Bewegende gemiddelde filter pic

Soos ander genoem het, moet jy 'n IIR (oneindige impulsrespons) filter eerder as die FIR (eindige impulsrespons) filter jy is nou met behulp oorweeg. Daar is meer as dit, maar met die eerste oogopslag FIR filters word toegepas as eksplisiete konvolusie en IIR filters met vergelykings. Die besondere IIR filter Ek gebruik 'n baie in mikrobeheerders is 'n enkele paal laaglaatfilter. Dit is die digitale ekwivalent van 'n eenvoudige R-C analoog filter. Vir die meeste aansoeke, sal hierdie beter eienskappe as die boks filter wat jy gebruik het. Die meeste gebruike van 'n boks filter wat ek teëgekom het is 'n gevolg van iemand nie aandag in digitale seinverwerking klas, nie as gevolg van die behoefte van hul besondere eienskappe. As jy net wil 'n hoë frekwensies dat jy weet is geraas te verminder, 'n enkele paal laaglaatfilter is beter. Die beste manier om 'n digitaal te implementeer in 'n mikrobeheerder is gewoonlik: filt lt-- filt VF (NEW - filt) filt is 'n stukkie van die aanhoudende staat. Dit is die enigste aanhoudende veranderlike wat jy nodig het om hierdie filter te bereken. NUWE is die nuwe waarde wat die filter word opgedateer met hierdie iterasie. VF is die filter fraksie. wat pas 'n bekommernis vir die filter. Kyk na hierdie algoritme en sien dat vir 0 VF die filter is oneindig swaar sedert die uitset verander nooit. Vir 1 VF, sy werklik geen filter glad sedert die uitset volg net die insette. Nuttige waardes van die twee. Op klein stelsels haal jy VF om 1/2 N wees sodat die vermenigvuldig met VF bereik kan word as 'n reg verskuiwing deur N stukkies. Byvoorbeeld, kan VF wees 16/1 en die vermenigvuldig met VF dus 'n reg verskuiwing van 4 stukkies. Andersins hierdie filter moet net een aftrek en een byvoeging, hoewel die getalle gewoonlik nodig om wyer as die invoerwaarde (meer op numeriese presisie in 'n aparte afdeling hieronder) wees. Ek neem gewoonlik A / D lesings aansienlik vinniger as dit nodig is en pas twee van hierdie filters kaskade. Dit is die digitale ekwivalent van twee R-C filters in reeks, en verswak met 12 dB / oktaaf ​​bokant die rolloff frekwensie. Maar vir A / D lesings sy gewoonlik meer relevant om te kyk na die filter in die tydgebied deur die oorweging van sy stap reaksie. Dit vertel jou hoe vinnig jou stelsel 'n verandering sal sien wanneer die ding is wat jy meet veranderinge. Om die ontwerp van hierdie filters (wat net beteken pluk VF en besluit hoeveel van hulle waterval) te fasiliteer, ek gebruik my program FILTBITS. Jy gee die aantal verskuiwing stukkies vir elke VF in die kaskade reeks filters, en dit bere die stap reaksie en ander waardes. Eintlik het ek gewoonlik loop dit via my wrapper script PLOTFILT. Dit loop FILTBITS, wat 'n CSV-lêer maak, dan plotte die CSV. Byvoorbeeld, hier is die resultaat van PLOTFILT 4 4: Die twee parameters om PLOTFILT beteken daar twee filters kaskade van die hierbo beskryf tipe. Die waardes van 4 dui die aantal verskuiwing stukkies om die vermenigvuldig met VF besef. Die twee VF waardes is dus 1/16 in hierdie geval. Die rooi spoor is die eenheid stap reaksie, en is die belangrikste ding om te kyk na. Byvoorbeeld, hierdie vir jou vertel dat as die insette onmiddellik verander, die opbrengs van die gekombineerde filter sal vestig tot 90 van die nuwe waarde in 60 iterasies. As jy omgee vir 95 wegsterftyd dan moet jy wag sowat 73 iterasies, en vir 50 wegsterftyd slegs 26 iterasies. Die groen spoor wys jou die uitset van 'n enkele volle amplitude piek. Dit gee jou 'n idee van die ewekansige geraas onderdrukking. Dit lyk soos geen enkele voorbeeld meer as 'n 2.5 verandering in die uitset sal veroorsaak. Die blou spoor is 'n subjektiewe gevoel van wat hierdie filter doen met 'n wit geraas te gee. Dit is nie 'n streng toets, want daar is geen waarborg wat presies die inhoud was van die ewekansige getalle opgetel as die wit geraas insette vir hierdie lopie van PLOTFILT. Sy net om jou 'n rowwe gevoel van hoeveel dit sal platgedruk en hoe glad dit is. PLOTFILT, miskien FILTBITS, en baie van die ander nuttige dinge, veral vir PIC firmware ontwikkeling is beskikbaar in die PIC Ontwikkeling tools sagteware vrylating op my bladsy sagteware afgelaai. Bygevoeg oor numeriese presisie Ek sien uit die kommentaar en nou 'n nuwe antwoord dat daar belangstelling in die bespreking van die aantal bisse wat nodig is om hierdie filter te implementeer. Let daarop dat die vermenigvuldig met VF log 2 (VF) sal skep nuwe stukkies onder die binêre punt. Op klein stelsels, is VF gewoonlik gekies om 1/2 N wees sodat dit vermeerder eintlik besef deur 'n regte verskuiwing van N stukkies. Filt is dus gewoonlik 'n vaste punt heelgetal. Let daarop dat hierdie een van die wiskunde nie die geval te verander van die verwerkers oogpunt. Byvoorbeeld, as jy die filter 10 bis A / D lesings en N 4 (1/16 VF), dan moet jy 4 fraksie stukkies onder die 10 bis integriteit A / D lesings. Een meeste verwerkers, youd doen 16 bis integriteit bedrywighede