Den bevegelige gjennomsnitt som et filter. Det bevegelige gjennomsnittet brukes ofte til å utjevne data i nærvær av støy. Det enkle glidende gjennomsnittet blir ikke alltid gjenkjent som Finite Impulse Response FIR-filteret som det er, mens det faktisk er en av de vanligste filtre i signalbehandling Ved å behandle det som et filter, kan det sammenlignes med f. eks. windowed-sinc filtre se artiklene på lavpaspass høypass og bandpass og bandavvisningsfiltre for eksempler på dem. Hovedforskjellen med disse filtrene er at det bevegelige gjennomsnittet er egnet for signaler for hvilke den nyttige informasjonen er inneholdt i tidsdomene, hvorav utjevningsmålinger ved middelverdi er et førsteklasses eksempel Windowed-sinc filtre, derimot, er sterke utøvere i frekvensdomene med utjevning i lyd behandling som et typisk eksempel Det er en mer detaljert sammenligning av begge typer filtre i Time Domain vs Frekvensdomenes ytelse av filtre Hvis du har data som både tid og Frekvensdomenet er viktig, og du vil kanskje se på Variasjoner på Moving Average som presenterer en rekke vektede versjoner av det bevegelige gjennomsnittet som er bedre på det. Flytende gjennomsnitt av lengde N kan defineres som. skrevet som den blir vanligvis implementert med den nåværende utgangssammenstilling som gjennomsnittet av de forrige N-prøvene. Sett som et filter utfører det bevegelige gjennomsnitt en konvolusjon av inngangssekvensen xn med en rektangulær puls med lengde N og høyde 1 N for å gjøre området av puls, og dermed gevinsten til filteret, en I praksis er det best å ta N oddetall Selv om et glidende gjennomsnitt kan også beregnes ved å bruke et jevnt antall prøver, har det en fordel at ved å bruke en merkelig verdi for N forsinkelse av filteret vil være et heltall antall prøver, siden forsinkelsen av et filter med N-eksempler er nøyaktig N-1 2 Det bevegelige gjennomsnittet kan deretter justeres nøyaktig med de opprinnelige dataene ved å skifte det med et helt antall prøver. Tid Domain. Since movi ng gjennomsnitt er en konvolusjon med en rektangulær puls, dens frekvensrespons er en sinc-funksjon. Dette gjør det noe som det dobbelte av windowed-sinc-filteret, siden det er en konvolusjon med en sinc-puls som resulterer i en rektangulær frekvensrespons. Det er denne sinc-frekvensresponsen som gjør det bevegelige gjennomsnittet en dårlig utøver i frekvensdomenet. Det virker imidlertid veldig bra i tidsdomene. Derfor er det perfekt å glatte data for å fjerne støy samtidig som den fortsatt holder et raskt trinnsvar. Figur 1.Figurer 1 utjevning med et glidende gjennomsnittlig filter. For den typiske Additive White Gaussian Noise AWGN som ofte antas, har gjennomsnittlige N-prøver effekten av å øke SNR med en faktor på sqrt N Siden støyen for de enkelte prøvene er ukorrelert, Det er ingen grunn til å behandle hver prøve forskjellig. Derfor vil det bevegelige gjennomsnittet, som gir hver prøve samme vekt, bli kvitt den maksimale mengden støy for et gitt trinnresponsskarphet. fordi det er et FIR-filter, kan det bevegelige gjennomsnittet gjennomføres gjennom konvolusjon. Det vil da ha samme effektivitet eller mangel på det som et hvilket som helst annet FIR-filter. Det kan også implementeres rekursivt på en meget effektiv måte. Det følger direkte fra definisjonen. Denne formelen er resultatet av uttrykkene for yn og yn 1, jeg e. where vi merker at endringen mellom yn 1 og yn er at et ekstra uttrykk xn 1 N vises på slutten, mens uttrykket x nN 1 N er fjernet fra begynnelsen I praktiske applikasjoner er det ofte mulig å utelate divisjonen med N for hvert begrep ved å kompensere for den resulterende gevinsten av N på et annet sted. Denne rekursive implementeringen vil være mye raskere enn konvolusjon. Hver ny verdi av y kan beregnes med bare to tillegg, i stedet for de N tilleggene som ville være nødvendige for en enkel implementering av definisjonen En ting å se etter med en rekursiv implementering er at avrundingsfeil vil akkumulere. Denne ma y eller kan ikke være et problem for søknaden din, men det innebærer også at denne