิตหน่วยประมวลผลไม่ทราบถึงความแตกต่างและไม่จำเป็นต้องทำคณิตศาสตร์ในจำนวนเต็ม 16 บิตทั้งหมดทำงานได้ไม่ว่าคุณจะเป็น พิจารณาให้เป็น 12 4 จุดคงที่หรือ 16 จำนวนเต็มจริง 16 0 จุดคงที่โดยทั่วไปคุณจะต้องเพิ่มบิต N ขั้วกรองแต่ละถ้าคุณ don t ต้องการเพิ่มเสียงรบกวนเนื่องจากการเป็นตัวแทนตัวเลขในตัวอย่างข้างต้นตัวกรองที่สองของทั้งสองจะมี มี 10 4 4 18 บิตที่จะไม่สูญเสียข้อมูลในทางปฏิบัติในเครื่อง 8 บิตซึ่งหมายความว่าคุณต้องใช้ค่าบิต 24 ค่าทางเทคนิคเฉพาะขั้วที่สองของสองจะต้องมีค่ามากขึ้น แต่สำหรับความเรียบง่ายของเฟิร์มผมมักจะใช้แทนเดียวกัน, และด้วยเหตุนี้รหัสเดียวกันสำหรับเสาทั้งหมดของตัวกรองโดยปกติฉันเขียนโปรแกรมย่อยหรือแมโครเพื่อดำเนินการการดำเนินงานเสาหนึ่งตัวกรองแล้วใช้ที่แต่ละขั้วว่า subroutine หรือแมโครขึ้นอยู่กับว่าหน่วยความจำรอบหรือโปรแกรมมีความสำคัญมากในการที่ โดยเฉพาะโครงการทั้งสองวิธีฉันใช้รัฐบางรอยขีดข่วนเพื่อส่ง NEW เข้ามาใน macro subroutine ซึ่งอัปเดต FILT แต่ยังโหลดที่เป็นสถานะการขีดข่วนเหมือนเดิม NEW อยู่ในนี้ทำให้ง่ายต่อการใช้หลายขั้วตั้งแต่ FILT ปรับปรุงของเสาหนึ่งคือ ภาคตะวันออกเฉียงเหนือ W ของโปรแกรมถัดไปเมื่อ subroutine เป็นประโยชน์ที่จะมีจุดชี้ไปที่ FILT ระหว่างทางซึ่งจะมีการอัพเดตเพียงหลังจาก FILT ระหว่างทางออกวิธีนี้จะทำงานโดยอัตโนมัติในตัวกรองข้อมูลที่ต่อเนื่องกันใน memory ถ้าเรียกว่าหลายครั้ง กับแมโครคุณ don t ต้องการตัวชี้ตั้งแต่คุณผ่านในที่อยู่ในการทำงานในแต่ละ iteration. Code ตัวอย่างนี่คือตัวอย่างของแมโครตามที่อธิบายข้างต้นสำหรับ PIC 18.And นี่คือแมโครที่คล้ายกันสำหรับ PIC 24 หรือ dsPIC 30 หรือ 33 ทั้งสองตัวอย่างนี้จะถูกใช้เป็นแมโครโดยใช้ตัวประมวลผลแอ็คเซ็ปเตอร์ของ PIC ซึ่งมีความสามารถมากกว่าสิ่งอำนวยความสะดวกภายในแบบแมโคร clabacchio ปัญหาอื่นที่ควรจะกล่าวถึงคือการใช้งานเฟิร์มแวร์คุณสามารถเขียนโพรโตคอลผ่านต่ำโพรเซสเซอร์ subroutine เพียงครั้งเดียวจากนั้นใช้มันหลายครั้งในความเป็นจริงฉันมักจะเขียนเช่น subroutine เพื่อนำตัวชี้ในหน่วยความจำไปยังสถานะตัวกรองแล้วมีมันล่วงหน้า ตัวชี้เพื่อให้สามารถเรียกได้อย่างต่อเนื่องเพื่อให้ทราบตัวกรองแบบหลายขั้ว Olin Lathrop 20 เม. ย. 55 ที่ 15 03.1 ขอบคุณมากสำหรับคำตอบของคุณ - ทั้งหมดของพวกเขาฉันตัดสินใจที่จะใช้ตัวกรอง IIR นี้ แต่ตัวกรองนี้ไม่ได้ใช้เป็น Standard LowPass Filter เนื่องจากต้องใช้ Counter