चलती - औसत - संकेत प्रसंस्करण

सिग्नल प्रोसेसिंग। सिग्नल प्रसंस्करण, विश्लेषण या वृद्धि के प्रयोजनों के लिए अधिग्रहीत समय-श्रृंखला डेटा को संशोधित करने के कला और विज्ञान है उदाहरण में फास्ट फूरियर या अन्य रूपांतरणों का उपयोग करके स्पेक्ट्रल विश्लेषण और डिजिटल फ़िल्टरिंग का उपयोग करके अधिग्रहित डेटा को बढ़ाया जा सकता है। इगोर आदर्श रूप से सिग्नल प्रोसेसिंग लंबे समय-श्रृंखला या तरंग डेटा के लिए अपने मजबूत समर्थन की वजह से और क्योंकि इसके कई अंतर्निहित सिग्नल प्रोसेसिंग कमांड आसानी से सरल संवादों के माध्यम से उपयोग किए जा सकते हैं। इसके अतिरिक्त, इगोर की प्रोग्रामिंग भाषा किसी भी प्रकार के कस्टम सिग्नल प्रोसेसिंग एल्गोरिथम को कार्यान्वित करने के लिए सरल बनाता है , इगोर फूरियर और अन्य ट्रांसफ़ॉर्म की शक्ति द्वारा बहुत सहायता प्राप्त है। इगोर फास्ट फूरियर ट्रांसफ़ॉर्म एफएफटी एल्गोरिथ्म का प्रयोग करता है ताकि एक असतत फूरियर ट्रांसफ़ॉर्म डीएफटी की गणना की जा सके। एफएफटी का प्रयोग केवल सिग्नल के परिमाण और चरण को चिह्नित करने के लिए किया जा सकता है, या इसे इस्तेमाल किया जा सकता है अन्य संचालन के साथ मिलकर अधिक जटिल कंप्यूटिंग्स जैसे कि convolution या correlation। FFT computati पर अनुमान लगाया गया है कि इनपुट डेटा को और अधिक दोहराया जाता है यह महत्वपूर्ण है जब आपके डेटा के शुरुआती और अंतिम मूल्य समान नहीं होते हैं, तो असंतुलितता एफएफटी विंडिंग द्वारा गणना की गई स्पेक्ट्रम में विसंगतियों का कारण बनती है, इन अपवादों को खत्म करने के लिए डेटा के अंत को सुगम बनाता है। स्पेक्ट्रा इस सवाल का जवाब देता है कि आवृत्तियों में सिग्नल की शक्ति होती है जवाब आवृत्ति के एक समारोह के रूप में बिजली मूल्यों के वितरण के रूप में होता है, जहां बिजली को संकेत के औसत माना जाता है आवृत्ति डोमेन में, यह एफएफटी के परिमाण। बिजली स्पेक्ट्रा को पूरे सिग्नल के लिए एक बार मॉड्यूल पावर स्पेक्ट्रल घनत्व पर एक बार गणना किया जा सकता है। हिल्बर्ट ट्रांसफार्म एक टाइम-डोमेन सिग्नल की गणना करता है जो कि इनपुट सिग्नल के साथ चरण के 90 डिग्री है, एक-आयामी अनुप्रयोगों में लिफाफे की गणना शामिल है एक विनियमित सिग्नल और तीव्रता से क्षय करने वाले sinusoid की क्षय दर का माप अक्सर underdamped रैखिक और गैर रेखीय प्रणाली में सामना किया। जब आप फूरियर स्पेक्ट्रम या पॉवर स्पेक्ट्रा की गणना करें जो फूरियर ट्रांसफ़ॉर्म में निहित सभी चरण की जानकारी का निपटान करता है आप यह पता लगा सकते हैं कि कौन सी आवृत्तियों में एक संकेत होता है, लेकिन आपको ये नहीं पता है कि इन आवृत्तियों को सिग्नल में कैसे दिखाया जाता है उदाहरण के लिए, संकेत पर विचार करें। फुट की वर्णक्रमीय प्रतिनिधित्व अनिवार्य रूप से अपरिवर्तनीय रहता है यदि हम दो आवृत्तियों के बीच 