الانتقال من المتوسط من الدرجة ج

أحاول حساب المتوسط ​​المتحرك لإشارة. يتم تحديث قيمة الإشارة (مزدوجة) في أوقات عشوائية. أنا أبحث عن وسيلة فعالة لحساب متوسط ​​الوقت المرجح على مدى نافذة الوقت، في الوقت الحقيقي. أنا يمكن أن تفعل ذلك بلدي، ولكن أكثر تحديا مما اعتقدت. معظم الموارد إيف وجدت عبر الإنترنت بحساب المتوسط ​​المتحرك للإشارة الدورية، ولكن التحديثات الألغام في وقت عشوائي. لا أحد يعرف موارد جيدة لذلك خدعة هو ما يلي: يمكنك الحصول على التحديثات في أوقات عشوائية عن طريق تحديث الفراغ (وقت إنت، قيمة تعويم). ومع ذلك تحتاج أيضا إلى تتبع أيضا عندما يقع التحديث قبالة نافذة الوقت، لذلك قمت بتعيين إنذار الذي دعا في الوقت N الذي يزيل التحديث السابق من يجري النظر من أي وقت مضى مرة أخرى في الحساب. إذا كان هذا يحدث في الوقت الحقيقي يمكنك طلب نظام التشغيل لإجراء مكالمة إلى طريقة باطلة دروبوفولدستوديت (وقت إنت) ليتم استدعاؤها في الوقت N إذا كان هذا هو محاكاة، لا يمكنك الحصول على مساعدة من نظام التشغيل وتحتاج إلى تفعل ذلك يدويا. في محاكاة يمكنك استدعاء الأساليب مع الوقت الموردة كوسيطة (التي لا ترتبط مع الوقت الحقيقي). غير أن الافتراض المعقول هو أن النداءات مضمونة بحيث تكون الوسيطات الزمنية في ازدياد. في هذه الحالة تحتاج إلى الحفاظ على قائمة فرز من القيم الوقت التنبيه، ولكل تحديث وقراءة المكالمة التي تحقق إذا كان الوسيطة الوقت أكبر من رأس قائمة التنبيه. في حين أنه هو أكبر يمكنك القيام التنبيه المتعلقة معالجة (إسقاط قبالة أقدم تحديث)، وإزالة الرأس والتحقق مرة أخرى حتى يتم معالجة جميع أجهزة الإنذار قبل وقت معين. ثم قم بإجراء مكالمة التحديث. لقد افترضت حتى الآن أنه من الواضح ما سوف تفعله لحساب الفعلي، ولكنني سوف وضع فقط في حالة. افترض أن لديك طريقة تعويم القراءة (وقت إنت) التي تستخدم لقراءة القيم. والهدف من ذلك هو جعل هذه المكالمة فعالة قدر الإمكان. لذلك لا تحسب المتوسط ​​المتحرك في كل مرة تسمى طريقة القراءة. بدلا من ذلك كنت تحسب القيمة كما من التحديث الأخير أو التنبيه الأخير، قرص هذه القيمة من قبل بضع عمليات نقطة العائمة لحساب مرور الوقت منذ التحديث الأخير. (ط عدد ثابت من العمليات باستثناء ربما معالجة قائمة من أجهزة الإنذار مكدسة). نأمل أن يكون هذا واضحا - يجب أن يكون هذا خوارزمية بسيطة جدا وفعالة للغاية. مزيد من التحسين. واحدة من المشاكل المتبقية هو إذا كان عدد كبير من التحديثات يحدث في إطار الوقت، ثم هناك فترة طويلة التي لا توجد يقرأ ولا تحديثات، ومن ثم قراءة أو التحديث يأتي على طول. في هذه الحالة، سوف تكون الخوارزمية أعلاه غير فعالة في تحديث القيمة بشكل متزايد لكل من التحديثات التي تتساقط. هذا ليس ضروريا لأننا نهتم فقط التحديث الأخير وراء نافذة الوقت حتى إذا كان هناك وسيلة لسحب بكفاءة من جميع التحديثات القديمة، فإنه من شأنه أن يساعد. للقيام بذلك، يمكننا تعديل الخوارزمية لإجراء بحث ثنائي من التحديثات للعثور على التحديث الأخير قبل نافذة الوقت. إذا كان هناك عدد قليل نسبيا من التحديثات التي تحتاج إلى إسقاط ثم يمكن للمرء أن تحديث بشكل متزايد قيمة لكل تحديث انخفض. ولكن إذا كان هناك العديد من التحديثات التي تحتاج إلى إسقاط ثم واحد يمكن إعادة حساب القيمة من الصفر بعد إسقاط التحديثات القديمة. التذييل على الحوسبة الإضافية: يجب أن أوضح ما أعنيه بالحساب الإضافي أعلاه في الجملة قرص هذه القيمة من خلال بضع عمليات نقطة العائمة لحساب مرور الوقت منذ التحديث الأخير. الحساب الأولي