rekursive implementeringen faktisk vil fungere bedre med en helhetsimplementering enn med flytende punktnumre. Dette er ganske uvanlig, siden en flytende punktimplementering vanligvis er enklere. Konklusjonen av alt dette må være at du aldri bør undervurdere bruken av det enkle glidende gjennomsnittsfilteret i signalbehandlingsprogrammer. Filtreringsverktøy. Denne artikkelen er supplert med et filterdesignverktøy. Eksperiment med forskjellige verdier for N og visualiser de resulterende filtre Prøv det nå. Jeg mangerer noe for øyeblikket der jeg tar en mengde verdier over tid fra et maskinvarekompass Dette kompasset er veldig nøyaktig og oppdateres veldig ofte, med det resultat at hvis det jiggles litt, ender jeg med den merkelige verdien som er vilt inkonsekvent med sine naboer, jeg vil glatte ut disse verdiene. Har gjort noe å lese rundt, ser det ut til at det jeg ønsker er et høypassfilter, et lavpass filter eller et bevegelige gjennomsnitt Moving gjennomsnittet jeg kan komme ned med, bare hold en historie om de siste 5 verdiene eller hva som helst, og bruk gjennomsnittet av disse verdiene nedstrøms i koden min, der jeg en gang bare brukte den nyeste verdien. Det skulle, Jeg tror, glatt ut de jiggles pent, men det ser ut til at det er sannsynligvis ganske ineffektivt, og dette er sannsynligvis en av de kjente problemene til de riktige programmene som det er en veldig fin Clever Math løsning. Jeg er imidlertid en av dem forferdelige selvlærte programmører uten en form for formell utdanning i alt som er uklart relatert til CompSci eller Math Reading rundt, antyder at dette kan være et høyt eller lavt passfilter, men jeg kan ikke finne noe som forklarer i forståelig for en hack liker meg hva effekten av disse algoritmene ville være på en rekke verdier, enn si hvordan matematikken fungerer Svaret som er gitt her, for eksempel, svarer teknisk på spørsmålet mitt, men bare i forståelige for de som trolig ville allerede vet hvordan du skal løse problemet. Det ville være en veldig fin og smart person som kunne forklare hva slags problem dette er, og hvordan løsningene fungerer, forståelig for en kunsteksamen. Skrevet 21. september 10 på 13 01. Hvis Ditt bevegelige gjennomsnitt må være lang for å oppnå den nødvendige utjevningen, og du trenger ikke en bestemt form for kjernen, så blir du bedre hvis du bruker et eksponentielt forfallende glidende gjennomsnitt. hvor du velger liten for å være en passende konstant for eksempel hvis du velger liten 1- 1 N, vil den ha samme mengde gjennomsnitt som et vindu med størrelse N, men distribueres annerledes over eldre punkter. Uansett, siden neste verdi av glidende gjennomsnitt bare avhenger av den forrige og din data, du trenger ikke å holde en kø eller noe, og du kan tenke på dette som å gjøre noe som, Vel, jeg har et nytt poeng, men jeg stoler ikke på det, så jeg skal holde 80 av min gamle Estimering av måling, og bare stol på dette nye datapunktet 20 Det er pent vel det samme som å si: Vel, jeg stoler bare på dette nye punktet 20, og jeg skal bruke 4 andre poeng som jeg stoler på i samme mengde, bortsett fra at i stedet for å eksplisitt ta de 4 andre punktene, antar du at gjennomsnittsverdien du vare sist tiden var fornuftig, slik at du kan bruke din tidligere work. answered 21 september 10 på 14 27.Hey, jeg vet at dette er 5 år sent, men takk for et fantastisk svar Jeg m arbeider på et spill hvor lyden endres basert på hastigheten din, men på grunn av å kjøre spillet på en slow-ass-datamaskin, vil hastigheten svinge vilt, noe som var fint for styring, men veldig irriterende når det gjelder lyd. Dette var en veldig enkel og billig løsning på noe jeg trodde ville være et veldig komplekst problem Adam Mar 16 15 på 20 20. Hvis du prøver å fjerne den sporadiske merkelige verdien, er et lavpassfilter det beste av de tre alternativene du har identifisert Lavpassfiltrene tillater lavhastighetsendringer som de som er forårsaket av roterer et kompass for hånd, mens du avviser høyhastighets endringer som o nes forårsaket av støt på veien, for eksempel. Et glidende