weens die 10 bis A / D lesings. In hierdie geval is, kan jy nog doen presies dieselfde 16 bis integriteit opertions, maar begin met die A / D lesings links verskuif deur 4 stukkies. Die verwerker nie die geval is die verskil en nie die geval is weet moet. Doen die wiskunde op hele 16 bit heelgetalle werk of jy dit as '12.4 vaste punt of ware 16 bit heelgetalle (16.0 vaste punt) wees. In die algemeen, moet jy N stukkies elke filter paal voeg as jy dit nie wil geraas voeg as gevolg van die numeriese verteenwoordiging. In die voorbeeld hierbo, sal die tweede filter van twee moet 1044 18 stukkies inligting nie verloor het. In die praktyk op 'n 8 bit masjien wat youd gebruik 24 bit waardes beteken. Tegnies slegs die tweede paal van twee sou die wyer waarde nodig nie, maar vir firmware eenvoud Ek gebruik gewoonlik dieselfde verteenwoordiging, en sodoende dieselfde kode, vir alle pole van 'n filter. Gewoonlik skryf ek 'n subroutine of makro een filter paal aksie uit te voer, dan aansoek doen dat elke paal. Of 'n subroutine of makro hang af of siklusse of program geheue is belangriker in daardie spesifieke projek. In ieder geval, ek gebruik 'n paar kras staat om nuwe pas in die subroutine / makro wat filt updates, maar ook belastings wat in dieselfde kras staat NUWE in. Dit maak dit maklik om verskeie pale toe te pas, aangesien die opgedateer filt van een pool is die NUWE van die volgende een. Wanneer 'n subroutine, sy nuttig om 'n wyser punt om filt op die manier, wat net ná filt op die pad uit is opgedateer. Op dié manier die subroutine bedryf outomaties op agtereenvolgende filters in die geheue as meer as een keer genoem. Met 'n makro hoef jy nodig het 'n wyser omdat jy slaag in die adres te werk op elke iterasie. Kode Voorbeelde Hier is 'n voorbeeld van 'n makro soos hierbo beskryf vir 'n PIC 18: En hier is 'n soortgelyke makro vir 'n PIC 24 of dsPIC 30 of 33: Beide hierdie voorbeelde is geïmplementeer as makros met behulp van my PIC assembler voorverwerker. wat is meer in staat is as een van die ingeboude makro fasiliteite. clabacchio: Nog 'n probleem wat ek moes genoem is implementering firmware. Jy kan 'n enkele paal laaglaatfilter subroutine keer skryf, dan pas dit meer as een keer. Om die waarheid te gewoonlik skryf ek so 'n subroutine om 'n wyser te neem in die geheue om die filter staat, dan is dit bevorder die wyser sodat dit kan genoem word in die reeks maklik om 'n multi-paal filters te realiseer. â € Olin Lathrop 20 April 12 by 15:03 1. Baie dankie vir jou antwoorde - almal van hulle. Ek het besluit om hierdie IIR Filter gebruik, maar dit Filter is nie gebruik word as 'n Standard laagdeurlaatfilter, want ek moet Counter Waardes gemiddeld en vergelyk kan word om veranderinge in 'n sekere omvang te spoor. aangesien hierdie waardes van baie verskillende dimensies afhangende van Hardware wees Ek wou 'n gemiddelde te neem ten einde in staat te wees om outomaties te reageer op hierdie Hardware spesifieke veranderinge. â € sensslen 21 12 Mei om 12:06 As jy kan lewe met die beperking van 'n bevoegdheid van twee aantal items te Gemiddeld (dws 2,4,8,16,32 ens) dan is die kloof kan maklik en doeltreffend gedoen word op 'n lae prestasie mikro sonder toegewyde verdeel, want dit kan gedoen word as 'n bietjie skuif. Elke skof reg is 'n krag van twee bv: Die OP het gedink hy het twee probleme, verdeel in 'n PIC16 en geheue vir sy ring buffer. Hierdie antwoord dui daarop dat die skeidslyn is nie moeilik. Toegegee dit spreek nie die geheue probleem, maar die SE stelsel kan gedeeltelike antwoorde, en gebruikers kan iets uit elke antwoord neem vir hulself, of selfs wysig en kombineer other39s antwoorde. Aangesien sommige van die ander antwoorde vereis dat 'n kloof werking, hulle is soortgelyk onvolledig omdat hulle nie wys hoe om doeltreffend hierdie op 'n PIC16 bereik. â € Martin 20 April 12 by 13:01 Daar is 'n antwoord vir 'n ware bewegende gemiddelde filter (aka wagon filter) met minder geheue vereistes, as jy verstand downsampling hoef. Die sogenaamde kaskade integreerder-kam filter (CIC). Die idee is dat jy 'n integreerder wat jy verskille oor 'n tydperk, en die sleutel-geheue te bespaar, is dat deur downsampling, dont jy elke waarde van die integreerder stoor. Dit kan toegepas word met behulp van die volgende pseudokode: Jou effektiewe bewegende gemiddelde lengte is decimationFactorstatesize maar jy moet net om statesize monsters te hou. Dit is duidelik dat jy kan 'n beter prestasie kry as jou statesize en decimationFactor magte van 2 is, sodat die afdeling en restant operateurs kry vervang deur skofte en masker-ands. Naskrif: Ek stem saam met Olin dat jy altyd in ag moet neem eenvoudig IIR filters voor 'n bewegende gemiddelde filter. As jy dit nie nodig het die frekwensie-nulls van 'n wagon filter, sal 'n 1-paal of 2-paal laaglaatfilter waarskynlik werk boete. Aan die ander kant, as jy die filter vir die doeleindes van uitkap (neem 'n hoë-monster-koers insette en gemiddeld dit vir gebruik deur 'n lae-koers