غير التدريجي: ثم يتكرر على ديلاتيفوبديتس من أجل زيادة الوقت: موفينغفيراج (سوم لاستوبديت تيمسينسلاستوبديت) ويندلنغث. الآن إذا كان التحديث واحد بالضبط يسقط من النافذة ولكن لا تصل التحديثات الجديدة، وضبط المبلغ على النحو التالي: (لاحظ أنه هو بريفيوديت الذي له الطابع الزمني تعديلها لبدء آخر بداية النافذة). وإذا كان بالضبط تحديث واحد يدخل النافذة ولكن لا توجد تحديثات جديدة تسقط، وضبط المبلغ على النحو التالي: كما ينبغي أن يكون واضحا، وهذا هو رسم تقريبي ولكن نأمل أنه يبين كيف يمكنك الحفاظ على متوسط ​​مثل ذلك هو O (1) العمليات في التحديث على أساس الاستهلاك. ولكن لاحظ مزيدا من التحسين في الفقرة السابقة. نلاحظ أيضا قضايا الاستقرار المشار إليها في إجابة قديمة، مما يعني أن أخطاء نقطة العائمة قد تتراكم على عدد كبير من هذه العمليات الإضافية بحيث يكون هناك اختلاف عن نتيجة الحساب الكامل الذي هو مهم للتطبيق. إذا كان التقريب على ما يرام و ثيريس الحد الأدنى من الوقت بين العينات، يمكنك محاولة فائقة أخذ العينات. يكون مصفوفة تمثل فترات زمنية متباعدة بالتساوي تكون أقصر من الحد الأدنى، وفي كل مرة يتم تخزين أحدث عينة تم استلامها. وكلما اقصر الفاصل الزمني كلما اقترب المتوسط ​​من القيمة الحقيقية. وينبغي ألا تتجاوز الفترة نصف الحد الأدنى أو أن تكون هناك فرصة لفقدان العينة. أجابيد ديك 15 11 في 18:12 أجاب ديك 15 11 في 22:38 ثانكس فور ذي أنسور. أحد التحسينات التي ستكون هناك حاجة إليها في الواقع كوتاكاشيكوت قيمة المتوسط ​​الكلي لذلك نحن don39t حلقة في كل وقت. أيضا، قد يكون نقطة ثانوية، ولكن لن يكون أكثر كفاءة لاستخدام ديك أو قائمة لتخزين القيمة، لأننا نفترض أن التحديث سيأتي في الترتيب الصحيح. سيكون الإدراج أسرع من الخريطة. نداش آرثر ديك 16 11 في 08:55 نعم، هل يمكن أن ذاكرة التخزين المؤقت قيمة المبلغ. اطرح قيم العينات التي تمحوها، أضف قيم العينات التي تقوم بإدراجها. أيضا، نعم، ديكلتبايرلتسامبل، داتغتغ قد تكون أكثر كفاءة. لقد اخترت خريطة للقراءة، وسهولة استدعاء خريطة :: وبربوند. كما هو الحال دائما، كتابة التعليمات البرمجية الصحيحة أولا، ثم الملف الشخصي وقياس التغييرات الإضافية. نداش روب ديك 16 11 في 15:00 ملاحظة: يبدو أن هذا ليس الطريق إلى الاقتراب من هذا. تركها هنا للإشارة إلى ما هو الخطأ في هذا النهج. تحقق من التعليقات. تحديث - استنادا إلى تعليق أوليس. غير متأكد من عدم الاستقرار الذي يتحدث عنه رغم ذلك. استخدام خريطة فرز مرات وصول ضد القيم. عند وصول قيمة إضافة وقت وصول للخريطة فرزها جنبا إلى جنب مع قيمته وتحديث المتوسط ​​المتحرك. تحذير هذا هو الزائفة رمز: هناك. ليس تماما فليشد خارج ولكن تحصل على هذه الفكرة. أشياء يجب أن نلاحظها. كما قلت أعلاه هو رمز الزائفة. ستحتاج إلى اختيار خريطة مناسبة. لا إزالة أزواج كما كنت إيتيرات من خلال كما سوف تبطل التكرار وسيكون لديك للبدء من جديد. انظر تعليق أوليس أدناه أيضا. أجاب ديك 15 11 في 12:22 هذا don39t العمل: فإنه doesn39t تأخذ بعين الاعتبار ما هي نسبة من نافذة طول كل قيمة موجودة ل. أيضا، هذا النهج من إضافة ومن ثم طرح مستقرة فقط لأنواع عدد صحيح، لا يطفو. نداش أوليفر تشارلزورث 15 ديسمبر 11 في 12:29 أوليكارليزورث - آسف فاتني بعض النقاط الرئيسية في الوصف (مزدوجة والوزن المرجح). وسوف أقوم بتحديث. شكر. نداش دينيس ديك 15 11 في 12:33 الوقت الترجيح مشكلة أخرى بعد. ولكن هذا 39 ليس ما I39m الحديث عنه. كنت أشير إلى حقيقة أنه عندما تدخل قيمة جديدة لأول مرة