gjennomsnitt vil trolig ikke være tilstrekkelig, siden effekten av et enkelt blip i dataene dine vil påvirke flere påfølgende verdier, avhengig av størrelsen på det bevegelige gjennomsnittlige vinduet. Hvis de ulike verdiene blir lett oppdaget, kan du til og med være bedre med en glitch-fjerningsalgoritme som helt ignorerer dem. Her er en gutdiagram som illustrerer. Den første grafen er inngangssignalet, med en ubehagelig glitch. Den andre grafen viser effekten av en 10 - eksempel glidende gjennomsnitt Den endelige grafen er en kombinasjon av 10-sample gjennomsnittet og den enkle glitch detekteringsalgoritmen vist ovenfor Når glitchen oppdages, blir 10-sample gjennomsnittet brukt i stedet for den faktiske value. answered 21 september 10 kl 13 38.Klar forklart og bonuspoeng for graven Henry Cooke 22 september 10 på 0 50.Wow Svært så så et fint svar Muis 4 juni 13 kl 9 14. Det bevegelige gjennomsnittet er et lavpassfilternomen okt 21 13 på 19 36. Prøv en løpende streamingmedian i stedet kert A pr 25 14 på 22 09.Moving gjennomsnittet jeg kan komme ned med, men det ser ut til at det er sannsynligvis ganske ineffektivt. Det er virkelig ingen grunn at et glidende gjennomsnitt skal være ineffektivt. Du beholder antall datapunkter du vil ha i noen buffer som en sirkulær kø På hvert nytt datapunkt poperer du den eldste verdien og trekker den fra en sum, og trykker den nyeste og legger den til summen. Så hvert nytt datapunkt innebærer egentlig bare et pop-trykk, et tillegg og en subtraksjon. Gjennomsnittlig glidende gjennomsnitt er alltid denne skiftende summen delt på antall verdier i bufferen din. Det blir litt vanskeligere hvis du mottar data samtidig fra flere tråder, men siden dataene kommer fra en maskinvareenhet som synes svært tvilsom for meg. Nå og også forferdelige selvlærte programmører forene. Det bevegelige gjennomsnittet virket ineffektivt for meg fordi du må lagre en buffer med verdier - bedre å bare gjøre litt Clever Maths med din inngangsverdi og nåværende arbeidsverdi Jeg tror det er hvordan eksponentiell glidende gjennomsnittlig fungerer En optimalisering jeg har sett for denne typen bevegelige gjennomsnitt, innebærer å bruke en fastlengdekø en peker til hvor du er i køen, og bare pakke pekeren rundt med eller en hvis Voila Ingen dyrt trykk pop Kraft til amatørene, bror Henry Cooke Sep 22 10 på 0 54. Henry For et glidende gjennombruddsmiddel trenger du bare bufferen slik at du vet hvilken verdi som dukker opp når den neste verdien blir presset. Når det er sagt, er den faste lengden køen en peker du beskriver er akkurat hva jeg mente med sirkulær kø Det er derfor jeg sa det er ikke ineffektivt Hva syntes du jeg mente Og hvis svaret ditt er en matrise som skifter sine verdier tilbake på hver indeksert fjerning som std vektor i C brønn, da m så vondt jeg vil ikke engang snakke med deg lenger Dan Tao 22. september 10 på 1 58. Henry Jeg vet ikke om AS3, men en Java-programmerer har fått samlinger som CircularQueue til sin disposisjon. Jeg er ikke en Java-utvikler, så jeg Jeg er sikker på at det finnes bedre eksempler der ute, det er bare det jeg sier d fra et raskt Google-søk, som implementerer nettopp funksjonaliteten vi snakker om, jeg er ganske sikker på at flertallet av mellomstore og lavt nivå språk med standardbiblioteker har noe lignende, for eksempel i det er Queue T Uansett var jeg filosofi selv, så alt er tilgitt Dan Tao Sep 22 10 på 12 44. Et eksponentielt forfallende glidende gjennomsnitt kan beregnes for hånd med bare trenden hvis du bruker de riktige verdiene. Se for en ide om hvordan du gjør dette raskt med en penn og papir hvis du er ser etter eksponentielt glatt glidende gjennomsnitt med 10 utjevning Men siden du har en datamaskin, vil du sannsynligvis gjøre binær skifting i motsetning til desimalskifting. På denne måten er alt du trenger en variabel for din nåværende verdi og en for gjennomsnittet. Neste gjennomsnittet kan da beregnes ut fra that. answered 21 september 10 på 14 39.there sa teknikk kalt en intervall gate som fungerer bra med lav forekomst falske