proses) dan 'n CIC filter kan wees net wat jy soek. (Veral as jy statesize1 kan gebruik en heeltemal te vermy die ringbuffer met net 'n enkele vorige integreerder waarde) Daar is 'n paar in-diepte analise van die wiskunde agter die gebruik van die eerste orde IIR filter wat Olin Lathrop reeds oor beskryf op die Digitale Seinverwerking stapel ruil (sluit baie mooi foto's.) die vergelyking vir hierdie IIR filter is: dit kan toegepas word met behulp van slegs heelgetalle en geen verdeeldheid onder die volgende kode (dalk 'n debugging nodig as ek tik uit die geheue.) hierdie filter by benadering 'n bewegende gemiddelde van die laaste K monsters deur die oprigting van die waarde van alfa tot 1 / K. Doen dit in die voorafgaande kode deur te definieer ing BITS om log2 (K), dit wil sê vir K 16 stel BITS tot 4, vir K 4 stel BITS tot 2, ens (Ill verifieer die kode hier gelys word sodra ek 'n verandering te kry en hierdie antwoord wysig indien nodig.) antwoord 23 Junie 12 aan 04:04 Hier is 'n enkel-paal laaglaatfilter (bewegende gemiddelde, met afsnyfrekwensie CutoffFrequency). Baie eenvoudig, baie vinnig, werk baie goed, en byna geen geheue oorhoofse. Let wel: Alle veranderlikes omvang buite die filter funksie, behalwe die geslaag in newInput Nota: Hierdie is 'n enkele stadium filter. Veelvuldige fases kan saam kaskade die skerpte van die filter te verhoog. As jy meer as een stadium gebruik, sal jy moet DecayFactor pas (soos verwys na die afsny-Frequency) te vergoed. En natuurlik al wat jy nodig het, is die twee lyne oral geplaas, hulle dont hul eie funksie het. Hierdie filter het wel 'n oprit-up tyd voor die bewegende gemiddelde verteenwoordig dié van die insetsein. As jy nodig het om dit oprit-up tyd omseil, kan jy net inisialiseer MovingAverage om die eerste waarde van newInput in plaas van 0, en hoop dat die eerste newInput isnt 'n uitskieter. (CutoffFrequency / SampleRate) het 'n reeks van tussen 0 en 0,5. DecayFactor is nie 'n waarde tussen 0 en 1, gewoonlik naby aan 1. Enkellopend-presisie dryf is goed genoeg vir die meeste dinge, ek verkies net dubbelspel. As jy nodig het om te hou met heelgetalle, kan jy sit DecayFactor en Amplitude Factor in fraksionele heelgetalle, waarin die teller gestoor as die heelgetal, en die deler is 'n heelgetal krag van 2 (sodat jy kan bietjie-verskuiwing na regs as die deler eerder as om te verdeel in die filter lus). Byvoorbeeld, as DecayFactor 0.99, en jy wil om heelgetalle gebruik, jy kan stel DecayFactor 0.99 65536 64881. En dan wanneer jy vermenigvuldig met DecayFactor in jou filter lus, net skuif die gevolg 16. Vir meer inligting oor hierdie, 'n uitstekende boek dis aanlyn, hoofstuk 19 op rekursiewe filters: www. dspguide / ch19.htm PS Vir die bewegende gemiddelde paradigma, 'n ander benadering tot die opstel van DecayFactor en AmplitudeFactor wat meer relevant is vir jou behoeftes kan wees, kan sê wat jy wil die vorige, sowat 6 items saam gemiddeld, doen dit strategies, youd 6 items en deel te voeg met 6, sodat jy kan die AmplitudeFactor stel om 1/6, en DecayFactor om (1.0 - AmplitudeFactor). antwoord 14 Mei 12 aan 22:55 Almal het deeglik kommentaar op die nut van IIR teen FIR, en op krag-van-twee-afdeling. ID net graag 'n paar implementering besonderhede gee. Die onderstaande werk goed op klein mikrobeheerders met geen FPU. Theres geen vermenigvuldiging, en as jy N hou 'n krag van twee, al die afdeling is enkel-siklus bietjie-verskuiwing. Basiese FIR ring buffer: hou 'n lopende buffer van die laaste N waardes, en 'n lopende som van al die waardes in die buffer. Elke keer as 'n nuwe monster kom in, trek die oudste waarde in die buffer van som, vervang dit met die nuwe monster, voeg die nuwe monster te som, en uitset som / N. Gewysig IIR ring buffer: hou 'n lopende totaal van die laaste N waardes. Elke keer as 'n nuwe monster kom in, som - som / N, voeg in die nuwe monster, en uitset som / N. antwoord 28 Augustus 13 aan 13:45 As I39m jy lees reg, you39re beskrywing van 'n eerste-orde IIR filtreer die waarde you39re trek isn39t die oudste waarde wat uitval, maar is in plaas van die gemiddelde van die vorige waardes. Eerste-orde IIR filters kan beslis nuttig wees, maar I39m nie seker wat jy bedoel wanneer jy suggereer dat die uitset is dieselfde vir alle periodiese seine. Op 'n 10kHz sample rate, voer 'n 100Hz vierkante golf in 'n 20-stadium boks filter sal 'n teken dat eenvormig styg vir 20 monsters oplewer, sit hoog vir 30, daal eenvormig vir 20 monsters, en sit laag vir 30. 