1 और च 2 में बदलाव करते हैं। स्पष्ट रूप से फूरियर स्पेक्ट्रम संकेतों के लिए सबसे अच्छा विश्लेषण उपकरण नहीं है, जिनके स्पेक्ट्रा समय में उतार-चढ़ाव करते हैं। इस समस्या का एक समाधान तथाकथित लघु- फ़ोरियर ट्रांसफ़ॉर्म या सोनाग्राम का समय जिसमें आप फ़िसल स्पेरा स्पेस को स्लाइडिंग अस्थायी विंडो का इस्तेमाल कर सकते हैं विंडो की चौड़ाई समायोजित करके आप परिणामी स्पेक्ट्रा के समय के रिज़ोल्यूशन को निर्धारित कर सकते हैं। आप एक रैखिक प्रणाली की प्रतिक्रिया की गणना करने के लिए रूपांतरण का उपयोग कर सकते हैं। इनपुट सिग्नल रैखिक प्रणाली इसकी आवेग प्रतिक्रिया द्वारा परिभाषित की गई है इनपुट संकेत और आवेग की प्रतिक्रिया के convolution आउटपुट संकेत प्रतिक्रिया Digi है ताल फ़िल्टरिंग को एक रेखीय प्रणाली की आवेग प्रतिक्रिया को परिभाषित करके पूरा किया जाता है, जब संकेत के साथ कन्वेंशन वांछित परिणाम कम-पास या उच्च-पास वाले फिल्टर को पूरा करता है। सहसंबंध एल्गोरिथ्म बहुत ही गणितीय रूप से रूपांतरण के लिए होता है, लेकिन इसे अलग-अलग प्रयोजनों के लिए उपयोग किया जाता है बार-बार समय की देरी की पहचान करने के लिए प्रयोग किया जाता है, जिस पर दो सिग्नल लाइन होते हैं, या अधिकतर समान होते हैं। शूंगिंग डेटा के महत्वपूर्ण अंतर्निहित रूप को प्रकट करने के लिए शॉर्ट-टर्म विविधताएं, या शोर को निकाल देता है। चौरसाई का सरलतम रूप चलती औसत है जो केवल पड़ोसी मूल्यों के औसत के साथ प्रत्येक डेटा मूल्य इस तरह के चौरसाई के अन्य नियम औसत, बॉक्स चौरसाई, या बॉक्सर चौरसाई फिसलने हैं। इगार एस चिकना ऑपरेशन बॉक्स चौरसाई करता है, द्विपद गॉसियन चौरसाई करता है, और सेविट्की-गोले बहुपक्षीय चौरसाई अलग चौरसाई एल्गोरिदम गणना भारित औसत जो अलग-अलग वज़न या गुणांक द्वारा पड़ोसी मूल्यों को समरूप मूल्य की गणना करने के लिए बढ़ाते हैं। एल फिल्टर एक प्राकृतिक उपकरण है जब डेटा पहले से डिजीटल है डेटा में डिजिटल फ़िल्टरिंग लागू करने के लिए कारण शामिल हैं। अवांछित संकेत घटक शोर का समापन वांछित संकेत घटकों को बढ़ाना कुछ संकेतों की उपस्थिति का पता लगाने में रैखिक सिस्टम के सिमुलेशन इनपुट संकेत दिए गए इनपुट संकेत की गणना करता है सिस्टम ट्रांसफ़र फ़ंक्शन। डिजिटल फिल्टर आम तौर पर दो स्वादों में आते हैं, परिमित आवेग रिस्पांस एफआईआर और अनंत इंपल्स रिस्पांस आईआईआर फिल्टर। इगोर प्राथमिक रूप से एफआईआर डिजिटल फिल्टरिंग को समय-डोमेन रूपांतरण के जरिये चिकनी या चिकनी कस्टम कमानों के जरिये लागू करता है, इसके नाम के बावजूद, किसी भी प्रकार के एफआईआर फ़िल्टर, कम-पास, हाई-पास, बैंड-पास, आदि को कार्यान्वित करने के लिए यूजर-सप्लाई किए गए फ़िल्टर गुणकों के साथ डेटा। SmoothCustom के साथ उपयोग किए गए एफआईआर फिल्टर गुणांक का डिज़ाइन इगोर फ़िल्टर डिजाइन प्रयोगशाला का उपयोग