Values ​​ค่าเฉลี่ยและเปรียบเทียบเพื่อตรวจจับการเปลี่ยนแปลงใน Range เนื่องจากค่าเหล่านี้เป็นมิติที่แตกต่างกันไปโดยขึ้นอยู่กับฮาร์ดแวร์ที่ฉันต้องการใช้โดยเฉลี่ยเพื่อให้สามารถตอบสนองต่อฮาร์ดแวร์เหล่านี้ได้ การเปลี่ยนแปลงที่เฉพาะเจาะจงโดยอัตโนมัติ sensslen 21 พฤษภาคมที่ 12 06. ถ้าคุณสามารถอยู่กับข้อ จำกัด ของอำนาจของสองจำนวนรายการเฉลี่ยเช่น 2,4,8,16,32 ฯลฯ แล้วแบ่งได้อย่างง่ายดายและมีประสิทธิภาพสามารถทำได้ใน ไมโครประสิทธิภาพต่ำโดยไม่แบ่งเฉพาะเพราะสามารถทำได้เป็นเปลี่ยนบิตกะขวาแต่ละคนเป็นหนึ่งในอำนาจของทั้งสองเช่น OP คิดว่าเขามีสองปัญหาแบ่งใน PIC16 และหน่วยความจำสำหรับแหวนของเขา buffer คำตอบนี้แสดงให้เห็นว่าการแบ่ง ไม่ใช่เรื่องยากเป็นที่ยอมรับมันไม่ได้อยู่ที่ปัญหาหน่วยความจำ แต่ระบบ SE ช่วยให้คำตอบบางส่วนและผู้ใช้สามารถใช้อะไรจากคำตอบสำหรับตัวเองหรือแม้กระทั่งการแก้ไขและรวมคำตอบอื่น ๆ s เนื่องจากบางส่วนของคำตอบอื่น ๆ ต้องมีการดำเนินการแบ่งพวกเขา ยังไม่สมบูรณ์เหมือนกันเนื่องจากไม่แสดงวิธีการอย่างมีประสิทธิภาพบรรลุนี้ใน PIC16 มาร์ติน 20 เมษายน 12 ที่ 13 01. มีคำตอบสำหรับการกรองเฉลี่ยจริงกรอง aka boxcar กรองกับความต้องการหน่วยความจำน้อยลงถ้าคุณ don t ใจ downsampling It s เรียกว่าตัวกรองแบบผสมผสานแบบเรียงซ้อน (Cascaded Integrator-comb filter) CIC แนวคิดก็คือคุณมีตัวรวบรวมข้อมูลซึ่งคุณใช้ความแตกต่างในช่วงเวลาหนึ่ง ๆ และอุปกรณ์ประหยัดหน่วยความจำที่สำคัญคือโดยการสุ่มตัวอย่างคุณจะไม่ต้องเก็บอีเวน ry ค่าของ integrator สามารถดำเนินการโดยใช้ pseudocode ต่อไปนี้ความยาวเฉลี่ยที่มีประสิทธิภาพของการเคลื่อนที่ของคุณคือ decimationFactor stateize แต่คุณจะต้องเก็บตัวอย่างเกี่ยวกับ statesize แน่นอนคุณจะได้รับประสิทธิภาพที่ดีขึ้นถ้า statesize และ decimationFactor ของคุณมีอำนาจของ 2 เพื่อให้ ส่วนแบ่งและตัวดำเนินการที่เหลือได้รับการแทนที่โดยการเปลี่ยนแปลงและหน้ากาก - ands. Postscript ฉันเห็นด้วยกับ Olin ว่าคุณควรพิจารณาตัวกรอง IIR แบบธรรมดาก่อนที่ตัวกรองค่าเฉลี่ยที่เคลื่อนที่ถ้าคุณไม่จำเป็นต้องมี nulls ค่าของตัวกรอง boxcar 1 ขั้ว หรือตัวกรองความถี่ต่ำ 2 ขั้วอาจจะทำงานได้ดีในทางกลับกันถ้าคุณกำลังกรองเพื่อจุดประสงค์ในการ decimation โดยใช้อินพุตที่มีอัตราการสุ่มตัวอย่างสูงและใช้ค่าเฉลี่ยสำหรับการใช้งานโดยกระบวนการที่มีอัตราต่ำ อาจเป็นเพียงสิ่งที่คุณกำลังมองหาโดยเฉพาะอย่างยิ่งถ้าคุณสามารถใช้ stateize 1 และหลีกเลี่ยง ringbuffer ทั้งหมดพร้อมเพียง value. There integrator ก่อนหน้านี้มีการวิเคราะห์ในเชิงลึกของคณิตศาสตร์ที่อยู่เบื้องหลังการใช้คำสั่งแรก er IIR filter ที่ Olin Lathrop ได้อธิบายไว้แล้วเกี่ยวกับการแลกเปลี่ยน stack การประมวลผลสัญญาณภาพดิจิตอลรวมถึงภาพสวย ๆ มากมายสมการนี้เป็นตัวกรอง IIR ซึ่งสามารถใช้งานได้โดยใช้ integers เพียงอย่างเดียวและไม่มีการหารโดยใช้โค้ดต่อไปนี้อาจต้องการการดีบั๊กตามที่ฉัน กำลังพิมพ์จากหน่วยความจำตัวกรองนี้ประมาณค่าเฉลี่ยเคลื่อนที่ของตัวอย่าง K ล่าสุดด้วยการกำหนดค่าของอัลฟาไปเป็น 1 K ให้ทำดังนี้ในโค้ดข้างต้นด้วยการกำหนด BITS ไปที่ LOG2 K นั่นคือ K 16 ชุด BITS ถึง 4 สำหรับ K 4 ชุด BITS ถึง 2 ฯลฯ ฉันจะตรวจสอบรหัสที่ระบุไว้ที่นี่ทันทีที่ฉันได้รับการเปลี่ยนแปลงและแก้ไขคำตอบถ้า needed. answered 23 มิถุนายนที่ 4 04.Here sa เดียวขั้วต่ำผ่านกรองเฉลี่ยเคลื่อนที่ด้วย cutoff ความถี่ CutoffFrequency ง่ายมากอย่างรวดเร็วทำงานได้ดีและเกือบจะไม่มีหน่วยความจำ overhead. Note ตัวแปรทั้งหมดมีขอบเขตเกินกว่าฟังก์ชั่นการกรองยกเว้นผ่านใน newInput. Note นี่คือตัวกรองขั้นตอนเดียวหลายขั้นตอนสามารถ cascaded กันเพื่อเพิ่ม ความคมชัดของ ตัวกรองถ้าคุณใช้มากกว่าหนึ่งขั้นตอนคุณจะต้องปรับ DecayFactor เป็นที่เกี่ยวข้องกับ Cutoff ความถี่เพื่อชดเชยและเห็นได้ชัดทั้งหมดที่คุณต้องเป็นทั้งสองสายที่วางไว้ที่ใดก็ได้พวกเขา don t จำเป็นต้องใช้ฟังก์ชันของตัวเองตัวกรองนี้จะมี เวลาเริ่มทำงานก่อนค่าเฉลี่ยเคลื่อนที่ของสัญญาณอินพุตหากคุณต้องการหลีกเลี่ยงเวลาในการรับส่งสัญญาณคุณสามารถเริ่มต้น MovingAverage ให้เป็นค่าแรกของ newInput แทน 0 และหวังว่าอินเทอร์เฟซใหม่จะไม่เป็นค่าผิดปกติ CutRequest SampleRate มีช่วงระหว่าง 0 ถึง 0 5 DecayFactor คือค่าระหว่าง 0 ถึง 1 โดยปกติแล้วจะใกล้เคียงกับ 1.Single-precision floats ที่ดีพอสำหรับสิ่งต่างๆส่วนใหญ่ฉันชอบคู่ถ้าคุณต้องการติดตัวเลขจำนวนเต็มคุณสามารถ แปลง DecayFactor และ Amplitude Factor เป็นเศษเล็กเศษน้อยจำนวนเต็มซึ่งเป็นตัวเลขที่ถูกเก็บไว้เป็นจำนวนเต็มและตัวหารเป็นจำนวนเต็มของ 2 ดังนั้นคุณจึงสามารถเปลี่ยนบิตไปทางด้านขวาเป็นตัวหารแทนที่จะต้องแบ่งระหว่างลูปไหว ตัวอย่างเช่นถ้า DecayFactor 0 99 และคุณต้องการใช้ integers คุณสามารถตั้งค่า DecayFactor 0 99 65536 64881 จากนั้นทุกครั้งที่คุณคูณด้วย DecayFactor