نافذة الوقت، ومساهمتها في المتوسط ​​هو الحد الأدنى. وتستمر مساهمته في الزيادة حتى تدخل قيمة جديدة. ندش أوليفر تشارلزورث ديسمبر 15 11 في 12: 35I أعرف هذا يمكن تحقيقه مع دفعة كما في: ولكن أنا حقا أود تجنب استخدام دفعة. لقد غوغلد ولم يتم العثور على أي أمثلة مناسبة أو مقروءة. أساسا أريد أن تتبع المتوسط ​​المتحرك لتيار مستمر من تيار من أرقام النقطة العائمة باستخدام أحدث 1000 أرقام كعينة البيانات. ما هي أسهل طريقة لتحقيق ذلك أنا جربت باستخدام صفيف دائري، المتوسط ​​المتحرك الأسي ومتوسط ​​متحرك أكثر بساطة وجدت أن النتائج من مجموعة دائرية تناسب احتياجاتي أفضل. سأل 12 يونيو 12 في 4:38 إذا احتياجاتك بسيطة، قد حاولت مجرد استخدام المتوسط ​​المتحرك الأسي. ببساطة، يمكنك إجراء متغير تراكم، وكما التعليمات البرمجية الخاصة بك ينظر في كل عينة، التعليمات البرمجية بتحديث تراكم مع القيمة الجديدة. يمكنك اختيار ألفا ثابت ما بين 0 و 1، وحساب هذا: تحتاج فقط إلى العثور على قيمة ألفا حيث تأثير عينة معينة يستمر فقط لحوالي 1000 عينة. هم، إم لا فعلا متأكد من أن هذا هو مناسب لك، والآن أن إيف وضعه هنا. المشكلة هي أن 1000 هو نافذة طويلة جدا لمتوسط ​​متحرك أسي إم غير متأكد من وجود ألفا التي من شأنها أن تنتشر المتوسط ​​على آخر 1000 أرقام، دون تدفق في حساب العائمة. ولكن إذا كنت تريد متوسط ​​أصغر، مثل 30 أرقام أو نحو ذلك، وهذا هو وسيلة سهلة جدا وسريعة للقيام بذلك. أجاب يونيو 12 12 في 4:44 1 على مشاركتك. ويمكن أن يسمح المتوسط ​​المتحرك الأسي للألفا بأن يكون متغيرا. لذلك يسمح هذا باستخدامها لحساب متوسطات قاعدة الوقت (على سبيل المثال وحدات البايت في الثانية). إذا كان الوقت منذ آخر تحديث تراكم هو أكثر من 1 ثانية، يمكنك السماح ألفا يكون 1.0. خلاف ذلك، يمكنك السماح ألفا يكون (أوسيكس منذ last1000000 الماضي). ندش ج 12 يونيو في 6:21 أساسا أريد أن تتبع المتوسط ​​المتحرك لتيار مستمر من تيار من أرقام النقطة العائمة باستخدام أحدث 1000 أرقام كعينة البيانات. لاحظ أن أدناه يقوم بتحديث المجموع كعناصر كما أددريبلاسد، وتجنب مكلفة O (N) اجتياز لحساب المجموع - اللازمة للمتوسط ​​- عند الطلب. يتم إجراء إجمالي معلمة مختلفة من T لدعم على سبيل المثال. باستخدام طويلة طويلة عندما يبلغ مجموعها 1000 ثانية s، إنت لشار s، أو ضعف إلى مجموع تعويم s. هذا هو معيب بعض الشيء في أن الأمثلة يمكن أن تذهب الماضي إنتماكس - إذا كنت تهتم يمكنك استخدام طويلة غير موقعة. أو استخدام عضو بيانات بول إضافية لتسجيل عندما يتم تعبئة الحاوية لأول مرة في حين ركوب الدراجات نامبلز حول مجموعة (أفضل ثم تسميته شيء حميدة مثل بوس). أجاب 12 يونيو 12 في 5:19 واحد يفترض أن المشغل كوتفويد (عينة T) هو في الواقع كوتيفويد أوبيراتورلتلت (عينة T) كوت. نداش أوبليس يونيو 8 14 في 11:52 أوبليس أهه. رصدت جيدا. في الواقع كنت أعني أن يكون عاملا باطلا () (عينة T) ولكن بالطبع يمكنك استخدام أي تدوين كنت أحب. سوف إصلاح، وذلك بفضل. ندش توني D يونيو 14 14 في 14: 14 كما ذكر آخرون، يجب عليك النظر في إير (استجابة لانهائية استجابة) مرشح بدلا من فير (استجابة النبض الاستجابة) فلتر كنت تستخدم الآن. هناك أكثر من ذلك، ولكن للوهلة الأولى يتم تنفيذ مرشحات فير كتحويلات واضحة ومرشحات إير مع المعادلات. مرشح إير معين يمكنني استخدام الكثير في ميكروكنترولر هو مرشح واحد مرشح تمرير منخفض. هذا هو المعادل الرقمي لمرشح التناظرية R-C بسيط. بالنسبة لمعظم التطبيقات، سيكون لها خصائص أفضل من فلتر