Moving Media Filtro Design

Risposta in frequenza del filtro Esecuzione media La risposta in frequenza di un sistema LTI è DTFT della risposta impulsiva, la risposta all'impulso di un L - Sample media mobile è Poiché il filtro media mobile è FIR, la risposta in frequenza riduce alla somma finita Noi può utilizzare l'identità molto utile per scrivere la risposta in frequenza da dove abbiamo lasciato ae meno jomega. N 0 e M L meno 1. Ci può essere interessato grandezza di questa funzione per determinare quali frequenze ottenere attraverso il filtro non attenuato e che sono attenuati. Di seguito è un grafico della grandezza di questa funzione per L 4 (rosso), 8 (verde), e 16 (blu). L'asse orizzontale va da zero a radianti pi per campione. Si noti che in tutti e tre i casi, la risposta in frequenza ha una caratteristica passa-basso. Un componente costante (frequenza zero) in ingresso passa attraverso il filtro non attenuato. Alcune frequenze più alte, come Pi 2, sono completamente eliminati dal filtro. Tuttavia, se l'intento era quello di progettare un filtro passa-basso, quindi non abbiamo fatto molto bene. Alcune delle alte frequenze vengono attenuate solo per un fattore di circa 110 (per la media 16 punti in movimento) o 13 (per la media mobile di quattro punti). Possiamo fare molto meglio di così. La trama di cui sopra è stato creato dal seguente codice Matlab: omega 0: pi400:. PI H4 (14) (1-exp (-iomega4)) (1-exp (-iomega)) H8 (18) (1-exp (- iomega8)). (1-exp (-iomega)) H16 (116) (1-exp (-iomega16)). (1-exp (-iomega)) terreno (omega, abs (H4) abs (H8) abs ( H16)) asse (0, pi, 0, 1) Copyright copia 2000- - University of California, BerkeleyI bisogno di progettare un filtro a media mobile che ha una frequenza di taglio di 7.8 Hz. Ho usato muovendo filtri medi prima, ma per quanto Im conoscenza, l'unico parametro che può essere alimentata in è il numero di punti da media. Come può questo riferirsi a una frequenza di cut-off L'inverso di 7.8 Hz è di 130 ms, e sto lavorando con i dati che vengono campionati a 1000 Hz. Questo implica che dovrei essere usando una dimensione della finestra del filtro media mobile di 130 campioni, o c'è qualcos'altro che Im manca qui ha chiesto 18 luglio 13 a 9:52 Il filtro media mobile è il filtro utilizzato nel dominio del tempo per rimuovere il rumore aggiunto e anche per levigare scopo, ma se si utilizza lo stesso filtro media mobile nel dominio della frequenza per la separazione di frequenza allora performance sarà peggiore. quindi in questo caso la frequenza dell'uso filtri dominio ndash user19373 3 febbraio 16 a 5:53 Il filtro media mobile (a volte conosciuto colloquialmente come filtro vagone) ha una risposta impulsiva rettangolare: Oppure, indicazioni diverse: Ricordando che una risposta in frequenza di sistemi a tempo discreto è uguale al tempo discreto trasformata di Fourier della risposta all'impulso, possiamo calcolare come segue: nei erano più interessato per il caso è la risposta in ampiezza del filtro, H (omega). Utilizzando un paio di semplici manipolazioni, possiamo ottenere che in una forma più facile da comprehend: Questo potrebbe non sembrare più facile da capire. Tuttavia, a causa di Eulero identità. ricordare che: Quindi, possiamo scrivere quanto sopra come: Come ho detto prima, ciò che tu sei davvero preoccupa è l'entità della risposta in frequenza. Quindi, possiamo prendere la grandezza di quanto sopra per semplificare ulteriormente: Nota: Siamo in grado di rilasciare i termini esponenziali fuori perché essi non influenzano l'entità del risultato e 1 per tutti i valori di omega. Poiché xy xy per ogni due finite numeri complessi x ed y, possiamo concludere che la presenza dei termini esponenziali dont influenza la risposta complessiva grandezza (invece, influenzano la risposta di fase sistemi). La funzione risultante all'interno delle parentesi grandezza è una forma di kernel Dirichlet. A volte è chiamato una funzione sinc periodica, perché assomiglia alla funzione