ในลูปไส้กรองของคุณเพียงแค่เปลี่ยนผล 16.For ข้อมูลเพิ่มเติมเกี่ยวกับเรื่องนี้เป็นหนังสือที่ยอดเยี่ยมที่ s บทที่ 19 เกี่ยวกับตัวกรอง recursive. PS สำหรับกระบวนทัศน์ Moving Average วิธีการที่แตกต่างกันในการตั้งค่า DecayFactor และ AmplitudeFactor ที่อาจเกี่ยวข้องกับความต้องการของคุณมากขึ้นสมมติว่าคุณต้องการก่อนหน้านี้ประมาณ 6 รายการโดยเฉลี่ย tog ether ทำ discretely คุณ d เพิ่ม 6 รายการและหารด้วย 6 เพื่อให้คุณสามารถตั้งค่า AmplitudeFactor เป็น 1 6 และ DecayFactor เป็น 1 0 - AmplitudeFactor. answered 14 พฤษภาคม 12 ที่ 22 55 ทุกคนอื่นได้แสดงความคิดเห็นอย่างละเอียดเกี่ยวกับยูทิลิตี้ ของ IIR vs FIR และในอำนาจของสองฝ่ายฉัน d ต้องการให้รายละเอียดการใช้งานด้านล่างทำงานได้ดีใน microcontrollers ขนาดเล็กไม่มี FPU ไม่มีการคูณและถ้าคุณเก็บ N พลังของทั้งสองฝ่าย เป็น single-cycle bit-shifting บัฟเฟอร์ ring FIR พื้นฐานเก็บบัฟเฟอร์ที่กำลังทำงานของค่า N ล่าสุดและ SUM ที่ใช้งานของค่าทั้งหมดในบัฟเฟอร์แต่ละครั้งที่มีตัวอย่างใหม่เข้ามาให้ลบค่าที่เก่าแก่ที่สุดในบัฟเฟอร์จาก SUM แทนที่ด้วยตัวอย่างใหม่เพิ่มตัวอย่างใหม่ให้ SUM และ SUM N Modified IIR buffer เอาต์พุตจะมีค่า SUM ที่กำลังทำงานอยู่ของค่า N ล่าสุดทุกครั้งที่มีตัวอย่างใหม่มาให้ SUM - SUM N เพิ่มในใหม่ ตัวอย่างและผลลัพธ์ SUM ตอบเมื่อสิงหาคม 28 13 เวลา 13 45. ถ้าฉันอ่านคุณถูกต้องคุณจะอธิบายคำสั่งแรก IIR กรองค่าที่คุณลบออกใหม่ไม่ใช่ค่าที่เก่าแก่ที่สุดซึ่งหลุดออก แต่แทนที่จะเป็นค่าเฉลี่ยของค่าก่อนหน้าตัวกรอง IIR ของ First-order จะเป็นประโยชน์อย่างแน่นอน แต่ฉันไม่แน่ใจว่าคุณหมายถึงอะไรเมื่อคุณแนะนำว่าเอาต์พุต เป็นเหมือนกันสำหรับทุกสัญญาณเป็นระยะ ๆ ที่อัตราการสุ่มตัวอย่าง 10 กิโลเฮิรตซ์การป้อนคลื่นความถี่ 100Hz ลงในตัวกรองกล่อง 20 เฟสจะทำให้สัญญาณที่เพิ่มขึ้นอย่างสม่ำเสมอสำหรับ 20 ตัวอย่างอยู่สูง 30 หยดอย่างสม่ำเสมอสำหรับ 20 ตัวอย่างและอยู่ต่ำ สำหรับ 30 A แรกสั่ง IIR supercat กรอง 28 สิงหาคม 13 ที่ 15 31.will ผลคลื่นที่รุนแรงเริ่มเพิ่มขึ้นและค่อยๆระดับออกใกล้ แต่ไม่ได้ใส่ที่สูงสุดแล้วอย่างรวดเร็วเริ่มลดลงและค่อยๆระดับปิดใกล้ แต่ไม่ได้ที่อินพุท น้อยมาก supercat พฤติกรรมที่แตกต่างกัน Aug 28 13 at 15 32.One ก็คือค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายอาจจะหรืออาจจะไม่เป็นประโยชน์กับตัวกรอง IIR