prøver ut fra bruk av en av de ovenfor nevnte filterteknikker Flytende gjennomsnitt, eksponentiell, når du har tilstrekkelig historie en Time Constant kan du teste den nye, innkommende datasammen med rimelighet, før den legges til i beregningen. Enkel kunnskap om den maksimale fornuftige endring av signalet kreves Råprøve sammenlignes med den siste glattede verdien, og hvis absoluttverdien av den forskjellen er større enn det tillatte området, blir prøven kastet ut eller erstattet med noen heuristiske, for eksempel en prediksjon basert på hellingsdifferens eller trendenes prediksjonsverdi fra dobbelt eksponensiell utjevning. ansvaret 30. april 16 på 6 56. Gjennomsnittlig Filter. kate skrev Hei, jeg leter etter noe kode for et lavpasfilter som jeg kan søke på et signal før utførelse av spektralanalyse, jeg unnslipper for uvitenhet , men dette er veien utenfor feltet mitt, så jeg m ikke virkelig har noen følelse av det. Hva er inngangene som trengs annet enn signalet selv. Takk, Kate. I det analoge domenet bruker folk lavpassfiltrering for leas Ta noen grunner til at jeg ser signalet bedre ut, unngå aliasing under Analog-til-Digital-konvertering, noe som resulterer i at høyfrekvente støy signaler blir aliased til lave frekvenser, noe som kan korrumpere de lavere frekvenssignalene av interesse og øke støygulvet. Det ser ikke ut til at noen av disse hensynene gjelder din situasjon, jeg ser ikke signalet direkte, du skal gjøre spektralanalyse. II signalet ditt er allerede digitalisert. Spesielt når du gjør spektralanalyse, er den høye frekvensfrekvenser vil dukke opp ved høyfrekventenden, og du kan velge å ignorere det. For en lineær teknikk som inkluderer FFT og Matlab-filterfunksjonen, vil høyfrekvensinnholdet ikke forstyrre spektralanalysen av lavfrekvensinnholdet Med mindre du ønsker å decimere dataene dine før du filtrerer. Er det en bestemt grunn du vil bli kvitt høyfrekvent innhold før spektralanalyse. Kate skrev Hei, jeg leter etter det Jeg kodes for et lavpasfilter som jeg kan søke på et signal før jeg utfører spektralanalyse. Jeg unnslipper for min uvitenhet, men dette er veien utenfor feltet mitt, så jeg m ikke virkelig har noen følelse av det. Hva er inngangene som er trengte annet enn selve signalet Takk, Kate. I det analoge domenet bruker folk lavpassfiltrering i minst et par grunner som kommer til å tenke jeg får signalet til å se bedre ut. II Unngå aliasing under Analog-til-Digital-konvertering, noe som resulterer i høyfrekvente støysignaler som blir aliased til lave frekvenser, noe som kan korrumpere de lavere frekvenssignalene av interesse og øke støygulvet. Det ser ikke ut til at noen av disse hensynene gjelder din situasjon, jeg ser deg ikke direkte på signalet du skal gjøre spektralanalyse ii signalet ditt er allerede digitalisert. Spesielt når du gjør spektralanalyse, vil høyfrekvente ting dukke opp på høyfrekvensenden, og du kan velge å ignorere det. For en lineær teknikk Inkluderer FFT og Matlab-filterfunksjonen, vil høyfrekvensinnholdet ikke forstyrre spektralanalysen av lavfrekvensinnholdet. Med mindre du ønsker å designe dataene dine før du filtrerer. Er det en bestemt grunn du vil bli kvitt den høye - frekvensinnhold før spektralanalyse. For å være ærlig vet jeg ikke hvorfor jeg prøver å kvitte seg med høyfrekvensene. Jeg følger i utgangspunktet instruksjonene i en ISO. Som du kanskje har gjettet, er programmering og signalbehandling egentlig ikke mitt område så Språket som brukes, er fremmed for meg. Hva jeg gjør er som følger: Jeg er sivilingeniør og jeg prøver å analysere en profil på vei. Profilen er i utgangspunktet det ekvivalente av et signal som varierer med avstand, men siden hastigheten er konstant, dette er det samme som varierende med tiden Den nøyaktige ordlyden av ISO er forbehandling filtre skal brukes for eksempel butterworth Men jeg trodde at det bevegelige gjennomsnittet kan være et lettere sted å begynne jeg antar reaso Jeg prøver å utrydde høye frekvenser, fordi de ville være ubetydelige når det gjelder trafikkskader. Jeg setter stor pris på tiden