المربع الذي تستخدمه. ومعظم استخدامات فلتر الصندوق الذي واجهته هي نتيجة لشخص لا يولي اهتماما في فئة معالجة الإشارات الرقمية، وليس نتيجة لخصائصها الخاصة. إذا كنت ترغب فقط في تخفيف الترددات العالية التي تعرفها هي الضوضاء، مرشح واحد مرشح تمرير منخفض أفضل. أفضل طريقة لتنفيذ واحد رقميا في متحكم هو عادة: فيلت lt-- فيلت فف (نيو - فيلت) فيلت هو قطعة من حالة بيرسيستانت. هذا هو المتغير الثابت الوحيد الذي تحتاجه لحساب هذا الفلتر. نيو هو القيمة الجديدة التي يتم تحديث الفلتر مع هذا التكرار. فف هو جزء التصفية. الذي يضبط ثقل المرشح. ننظر إلى هذه الخوارزمية ونرى أن ل فف 0 مرشح هو بلا حدود الثقيلة منذ الإخراج لا يتغير أبدا. ل فف 1، لها حقا أي مرشح على الإطلاق منذ الإخراج فقط يتبع المدخلات. القيم المفيدة في ما بين. على الأنظمة الصغيرة التي تختار فف لتكون 12 N بحيث يمكن مضاعفة بواسطة فف يمكن أن يتحقق كما تحول الصحيح من قبل N بت. فعلى سبيل المثال، يمكن أن يكون فف 116 وأن يتضاعف من خلال فف نقلا سليما قدره 4 بتات. وإلا فإن هذا الفلتر يحتاج إلى طرح واحد وإضافة واحدة فقط، على الرغم من أن الأرقام عادة ما تحتاج إلى أن تكون أوسع من قيمة المدخلات (المزيد عن الدقة العددية في قسم منفصل أدناه). وعادة ما تأخذ قراءات أد أسرع بكثير من الحاجة إليها وتطبيق اثنين من هذه المرشحات تتالي. هذا هو المعادل الرقمي لمرشحين R-C في السلسلة، ويخفف بنسبة 12 ديوكتاف فوق تردد لفة. ومع ذلك، لقراءات أد يقابل عادة أكثر ملاءمة للنظر في عامل التصفية في المجال الزمني من خلال النظر في ردها خطوة. هذا يخبرك مدى سرعة النظام الخاص بك سوف نرى تغيير عندما الشيء الذي يقيس التغييرات. لتسهيل تصميم هذه المرشحات (وهو ما يعني فقط اختيار فف وتحديد عدد منهم لتتالي)، يمكنني استخدام فلتبيتس برنامجي. يمكنك تحديد عدد بتات التحول لكل فف في سلسلة المتتالية من المرشحات، ويحسب استجابة الخطوة والقيم الأخرى. في الواقع أنا عادة تشغيل هذا عن طريق بلدي السيناريو المجمع بلوتفيلت. يعمل هذا فيلتبيتس، مما يجعل ملف كسف، ثم مؤامرات ملف كسف. على سبيل المثال، هنا نتيجة بلوتفيلت 4 4: المعلمتان إلى بلوتفيلت يعني أنه سيكون هناك مرشحين تتالي من النوع الموصوف أعلاه. وتشير قيم 4 إلى عدد بتات التحول لتحقيق المضاعفة بواسطة فف. وبالتالي فإن قيمتي فف هي 116 في هذه الحالة. تتبع الأحمر هو استجابة خطوة الوحدة، وهو الشيء الرئيسي للنظر في. على سبيل المثال، هذا يخبرك أنه إذا تغيرت الإدخال على الفور، فإن إخراج المرشح المجمع يستقر إلى 90 من القيمة الجديدة في 60 تكرارا. إذا كنت تهتم حوالي 95 تسوية الوقت ثم عليك أن تنتظر حوالي 73 التكرار، و 50 وقت التسوية فقط 26 التكرارات. يظهر التتبع الأخضر الناتج من ارتفاع السعة الكاملة واحد. هذا يعطيك فكرة عن قمع الضوضاء العشوائية. يبدو أن أي عينة واحدة سوف يسبب أكثر من 2.5 تغيير في الإخراج. التتبع الأزرق هو إعطاء شعور شخصي لما يفعله هذا الفلتر مع الضوضاء البيضاء. هذا ليس اختبار صارم لأنه لا يوجد ضمان ما بالضبط المحتوى كان من الأرقام العشوائية التقطت كما المدخلات الضوضاء البيضاء لهذا المدى من بلوتفيلت. لها فقط لتعطيك شعور الخام من كم سوف تكون سحق وكيف سلاسة هو. بلوتفيلت، فلبيتبيتس ربما، والكثير من الاشياء المفيدة الأخرى، وخاصة بالنسبة لتطوير البرامج الثابتة الموافقة المسبقة عن علم هو متاح في إصدار برنامج تطوير أدوات الموافقة المسبقة عن علم في بلدي التنزيلات البرمجيات الصفحة. وأضاف حول الدقة العددية أرى من التعليقات والآن