คุณจะได้รับตัวกรองที่ดีกับ calcs ค่อนข้างน้อย FIR ที่คุณอธิบายสามารถให้คุณได้ รูปสี่เหลี่ยมผืนผ้าในเวลา - sinc in freq - และคุณสามารถ t จัดการด้าน lobes มันอาจจะดีคุ้มค่าที่จะโยนในจำนวนเต็มไม่กี่คูณเพื่อให้เป็น FIR ปรับสมมาตรที่ดีถ้าคุณสามารถประหยัดนาฬิกา ticks Scott Seidman 29 สิงหาคม 13 ที่ 13 50 ScottSeidman No ต้องคูณถ้าหนึ่งมีเพียงขั้นตอนของ FIR ทั้งสองเอาท์พุทค่าเฉลี่ยของการป้อนข้อมูลไปยังขั้นตอนนั้นและค่าที่เก็บไว้ก่อนหน้านี้และจากนั้นเก็บข้อมูลถ้ามีช่วงตัวเลขหนึ่งสามารถใช้ผลรวมมากกว่าเฉลี่ยไม่ว่าจะเป็น s ดีกว่าตัวกรองกล่องขึ้นอยู่กับโปรแกรมการตอบสนองขั้นตอนของตัวกรองกล่องที่มีความล่าช้ารวม 1ms ตัวอย่างเช่นจะมีการบีบ d2 dt น่ารังเกียจเมื่อการเปลี่ยนแปลงการป้อนข้อมูลและอีกครั้ง 1ms ต่อมา แต่จะมีขั้นต่ำที่เป็นไปได้ d dt สำหรับตัวกรองที่มี superms 1ms ล่าช้า 29 สิงหาคม 13 ที่ 15 25. เป็น mikeselectricstuff กล่าวว่าถ้าคุณต้องการจริงๆเพื่อลดความต้องการหน่วยความจำของคุณและคุณ don t ใจการตอบสนองต่อแรงกระตุ้นของคุณเป็นเลขแทนของชีพจรรูปสี่เหลี่ยมผืนผ้าฉัน จะไปสำหรับการเคลื่อนที่แบบเอ็กซ์เรย์แทน กรองความโกรธฉันใช้พวกเขาอย่างกว้างขวางกับชนิดของตัวกรองที่คุณ don t ต้อง buffer คุณ don t ต้องเก็บตัวอย่างที่ผ่านมา N เพียงหนึ่งดังนั้นความต้องการหน่วยความจำของคุณได้รับการลดลงโดยปัจจัยของ N. นอกจากนี้คุณ don t ต้องใด สำหรับ multiplications เฉพาะที่ถ้าคุณมีการเข้าถึงเลขคณิตลอยเลขใช้ทศนิยม multiplications มิฉะนั้นจะทำ multiplications จำนวนเต็มและเลื่อนไปทางขวา แต่เราอยู่ในปี 2012 และผมอยากจะแนะนำให้คุณใช้คอมไพเลอร์และ MCUs ที่ช่วยให้คุณ เพื่อทำงานกับตัวเลข floating-point นอกจากนี้หน่วยความจำที่มีประสิทธิภาพมากขึ้นและเร็วขึ้นคุณ don t ต้องปรับปรุงรายการในบัฟเฟอร์วงกลมใด ๆ ที่ฉันจะบอกว่ามันเป็นธรรมชาติมากขึ้นเพราะการตอบสนองแรงกระตุ้นเลขชี้ตรงกับลักษณะทางธรรมชาติจะทำงานในกรณีส่วนใหญ่ ได้ตอบ 20 เมษายนที่ 9 59.One กับตัวกรอง IIR เกือบสัมผัสโดย olin และ supercat แต่เห็นได้ชัดว่าละเลยโดยคนอื่น ๆ ก็คือการปัดเศษแนะนำบางอย่างไม่ถูกต้องและอาจตัดทรราชสมมติว่า N i อำนาจของสองและใช้เลขคณิตจำนวนเต็มเท่านั้นการเปลี่ยนสิทธิจะทำให้ LSBs ของตัวอย่างใหม่เป็นระบบอย่างเป็นระบบนั่นหมายความว่าระยะเวลาที่ชุดข้อมูลจะยาวนานเท่าใดค่าเฉลี่ยจะไม่นำค่าเหล่านี้เข้าสู่บัญชีตัวอย่างเช่นสมมติว่าช้า