'n eerste-orde IIR filter. â € supercat 28 Augustus 13 aan 15:31 sal 'n golf wat skerp begin oplewer stygende en geleidelik afplat naby (maar nie by) die maksimum insette, dan skerp begin val en geleidelik afplat naby (maar nie by) die insette minimum. Baie verskillende gedrag. â € supercat 28 Augustus 13 by 15:32 Een probleem is dat 'n eenvoudige bewegende gemiddelde mag of nie mag nuttig wees. Met 'n IIR filter, kan jy 'n lekker filter met relatief min calcs kry. Die FIR jy beskryf kan net gee jou 'n reghoek in die tyd - 'n sed in freq - en jy can39t die kant lobbe te bestuur. Dit kan die moeite werd om te gooi in 'n paar heelgetal vermeerder sodat dit 'n mooi simmetriese verstelbare FIR as jy kan spaar die klok bosluise wees. uitvoering maak Scott Seidman 29 Augustus 13 by 13:50 ScottSeidman: Nie nodig vir vermeerder as 'n mens het net elke stadium van die FIR óf uitset die gemiddelde van die insette op daardie stadium en sy vorige gestoor waarde, en dan slaan die insette (indien 'n mens die numeriese reeks, kan 'n mens die som eerder as die gemiddelde gebruik). Of that39s beter as 'n boks filter hang af van die aansoek (die stap reaksie van 'n boks filter met 'n totale vertraging van 1ms, byvoorbeeld, sal 'n nare d2 het / dt piek wanneer die insette verander, en weer 1ms later, maar sal moet die minimum moontlike d / dt vir 'n filter met 'n totale 1ms vertraging). â € supercat 29 Augustus 13 aan 15:25 Soos mikeselectricstuff gesê, as jy regtig nodig het om jou geheue behoeftes te verminder, en jy dit nie omgee jou impulsrespons om 'n eksponensiële (in plaas van 'n vierkantige pols), sou ek gaan vir 'n eksponensiële bewegende gemiddelde filter . Ek gebruik dit op groot skaal. Met hierdie tipe filter, hoef jy geen buffer nodig het. Jy hoef nie te N afgelope monsters te stoor. Slegs een. So, kry jou geheue vereistes kap met 'n faktor van N. Ook, moenie jy nodig het 'n afdeling vir daardie. Slegs vermenigvuldiging. As jy toegang tot swaai-punt rekenkundige het, gebruik swaai-punt vermenigvuldiging. Anders, doen heelgetal vermenigvuldiging en skuif na regs. Ons is egter in 2012, en ek sal u aanbeveel om opstellers (en MCUs) wat u toelaat om te werk met swaai-punt getalle gebruik. Behalwe dat meer geheue doeltreffend en vinniger (jy hoef nie te items in enige omsendbrief buffer werk), sou ek sê dit is ook meer natuurlike. omdat 'n eksponensiële impulsrespons wedstryde beter soos die natuur optree, in die meeste gevalle. antwoord 20 April 12 aan 09:59 Een probleem met die IIR filter as byna aangeraak deur Olin en supercat maar blykbaar geïgnoreer deur ander is dat die afronding af stel sommige onakkuraatheid (en potensieel vooroordeel / afkorting). veronderstelling dat N is 'n krag van twee, en net heelgetal rekenkunde gebruik word, die verskuiwing reg nie stelselmatig uit te skakel die LSBs van die nuwe monster. Dit beteken dat hoe lank die reeks ooit kon wees, die gemiddelde sal nooit neem diegene in ag neem. Byvoorbeeld, veronderstel 'n stadig afneem reeks (8,8,8. 8,7,7,7. 7,6,6,) en neem die gemiddelde is inderdaad 8 aan die begin. Die vuis 7 monster sal die gemiddelde bring tot 7, ongeag die filter sterkte. Net vir 'n monster. Dieselfde storie vir 6, ens Nou dink aan die teenoorgestelde. die reeks styg. Die gemiddelde sal bly op 7 ewig, totdat die monster is groot genoeg om dit te verander. Natuurlik, kan jy reg vir die vooroordeel deur die byvoeging van 1 / 2N / 2, maar dit sal nie regtig los die akkuraatheid probleem. In daardie geval die dalende reeks sal vir ewig bly, 8 tot en met die monster is 8-1 / 2 (N / 2). Vir N4 byvoorbeeld 'n monster bo nul sal die gemiddelde onveranderd te hou. Ek glo dat 'n oplossing vir dit sou impliseer 'n akkumulator van die verlore LSBs hou. Maar ek didnt maak dit ver genoeg om kode gereed te hê, en ek is nie seker of dit sal nie skade aan die IIR krag in sommige ander gevalle van 'n reeks (byvoorbeeld of 7,9,7,9 sal gemiddeld tot 8 dan). Olin, jou twee-stadium waterval ook sou 'n verduideliking nodig. Bedoel jy hou twee gemiddelde waardes met die uitslag van die eerste gevoer in die tweede plek in elke iterasie. Wat is die voordeel van hierdie gemiddeldes / Eenvoudige bewegende gemiddelde Gemiddeldes / Eenvoudige bewegende gemiddelde U word aangemoedig om hierdie taak op te los volgens die taakbeskrywing, die gebruik van enige taal wat jy kan weet. Berekening van die eenvoudige bewegende gemiddelde van 'n reeks van getalle. Skep 'n Stateful funksie / klas / instansie wat 'n tydperk neem en gee 'n roetine dat 'n aantal neem as argument en gee 'n eenvoudige bewegende gemiddelde van sy argumente tot dusver. 'N Eenvoudige bewegende gemiddelde is 'n metode vir die berekening van 'n gemiddelde van 'n stroom van getalle met slegs gemiddeld die afgelope 160 P 160 nommers van die stroom, 160 waar 160 P 160 is bekend as die tydperk. Dit kan toegepas word deur die roeping van 'n parafering roetine met 160 P 160 as argument, 160 I (P), 160 wat dan 'n roetine dat wanneer geroep met individuele, opeenvolgende lede van 'n stroom van getalle, bere die gemiddelde van sou terugkeer (up om), die laaste 160 P 160 van hulle, kan noem dit 160 SMA (). Die woord 160 Stateful 160 in die taak beskrywing verwys na die behoefte aan 160 SMA () 160 om sekere inligting tussen oproepe onthou om dit: 160 Die tydperk, 160 P 160 N bestel houer van ten minste die laaste 160 P 160 nommers uit elk van sy individuele oproepe. Stateful 160 beteken ook dat opeenvolgende oproepe na 