إجابة جديدة أن هناك مصلحة في مناقشة عدد البتات اللازمة لتنفيذ هذا الفلتر. ويلاحظ أن المضاعفة بواسطة فف ستؤدي إلى إنشاء بتات لوغ 2 (فف) جديدة تحت النقطة الثنائية. وفيما يتعلق بالنظم الصغيرة، يختار عادة التردد فف ليكون 12 N بحيث تتحقق هذه المضاعفة فعليا بواسطة نوبة صحيحة من البتات N. وبالتالي فإن فيلت عادة ما يكون عددا صحيحا من النقاط الثابتة. لاحظ أن هذا لا يغير أي من الرياضيات من وجهة المعالجات للعرض. على سبيل المثال، إذا كنت تقوم بتصفية قراءات أد 10 بت و N 4 (فف 116)، فأنت بحاجة إلى 4 أجزاء بت أقل من 10 بت عدد صحيح قراءات أد. واحد معظم المعالجات، يود أن تفعل 16 بت عدد صحيح العمليات بسبب قراءات م 10 بت. في هذه الحالة، لا يزال بإمكانك القيام بالضبط نفس 16 بت عدد صحيح أوبيرتيونس، ولكن تبدأ بقراءات أد اليسار تحولت 4 بت. المعالج لا يعرف الفرق ولا تحتاج إلى. القيام بالرياضيات على كامل عدد صحيح 16 بت يعمل ما إذا كنت تعتبرها لتكون 12.4 نقطة ثابتة أو صحيح 16 بت الأعداد الصحيحة (16.0 نقطة ثابتة). بشكل عام، تحتاج إلى إضافة N بت كل مرشح القطب إذا كنت لا تريد إضافة الضوضاء بسبب التمثيل العددي. في المثال أعلاه، مرشح الثاني من اثنين يجب أن يكون 1044 18 بت لا تفقد المعلومات. في الممارسة العملية على جهاز 8 بت يعني أنك تستخدم قيم 24 بت. من الناحية الفنية فقط القطب الثاني من اثنين سوف تحتاج إلى قيمة أوسع، ولكن لبساطة البرامج الثابتة وعادة ما تستخدم نفس التمثيل، وبالتالي نفس الرمز، لجميع أقطاب مرشح. وعادة ما أكتب روتين فرعي أو ماكرو لتنفيذ عملية قطب فلتر واحد، ثم تطبيق ذلك على كل قطب. ما إذا كان الروتين الفرعي أو الماكرو يعتمد على ما إذا كانت الدورات أو ذاكرة البرنامج أكثر أهمية في هذا المشروع بالذات. في كلتا الحالتين، وأنا استخدم بعض الدولة الصفر لتمرير جديد في سوبروتينيماكرو، الذي يقوم بتحديث فيلت، ولكن أيضا الأحمال التي في نفس حالة الصفر كان جديد في. وهذا يجعل من السهل تطبيق أقطاب متعددة منذ تحديث فيلت من قطب واحد هو الجديد من القادم. عند روتين فرعي، من المفيد أن يكون مؤشر يشير إلى فيلت على الطريق في، والتي يتم تحديثها فقط بعد فيلت على الطريق للخروج. وبهذه الطريقة يعمل الروتين الفرعي تلقائيا على فلاتر متتالية في الذاكرة إذا تم استدعاؤها عدة مرات. مع ماكرو كنت لا تحتاج إلى مؤشر منذ كنت تمر في العنوان للعمل على كل التكرار. أمثلة التعليمات البرمجية هنا مثال على ماكرو كما هو موضح أعلاه ل بيك 18: وهنا ماكرو مماثل ل بيك 24 أو دسبيك 30 أو 33: يتم تنفيذ كل هذه الأمثلة وحدات الماكرو باستخدام المعالج المسبق المجمع المجمع بيك. التي هي أكثر قدرة من أي من مرافق الماكرو المدمج. كلاباشيو: قضية أخرى كان ينبغي أن أذكر هو تنفيذ البرامج الثابتة. يمكنك كتابة قطب واحد مرشح تمرير منخفض روتين مرة واحدة، ثم تطبيقه عدة مرات. في الواقع أنا عادة كتابة مثل هذا الروتين الفرعي لاتخاذ مؤشر في الذاكرة إلى حالة التصفية، ثم يكون ذلك مقدما المؤشر بحيث يمكن أن يسمى في الخلافة بسهولة لتحقيق مرشحات متعددة القطب. نداش أولين لاثروب أبر 20 12 في 15:03 1. شكرا جزيلا على إجاباتك - كل منهم. قررت استخدام هذا المرشح إير، ولكن لا يتم استخدام هذا الفلتر كمرشح لوباس القياسية، لأنني بحاجة إلى متوسط ​​القيم العداد ومقارنتها للكشف عن التغييرات في نطاق معين. لأن هذه القيم فان تكون من أبعاد مختلفة جدا اعتمادا على الأجهزة أردت أن تأخذ في المتوسط ​​من أجل أن تكون قادرة على الاستجابة لهذه التغييرات محددة الأجهزة تلقائيا. نداش