ลดลงชุด 8,8,8 8,7,7,7 7,6,6 และสมมติว่าค่าเฉลี่ยเป็นจริง 8 ที่จุดเริ่มต้นกำปั้น 7 ตัวอย่างจะนำค่าเฉลี่ยไป 7 ไม่ว่าสิ่งที่กรองความแข็งแรงเพียงแค่หนึ่งตัวอย่างเดียวกัน เรื่องราวสำหรับ 6 ฯลฯ ตอนนี้คิดว่าตรงข้ามซีรีย์ขึ้นค่าเฉลี่ยจะอยู่ที่ 7 ตลอดไปจนกว่าตัวอย่างมีขนาดใหญ่พอที่จะทำให้มันเปลี่ยนแปลงได้แน่นอนคุณสามารถแก้ไขความอคติโดยการเพิ่ม 1 2 N 2 แต่ ที่ได้รับรางวัล t จริงๆแก้ปัญหาความแม่นยำในกรณีที่ชุดลดลงจะอยู่ที่ 8 ตลอดจนตัวอย่างเป็น 8-1 2 N 2 สำหรับ N 4 ตัวอย่างใด ๆ เหนือศูนย์จะให้ค่าเฉลี่ยไม่เปลี่ยนแปลงผมเชื่อว่าการแก้ปัญหาสำหรับ นั่นหมายความว่าจะถือสะสมของ LSBs หายไป แต่ฉัน didn t ทำให้ไกลพอที่จะมีรหัสพร้อม, และฉันไม่แน่ใจว่ามันจะไม่เป็นอันตรายต่ออำนาจ IIR ในกรณีอื่น ๆ ของชุดเช่น 7,9,7,9 จะเฉลี่ย 8 แล้ว. โอลินน้ำตกสองขั้นตอนของคุณจะต้องมีคำอธิบายด้วยคุณหมายถึงการถือครองค่าเฉลี่ยสองค่าด้วยผลลัพธ์จากการป้อนครั้งแรกเป็นครั้งที่สองในแต่ละรอบข้อมูลผลประโยชน์ของ Average. Moving นี้คืออะไร MAMethod 0 SMA - ค่าเฉลี่ยเคลื่อนที่แบบธรรมดา MAMethod 1 EMA - ค่าเฉลี่ยเคลื่อนที่แบบเสด็จพระราชดำเนิน MAMethod 2 Wilder - Wilder Exponential Moving เฉลี่ย MAMethod 3 LWMA - ค่าเฉลี่ยถ่วงน้ำหนักเชิงเส้น MAMethod 4 SineWMA - ค่าเฉลี่ยถ่วงน้ำหนัก Sine MAMethod 5 TriMA - ค่าเฉลี่ยเคลื่อนที่สามเหลี่ยม MAMethod 6 LSMA - ค่าเฉลี่ยเคลื่อนที่น้อยที่สุดหรือ EPMA, Linear Regression Line MAMethod 7 SMMA - ค่าเฉลี่ยเคลื่อนที่ Smoothed MAMethod 8 HMA - ค่าเฉลี่ยเคลื่อนที่โดยฮัลล์ฮัลล์ MAMethod 9 ZeroLagEMA - Zero-Lag Exponential Moving เฉลี่ย MAMethod 10 DEMA - ค่าเฉลี่ยการเคลื่อนที่แบบ Double Exponential Movement โดย Patrick Mulloy MAMethod 11 T3 - T3 โดย. MAMethod 12 ITrend - เส้นแนวโน้มทันทีโดย MAMethod 13 Median - Moving Median MAMethod 14 GeoMean - ค่าเฉลี่ยทางเรขาคณิต MAMethod 15 REMA - EMA ที่เป็นระเบียบโดย Chris Satchwell MAMethod 16 ILRS - ความชันของการถดถอยเชิงเส้น MAMethod 17 IE 2 - การรวมกันของ LSMA และ ILRS MAMethod 18 TriMAgen - ค่าเฉลี่ยเคลื่อนที่สามเหลี่ยมโดยทั่วไป. MAMethod 19 VWMA - ค่าเฉลี่ยถ่วงน้ำหนักของปริมาณ ราคา 0 - ปิด ราคา 4 - ราคาปานกลางสูงต่ำ 2. ราคา 5 - ราคาทั่วไปราคาสูงสุดราคาต่ำสุดปิด 3. ราคา 6 - ปิดหนักสูงปิดต่ำสุด 2 4. ราคา 7 - Heiken Ashi Close ราคา 