160 I (), 160 die initializer, 160 moet afsonderlike roetines wat doen 160 nie 160 aandele gered staat sodat hulle kan gebruik word op twee onafhanklike strome van data terugkeer. Pseudo-kode vir die implementering van 160 SMA 160 is: Hierdie weergawe maak gebruik van 'n aanhoudende tou om die mees onlangse p waardes hou. Elke funksie teruggekeer van init-bewegende-gemiddelde het sy toestand in 'n atoom met 'n tou waarde. Dit implementering gebruik 'n omsendbrief lys om die getalle binne die venster op te slaan aan die begin van elke iterasie wyser verwys na die lys sel wat hou die waarde net beweeg by die venster uit en vervang moet word met die net toegevoegde waarde. Met behulp van 'n afsluiting wysig Tans hierdie SMA cant nogc wees omdat dit 'n sluiting op die wal ken. Sommige ontsnapping analise kan die hoop toekenning te verwyder. Met behulp van 'n struct wysig Hierdie weergawe vermy die hoop toekenning van die sluiting behoud van die data in die stapel raamwerk van die hooffunksie. Dieselfde uitset: Om te verhoed dat die drywende punt benaderings hou opstapel en die groei, kan die kode 'n periodieke som uit te voer op die hele ronde tou skikking. Dit implementering produseer twee (funksie) voorwerpe deel staat. Dit is idiomatiese in E te skei insette van uitset (lees van skryf), eerder as om dit te kombineer in een voorwerp. Die struktuur is dieselfde as die implementering van Standard DeviationE. Die onderstaande elikser program genereer 'n anonieme funksie met 'n ingeboude tydperk p, wat gebruik word as die tydperk van die eenvoudige bewegende gemiddelde. Die aanloop funksie lees numeriese insette en gee dit aan die nuutgeskepte anonieme funksie, en dan inspekteer die resultaat te STDOUT. Die uitset word hieronder getoon, met die gemiddelde, gevolg deur die gegroepeer insette, wat die basis vorm van elke bewegende gemiddelde. Erlang het sluitings, maar onveranderlike veranderlikes. 'N Oplossing is dan om prosesse en 'n eenvoudige boodskap verby gebaseer API te gebruik. Matrix tale roetines om die sweef avarages vir 'n gegewe volgorde van items bereken. Dit is minder doeltreffend te loop as in die volgende opdragte. Voortdurend gevra vir 'n inset ek. wat by die einde van 'n lys T1. T1 kan gevind word deur te druk 2ND / 1, en gemiddelde kan gevind word in Lys / OPS druk op die program te beëindig. Funksie wat 'n lys met die gemiddeld data van die verskaf argument program wat 'n eenvoudige waarde terug by elke aanroeping terug: lys is die lys word gemiddeld: p is die tydperk: 5 opbrengste die gemiddeld lys: Voorbeeld 2: Die gebruik van die program movinav2 (i , 5) - Inisialiseer bewegende gemiddelde berekening, en definieer tydperk van 5 movinav2 (3, x): x - nuwe data in die lys (waarde 3), en gevolg sal word gestoor op veranderlike x, en vertoon movinav2 (4 x) : x - nuwe data (waarde 4), en die nuwe gevolg sal gestoor word op veranderlike x, en vertoon (43) / 2. Beskrywing van die funksie movinavg: veranderlike r - is die gevolg (die gemiddeld lys) wat veranderlike sal teruggestuur word ek - is die indeks veranderlike, en dit dui op die einde van die sub-lys die lys word gemiddeld. veranderlike Z - 'n helper veranderlike Die funksie gebruik wisselende ek om vas te stel watter waardes van die lys sal in die volgende gemiddelde berekening in ag geneem word. By elke iterasie, veranderlike i dui op die laaste waarde in die lys wat gebruik sal word in die gemiddelde berekening. So ons moet net om uit te vind wat die eerste waarde in die lys sal wees. Gewoonlik goed moet p elemente oorweeg, sodat die eerste element sal die een geïndekseer deur (i-P1) te wees. Maar op die eerste iterasies wat berekening gewoonlik negatief sal wees, sodat die volgende vergelyking negatiewe indekse sal vermy: max (i-p1,1) of, reël die vergelyking, Max (i-P, 0) 1. of, reël die vergelyking, (i - (Max (IP, 0) 1) 1), en dan - maar die nommer van elemente op die eerste iterasies sal ook kleiner wees, sal die korrekte waarde (begin indeks 1 einde indeks) wees , (i-Max (IP, 0)). Veranderlike Z hou die algemene waarde (maksimum (IP), 0) sodat die beginindex sal wees (Z1) en die numberofelements sal wees (iz) die middel (lys, Z1, iz) sal die lys van waarde wat sal gemiddeld som terugkeer ( .) sal hulle som som (.) / (iz) ri hulle sal gemiddeld en stoor die resultaat in die toepaslike plek in die lys gevolg behulp van 'n sluiting en die skep van 'n functionThe Scientist en Ingenieurs Guide to Digital Signal Processing Deur Steven W. Smith, Ph. D. Hoofstuk 28: Digitale Seinverwerkers Digitale Seinverwerkers is ontwerp om vinnig uit te voer FIR filters en soortgelyke tegnieke. Om die hardeware te verstaan. Ons moet eers verstaan ​​die algoritmes. In hierdie afdeling sal ons 'n gedetailleerde lys van die stappe wat nodig is om 'n FIR filter implementeer. In die volgende afdeling sal ons kyk hoe ADV is ontwerp om te werk so doeltreffend as moontlik uit te voer. Om mee te begin, moet ons onderskei tussen off-line verwerking en