करके आसानी से पूरा किया जा सकता है उत्पाद जिसे Igor Pro. IIR डिजिटल फ़िल्टर की आवश्यकता होती है IFDL. L का उपयोग करके डेटा के लिए डिज़ाइन किया और लागू किया जाता है एक्वल डिटेक्शन यह है कि एक्स समन्वय का पता लगाने की प्रक्रिया जिस पर आपका डेटा किसी दिए गए वाई वैल्यू के माध्यम से गुजरता है या उस पर पहुंचा जाता है, इसे कभी-कभी उलटा प्रक्षेप कहा जाता है एक अन्य तरीके से कहा जाता है, स्तर का पता लगाने के प्रश्न का एक वाई स्तर दिया जाता है, संबंधित एक्स value. Igor उस प्रश्न के दो प्रकार के उत्तर प्रदान करता है एक जवाब यह मानता है कि आपका वाई डेटा अद्वितीय वाई मानों की एक सूची है जो मोनोटोनिक बढ़ता है या घटता है। अन्य जवाब यह मानते हैं कि आपका वाई डेटा अनियमित रूप से भिन्न होता है, क्योंकि यह अधिग्रहीत डेटा के साथ होता है इस मामले में Y स्तर को पार करने वाले कई एक्स मान हो सकते हैं इस के महत्वपूर्ण उदाहरण किनारे और नाड़ी के आंकड़े हैं। एक संबंधित, लेकिन अलग सवाल एक समारोह yfx दिया जाता है, जहां x शून्य या कुछ अन्य मान है यह सवाल FindRoots ऑपरेशन द्वारा उत्तर दिया गया है। मूविंग एलायड फिल्टर एमए फिल्टर। लोड हो रहा है चलती औसत फिल्टर सामान्य रूप से नमूनाकृत डेटा सिग्नल की सरणी को चौरसाई करने के लिए इस्तेमाल किया जाने वाला एक सरल लो पास एफ़ माइनिट इंपल्स रिस्पांस फ़िल्टर है, यह एम एस लेता है एक बार में इनपुट के नमूनों और उन एम नमूनों का औसत लेते हैं और एक आउटपुट पॉइंट का उत्पादन करते हैं यह एक बहुत ही सरल एलपीएफ लो पास फ़िल्टर संरचना है जो वैज्ञानिकों और इंजीनियरों के उद्देश्य से अपेक्षित डेटा से अवांछित शोर घटक फ़िल्टर करने के लिए आसान होता है। फिल्टर लंबाई पैरामीटर एम बढ़ जाती है, उत्पादन की चिकनाई बढ़ जाती है, जबकि डेटा में तेज बदलाव तेजी से कुंद कर रहे हैं इसका मतलब यह है कि इस फिल्टर में उत्कृष्ट समय डोमेन प्रतिक्रिया है लेकिन एक खराब आवृत्ति प्रतिक्रिया है। एमए फिल्टर तीन महत्वपूर्ण कार्य करता है .1 यह एम इनपुट पॉइंट लेता है, उन एम पॉइंट के औसत की गणना करता है और एक आउटपुट पॉइंट का उत्पादन करता है 2 गणना में शामिल गणनाओं के कारण फ़िल्टर में निश्चित अवधि की देरी होती है 3 फ़िल्टर कम आवृत्ति डोमेन प्रतिक्रिया के साथ कम पास फ़िल्टर के रूप में कार्य करता है और मैटलब कोड के बाद एक एम-पॉइंट मूविंग एवरल फिल्टर के टाइम डोमेन रिजल्ट को सिलेक्ट करता है और आवृत्ति प्रतिक्रिया को भी प्लॉट करता है विभिन्न फिल्टर लम्बाई के लिए. टाइम डोमेन रिस्पांस। इनपुट के लिए एमए फ़िल्टर 3-बिंदु एमए फ़िल्टर आउटपुट। इनपुट औसत स्थानांतरित करने के लिए इनपुट। 3 बिंदु की प्रतिक्रिया औसत फिल्टर चल रहा है .51-बिंदु एमए फ़िल्टर output.101-बिंदु एमए फ़िल्टर आउटपुट। रिस्पॉन्स 51-प्वाइंट औसत फिल्टर चल रहा है। 