8 - Heiken Ashi Open ราคา 9 - Heiken Ashi High ราคา 10 - Heiken Ashi Low. As คุณสามารถดู 2 MAs และ 4 ราคา HeikenAshi ถูก added. Moreover โหมดสีเพิ่มเกินไป MAMethod 0 SMA - ค่าเฉลี่ยเคลื่อนที่แบบธรรมดา MAMethod 1 EMA - ค่าเฉลี่ยเคลื่อนที่แบบเสด็จพระราชดำเนิน MAMethod 2 Wilder - Wilder Exponential Moving เฉลี่ย MAMethod 3 LWMA - ค่าเฉลี่ยถ่วงน้ำหนักเชิงเส้น MAMethod 4 SineWMA - ค่าเฉลี่ยถ่วงน้ำหนัก Sine MAMethod 5 TriMA - ค่าเฉลี่ยเคลื่อนที่สามเหลี่ยม MAMethod 6 LSMA - ค่าเฉลี่ยเคลื่อนที่น้อยที่สุดหรือ EPMA, Linear Regression Line MAMethod 7 SMMA - ค่าเฉลี่ยเคลื่อนที่ Smoothed MAMethod 8 HMA - ค่าเฉลี่ยเคลื่อนที่โดยฮัลล์ฮัลล์ MAMethod 9 ZeroLagEMA - Zero-Lag Exponential Moving เฉลี่ย MAMethod 10 DEMA - ค่าเฉลี่ยการเคลื่อนที่แบบ Double Exponential Movement โดย Patrick Mulloy MAMethod 11 T3 - T3 โดย. MAMethod 12 ITrend - Trendline ทันทีโดย MAMethod 13 Median - Moving Median MAMethod 14 GeoMean - ค่าเฉลี่ยทางเรขาคณิต MAMethod 15 REMA - EMA ที่เป็นระเบียบโดย Chris Satchwell MAMethod 16 ILRS - ความชันของการถดถอยเชิงเส้น MAMethod 17 IE 2 - การรวมกันของ LSMA และ ILRS MAMethod 18 TriMAgen - ค่าเฉลี่ยเคลื่อนที่สามเหลี่ยมโดยทั่วไป. MAMethod 19 VWMA - ค่าเฉลี่ยถ่วงน้ำหนักของปริมาณ ราคา 0 - ปิด ราคา 4 - ราคาปานกลางสูงต่ำ 2. ราคา 5 - ราคาทั่วไปราคาสูงสุดราคาต่ำสุดปิด 3. ราคา 6 - ปิดหนักสูงปิดต่ำสุด 2 4. ราคา 7 - Heiken Ashi Close ราคา 8 - Heiken Ashi Open ราคา 9 - Heiken Ashi High ราคา 10 - Heiken Ashi Low. As คุณสามารถดู 2 MAs และ 4 ราคา HeikenAshi มีการเพิ่มโหมดสีเพิ่มเติมจะถูกเพิ่มเกินไปขอขอบคุณคุณ igorad ไม่มีที่ติ MAMethod 0 SMA - ค่าเฉลี่ยเคลื่อนที่แบบธรรมดา MAMethod 1 EMA - ค่าเฉลี่ยเคลื่อนที่แบบเสด็จพระราชดำเนิน MAMethod 2 Wilder - Wilder Exponential Moving เฉลี่ย MAMethod 3 LWMA - ค่าเฉลี่ยถ่วงน้ำหนักเชิงเส้น MAMethod 4 SineWMA - ค่าเฉลี่ยถ่วงน้ำหนัก Sine MAMethod 5 TriMA - ค่าเฉลี่ยเคลื่อนที่สามเหลี่ยม MAMethod 6 LSMA - ค่าเฉลี่ยเคลื่อนที่น้อยที่สุดหรือ EPMA, Linear Regression Line MAMethod 7 SMMA - ค่าเฉลี่ยเคลื่อนที่ Smoothed MAMethod 8 HMA - ค่าเฉลี่ยเคลื่อนที่โดยฮัลล์ฮัลล์ MAMethod 9 ZeroLagEMA - Zero-Lag Exponential Moving เฉลี่ย MAMethod 10 