Labview Moving Average Filter

Berechnen von Moving Average Dieses VI berechnet und zeigt den gleitenden Durchschnitt mit einer vorgewählten Nummer an. Zuerst initialisiert das VI zwei Schieberegister. Das obere Schieberegister wird mit einem Element initialisiert und fügt dann den vorherigen Wert kontinuierlich mit dem neuen Wert hinzu. Dieses Schieberegister hält die Summe der letzten x Messungen. Nach dem Teilen der Ergebnisse der Additionsfunktion mit dem vorgewählten Wert berechnet das VI den gleitenden Mittelwert. Das untere Schieberegister enthält ein Array mit der Dimension Average. Dieses Schieberegister hält alle Werte der Messung. Die Ersatzfunktion ersetzt den neuen Wert nach jeder Schleife. Dieses VI ist sehr effizient und schnell, weil es die ersetzen Element-Funktion innerhalb der while-Schleife verwendet, und es initialisiert das Array, bevor es in die Schleife eintritt. Dieses VI wurde in LabVIEW 6.1 erstellt. Lesezeichen amp ShareLabVIEW Digital Filter Design Toolkit 8.2.1 Readme Das LabVIEW Digital Filter Design Toolkit 8.2.1 beauftragt die Installationsprobleme mit der Windows Vista x64 Edition, der 64-Bit Version, die im Digital Filter Design Toolkit 8.2 vorhanden sind. Wenn Sie das Digital Filter Design Toolkit 8.2 installiert haben, müssen Sie diese Version vor der Installation des Digital Filter Design Toolkits 8.2.1 deinstallieren. Diese Datei enthält Informationen, um Ihnen das Digital Filter Design Toolkit vorzustellen. Diese Datei bietet Ihnen auch Hilfsmittel, die Sie bei der Arbeit mit dem Toolkit verwenden können. Die Datei enthält die folgenden Informationen, die Sie verstehen müssen. Das Digital Filter Design Toolkit bietet eine Sammlung digitaler Filter-Design-Tools, um das LabVIEW Full oder Professional Development System zu ergänzen. Das Digital Filter Design Toolkit hilft Ihnen beim Entwerfen digitaler Filter, ohne dass Sie über erweiterte Kenntnisse der digitalen Signalverarbeitung oder digitalen Filtertechniken verfügen müssen. Mit dem Digital Filter Design Toolkit können Sie Gleitkomma - und Fixpunkt-Digitalfilter entwerfen, analysieren und simulieren. Ohne vorherige Kenntnisse über die Programmierung in LabVIEW können Sie die Digital Filter Design Express-VIs verwenden, um grafisch mit Filterspezifikationen zu interagieren, um geeignete digitale Filter zu entwerfen. Das Digital Filter Design Toolkit bietet VIs, mit denen Sie eine digitale Finite Impulse Response (FIR) oder unendliche Impulsantwort (IIR) Filter entwerfen, die Eigenschaften des digitalen Filters analysieren, die Implementierungsstruktur des digitalen Filters ändern und Daten verarbeiten können Mit dem digitalen filter Neben der Gleitkomma-Unterstützung bietet das Digital Filter Design Toolkit eine Reihe von VIs, die Sie verwenden können, um ein digitales Filtermodell mit festem Punkt zu erstellen, die Eigenschaften des Fixpunkt-Digitalfilters zu analysieren, die Leistung des Fixes zu simulieren - Punkt-Digitalfilter und generieren Fixpunkt-C-Code, Integer-LabVIEW-Code oder LabVIEW-Feld-programmierbare Gate-Array (FPGA) - Code für ein bestimmtes Fixpunktziel. Das Digital Filter Design Toolkit bietet VIs für Multirate Digital Filter Design. Sie können die VIs verwenden, um einen Gleitkomma-einstufigen oder mehrstufigen Multirate-Filter zu entwerfen und zu analysieren. Sie können dann den entworfenen Multirate-Filter verwenden, um Daten zu verarbeiten. Das Digital Filter Design Toolkit bietet auch eine Reihe von VIs, die Sie verwenden können, um einen Fixpunkt-Multirate-Filter zu erstellen, zu analysieren und zu simulieren. Sie können LabVIEW FPGA-Code aus dem konzipierten Fixpunkt-Multirate-Filter für