sinc un po 'in apparenza, ma è periodica, invece. In ogni caso, dal momento che la definizione di frequenza di taglio è un po 'underspecified (-3 dB -6 dB primo punto nullo lobo laterale), è possibile utilizzare l'equazione di cui sopra per risolvere per qualsiasi cosa avete bisogno. In particolare, è possibile effettuare le seguenti operazioni: Set H (omega) al valore corrispondente alla risposta del filtro che si desidera alla frequenza di taglio. Impostare omega uguale alla frequenza di taglio. Per mappare una frequenza a tempo continuo al dominio tempo discreto, si ricordi che frac omega 2pi, dove fs è la frequenza di campionamento. Trovare il valore di N che ti dà la migliore accordo tra le parti della mano sinistra e destra dell'equazione. Questo dovrebbe essere la lunghezza del vostro media mobile. Se N è la lunghezza della media mobile, quindi una frequenza di taglio approssimativa F (valido per N gt 2) in Fffs frequenza normalizzata è: L'inverso di questo è Questa formula è asintoticamente corretto per N grande, e ha circa 2 errore per N2, e meno dello 0,5 per N4. Post scriptum Dopo due anni, ecco finalmente quale fosse l'approccio seguito. Il risultato è stato basato sulla approssimare lo spettro di ampiezza MA intorno f0 come una parabola (2 ° Serie ordine) in base a MA (Omega) circa 1 (frac - frac) OMEGA2 che può essere reso più preciso vicino al passaggio per lo zero di MA (Omega) - frac moltiplicando per un coefficiente Omega ottenendo MA (Omega) circa 10,907,523 mila (frac - frac) OMEGA2 La soluzione di MA (Omega) - frac 0 dà i risultati di cui sopra, dove 2pi F Omega. Tutto quanto sopra si riferisce alla -3dB frequenza di taglio, l'oggetto di questo post. A volte, però è interessante per ottenere un profilo di attenuazione in stop-banda che è paragonabile a quella di un 1 ° ordine IIR filtro passa basso (LPF unipolare) con un dato -3dB frequenza di taglio (ad esempio un LPF viene anche chiamato integratore leaky, avente un polo non esattamente DC ma vicino ad esso). Infatti sia il MA e il 1 ° ordine IIR LPF hanno pendenza -20dBdecade nella banda di arresto (uno ha bisogno di una N grande di quello utilizzato nella figura, N32, per vedere questo), ma che, MA ha null spettrale a FKN e un 1f evelope, il filtro IIR ha solo profilo 1f. Se si vuole ottenere un filtro MA con simili capacità di filtraggio del rumore da questo filtro IIR, e corrisponde al 3dB tagliato frequenze essere la stessa, sul confronto tra i due spettri, si renderebbe conto che il ripple banda di arresto del filtro MA finisce 3dB inferiore a quello del filtro IIR. Al fine di ottenere la stessa fermata banda ondulazione (cioè a parità di potenza attenuazione del rumore) come IIR filtrano le formule possono essere modificate come segue: ho trovato di nuovo lo script di Mathematica dove ho calcolato il limite per diversi filtri, tra cui quella MA. Il risultato è stato basato sul ravvicinamento spettro MA intorno f0 come una parabola in base a MA (Omega) Sin (OmegaN2) Sin (OMEGA2) Omega 2piF MA (F) PI2 circa N16F2 (N-N3). E derivante all'incrocio con 1sqrt da lì. ndash Massimo 17 gennaio 16 alle 2: 08The Media mobile come un filtro La media mobile è spesso usato per lisciare i dati in presenza di rumore. La media mobile non è sempre riconosciuta come filtro Finite Impulse Response (FIR) che è, mentre è in realtà uno dei filtri più comuni nel trattamento del segnale. Trattandolo come un filtro consente il confronto con, per esempio,-sinc finestrate filtri (vedi gli articoli sul passa-basso.. Banda passa-passa-alto e e-banda rifiutano filtri per gli esempi di quelli). La differenza principale con questi filtri è che la media mobile è adatto per segnali per cui le informazioni utili è contenuto nel dominio del tempo. dei quali lisciatura misurazioni facendo la media è un ottimo esempio. filtri finestrato-sinc, d'altro canto, sono forti esecutori nel dominio della frequenza. con equalizzazione in elaborazione audio come esempio tipico. C'è un