DEMA - ค่าเฉลี่ยการเคลื่อนที่แบบ Double Exponential Movement โดย Patrick Mulloy MAMethod 11 T3 - T3 โดย. MAMethod 12 ITrend - Trendline ทันทีโดย MAMethod 13 Median - Moving Median MAMethod 14 GeoMean - ค่าเฉลี่ยทางเรขาคณิต MAMethod 15 REMA - EMA ที่เป็นระเบียบโดย Chris Satchwell MAMethod 16 ILRS - ความชันของการถดถอยเชิงเส้น MAMethod 17 IE 2 - การรวมกันของ LSMA และ ILRS MAMethod 18 TriMAgen - ค่าเฉลี่ยเคลื่อนที่สามเหลี่ยมโดยทั่วไป. MAMethod 19 VWMA - ค่าเฉลี่ยถ่วงน้ำหนักของปริมาณ ราคา 0 - ปิด ราคา 4 - ราคาปานกลางสูงต่ำ 2. ราคา 5 - ราคาทั่วไปราคาสูงสุดราคาต่ำสุดปิด 3. ราคา 6 - ปิดหนักสูงปิดต่ำสุด 2 4. ราคา 7 - Heiken Ashi Close ราคา 8 - Heiken Ashi Open ราคา 9 - Heiken Ashi High ราคา 10 - Heiken Ashi Low. As คุณสามารถดู 2 MAs และ 4 ราคา HeikenAshi ถูก added. Moreover โหมดสีเพิ่ม too. haClose เปิดสูงต่ำสุดปิด 4.haOpen เปิด i 1 ปิด 2 ก่อนหน้าแถบเปิดปิด 2.haHigh Max High, Open, Close. haLow Min Low, เปิด, Close. Tilson IE 2 โดย Tim Tilson เป็นค่าเฉลี่ยเคลื่อนที่โดยใช้เส้นการถดถอยเชิงเส้นแบบเส้นตรง m ในสมการของเส้น ya mx เมื่อค่าเฉลี่ยของสัญญาณการซื้อขายราคาซื้อขายผ่านเข้า ผู้ใช้อาจเปลี่ยนวิธีการป้อนข้อมูลวิธีการ SMA และความยาวของช่วงความหมายของตัวบ่งชี้นี้จะแสดงต่อไปในโค้ดย่อที่ให้ไว้ในการคำนวณด้านล่างวิธีการค้าโดยใช้ Tilson IE 2. สัญญาณการซื้อขายจะถูกเรียกใช้เมื่อ IE2 และราคาข้ามถ้า IE2 ข้ามด้านบนขึ้นสัญญาณซื้อสร้างขึ้นตรงกันข้ามถ้า IE2 ข้ามด้านล่างการเคลื่อนไหวลดลงสัญญาณการขายจะได้รับวิธีการเข้าถึงใน MotiveWave. Go ไปที่เมนูด้านบนเลือกการศึกษา Overlays Tilson IE 2. หรือไปที่ด้านบน ให้เลือก Add Study ที่จะพิมพ์ในการศึกษานี้ nam จนกว่าคุณจะเห็นมันปรากฏในรายการคลิกที่ชื่อการศึกษาให้คลิกตกลงข้อจำกัดความรับผิดชอบที่สำคัญข้อมูลที่ระบุในหน้านี้เป็นเพียงเพื่อวัตถุประสงค์ในการให้ข้อมูลเท่านั้นและไม่ได้ถูกตีความว่าเป็นคำแนะนำหรือการชักจูงให้ซื้อหรือขายหลักทรัพย์ใด ๆ โปรดดู การเปิดเผยข้อมูลความเสี่ยงและคำแถลงการณ์การปฏิเสธความรับผิดชอบ ราคาเริ่มต้นผู้ใช้กำหนดค่าดีฟอลต์คือค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยผู้ใช้กำหนดค่าดีฟอลต์คือผู้ใช้กำหนดระยะเวลาของ SMA ค่าเริ่มต้นคือ 15 เฉลี่ยเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ของวัตถุ