ein NI Reconfigurable IO (RIO) Ziel generieren. Neben den grafischen Tools für das digitale Filterdesign bietet das Digital Filter Design Toolkit auch MathScript-Funktionen, die LabVIEW MathScript unterstützt. Mit diesen MathScript-Funktionen können Sie Filter in einer textbasierten Umgebung entwerfen. Um das Digital Filter Design Toolkit nutzen zu können, musst du auf dem Hostcomputer National Instruments LabVIEW 8.2 oder höher, Full oder Professional Development System installiert haben. Hinweis: Wenn Sie das Digital Filter Design Toolkit verwenden möchten, um LabVIEW FPGA-Code aus einem Festkomma-Filter zu generieren, müssen Sie das Label LabVIEW FPGA-Modul und die NI-RIO-Software mit LabVIEW installiert haben. Stellen Sie sicher, dass Sie das FPGA-Modul und die NI-RIO-Software installieren, bevor Sie das Digital Filter Design Toolkit installieren. Wenn Sie das Digital Filter Design Toolkit bereits installiert haben, deinstallieren Sie das Digital Filter Design Toolkit, bevor Sie das FPGA Module und die NI-RIO Software installieren. Führen Sie die folgenden Schritte aus, um das Digital Filter Design Toolkit zu installieren. Stellen Sie vor der Installation sicher, dass Ihr Computer die folgenden Bedingungen erfüllt: Eine kompatible Version von LabVIEW ist installiert. Es wurden keine früheren Versionen des Digital Filter Design Toolkits, einschließlich Beta-Releases, installiert. LabVIEW läuft nicht. Hinweis: Wenn Sie das Digital Filter Design Toolkit verwenden möchten, um LabVIEW FPGA-Code aus einem Fixpunktfilter zu generieren, stellen Sie sicher, dass das FPGA-Modul und die NI-RIO-Software installiert sind. Legen Sie die LabVIEW Digital Filter Design Toolkit CD ein. Führen Sie das Programm setup. exe aus. Folgen Sie den Anweisungen auf dem Bildschirm. Das Digital Filter Design Toolkit 8.2.1 enthält Fehlerbehebungen, bietet aber keine neuen Funktionen. Das Digital Filter Design Toolkit 8.2 beinhaltet die folgenden neuen Funktionen: Digital Filter Design MathScript Funktionen Verwenden Sie die Digital Filter Design MathScript Funktionen, um digitale Filter mit LabVIEW MathScript in einer textbasierten Umgebung zu entwerfen. Verbesserte Fixed-Point-Filter-Design-Tools Das Digital Filter Design Toolkit 8.2 verbessert die Benutzerfreundlichkeit der Fixed-Point-Tools-VIs. Diese VIs können Ihnen dabei helfen, einen Fixpunktfilter mit nur wenigen benötigten Eingaben zu entwerfen. Sie können diese VIs auch verwenden, um das Filterdesign zu verfeinern. Das Digital Filter Design Toolkit 8.2 kategorisiert Filterkoeffizienten in zwei Gruppen: Filterkoeffizienten a k und Filterkoeffizienten b v. Diese beiden Gruppen von Filterkoeffizienten verwenden unterschiedliche Wertebereiche. Diese Änderung ermöglicht es Ihnen, die Filterkoeffizienten effizient zu quantisieren, indem Sie eine begrenzte Anzahl von Bits verwenden. Verbesserte Fixpunkt-Filtercode-Generierung Das Digital Filter Design Toolkit 8.2 erweitert die Fixpunkt-Filtercode-Generierung und unterstützt mehr Fixpunkt-Filtermodelle, wie zB mit 32-Bit-Koeffizienten. Sie können ein Fixpunktfiltermodell angeben, um I32xI16- oder I32xI32-Multiplikationen zusätzlich zu I16xI16-Multiplikationen durchzuführen. Sie können auch einen Filterblock erzeugen, der Mehrkanal-Signale verarbeiten kann. Das Digital Filter Design Toolkit organisiert den generierten LabVIEW-Code in LabVIEW-Projektdateien (.lvproj), so dass Sie den Filter in ein anderes Projekt integrieren können. Für die LabVIEW FPGA-Codegenerierung verbessert das Digital Filter Design Toolkit 8.2 den Mechanismus der Speicherung von Filterkoeffizienten und der internen Zustände der digitalen Filter. Der neue