سينسلن 21 مايو 12 في 12:06 إذا كنت تستطيع أن تعيش مع تقييد قوة عددين من العناصر إلى المتوسط ​​(أي 2،4،8،16،32 الخ) ثم الفجوة يمكن بسهولة وكفاءة القيام به على وانخفاض الأداء الجزئي مع عدم وجود تقسيم مخصص لأنه يمكن القيام به كما تحول قليلا. كل حق التحول هو قوة واحدة من اثنين على سبيل المثال: يعتقد أوب كان لديه مشكلتين، وتقسيم في PIC16 والذاكرة لعزله حلقة. وتبين هذه الإجابة أن التقسيم ليس صعبا. ومن المسلم به أنه لا يعالج مشكلة الذاكرة ولكن نظام سي يسمح إجابات جزئية، ويمكن للمستخدمين اتخاذ شيء من كل إجابة لأنفسهم، أو حتى تحرير والجمع بين الأجوبة الأخرى 39s. وبما أن بعض الإجابات الأخرى تتطلب عملية تقسيم، فإنها غير مكتملة بالمثل لأنها لا تظهر كيفية تحقيق ذلك بكفاءة على PIC16. نداش مارتن أبر 20 12 في 13:01 هناك جواب لمرشح متوسط ​​متحرك صحيح (الملقب فلتر بوكسكار) مع متطلبات الذاكرة أقل، إذا كنت لا تمانع في الامتصاص. تسمى مرشح المتكامل التكامل مشط (سيك). والفكرة هي أن لديك تكامل التي تأخذ الاختلافات على مدى فترة زمنية، والجهاز الرئيسي لحفظ الذاكرة هو أنه من خلال تقليص، لم يكن لديك لتخزين كل قيمة التكامل. ويمكن تنفيذه باستخدام بسيودوكود التالية: الخاص بك المتوسط ​​المتوسط ​​المتحرك الفعال هو ديسيماتيونفاكتورستاتيز ولكن تحتاج فقط للحفاظ على عينات ستاتيزيز. من الواضح أنك يمكن أن تحصل على أداء أفضل إذا كان لديك ستيزيز و ديسيماتيونفاكتور هي صلاحيات 2، بحيث يتم استبدال الشعبة والباقي مشغلي التحولات والقناع-أندس. بوستسكريبت: أنا أتفق مع أولين أنه يجب عليك دائما النظر في مرشحات إير بسيطة قبل مرشح المتوسط ​​المتحرك. إذا كنت لا تحتاج إلى ترددات خالية من فلتر علبة التصفية، فإن فلتر تمرير منخفض ذو عمود واحد أو عمودين قد يعمل بشكل جيد. من ناحية أخرى، إذا كنت ترشيح لأغراض الإفساد (أخذ مدخلات عالية معدل العينة ومتوسطها لاستخدامها من قبل عملية معدل منخفض) ثم مرشح سيك قد يكون مجرد ما كنت تبحث عنه. (خاصة إذا كان يمكنك استخدام stateize1 وتجنب رينغبوفر تماما مع مجرد واحد قيمة التكامل السابقة) ثيريس بعض تحليل متعمق من الرياضيات وراء استخدام أول مرشح إيير النظام الذي أولين لاثروب قد وصفت بالفعل على تبادل الإشارات الرقمية مكدس معالجة (يتضمن الكثير من الصور الجميلة). معادلة هذا المرشح إير هو: يمكن تنفيذ هذا باستخدام الأعداد الصحيحة فقط ولا تقسيم باستخدام التعليمات البرمجية التالية (قد تحتاج إلى بعض التصحيح كما كنت أكتب من الذاكرة.) هذا المرشح يقترب متوسط ​​متحرك من عينات K الأخيرة عن طريق تحديد قيمة ألفا إلى 1K. قم بذلك في التعليمات البرمجية السابقة من خلال تحديد بيتس ل LOG2 (K)، أي ل K 16 مجموعة بيتس إلى 4، ل K 4 مجموعة بيتس إلى 2، الخ (إل التحقق من التعليمات البرمجية المدرجة هنا في أقرب وقت وأنا الحصول على تغيير و تحرير هذه الإجابة إذا لزم الأمر.) أجاب يونيو 23 12 في 4:04 هيريس مرشح تمرير منخفض القطب واحد (المتوسط ​​المتحرك، مع قطع التردد كوتوفريكنسي). بسيطة جدا، سريع جدا، يعمل كبيرة، وتقريبا لا الذاكرة العامة. ملاحظة: كافة المتغيرات لها نطاق خارج وظيفة التصفية، باستثناء ما تم تمريره في نيو إنبوت ملاحظة: هذا هو مرشح مرحلة واحدة. مراحل متعددة يمكن أن تتعاقب معا لزيادة حدة الفلتر. إذا كنت تستخدم أكثر من مرحلة واحدة، سيكون لديك لضبط ديكايفاكتور (كما يتعلق قطع التردد) للتعويض. ومن الواضح أن كل ما تحتاجه هو أن هذين الخطين وضعت في أي مكان، وأنها لا تحتاج إلى وظيفة خاصة بهم. ويوجد