real-time verwerking. In off-line verwerking, die hele insetsein woonagtig is in die rekenaar op dieselfde tyd. Byvoorbeeld, kan 'n geofisikus n seismometer gebruik om die grond beweging aan te teken tydens 'n aardbewing. Na afloop van die skudding is verby, kan die inligting gelees in 'n rekenaar en een of ander manier ontleed. Nog 'n voorbeeld van off-line verwerking is mediese beeldvorming, soos rekenaar tomografie en MRI. Die datastel verkry terwyl die pasiënt is binne-in die masjien, maar die beeld rekonstruksie kan vertraag word tot 'n later tyd. Die belangrike punt is dat al die inligting is gelyktydig beskikbaar vir die verwerking program. Dit is algemeen in wetenskaplike navorsing en ingenieurswese, maar nie in die verbruikers produkte. Off-line verwerking is die koninkryk van persoonlike rekenaars en hooframe. In real-time verwerking, is die uitset sein geproduseer terselfdertyd dat die insetsein word verkry. Byvoorbeeld, is dit nodig om in telefoon kommunikasie, gehoortoestelle, en radar. Hierdie aansoeke moet die inligting onmiddellik beskikbaar, hoewel dit kan uitgestel word deur 'n kort bedrag. Byvoorbeeld, kan 'n 10 millisekonde vertraging in 'n telefoonoproep nie opgespoor word deur die spreker of luisteraar. Net so, dit maak geen verskil as 'n radar sein vertraag deur 'n paar sekondes voordat dit vertoon word om die operateur. Real-time aansoeke insette 'n monster, voer die algoritme, en uitset 'n monster, oor-en-oor. Alternatiewelik kan hulle insette 'n groep van monsters, voer die algoritme, en uitset 'n groep van monsters. Dit is die wêreld van digitale seinverwerkers. Nou kyk terug op Fig. 28-2 en dink dat dit 'n FIR filter in real-time geïmplementeer. Om die uitset monster te bereken, moet ons toegang tot 'n sekere aantal van die mees onlangse voorbeelde van die insette het. Byvoorbeeld, veronderstel ons gebruik agt koëffisiënte in hierdie filter, 'n 0. 'n 1. hellip n 7. Dit beteken ons moet die waarde van die agt mees onlangse monsters van die insetsein, x n, x n -1, hellip x N -7 weet. Hierdie agt monsters moet gestoor word in die geheue en voortdurend bygewerk word as nuwe monsters verkry. Wat is die beste manier om hierdie gestoor monsters Die antwoord is omsendbrief buffer bestuur. Figuur 28-3 illustreer 'n agt monster omsendbrief buffer. Ons het hierdie omsendbrief buffer geplaas in agt agtereenvolgende geheue plekke, 20041 om 20048. Figuur (a) toon hoe die agt monsters van die insette kan gestoor word op 'n bepaalde tydstip, terwyl (b) die veranderinge toon na die volgende voorbeeld is verkry. Die idee van omsendbrief buffer is dat die einde van hierdie lineêre skikking verbind om sy begin geheue plek 20.041 beskou as langs 20048, net soos 20044 is langs 20045. Jy hou van die skikking deur 'n wyser ( 'n veranderlike waarvan waarde is 'n adres) wat aandui waar die mees onlangse voorbeeld woon. Byvoorbeeld, in (a) die wyser bevat die adres 20044, terwyl dit in (b) dit bevat 20045. Wanneer 'n nuwe monster verkry word, is dit die plek van die oudste voorbeeld in die skikking, en die wyser een adres vorentoe beweeg. Omsendbrief buffers is doeltreffende, want net een waarde verander moet word wanneer 'n nuwe monster verkry word. Vier parameters is nodig om 'n omsendbrief buffer bestuur. In die eerste plek moet daar 'n wyser wat die begin van die omsendbrief buffer in die geheue (in hierdie voorbeeld, 20041) dui wees. In die tweede plek moet daar 'n wyser wat die einde van die skikking (bv 20048), of 'n veranderlike wat sy lengte hou nie (bv 8). Derde, moet die stap grootte van die geheue aanspreek gespesifiseer word. In Fig. 28-3 die stap grootte is een. byvoorbeeld: aanspreek 20043 bevat 'n monster, spreek 20044 bevat die volgende voorbeeld, en so aan. Dit is dikwels nie die geval nie. Byvoorbeeld, kan die aanspreek verwys na grepe, en elke monster kan twee of vier grepe benodig om die waarde daarvan te hou. In hierdie gevalle, sal die stap grootte moet twee of vier, onderskeidelik te wees. Hierdie drie waardes definieer die grootte en opset van die omsendbrief buffer, en sal nie verander gedurende die program operasie. Die vierde waarde, die wyser na die mees onlangse voorbeeld, moet verander word soos elke nuwe monster verkry word. Met ander woorde, moet daar program logika wat beheer hoe dit vierde waarde is opgedateer op grond van die waarde van die eerste drie waardes wees. Terwyl hierdie logika is eenvoudig, moet dit baie vinnig wees. Dit is die hele punt van hierdie gesprek ADV moet geoptimaliseer word by die bestuur van omsendbrief buffers om die hoogste moontlike spoed uitvoering te bereik. As 'n eenkant, omsendbrief buffer is ook nuttig in off-line verwerking. Dink aan 'n program waar beide die inset en die uitset seine heeltemal vervat in die geheue. Omsendbrief buffer isnt wat nodig is vir 'n konvolusie berekening, want elke monster onmiddellik kan verkry. Daar is egter baie algoritmes geïmplementeer word in fases. met 'n intermediêre sein geskep tussen elke