101-बिंदु की औसत औसत फिल्टर .501-बिंदु एमए फिल्टर आउटपुट चल रहा है। 501 बिंदु की प्रतिक्रिया औसत फिल्टर चल रहा है। पहली साजिश पर, हमारे पास इनपुट है जो चलती औसत फिल्टर में जा रहा है इनपुट शोर है और हमारा उद्देश्य शोर कम करना है अगला चित्र 3-बिंदु मूविंग औसत फ़िल्टर का आउटपुट प्रतिक्रिया है यह आंकड़ा से अनुमान लगाया जा सकता है कि 3-पॉइंट मूविंग औसत फिल्टर ने शोर को फ़िल्टर करने में बहुत कुछ नहीं किया है हम 51-पॉइंट के लिए फिल्टर नल बढ़ाते हैं और हम देख सकते हैं कि आउटपुट में शोर बहुत कम हो गया है, जो कि अगले आंकड़े में दर्शाया गया है। विभिन्न लंबाई के औसत फिल्टर को जाने के फ़्रीक्वेंसी रिस्पांस। हम नल को आगे बढ़ाते हुए 101 और 501 और हम यह देख सकते हैं कि शोर-हालांकि लगभग शून्य है, संक्रमण को बेहद सिग्नल के दोनों तरफ ढलान का निरीक्षण किया जाता है और हमारे इनपुट में आदर्श ईंट दीवार संक्रमण के साथ इसकी तुलना करती है। फ्रीक्वेंसी रिस्पांस। आवृत्ति प्रतिक्रिया से यह कहा जा सकता है कि रोल-ऑफ बहुत धीमा और रोक बैंड क्षीणन अच्छा नहीं है इस बंद बैंड क्षीणन को देखते हुए, स्पष्ट रूप से, चलती औसत फिल्टर दूसरे से आवृत्तियों के एक बैंड को अलग नहीं कर सकता जैसा कि हम जानते हैं कि समय डोमेन में अच्छा प्रदर्शन आवृत्ति डोमेन में खराब प्रदर्शन में होता है, और इसके विपरीत, संक्षेप में चलती औसत एक विशेष रूप से अच्छा चौरसाई फ़िल्टर है, जो कि समय के क्षेत्र में कार्य करता है, लेकिन एक असाधारण बुरा कम-पास फ़िल्टर आवृत्ति डोमेन में क्रिया.व्यक्तिगत लिंक। अनुशंसित पुस्तकें। प्राथमिक साइडबार. इस उदाहरण से पता चलता है कि घंटे के तापमान रीडिंग पर दिन के समय के आवधिक घटकों के प्रभाव को पृथक करने के लिए औसत फिल्टर और रीसंपलिंग का उपयोग करने के साथ ही साथ अवांछित लाइन शोर को दूर करने के लिए पेन-पाश वोल्टेज मापन उदाहरण भी यह दर्शाता है कि कैसे एक औसत सिग्नल का उपयोग करके किनारों को संरक्षित करते समय एक घड़ी सिग्नल के स्तर को सुचारू करने के लिए उदाहरण भी दिखाता है कि बड़े आउटलियर्स को निकालने के लिए एक Hampel फ़िल्टर का उपयोग कैसे करना चाहिए। हमारे डेटा को छोड़कर जो महत्वहीन हैं यानी शोर हम इस चौरसाई को करने के लिए फ़िल्टरिंग का उपयोग करते हैं चौरसाई का लक्ष्य मूल्य में धीमी गति से उत्पादन करना है ताकि यह हमारे डेटा में रुझान को देखने में आसान हो। कभी-कभी जब आप इनपुट डेटा की जांच कर सकते हैं तो आप चाहें सिग्नल में एक प्रवृत्ति देखने के लिए डेटा को सुचारू करने के लिए हमारे उदाहरण में हमारे पास जनवरी, 2011 के पूरे महीने के लिए लोगन हवाई अड्डे पर प्रत्येक घंटे में तापमान रीडिंग का सेट है। नोट करें कि हम नेत्रहीन रूप से इस प्रभाव को देख सकते हैं कि दिन के समय तापमान रीडिंग पर पड़ता है यदि आप केवल महीने में दैनिक तापमान में बदलाव में दिलचस्पी रखते हैं, तो प्रति घंटा उतार-चढ़ाव केवल शोर का योगदान करता है, जिससे दैनिक विविधताओं को मुश्किल हो सकता है iscern दिन के समय के प्रभाव को दूर करने के लिए, अब हम एक चल औसत फिल्टर का उपयोग करके हमारे डेटा को चिकना करना पसंद करेंगे.