din, Katherine. Rajeev skrev kate skrev Hei, jeg leter etter noe kode for et lavpasfilter som jeg kan gjelder for et signal før du utfører spektralanalyse, apologiserer jeg for min uvitenhet, men dette er veien utenfor feltet mitt, så jeg m ikke virkelig har noe for det. Hva er inngangene som trengs annet enn selve signalet Takk, Kate In analogt domene, bruker folk lavpassfiltrering av minst et par årsaker som kommer til å tenke jeg får signalet til å se bedre ut ii. unngå aliasing under analog-til-digital-konvertering, noe som resulterer i at høyfrekvente støy signaler blir aliased til lave frekvenser som kan korrumpere de lavere frekvenssignalene av interesse og øke støygulvet. Det ser ikke ut til at noen av disse forholdene gjelder din situasjon, jeg ser ikke signalet direkte, du skal gjøre spektralanalyse ii signalet vårt er allerede digitalisert Spesifikt når du gjør spektralanalyse, vil høyfrekvente ting dukke opp i høyfrekvensenden, og du kan velge å ignorere det. For en lineær teknikk omfatter dette FFT og Matlab filterfunksjonen, frekvensinnhold vil ikke forstyrre spektralanalysen av lavfrekvensinnholdet. Med mindre du ønsker å dekryptere dataene dine før du filtrerer, er det en bestemt grunn du vil bli kvitt høyfrekvensinnholdet før spektralanalyse HTH-rajeev. Katherine skrev til vær ærlig Jeg vet ikke hvorfor jeg prøver å kvitte seg med høyfrekvensene. Jeg m stort sett følger instruksjonene i en ISO. Som du kanskje har gjettet, er programmering og signalbehandling virkelig ikke mitt område, så språket som brukes, er fremmed for meg Hva Jeg gjør det som følger - Jeg er sivilingeniør og jeg prøver å analysere en profil på vei. Profilen er i utgangspunktet det ekvivalente av et signal som varierer med avstand, men siden hastigheten er konstant, Dette er det samme som varierende med tiden. Den nøyaktige formuleringen av ISO er forbehandling filtre skal brukes til. Noen spørsmål kommer til tankene. Hva spør du ISO å gjøre etter forbehandling filtre. b Hvordan går det spektralanalyse implementert. c Angir ISO spesifiseringsfrekvensen for filteret, dvs. kvitte seg med frekvenser over X. eksempel på butterworth. Men jeg trodde at det bevegelige gjennomsnittet kan være et lettere sted å starte. Jeg har en tendens til å være enig i at glidende gjennomsnitt ville være lettere Det har også en egenskap at alle frekvenskomponenter blir forsinket med nøyaktig samme mengde, noe som betyr at bølgeformformen blir bevart gjennom filteret selvsagt vil noen frekvenskomponenter bli dempet, men de vil ikke bli skiftet med 90 grader , i forhold til andre frekvenser. Butterworth-filteret og i varierende grad alle analogfiltre har ikke denne egenskapen, som er kjent som lineærfase eller fase-lineær. Butterworth refererer til en klasse analogfiltre med en bestemt fase og frekvensrespons, som er lett å implementere med elektroniske komponenter som motstander, kondensatorer og induktorer. Mitt rimelige gjetning er at folk utviklet digitale ekvivalenter til disse og andre analoge filtre fordi de var kjent med egenskapene. Men mange ville i dag spørre , hvis du skal operere på et digitalt signal, hvorfor bry deg med et analogt-lignende filter. Jeg antar at jeg prøver å utrydde høyfrekvenser, er fordi de ville være ubetydelige når det gjelder trafikkskader, jeg setter stor pris på din tid, Katherine. Again, jeg er mye gjeld for deg for å ta deg tid jeg har forsøkt å svare på qs nedenfor. Noen spørsmål kommer til å tenke på en Hva spør ISO deg om å gjøre etter forbehandlingsfiltrene. Etter pre - behandler filtre det ber om at jeg utfører en FFT som jeg antar, er også et svar på ditt neste spørsmål. Det store forståelsesproblemet jeg har er at jeg genererte veiprofilen selv, og angav at jeg vil ha ed frekvensene til å være minst 0 01cycles meter og maks 4cycles meter Hvorfor da skal jeg filtrere ut høyfrekvenser. b Hvordan blir spektralanalysen implementert c Angir ISO spesifiseringsfrekvensen for filteret, dvs. bli kvitt frekvenser over X. Det angir ikke noen cutoff frequency. example butterworth. Men jeg