Mechanismus speichert die internen Zustände eines Filters in den Speicherpunkten des generierten LabVIEW FPGA-Codes. Bei FIR-Filtern speichert dieser Mechanismus die FIR-Filterkoeffizienten in Nachschlagtabellen. Bei der Verarbeitung von Mehrkanal-Signalen kann der LabVIEW-FPGA-Code die Filterkoeffizienten und Filter-Logik-Ressourcen zwischen den mehreren Kanälen gemeinsam nutzen. Rational Resampling Multirate Filter Unterstützung Das Digital Filter Design Toolkit 8.2 unterstützt neben dem Entwurf, der Analyse und der Implementierung von Rational Resampling Multirate Filtern zusätzlich zu Dezimierungs - und Interpolationsfiltern. Rational Resampling ist nützlich für die Anbindung an digitale Signalverarbeitung (DSP) - Systeme, die mit unterschiedlichen Raten arbeiten. Beispielsweise können Sie mit einem rationalen Resampling ein 48 kHz Signal von einem professionellen Audiosystem in ein 44,1 kHz Signal für eine Audio CD umwandeln. Multirate Filter Design Express-VIs Verwenden Sie das Multirate FIR Design, Multistage Multirate Filter Design und Multirate CIC Design Express VIs, um multirate FIR Filter, mehrstufige Multirate Filter und Multirate Cascaded Integrator Kamm (CIC) Filter interaktiv zu entwerfen. Fixpunkt Multirate Filter Design Support Verwenden Sie die Multirate Fixed Point Tools VIs, um Fixpunkt Multirate Filter zu quantisieren, zu modellieren und zu simulieren. Fixed-Point-Multirate-Filter FPGA-Code-Generierungsunterstützung Verwenden Sie den DFD FXP MRate Code Generator und die DFD FXP NStage MRate Code Generator VIs, um LabVIEW FPGA Code aus Fixpunkt Multirate Filtern zu generieren. Sie können Code für Einkanal - und Mehrkanalfilteranwendungen generieren. Sie können auch Code aus einstufigen und mehrstufigen Multiratenfiltern generieren. Fixed-Point Moving Average Filter FPGA Code Generierungsunterstützung Verwenden Sie das DFD FXP Moving Average Code Generator VI, um LabVIEW FPGA Code aus Fixpunkt Gleitendurchschnitt (MA) Filter zu generieren. Der LabVIEW FPGA-Code, der aus einem Fixpunkt-MA-Filter generiert wird, hilft Ihnen, eine effiziente MA-Filterung auf einem Eingangssignal mit wenigen Hardware-Ressourcen durchzuführen. Verwenden Sie die Utilities-VIs, um Übertragungsfunktion, Null-Pole-Gain - und Differenzgleichungen in Bildkontrollen zu zeichnen. Filtern Speichern und Laden von Textdatei-Tools Verwenden Sie die DFD In Textdatei speichern und die DFD Speichern Sie MRate in Textdatei-VIs, um Filter, einschließlich Multirate-Filter, als Textdateien zu speichern. Sie erhalten die Filterstrukturen, Filteraufträge und Filterkoeffizienten aus den Textdateien. Sie können dann die Filterkoeffizienten aus den Textdateien kopieren und die Koeffizienten in anderen Anwendungen verwenden. Verwenden Sie das DFD Load from Text File VI, um einen Filter aus einer Textdatei zu laden. Sie können dieses VI nicht verwenden, um einen Multirate-Filter zu laden. Das Digital Filter Design Toolkit 8.2 bietet mehr als 100 Beispiele, die zeigen, wie man bestimmte Aufgaben mit den Digital Filter Design VIs und Funktionen ausführt. Zu diesen Beispielen gehören sowohl Tutorials als auch eingehende Fallstudien. Version 8.2.1 (438APUX0) Das Digital Filter Design Toolkit 8.2.1 behebt ein Problem, bei dem die firminphase MathScript-Funktion den minimalen Phasenspektralfaktor eines linearen, endlichen Impulsantwortfilters (FIR) nicht korrekt berechnet. Version 8.2 Das Digital Filter Design Toolkit 7.5 hatte keine Einschränkungen für die Anzahl der Stufen oder die Differenzverzögerung eines CIC-Filters. Das Digital Filter Design Toolkit 8.2 schränkt die Anzahl der Stufen eines CIC-Filters auf den Bereich 1, 8 ein und