في هذا المرشح وقت تصاعدي قبل أن يمثل المتوسط ​​المتحرك إشارة الدخل. إذا كنت بحاجة إلى تجاوز هذا الوقت المنحدر، يمكنك فقط تهيئة موفينغافيراج إلى القيمة الأولى من نيو إنبوت بدلا من 0، ونأمل أن أولينبوت الأول ليس خارجا. (كوتوفريكنسيزامبليرات) تتراوح بين 0 و 0.5. ديكايفاكتور هو قيمة بين 0 و 1، وعادة ما تكون قريبة من 1. العائمة واحدة الدقة جيدة بما فيه الكفاية لمعظم الأشياء، وأنا فقط تفضل الزوجي. إذا كنت بحاجة إلى التمسك مع الأعداد الصحيحة، يمكنك تحويل ديكيفاكتور والعامل السعة إلى أعداد صحيحة كسور، حيث يتم تخزين البسط كما العدد الصحيح، والمقام هو عدد صحيح من 2 (حتى تتمكن من التحول قليلا إلى اليمين كما القاسم بدلا من الاضطرار إلى تقسيم خلال حلقة مرشح). على سبيل المثال، إذا ديكايفاكتور 0.99، وتريد استخدام الأعداد الصحيحة، يمكنك تعيين ديكايفاكتور 0.99 65536 64881. ثم في أي وقت تتضاعف من قبل ديكايفاكتور في حلقة تصفية الخاص بك، مجرد تحويل النتيجة 16. لمزيد من المعلومات حول هذا، كتاب ممتاز هذا أونلين، الفصل 19 على الفلاتر التكرارية: dspguidech19.htm بس بالنسبة لنموذج المتوسط ​​المتحرك، هناك طريقة مختلفة لتحديد ديكاي فاكتور و أمبليتيودفاكتور التي قد تكون أكثر ملاءمة لاحتياجاتك، فترى أنك تريد السابق، حوالي 6 بنود متوسطها معا، والقيام بها بحذر، يود إضافة 6 عناصر وتقسيمها 6، لذلك يمكنك تعيين أمبليتيودفاكتور إلى 16، و ديكايفاكتور إلى (1.0 - أمبليتيودفاكتور). أجاب 14 مايو 12 في 22:55 وقد علق الجميع آخر بدقة على فائدة إير مقابل فير، وعلى السلطة من اثنين من الانقسام. معرف فقط لإعطاء بعض التفاصيل التنفيذ. أدناه يعمل بشكل جيد على ميكروكنترولر صغيرة مع أي فبو. ثيريز لا الضرب، وإذا كنت تبقي N قوة اثنين، كل تقسيم هو دورة واحدة بت التحول. المخزن المؤقت الدائري حلقة معلومات أساسية: إبقاء المخزن مؤقت قيد التشغيل من القيم N الماضية، و سوم قيد التشغيل من كافة القيم في المخزن المؤقت. في كل مرة تأتي عينة جديدة في طرح أقدم قيمة في المخزن المؤقت من سوم، استبداله مع العينة الجديدة، إضافة عينة جديدة إلى سوم، والإخراج سومن. تعديل إر حلقة عازلة: الحفاظ على سوم تشغيل القيم N الماضية. في كل مرة تأتي عينة جديدة في، سوم - سومن، إضافة في العينة الجديدة، والإخراج سومن. أجاب 28 أغسطس 13 في 13:45 إذا I39m قراءة لك الحق، you39re تصف مرشح من الدرجة الأولى إر قيمة you39re طرح isn39t أقدم قيمة التي تسقط، ولكن بدلا من ذلك متوسط ​​القيم السابقة. يمكن أن تكون مرشحات إر من الدرجة الأولى مفيدة بالتأكيد، ولكن I39m غير متأكد ما تقصد عندما تقترح أن الإخراج هو نفسه لجميع الإشارات الدورية. في معدل عينة 10 كيلو هرتز، تغذية موجة 100HZ مربع في مرشح مربع 20 مرحلة سوف تسفر عن إشارة التي ترتفع بشكل موحد ل 20 عينة، يجلس عالية لمدة 30، قطرات بشكل موحد ل 20 عينة، ويجلس منخفضة لمدة 30. من الدرجة الأولى فلتر إير. نداش سوبيركات 28 أغسطس 13 في 15:31 سوف تسفر عن موجة التي تبدأ بشكل حاد ارتفاع وتدريجيا مستويات قريبة من (ولكن ليس في) المدخلات القصوى، ثم يبدأ بحدة السقوط وتدريجيا مستويات قبالة بالقرب (ولكن ليس في) الحد الأدنى المدخلات. سلوك مختلف جدا. نداش سوبيركات 28 أغسطس 13 الساعة 15:32 قضية واحدة هي أن متوسط ​​متحرك بسيط قد أو قد لا تكون مفيدة. مع فلتر إير، يمكنك الحصول على مرشح لطيفة مع كالكس قليلة نسبيا. منطقة معلومات الطيران التي تصفها يمكن أن تعطيك فقط مستطيل في الوقت المناسب - المخلص في التكرار - ويمكنك إدارة 