trodde at det bevegelige gjennomsnittet kan være et lettere sted å starte. Jeg har en tendens til å være enig. Flytende gjennomsnitt ville være lettere. Det har også en egenskap at alle frekvenskomponenter blir forsinket av nøyaktig samme mengde, som betyr at bølgeformformen blir bevart gjennom filteret selvfølgelig vil noen frekvenskomponenter bli dempet, men de vil ikke bli skiftet med 90 grader, i forhold til andre frekvenser. Butterworth-filteret og i varierende grad alle analoge filtre har ikke denne egenskapen, som er kjent som lineærfase eller fase-lineær. Butterworth refererer til en klasse analoge filtre med en bestemt fase - og frekvensrespons, som haper pennene er enkle å implementere med elektroniske komponenter som motstander, kondensatorer og induktorer. Mitt rimelige gjetning er at folk utviklet digitale ekvivalenter til disse og andre analoge filtre fordi de var kjent med egenskapene. Men mange folk ville i dag spørre om du skulle gå å operere på et digitalt signal, hvorfor bry deg med et analogt-lignende filter. Jeg antar at jeg prøver å utrydde høyfrekvenser, er fordi de ville være ubetydelige når det gjelder trafikkskader. Jeg setter stor pris på din tid, Katherine HTH-rajeev. Thank you Katherine. Sound som du kan filtrere dataene allerede som du angir frekvensområdet. Hva er samplingsfrekvensen Er det romlig eller temporal Hvis du spesifiserer 4 sykluser måler til systemet, er det svært lite sannsynlig at det bare ville være prøvetaking for å få den hastigheten Fs 1 8 meter uten noen form for bevegelige gjennomsnittsfilter innebygd. Hva er ISO-kravet ISO-standard, hvorfra. En eneste effekt av filtreringen er å skift energien til de lavere frekvensene i stedet for å bare kutte den av som du ville gjøre i frekvensdomenet. Hvis sluttmålet er å beregne en IRI eller en annen annen road roughness metrisk enn dette kan være kritisk. Etter forbehandling filtrene det ber om at jeg utfører en FFT som jeg antar, er også et svar på ditt neste spørsmål. Det store forståelsesproblemet jeg har er at jeg genererte veiprofilen selv, og angav at jeg ønsket at frekvensene skulle være minst 0 01cycles meter og en maks 4cycles meter Hvorfor da skal jeg filtrere ut høyfrekvenser. Charlie, jeg er veldig uvitende på riktig terminologi i disse tingene og jeg er ikke sikker på hva du mener med samplingsfrekvens. Jeg skal bare fortelle deg hva jeg gjør. Først jeg genererer en tilfeldig veiprofil som har romlige frekvenser varierende fra 0 01 - 4 sykluser m ISO 8608 1995 har klassifisering av vei og avhengig av dette gir den en PSD-verdi for hver av frekvensene mellom 0 01 og 4 som du vil ha Disse verdiene legges deretter inn i en ligning for veiegenerering som skaper en vei med et hvilket som helst antall poeng i mitt tilfelle 8000 eller 400 meter, dvs. hver 0 05 meter. Deretter graver jeg alle ISO-verdiene for PSD mot de romlige frekvensene som jeg hadde over jeg prøver å jobbe bakover for å se om jeg kan generere den samme grafen ved å bruke den samme veiprofilen, og finne FFT av den og deretter PSD jeg ikke vet hva du mener med samplingsfrekvens jeg er redd, kanskje det er der oppe i det jeg har beskrevet. Takk så mye for tiden din, jeg er helt som en fisk ute av vann på denne. Charlie skrev Katherine, høres ut som om du kan filtrere dataene allerede som du spesifiserer frekvensen rekkevidde Hva er samplingsfrekvensen Er det romlig eller tidsmessig Hvis du spesifiserer 4 sykluser måler til systemet, er det svært lite sannsynlig at det bare ville være prøvetaking for å få den frekvensen Fs 1 8 meter uten noen form for bevegelige gjennomsnittsfilter innebygd. Hva er det ISO-krav ISO-standard, f rom hvor Én effekt av filtreringen er å skifte energien til de lavere frekvensene i stedet for å bare kutte den av som du ville gjøre i frekvensdomenet. Hvis sluttmålet er å beregne en IRI eller en annen annen road roughness metrisk enn dette kan vær kritisk Charlie Etter forbehandling filtre ber det om at jeg utfører en FFT som jeg antar, er også et svar på ditt neste spørsmål. Det store forståelsesproblemet