beschränkt den Differenzverzögerungswert auf 1 oder 2. Wenn Sie einen Filter verwenden möchten, den Sie mit dem Digital Filter Design Toolkit 7.5 entworfen haben, kann das Digital Filter Design Toolkit 8.2 den Filter als ungültiges Filterobjekt melden. Wenn Sie auf diese Situation stoßen, speichern Sie den Filter als Binärdatei im Digital Filter Design Toolkit 7.5 und verwenden Sie dann das Digital Filter Design Toolkit 8.2, um den Filter aus der Binärdatei zu laden. Das Digital Filter Design Toolkit 7.5 definiert die Abtastfrequenz eines Multiratfilters als maximale Abtastfrequenz im Multiratfilter. Das Digital Filter Design Toolkit 8.2 definiert die Abtastfrequenz eines Multiratfilters als Eingangsabtastfrequenz im Multiratfilter. Wenn Sie also einen Interpolationsfilter verwenden möchten, den Sie mit dem Digital Filter Design Toolkit 7.5 entworfen haben, müssen Sie zunächst die Abtastfrequenz des Interpolationsfilters von der maximalen Abtastfrequenz bis zur Eingangsabtastfrequenz ändern. Diese Änderung wirkt sich nicht auf Dezimierungs - und No-Rate-Change-Filter aus. Im Digital Filter Design Toolkit 8.2 befindet sich das DFD FXP Modeling for CodeGen Express VI nicht in der Fixed Point Point Palette. Verwenden Sie das DFD FXP Quantize Coef VI, um die Koeffizienten eines Filters und des DFD FXP Modeling VI zu quantisieren, um stattdessen ein Fixpunktfiltermodell zu erstellen. Im Digital Filter Design Toolkit 7.5 waren die Größenreaktions - und Phasenreaktionsausgänge des DFD Plot MRate Freq Response VI Cluster. Im Digital Filter Design Toolkit 8.2 sind diese Ausgänge Arrays von Clustern. Version 8.2.1 Zusätzlich zu den bekannten Problemen im Digital Filter Design Toolkit 8.2. Das Digital Filter Design Toolkit 8.2.1 enthält das folgende neue bekannte Problem: Da die Standard-Fonts auf Windows Vista anders als die Standard-Fonts auf früheren Windows-Versionen sind, können Sie in VIs kosmetische Probleme wie überlappende oder abgeschnittene Textzeichenfolgen feststellen Und LabVIEW-Dialogfelder. Um dieses Problem zu beheben, ändern Sie das Thema des Betriebssystems auf Windows Classic im Dialogfeld Themeneinstellungen und starten Sie dann LabVIEW neu. Wählen Sie Start0187Control Panel0187Appearance und Personalisierung und klicken Sie auf Thema ändern, um das Dialogfeld "Themeneinstellungen" anzuzeigen. Die Filteranalyse-VIs können lange dauern, um einen Filter mit hoher Ordnung zu analysieren. Das DFD Remez Design VI kann lange dauern, um einen FIR Filter mit hoher Ordnung zu entwerfen. Die DFD Least Pth Norm Design VI kann eine lange Zeit dauern, um Designs, die iterative Algorithmen haben abgeschlossen. Das Digital Filter Design Toolkit 8.2 erlaubt keine nullwertigen Nullen im Pole-Zero Placement Express VI. Wenn Sie einen nullwertigen Nullpunkt angeben, zwingt der Express-VI die Nullwert-Null auf eine nicht nullwertige Null. Wenn Sie einen Festkomma-Filter entwerfen, müssen Sie die Quantisierer konfigurieren. Jeder Quantisierer enthält einen signierten Booleschen Wert, der angibt, ob er die eingegebene Nummer als signierte Nummer behandeln soll. Das Digital Filter Design Toolkit 8.2 unterstützt nur signierte Zahlen. Die Eigenschaften eines Filters können sich ändern, wenn bei der Umwandlung zwischen den Filterkoeffizienten verschiedener Filterstrukturen numerische Fehler auftreten. Wenn Sie die Struktur eines Filters umwandeln, ist der Filter mit der neuen Struktur möglicherweise völlig anders als der ursprüngliche Filter. Wenn Sie dieser Situation begegnen, versuchen Sie es mit einer anderen Struktur. Möglicherweise müssen Sie die Beispiel-VIs des Digital Filter Design kompilieren, die zeigen, wie