एक मूविंग औसत फ़िल्टर। अपने सबसे सरल रूप में, लंबाई N का चलती औसत फिल्टर हर एन सिक्वेंटेव तरंग के नमूने। प्रत्येक डेटा बिन्दु पर चलती औसत फिल्टर लागू करने के लिए, हम अपने फिल्टर के गुणांक का निर्माण करते हैं ताकि प्रत्येक बिंदु बराबर भारित हो और कुल औसत पर 1 24 का योगदान हो। यह हमें प्रत्येक 24 घंटे की अवधि में औसत तापमान देता है। फ़िल्टर विलंब। नोट करें कि फ़िल्टर्ड आउटपुट के बारे में बारह घंटे तक देरी हो रही है यह इस तथ्य के कारण है कि हमारे चलने वाले औसत फिल्टर में विलंब होता है। लंबाई N के किसी भी सममित फिल्टर को N-1 2 नमूनों का विलंब होगा। मैन्युअल रूप से देरी। औसत अंतर का विस्तार। वैकल्पिक रूप से, हम चल औसत औसत फिल्टर का उपयोग करके यह भी बेहतर अनुमान प्राप्त कर सकते हैं कि दिन का समय समग्र तापमान को कैसे प्रभावित करता है ऐसा करने के लिए, पहले, घंटों के तापमान से चिकनी डेटा घटाना मापन तब, अलग-अलग डेटा को दिन में विभाजित करें और महीने में सभी 31 दिनों में औसत ले लें। पीक लिफाफा का विस्तार। कभी-कभी हम यह भी आसानी से भिन्न अनुमान करना चाहेंगे कि हमारे तापमान संकेत के ऊंचा और नीचले परिवर्तन दैनिक कैसे करें यह हम 24 घंटे की अवधि के एक सबसेट पर चरम ऊंचा और चढ़ाव से जुड़ने के लिए लिफाफा फ़ंक्शन का उपयोग कर सकते हैं इस उदाहरण में, हम यह सुनिश्चित करते हैं कि प्रत्येक चरम उच्च और चरम कम के बीच कम से कम 16 घंटे हैं हम यह भी समझ सकते हैं कि कैसे ऊंचा और चढ़ाव दोनों चरम सीमाओं के बीच औसत ले जा रहे हैं। औसत भारित औसत फ़िल्टर। अन्य प्रकार की चलती औसत फिल्टर प्रत्येक नमूने को समान रूप से भार नहीं करते हैं। एक और आम फिल्टर इस प्रकार के फिल्टर के द्विपद विस्तार का अनुसरण करता है, यह सामान्य के लिए एक सामान्य वक्र के लगभग अनुमानित होता है एन के मूल्य छोटे आवृत्ति शोर को छानने के लिए यह उपयोगी है कि वह द्विपदीय फिल्टर के गुणांक को खोजने के लिए, खुद के साथ समेट ले और फिर आउटपुट को गले लगाए एक निश्चित संख्या के साथ इस उदाहरण में, पांच कुल पुनरावृत्तियों का उपयोग करें। गाऊसी विस्तार फ़िल्टर के समान एक अन्य फ़िल्टर घातीय चलती औसत फिल्टर है इस तरह के भारित चल औसत औसत फिल्टर का निर्माण करना आसान है और बड़े विंडो आकार की आवश्यकता नहीं है। आप शून्य और एक के बीच एक अल्फा पैरामीटर के द्वारा एक तेजी से भारित चलते औसत फ़िल्टर को समायोजित करते हैं एक अल्फा के उच्च मूल्य में कम चिकनाई होगी। एक दिन के रीडिंग पर ज़ूम करें.अपने देश का चयन करें।