confronto più dettagliato di entrambi i tipi di filtri nel dominio del tempo vs prestazioni dominio della frequenza dei filtri. Se si dispone di dati per i quali sia il tempo e dominio della frequenza sono importanti, allora si potrebbe desiderare di avere uno sguardo al Variazioni sul media mobile. che presenta un certo numero di versioni ponderata della media mobile che sono meglio a questo. La media mobile di lunghezza (N) può essere definito come scritto come è tipicamente implementato, con il campione di uscita corrente come media dei campioni precedenti (N). Visto come un filtro, la media mobile esegue una convoluzione della sequenza di input (xn) con un impulso rettangolare di lunghezza (N) e l'altezza (1N) (per rendere l'area del polso, e, di conseguenza, il guadagno del filtro , uno ). In pratica, è meglio prendere (N) dispari. Sebbene una media mobile può anche essere calcolata utilizzando un numero di campioni, utilizzando un valore dispari per (N) ha il vantaggio che il ritardo del filtro sarà un numero intero di campioni, poiché il ritardo di un filtro con (N) campioni è esattamente ((N-1) 2). La media mobile può quindi essere allineato esattamente ai dati originali spostandolo da un numero intero di campioni. Time Domain Poiché la media mobile è una convoluzione con un impulso rettangolare, la sua risposta in frequenza è una funzione sinc. Questo rende qualcosa come il duale del filtro finestrato-sinc, dal momento che è una convoluzione con un impulso sinc che si traduce in una risposta in frequenza rettangolare. È questa risposta in frequenza sinc che rende la media mobile un esecutore povero nel dominio della frequenza. Tuttavia, esso funziona molto bene nel dominio del tempo. Pertanto, è ideale per lisciare i dati per rimuovere il rumore, mentre allo stesso tempo mantenendo una risposta a gradino veloce (Figura 1). Per il tipico rumore additivo gaussiano bianco (AWGN) che è spesso assunto, media campioni (N) ha l'effetto di aumentare il SNR di un fattore (sqrt N). Dal momento che il rumore per i singoli campioni non è correlata, non vi è alcun motivo di trattare ogni campione in modo diverso. Quindi, la media mobile, che dà ogni campione lo stesso peso, sarà sbarazzarsi della quantità massima di rumore per una data nitidezza risposta al gradino. Attuazione Poiché è un filtro FIR, la media mobile può essere attuato mediante convoluzione. Si avrà quindi la stessa efficacia (o la mancanza di esso) come qualsiasi altro filtro FIR. Tuttavia, può anche essere implementato in modo ricorsivo, in maniera molto efficiente. Segue direttamente dalla definizione che questa formula è il risultato delle espressioni per (yn) e (YN1), vale a dire, in cui si nota che il cambio tra (YN1) e (yn) è che un termine supplementare (xn1N) appare in alla fine, mentre il termine (xn-n1n) viene rimosso dall'inizio. Nelle applicazioni pratiche, è spesso possibile omettere la divisione per (N) per ogni termine compensando il guadagno risultante di (N) in un altro luogo. Questo ricorsiva attuazione sarà molto più veloce di convoluzione. Ogni nuovo valore (y) può essere calcolato con solo due aggiunte, invece dei (N) aggiunte che sarebbe necessaria per un'attuazione semplice della definizione. Una cosa da guardare fuori per una implementazione ricorsiva è che errori di arrotondamento si accumulano. Questo può o non può essere un problema per la vostra applicazione, ma implica anche che questo ricorsiva implementazione potrà mai funzionare meglio con un'implementazione intero che con numeri in virgola mobile. Questo è piuttosto insolito, poiché una implementazione in virgola mobile solito è più semplice. La conclusione di tutto questo deve essere che non bisogna mai sottovalutare l'utilità del semplice filtro media mobile nelle applicazioni di elaborazione dei segnali. Filter Design Tool Questo articolo è completato con uno strumento Filter Design. Esperimento con diversi valori di (N) e visualizzare i filtri risultanti. Provalo ora