man LabVIEW FPGA-Code in LabVIEW-Projekten verwendet. Weitere Informationen finden Sie in der LabVIEW-Hilfe. Zugänglich durch Auswahl von Help0187Suchen Sie die LabVIEW-Hilfe aus dem Pulldown-Menü in LabVIEW, um Informationen über die Verwendung des Digital Filter Design Toolkits zu erhalten. Sie können auf die Beispiele für das Digital Filter Design Toolkit zugreifen, indem Sie Help0187Find Beispiele auswählen, um den NI Beispiel Finder anzuzeigen und dann zum Ordner Toolkits und Module0187Digital Filter Design zu navigieren. Sie können auch auf den Link Beispiele suchen im Abschnitt Beispiele des Getting Started-Fensters klicken, um den NI-Beispiel-Finder anzuzeigen. Sie können ein Beispiel-VI ändern, um eine Anwendung anzupassen, oder Sie können aus einem oder mehreren Beispielen in ein VI kopieren und einfügen, das Sie erstellen. Sie finden auch die Beispiele für das Digital Filter Design Toolkit im labviewexamplesDigital Filter Design-Verzeichnis. 0169 200682112007 National Instruments Corporation. Alle Rechte vorbehalten. Im Rahmen der Urheberrechtsgesetze darf diese Publikation weder in elektronischer oder mechanischer Form, einschließlich Fotokopie, Aufzeichnung, Lagerung in einem Informationsabrufsystem, oder ohne vorherige schriftliche Zustimmung von National Instruments vervielfältigt oder übertragen werden Gesellschaft. National Instruments, NI, ni. Und LabVIEW sind Marken der National Instruments Corporation. Weitere Informationen zu den Marken von National Instruments finden Sie im Abschnitt "Nutzungsbedingungen" auf Nilegal. Andere hierin erwähnte Produkt - und Firmennamen sind Warenzeichen oder Handelsnamen der jeweiligen Firmen. Für Patente, die die Produkte von National Instruments abdecken, wenden Sie sich bitte an den entsprechenden Ort: help0187Patents in Ihrer Software, die patents. txt-Datei auf Ihrer CD oder nipatents. Exponential Filter Diese Seite beschreibt eine exponentielle Filterung, die einfachste und beliebteste Filter. Dies ist Teil des Bereichs Filterung, die Teil eines Leitfadens zur Fehlererkennung und Diagnose ist. Übersicht, Zeitkonstante und Analogäquivalent Der einfachste Filter ist der Exponentialfilter. Es hat nur einen Abstimmparameter (außer dem Stichprobenintervall). Es erfordert die Speicherung von nur einer Variablen - die vorherige Ausgabe. Es handelt sich um einen IIR (autoregressiven) Filter - die Effekte einer Eingangsänderung zerfallen exponentiell, bis die Grenzen von Displays oder Computerarithmetik es ausblenden. In verschiedenen Disziplinen wird die Verwendung dieses Filters auch als 8220exponentielle Glättung8221 bezeichnet. In einigen Disziplinen wie Investitionsanalyse wird der Exponentialfilter als 8220Exponentially Weighted Moving Average8221 (EWMA) oder nur 8220Exponential Moving Average8221 (EMA) bezeichnet. Dies missbraucht die traditionelle ARMA 8220moving average8221 Terminologie der Zeitreihenanalyse, da es keine Eingangshistorie gibt, die verwendet wird - nur die aktuelle Eingabe. Es ist die diskrete Zeitäquivalent der 8220 ersten Ordnung lag8221, die üblicherweise in der analogen Modellierung von Dauerregelungssystemen verwendet wird. In elektrischen Schaltungen ist ein RC-Filter (Filter mit einem Widerstand und einem Kondensator) eine Verzögerung erster Ordnung. Bei der Betonung der Analogie zu analogen Schaltungen ist der Einzelabstimmungsparameter die 8220time constant8221, die gewöhnlich als Kleinbuchstabe Griechischer Buchstabe Tau () geschrieben wird. Tatsächlich entsprechen die Werte bei den diskreten Abtastzeiten genau der äquivalenten kontinuierlichen Zeitverzögerung mit der gleichen Zeitkonstante. Die Beziehung zwischen der