jeg har er at jeg genererte veiprofilen selv, og angav at jeg ønsket frekvensene å være minimum 0 01cycles meter og maks 4cycles meter Hvorfor da skal jeg filtrere ut høye frekvenser. Takk for info på ISO 8608 1995 ser det ut som en god referanse til noen av arbeidet med prosessprosessering. Tilbake til din prosjektet Som jeg forstår det gjør du.1 Opprett veibeskrivelse i romfrekvensdomene med innhold i 0 01-4 sykluser m 2 Generer romprofil fra 1 ved hjelp av noen ligninger 400 meter lang, dx 0 05 m, romlig samplingfrekvens ency 1 dx 20 sykluser m 3 Grafisk vei PSD fra 1 mot ISO-verdiene fra ISO 8608 4 Beregn fft og PSD fra 2 og sammenlign det med 3 for å se om du er i stand til å produsere det igjen. Hvis dette er riktig og jeg forstår ISO-standarden Jeg tror ikke du må gjøre noen filtrering i det hele tatt Din profil fra 2 skal kunne generere frekvensdata fra 0 0025-10 sykluser m, men du bør ikke se noe innhold over 4 sykluser m. Hope Dette hjelper i stedet for å forvirre. Du vil kanskje se The Little Book of Profiling på for mer info. Katherine skrev i meldingen Charlie, jeg er veldig uvitende om den riktige terminologien i disse tingene, og jeg er ikke sikker på hva du mener med samplingsfrekvens. Jeg skal bare fortelle deg hva jeg gjør. Først genererer jeg en tilfeldig veiprofil som har romlige frekvenser som varierer fra 0 01 - 4 sykluser m ISO 8608 1995 har klassifisering av vei og avhengig av dette gir den en PSD-verdi for hver av frekvensene mellom 0 01 og 4 du vil. Disse verdiene legges deretter inn i en ligning for veibygging som skaper en vei med et hvilket som helst antall poeng i mitt tilfelle 8000 eller 400 meter, dvs. hver 0 05 meter. Deretter graver jeg alle ISO-verdiene for PSD mot de romlige frekvensene jeg hadde over. Jeg prøver da å jobbe bakover for å se om jeg kan generer den samme grafen ved å bruke samme veiprofil, og finn FFT av den og deretter PSD, vet jeg ikke hva du mener med samplingsfrekvens. Jeg er redd, kanskje det er oppe i det jeg har beskrevet. Takk så mye for din tid, jeg er helt lik en fisk ute av vann på denne ene Katherine. Takk for det - er virkelig nyttig bare for å se riktig terminologi som brukes til figurene. Charlie skrev Katherine, Takk for info på ISO 8608 1995, det ser ut som en god referanse for noen av mine jobbe med veiprofilbehandling Tilbake til prosjektet Som jeg forstår det, gjør du 1 Opprett veiprofil i romfrekvensdomene med innhold i 0 01-4 sykluser m 2 Generer romprofil fra 1 ved hjelp av noen ligninger 400 meter lang, dx 0 05 m , Spatial samplingsfrekvens 1 dx 20 sykluser m 3 Graf veien PSD fra 1 mot ISO-verdiene fra ISO 8608 4 Beregn fft og PSD fra 2 og sammenlign det med 3 for å se om du er i stand til å produsere den om dette er korrekt og jeg forstår ISO-standarden Jeg tror ikke du må gjøre noen filtrering i det hele tatt Din profil fra 2 skal kunne generere frekvensdata fra 0 0025-10 sykluser m, men du bør ikke se noe innhold over 4 sykluser m Håper dette hjelper i stedet for å forvirre å se på The Little Book of Profiling på eller mer info Charlie Katherine skrev i meldingen Charlie, jeg er veldig uvitende om den riktige terminologien i disse tingene, og jeg er ikke sikker på hva du mener med samplingsfrekvens. Jeg skal bare fortelle deg hva jeg gjør først jeg genererer en tilfeldig veiprofil som har romlige frekvenser som varierer fra 0 01 - 4 sykluser m ISO 8608 1995 har klassifisering av vei og avhengig av dette gir den en PSD-verdi for hver av frekvensene mellom 0 01 og 4 som du vil ha Disse Verdiene legges deretter inn i en ligning for veiegenerering som skaper en vei med et antall poeng i mitt tilfelle 8000 eller 400 meter, dvs. hver 0 05 meter. Deretter graver jeg alle ISO-verdier for PSD mot de romlige frekvensene jeg hadde ovenfor prøver jeg å jobbe bakover for å se om jeg kan generere den samme grafen ved å bruke samme veiprofil, og finne FFT av den og så PSD jeg vet ikke hva du mener med samplingsfrekvens. Jeg er redd, kanskje er det der oppe i det jeg har e beskrevet Takk så mye for tiden din, jeg er