fase. Byvoorbeeld, 'n rekursiewe filter uitgevoer as 'n reeks van biquads bedryf op hierdie manier. Die brute krag metode is om die hele lengte van elke intermediêre sein in die geheue stoor. Omsendbrief buffer bied 'n ander opsie: winkel net die intermediêre monsters benodig vir die berekening byderhand. Dit verminder die vereiste bedrag van die geheue, ten koste van 'n meer ingewikkelde algoritme. Die belangrikste idee is dat omsendbrief buffers is nuttig vir off-line verwerking, maar van kritieke belang vir real-time programme. Nou kan ons kyk na die stappe wat nodig is om 'n FIR filter met behulp van omsendbrief buffers vir beide die insetsein en die koëffisiënte te implementeer. Hierdie lys mag triviaal lyk en overexamined - dit is nie die doeltreffende hantering van hierdie individuele take is wat skei 'n DSP van 'n tradisionele mikroverwerker. Vir elke nuwe monster, moet al die volgende stappe wat geneem moet word: Die doel is om te maak hierdie stappe uit te voer vinnig. Sedert stappe 6-12 baie keer sal herhaal word (een keer vir elke koëffisiënt in die filter), moet spesiale aandag gegee word aan hierdie bedrywighede. Tradisionele mikroverwerkers moet oor die algemeen uit te voer hierdie 14 stappe in serie (een na die ander), terwyl ADV is ontwerp om hulle uit te voer in parallel. In sommige gevalle, kan al die bedrywighede binne die lus (stappe 6-12) in 'n enkele kloksiklus voltooi. Kom ons kyk na die interne argitektuur wat dit moontlik maak hierdie pragtige performance. FIR Filter Basics 1.1 Wat is quotFIR filtersquot FIR filters is een van twee primêre vorme van digitale filters gebruik in Digital Signal Processing (DSP) aansoeke, die ander soort wat IIR. 1.2 Wat beteken quotFIRquot beteken quotFIRquot beteken quotFinite Impulse Responsequot. As jy sit in 'n impuls, dit wil sê 'n enkele quot1quot monster gevolg deur baie quot0quot monsters, nulpunte sal uittrek agter die quot1quot monster pad gemaak het deur die vertraging lyn van die filter. 1.3 Hoekom is die impulsrespons quotfinitequot In die algemeen geval, die impulsrespons eindig, want daar is geen terugvoering in die FIR. 'N Gebrek aan terugvoer waarborg dat die impulsrespons eindige sal wees. Daarom is die term quotfinite impuls responsequot is byna sinoniem met quotno feedbackquot. Maar as terugvoer in diens nog die impulsrespons eindig, die filter is nog steeds 'n FIR. 'N Voorbeeld is die bewegende gemiddelde filter, waarin die nde voor monster afgetrek (teruggevoer) elke keer as 'n nuwe monster kom in hierdie filter 'n eindige impulsrespons selfs al is dit gebruik terugvoering. Na N monsters van 'n impuls, die uitset sal altyd nul. 1.4 Hoe spreek ek quotFIRquot Sommige mense sê die letters F-ek-R ander mense uit te spreek asof dit 'n soort boom. Ons verkies om die boom. (Die verskil is of jy praat oor 'n F-ek-R filter of 'n FIR filter.) 1.5 Wat is die alternatief vir FIR filters DSP filters kan ook quotInfinite Impulse Responsequot (IIR). (Sien dspGurus IIR Vrae.) IIR filters gebruik terugvoer, so wanneer jy insette 'n impuls die uitset teoreties ringe onbepaald. 1.6 Hoe FIR filters vergelyk met IIR filters Elkeen het voordele en nadele. Algehele, alhoewel, die voordele van FIR filters swaarder as die nadele, sodat hulle veel meer as IIRs gebruik. 1.6.1 Wat is die voordele van FIR Comments (in vergelyking met IIR filters) In vergelyking met IIR filters, FIR filters bied die volgende voordele: Hulle kan maklik ontwerp om quotlinear phasequot wees (en gewoonlik is). Eenvoudig gestel, lineêre-fase filters vertraag die insetsein maar donrsquot sy fase verdraai. Hulle is maklik om te implementeer. Op die meeste DSP mikroverwerkers, kan die FIR berekening gedoen word deur herhaling 'n enkele opdrag. Hulle is geskik vir multi-koers aansoeke. Deur multi-koers, bedoel ons nie quotdecimationquot (vermindering van die sampling rate), quotinterpolationquot (die verhoging van die sampling rate), of albei. Of gedecimeerd of interpol, die gebruik van FIR filters kan 'n paar van die berekeninge word weggelaat, dus die verskaffing van 'n belangrike computational doeltreffendheid. In teenstelling, as IIR filters gebruik word, elke uitset moet individueel bereken, selfs al is dit dat uitset sal weggegooi (so die terugvoer sal in die filter word opgeneem). Hulle het desireable numeriese eienskappe. In die praktyk, moet alle DSP filters word toegepas met behulp van eindige-presisie rekenkundige, dit is, 'n beperkte aantal bisse. Die gebruik van eindige-presisie rekenkundige in IIR filters kan groot probleme veroorsaak as gevolg van die gebruik van terugvoer, maar FIR filters sonder terugvoer kan gewoonlik geïmplementeer met behulp van minder stukkies, en die ontwerper het minder praktiese probleme op te los wat verband hou met nie-ideale rekenkundige. Hulle geïmplementeer kan word met behulp van fraksionele rekenkundige. In teenstelling met IIR filters, dit is altyd moontlik om te implementeer 'n FIR filter met behulp van koëffisiënte met grootte van minder as 1.0. (Die algehele wins van die FIR filter kan aangepas word by die uitset, as jy wil.) Dit is 'n belangrike oorweging by die gebruik van vaste punt ADV, want dit maak die implementering baie makliker. 