digitalen Implementierung und der Zeitkonstante ist in den nachstehenden Gleichungen dargestellt. Exponentielle Filtergleichungen und Initialisierung Das Exponentialfilter ist eine gewichtete Kombination der vorherigen Schätzung (Ausgabe) mit den neuesten Eingangsdaten, wobei die Summe der Gewichte gleich 1 ist, so dass die Ausgabe mit dem Eingang im stationären Zustand übereinstimmt. Nach der bereits eingeführten Filternotation ist y (k) ay (k-1) (1-a) x (k) wobei x (k) die Rohaufnahme zum Zeitpunkt Schritt ky (k) die gefilterte Ausgabe zum Zeitschritt ka ist Ist eine Konstante zwischen 0 und 1, normalerweise zwischen 0,8 und 0,99. (A-1) oder a wird manchmal die 8220smoothing constant8221 genannt. Bei Systemen mit einem festen Zeitschritt T zwischen den Samples wird die Konstante 8220a8221 nur dann vereinfacht und gespeichert, wenn der Applikationsentwickler einen neuen Wert der gewünschten Zeitkonstante angibt. Bei Systemen mit Datenabtastung in unregelmäßigen Abständen muss bei jedem Zeitschritt die Exponentialfunktion oben verwendet werden, wobei T die Zeit seit dem vorherigen Sample ist. Der Filterausgang wird in der Regel initialisiert, um dem ersten Eingang zu entsprechen. Wenn sich die Zeitkonstante 0 nähert, geht a auf Null, so dass keine Filterung 8211 vorhanden ist, so ist die Ausgabe gleich der neuen Eingabe. Da die Zeitkonstante sehr groß wird, nähert sich 1 1, so dass neue Eingabe fast ignoriert wird 8211 sehr schwere Filterung. Die obige Filtergleichung kann in das folgende Prädiktor-Korrektor-Äquivalent umgeordnet werden: Diese Form macht es deutlicher, dass die variable Schätzung (Ausgabe des Filters) als unverändert von der vorherigen Schätzung y (k-1) plus einem Korrekturterm auf der Grundlage vorhergesagt wird Auf die unerwartete 8220innovation8221 - die Differenz zwischen dem neuen Eingang x (k) und der Vorhersage y (k-1). Diese Form ist auch das Ergebnis der Ableitung des Exponentialfilters als einfacher Spezialfall eines Kalman-Filters. Was die optimale Lösung für ein Schätzproblem mit einem bestimmten Satz von Annahmen ist. Schrittantwort Eine Möglichkeit, den Betrieb des Exponentialfilters zu visualisieren, besteht darin, seine Antwort über die Zeit auf eine Stufeneingabe zu zeichnen. Das heißt, beginnend mit dem Filtereingang und - ausgang bei 0 wird der Eingabewert plötzlich auf 1 geändert. Die daraus resultierenden Werte sind unten aufgetragen: In der obigen Kurve wird die Zeit durch die Filterzeitkonstante Tau geteilt, so dass Sie leichter vorhersagen können Die Ergebnisse für einen beliebigen Zeitraum für jeden Wert der Filterzeitkonstante. Nach einer Zeit gleich der Zeitkonstante steigt der Filterausgang auf 63,21 seines Endwertes an. Nach einer Zeit gleich 2 Zeitkonstanten steigt der Wert auf 86,47 seines Endwertes. Die Ausgänge nach mal gleich 3,4 und 5 Zeitkonstanten sind 95,02, 98,17 bzw. 99,33 des Endwertes. Da der Filter linear ist, bedeutet dies, dass diese Prozentsätze für jede Größe der Stufenänderung verwendet werden können, nicht nur für den hier verwendeten Wert von 1. Obwohl die Stufenreaktion in der Theorie eine unendliche Zeit hat, von einem praktischen Standpunkt aus, denken Sie an den exponentiellen Filter als 98 bis 99 8220done8221, der nach einer Zeit gleich 4 bis 5 Filterzeitkonstanten reagiert. Variationen des Exponentialfilters Es gibt eine Variation des Exponentialfilters, der so genannte 8220nonlineare Exponentialfilter8221 Weber, 1980. beabsichtigt, das Rauschen innerhalb einer bestimmten Amplitude von 8220 typischen8221 stark zu filtern, aber dann schneller auf größere Veränderungen zu reagieren. Copyright 2010 - 2013, Greg Stanley Diese Seite teilen: Aktualisiert am 12. März 2013 Was sind RC-Filter und Exponential-Mittelung und wie unterscheiden sie sich Die Antwort auf den zweiten Teil der Frage ist, dass sie der gleiche Prozess sind Wenn man aus einem Elektronik-Hintergrund kommt Dann ist RC Filtering (oder RC Smoothing) der übliche Ausdruck. Auf der anderen Seite hat ein Ansatz, der auf Zeitreihenstatistiken basiert, den Namen Exponential Averaging oder den vollständigen Namen Exponential Weighted Moving Average zu verwenden. Dies ist auch verschieden als EWMA oder EMA bekannt. Ein wesentlicher Vorteil der Methode ist die Einfachheit der Formel für die Berechnung der nächsten Ausgabe. Es dauert einen Bruchteil der vorherigen Ausgabe und ein minus dieser Bruch mal die aktuelle Eingabe. Algebraisch zum Zeitpunkt k wird die geglättete Ausgabe y k gegeben. Wie später gezeigt, hebt diese einfache Formel die jüngsten Ereignisse hervor, glättet hochfrequente Variationen und zeigt Langzeittrends. Beachten Sie, dass es zwei Formen der exponentiellen Mittelungsgleichung gibt, die oben und eine Variante Beide sind richtig. Siehe die Notizen am Ende des Artikels für weitere Details. In dieser Diskussion verwenden wir nur Gleichung (1). Die obige Formel wird manchmal in der begrenzten Weise geschrieben. Wie wird diese Formel abgeleitet und was ist ihre Interpretation Ein wichtiger Punkt ist, wie wir wählen Um diese einfache Weise zu betrachten, ist ein RC-Tiefpassfilter zu betrachten. Nun ist ein RC-Tiefpassfilter einfach ein Serienwiderstand R und ein Parallelkondensator C, wie unten dargestellt. Die Zeitreihengleichung für diese Schaltung ist das Produkt RC hat Zeiteinheiten und ist als Zeitkonstante T bekannt. Für die Schaltung. Angenommen, wir stellen die obige Gleichung in ihrer digitalen Form für eine Zeitreihe dar, die alle h Sekunden Daten enthält. Wir haben das ist genau die gleiche Form wie die vorherige Gleichung. Vergleicht man die beiden Beziehungen für eine, die wir auf die sehr einfache Beziehung reduzieren, so wird die Wahl von N geleitet von welcher Zeitkonstante wir gewählt haben. Nun kann die Gleichung (1) als Tiefpassfilter erkannt werden und die Zeitkonstante charakterisiert das Verhalten des Filters. Um die Bedeutung der Zeitkonstanten zu sehen, müssen wir die Frequenzcharakteristik dieses Tiefpass-RC-Filters betrachten. In ihrer allgemeinen Form ist dies Ausdruck in Modul und Phase Form haben wir wo der Phasenwinkel ist. Die Frequenz wird als Nennfrequenz bezeichnet. Physikalisch kann gezeigt werden, dass bei dieser Frequenz die Leistung im Signal um die Hälfte reduziert wurde und die Amplitude um den Faktor reduziert wird. In dB-Ausdrücken ist diese Frequenz dort, wo die Amplitude um 3dB reduziert wurde. Deutlich, wenn sich die Zeitkonstante T erhöht, dann verringert sich die Cutoff-Frequenz und wir wenden die Glättung auf die Daten an, so dass wir die höheren Frequenzen eliminieren. Es ist wichtig zu beachten, dass der Frequenzgang in radianer Sekunden ausgedrückt wird. Das ist ein wichtiger Faktor. Zum Beispiel wählt eine Zeitkonstante von 5 Sekunden eine effektive Cutoff-Frequenz von. Eine populäre Verwendung von RC-Glättung ist es, die Wirkung eines Meters zu simulieren, wie sie in einem Schallpegelmesser verwendet wird. Diese sind typischerweise durch ihre Zeitkonstante wie 1 Sekunde für S-Typen und 0,125 Sekunden für F-Typen gekennzeichnet. Für diese 2 Fälle sind die effektiven Grenzfrequenzen 0,16 Hz bzw. 1,27 Hz. Eigentlich ist es nicht die Zeitkonstante, die wir normalerweise wählen wollen, sondern jene Perioden, die wir einschließen möchten. Angenommen, wir haben ein Signal, wo wir Features mit einer P-Sekunden-Periode