39t الفصوص الجانبية. قد يكون من المفيد أن رمي في عدد قليل من عدد صحيح مضاعفات لجعله لطيفة الطيف التماثل التماثل إذا كنت يمكن أن تدخر القراد على مدار الساعة. نداش سكوت سيدمان 29 أغسطس 13 في 13:50 سكوتسيدمان: لا حاجة لتضاعف إذا كان واحد ببساطة لديه كل مرحلة من منطقة معلومات الطيران إما إخراج متوسط ​​المدخلات لتلك المرحلة وقيمتها المخزنة السابقة، ومن ثم تخزين المدخلات (إذا كان واحد لديه النطاق الرقمي، يمكن للمرء استخدام المجموع بدلا من المتوسط). إذا كان ذلك أفضل من فلتر مربع يعتمد على التطبيق (استجابة الخطوة من مرشح مربع مع تأخير كامل من 1ms، على سبيل المثال، سوف يكون d2dt ارتفاع سيئة عند تغيير المدخلات، ومرة ​​أخرى 1ms في وقت لاحق، ولكن سيكون الحد الأدنى ممكن دت لمرشح مع تأخير 1ms الكلي). نداش سوبيركات 29 أغسطس 13 في 15:25 كما قال ميكيسيلكتريكستوف، إذا كنت حقا بحاجة إلى تقليل احتياجات الذاكرة الخاصة بك، وأنت لا تمانع في الاستجابة الاندفاع الخاص بك كونها أسية (بدلا من نبض مستطيلة)، وأود أن أذهب لمرشح متوسط ​​متحرك أسي . أنا استخدامها على نطاق واسع. مع هذا النوع من التصفية، أنت لا تحتاج إلى أي المخزن المؤقت. لم يكن لديك لتخزين N عينات الماضي. واحد فقط. لذلك، متطلبات الذاكرة الخاصة بك الحصول على خفض بنسبة عامل N. أيضا، أنت لا تحتاج إلى أي تقسيم لذلك. المضاعفات فقط. إذا كان لديك الوصول إلى الحساب العائم نقطة، واستخدام المضاعفات نقطة العائمة. خلاف ذلك، لا عدد صحيح مضاعفات والتحولات إلى اليمين. ومع ذلك، نحن في عام 2012، وأود أن أوصي لك استخدام المجمعين (و مكوس) التي تسمح لك للعمل مع أرقام نقطة العائمة. إلى جانب كونها أكثر كفاءة الذاكرة وأسرع (لم يكن لديك لتحديث العناصر في أي العازلة دائرية)، وأود أن أقول هو أيضا أكثر طبيعية. لأن استجابة النبض الأسي تتطابق بشكل أفضل مع الطريقة التي تتصرف بها الطبيعة، في معظم الحالات. أجاب 20 أبر 12 في 9:59 قضية واحدة مع فلتر إير كما لمست تقريبا من قبل أولين و سوبيركات ولكن تجاهلها على ما يبدو من قبل الآخرين هو أن التقريب أسفل يدخل بعض عدم الدقة (وربما بياسترونكاتيون). على افتراض أن N هو قوة اثنين، ويستخدم فقط عدد صحيح الحساب، والتحول الحق لا القضاء بشكل منهجي على لسبس من العينة الجديدة. وهذا يعني أن المدة التي يمكن أن تكون سلسلة من أي وقت مضى، فإن المتوسط ​​لن تأخذ تلك في الاعتبار. على سبيل المثال، افترض أن سلسلة تناقص ببطء (8،8،8،7،7،7،7،6،6)، وتفترض أن المتوسط ​​هو في الواقع 8 في البداية. قبضة 7 عينة سيجلب المتوسط ​​إلى 7، مهما كانت قوة التصفية. فقط لعينة واحدة. نفس القصة لمدة 6، الخ الآن التفكير في العكس. وتسلسل دوري الدرجة الاولى الايطالي. سيبقى المتوسط ​​على 7 إلى الأبد، حتى تكون العينة كبيرة بما فيه الكفاية لجعلها تتغير. بالطبع، يمكنك تصحيح للتحيز عن طريق إضافة 12N2، ولكن هذا لن تحل حقا مشكلة الدقة. في هذه الحالة سوف تنخفض سلسلة البقاء إلى الأبد في 8 حتى تكون العينة 8-12 (N2). بالنسبة إلى N4 على سبيل المثال، فإن أي عينة فوق الصفر ستبقي على المتوسط ​​دون تغيير. وأعتقد أن إيجاد حل لذلك يعني ضمنا تراكما لفقرات لسب المفقودة. ولكن لم أكن أبعد من أن يكون كود جاهزة، و إم متأكد من أنها لن تضر السلطة إير في بعض الحالات الأخرى من سلسلة (على سبيل المثال ما إذا كان 7،9،7،9 سوف متوسط ​​إلى 8 ثم). أولين، سلسلة من مرحلتين أيضا سوف تحتاج إلى بعض التفسير. هل تعني عقد قيمتين متوسطتين نتيجة أول تغذية في الثانية في كل تكرار. ما فائدة هذا