1.6.2 Wat is die nadele van FIR Comments (in vergelyking met IIR filters) In vergelyking met IIR filters, FIR filters het soms die nadeel dat hulle meer geheue en / of berekening verlang om 'n gegewe filter reaksie eienskap te bereik. Ook, sekere antwoorde is nie prakties uit te voer met FIR filters. 1.7 Wat terme gebruik in die beskrywing van FIR filters Impulse Response - Die quotimpulse responsequot van 'n FIR filter is eintlik net die stel van FIR koëffisiënte. (As jy 'n quotimplusequot sit in 'n FIR filter wat bestaan ​​uit 'n quot1quot monster gevolg deur baie quot0quot monsters, die opbrengs van die filter sal die stel koëffisiënte wees, soos die 1 voorbeeld beweeg verby mekaar koëffisiënt op sy beurt aan die uitset te vorm.) Tik - 'n FIR quottapquot is bloot 'n koëffisiënt / vertraging paar. Die aantal FIR krane, (dikwels aangewys as quotNquot) is 'n aanduiding van 1) die bedrag van die geheue benodig by die filter te implementeer, 2) die aantal berekeninge wat nodig is, en 3) die bedrag van quotfilteringquot die filter kan doen in werking tree, meer krane beteken meer stopband attenuasie, minder rimpeleffek, nouer filters, ens vermenigvuldig-akkumuleer (MAC) - In 'n FIR konteks, 'n quotMACquot is die werking van 'n koëffisiënt van die ooreenstemmende vertraag data monster te vermenigvuldig en die opbou van die resultaat. Sipresse gewoonlik vereis dat 'n MAC per kraan. Die meeste DSP mikroverwerkers implementeer die MAC operasie in 'n enkele opdrag siklus. Band oorgang - Die band van frekwensies tussen deurlaatband en stopband kante. Die nouer die oorgang groep, hoe meer krane wat nodig is om die filter te implementeer. (A quotsmallquot oorgang groep lei tot 'n quotsharpquot filter.) Vertraging Line - Die versameling van geheue-elemente wat die quotZ-1quot vertraging elemente van die FIR berekening te implementeer. Omsendbrief Buffer - 'n Spesiale buffer wat quotcircularquot omdat die verhoog aan die einde veroorsaak dat dit om rond te draai na die begin, of as gevolg decrementing van die begin af veroorsaak dat dit om rond te draai na die einde. Omsendbrief buffers word dikwels deur DSP mikroverwerkers om die quotmovementquot van die monsters deur die FIR vertraging aanlyn implementeer sonder om letterlik die data beweeg in die geheue. Wanneer 'n nuwe monster gevoeg om die buffer, dit vervang outomaties die oudste one. Guppy bewegende gemiddelde. CodersGuru, hierdie draad ek gevind oor te ForexFactory, Guppy bewegende gemiddelde doen 'n uiters wonderlike werk van die identifisering van tendense. Aangehaal uit daardie forum Google Daryl Guppy. Net een van die beste handelaars van Australië wat ooit die aarde het geloop Daar is 'n uitstekende boek deur Daryl Guppy Trend Trading wat sy benadering verduidelik goed. Dit kan gevind word ek nie baie goed vertroud te forex, so ek wil as jy meer oor hierdie stelsel kan lees en probeer verstaan ​​dit so dat almal van ons hier kan voordeel trek uit dit verder ek persoonlik voel dat die Guppy MA is baie nuttig meer so vir 'n MA Guru soos jy. Ek hoop regtig jy kan ons meer lig op hierdie MA is. Im sorry weer as ek enige reëls oortree deur te begin hierdie draad In die foto is 'n combinatiton van 2 aanwysers 2) xpMA deur CodersGuru In gepos word om die pic. U kan sien dat xpMA toon RED (uptrend) of blou (verslechtering neiging) vir die huidige mark situasie. MAAR. by tye die mark kan ook wissel en of woelig. Dis waar ek omkring in die pic. So dit is waar Guppy Plaasmoorde kom tot die redding. Slegs maak 'n handel wanneer al 7 lyne (groen en geel) aan beide kante mekaar kruis en as xpMA toon dat die tendens aan die gang is in die regte rigting as Guppy MMA. Ek hoop ek het gehelp. PS. En om verder te filtreer die mark toestand, ook ek Nittanys Neigings gebruik of wissel Opdrag vir aanwyser op die huidige mark situasie verder te bevestig, hetsy wissel of trending Met hierdie metode, Ive suksesvol te isoleer die tendens bewegings. Ek hoop ook 'n paar senior lede kan my stelsel yusof786 verder te verbeter: Ek heg die aanwysers sodat ander ook kan baat vind by hierdie. 1) Guppy MMA (cyRox) - Template formaat 2) xpMA deur coders guru OK, hoe om hierdie aanwyser kombinasies te gebruik om 'n trade. Place plaas 'n handel net vir al 3 aanwysers saamstem. 1. Wanneer Guppy MMaS 7 geel en groen lyne mekaar kruis en lyk soos 'n is mondopening. 2. Wanneer xpMA tendens is toon dieselfde as Guppy MMaS tendens 3. Wanneer Nittanys Opdrag vir toon dat alle tydraamwerke trending (Blou Arrow of Rooi Arrow opdaag of sywaarts) Plz Probeer hierdie styl van my handel. Ek hoop dit kom handig te every1 daar buite. Dankie vir jou harde werk kan jy vir my sê die instellings op die xpMA deur coders guru want as ek oop jou sjabloon Dit lyk vir ontbreek Dankie by voorbaat