helt som en fisk ute av vann på denne ene Katherine. Hva er en titteliste. Du kan tenke på din titteliste som tråder du har bookmarked. Du kan legge til koder, forfattere , tråder og til og med søkeresultater til oversiktelisten din. På denne måten kan du lett holde rede på emner du er interessert i. Klikk på linken Min nyhetsleser for å se tittelisten din. For å legge til elementer i urtelisten klikker du på legg til vaktliste-link nederst på hvilken som helst side. Hvordan legger jeg til et element i overvåkingslisten min. For å legge til søkekriterier i oversiktelisten din, søk etter ønsket uttrykk i søkeboksen Klikk på Legg til dette søket i min overvåkingsliste på søkeresultatsiden. Du kan også legge til en etikett i oversiktslisten din ved å lete etter taggen med etiketten til etikettdirektivet der tagnaminnet er navnet på taggen du ønsker å se. For å legge til en forfatter i tittelisten, gå til forfatterens profilside, og klikk på Legg til denne forfatteren til min oversiktsliste øverst på t han side Du kan også legge til en forfatter til tittellisten din ved å gå til en tråd som forfatteren har lagt ut til og klikk på Legg til denne forfatteren til min klesliste lenke Du vil bli varslet når forfatteren lager et innlegg. For å legge til en tråd til tittellisten din, gå til trådsiden og klikk på Legg til denne tråden i kleslisten min øverst på siden. Om nyhetsgrupper, Newsreaders og MATLAB Central. Hva er nyhetsgrupper. Nyhetsgruppene er et verdensomspennende forum som er åpent til alle Nyhetsgrupper brukes til å diskutere et stort spekter av emner, gjøre kunngjøringer og handlefiler. Diskusjonene er gjengede eller gruppert på en måte som lar deg lese en utgitt melding og alle svarene i kronologisk rekkefølge. Dette gjør det enkelt å følg tråden i samtalen, og se hva som allerede er sagt før du legger inn ditt eget svar eller foreta en ny innlegging. Nyhetsgruppe innhold distribueres av servere som er vert for ulike organisasjoner på Internett Meldinger utveksles og administreres ved hjelp av åpen stand rd protokoller Ingen enkelt enhet eier nyhetsgruppene. Det er tusenvis av nyhetsgrupper som hver adresserer et enkelt emne eller område av interesse. MATLAB Central Newsreader poster og viser meldinger i nyhetsgruppen. Hvordan leser jeg eller legger til nyhetsgruppene. Du kan bruke integrated newsreader at the MATLAB Central website to read and post messages in this newsgroup MATLAB Central is hosted by MathWorks. Messages posted through the MATLAB Central Newsreader are seen by everyone using the newsgroups, regardless of how they access the newsgroups There are several advantages to using MATLAB Central. One Account Your MATLAB Central account is tied to your MathWorks Account for easy access. Use the Email Address of Your Choice The MATLAB Central Newsreader allows you to define an alternative email address as your posting address, avoiding clutter in your primary mailbox and reducing spam. Spam Control Most newsgroup spam is filtered out by the MATLAB Central Newsreader. Tagging Messages can be tagged with a relevant label by any signed-in user Tags can be used as keywords to find particular files of interest, or as a way to categorize your bookmarked postings You may choose to allow others to view your tags, and you can view or search others tags as well as those of the community at large Tagging provides a way to see both the big trends and the smaller, more obscure ideas and applications. Watch lists Setting up watch lists allows you to be notified of updates made to postings selected by author, thread, or any search variable Your watch list notifications can be sent by email daily digest or immediate , displayed in My Newsreader, or sent via RSS feed. Other ways to access the newsgroups. Use a newsreader through your school, employer, or internet service provider. Pay for newsgroup access from a commercial provider. Use Google Groups. gir en nyhetsleser med tilgang til nyhetsgruppen. Få din egen server For typiske instruksjoner, se Velg ditt land.
No comments:
Post a Comment