enthalten möchten. Jetzt ist eine Periode P eine Frequenz. Wir könnten dann eine Zeitkonstante wählen. Allerdings wissen wir, dass wir etwa 30 der Ausgabe (-3dB) verloren haben. Die Wahl einer Zeitkonstante, die genau den Perioden entspricht, die wir behalten wollen, ist nicht das beste Schema. Es ist in der Regel besser, eine etwas höhere Cut-off-Frequenz zu wählen, sagen wir. Die Zeitkonstante ist dann, die praktisch ähnlich ist. Dies verringert den Verlust auf rund 15 bei dieser Periodizität. Daher in der Praxis, um Ereignisse mit einer Periodizität von oder größer zu halten, dann wählen Sie eine Zeitkonstante von. Dazu gehören die Auswirkungen von Periodizitäten von bis zu etwa. Zum Beispiel, wenn wir die Effekte von Ereignissen mit einer 8-Sekunden-Periode (0,125 Hz) einschließen möchten, dann wählen Sie eine Zeitkonstante von 0,8 Sekunden. Dies ergibt eine Cutoff-Frequenz von ca. 0,2 Hz, so dass unsere 8-Sekunden-Periode im Hauptpassband des Filters gut ist. Wenn wir die Daten bei 20 timessecond (h 0.05) abtasten, dann ist der Wert von N (0.80.05) 16 und. Dies gibt einen Einblick in die Einstellung. Grundsätzlich für eine bekannte Samplerate gibt es die Mittelungsperiode und wählt aus, welche Hochfrequenzschwankungen ignoriert werden. Durch das Betrachten der Ausdehnung des Algorithmus können wir sehen, dass es die jüngsten Werte begünstigt und warum auch als exponentielle Gewichtung bezeichnet wird. Wir haben Substitut für y k-1 gibt Wiederholen dieses Prozesses mehrmals führt zu Weil im Bereich dann klar die Begriffe nach rechts kleiner werden und sich wie ein verfallendes exponential verhalten. Das ist die aktuelle Ausgabe ist in Richtung der jüngeren Ereignisse voreingenommen, aber je größer wir wählen T dann die weniger Bias. Zusammenfassend lässt sich feststellen, dass die einfache Formel die jüngsten Ereignisse hervorhebt, die die Hochfrequenz - (Kurzperioden-) Ereignisse verdeutlichen, zeigt Langzeittrends Anhang 1 8211 Alternative Formen der Gleichung Vorsicht Es gibt zwei Formen der exponentiellen Mittelungsgleichung, die in der Literatur erscheinen. Beide sind richtig und gleichwertig. Die erste Form, wie oben gezeigt, ist (A1) Die alternative Form ist 8230 (A2) Beachten Sie die Verwendung in der ersten Gleichung und in der zweiten Gleichung. In beiden Gleichungen und sind Werte zwischen Null und Einheit. Früher wurde definiert als Jetzt wählen, um zu definieren Daher ist die alternative Form der exponentiellen Mittelung Gleichung ist in physikalischen Begriffen bedeutet es, dass die Wahl der Form eins verwendet, hängt davon ab, wie man denken will, entweder als die Rücknahme Fraktion Gleichung (A1) oder Als Bruchteil der Eingangsgleichung (A2). Die erste Form ist etwas weniger umständlich bei der Darstellung der RC-Filter-Beziehung und führt zu einem einfacheren Verständnis in Filter-Begriffe. Chief Signal Processing Analyst bei Prosig Dr. Colin Mercer war früher am Institut für Ton - und Schwingungsforschung (ISVR), Universität von Southampton, wo er das Data Analysis Center gründete. Er setzte fort, Prosig 1977 zu finden. Colin zog sich als Chef-Signalverarbeitung-Analytiker bei Prosig im Dezember 2016 zurück. Er ist ein Chartered Ingenieur und ein Fellow der britischen Computer-Gesellschaft. Ich denke, du möchtest das 8216p8217 auf das Symbol für pi ändern. Marco, vielen Dank für das Zeigen. Ich denke, das ist einer unserer älteren Artikel, die aus einem alten Textverarbeitungsdokument übertragen wurde. Offensichtlich hat der Redakteur (ich) nicht erkannt, dass die Pi nicht richtig transkribiert worden war. Es wird in Kürze korrigiert. It8217s eine sehr gute Artikel Erklärung über die exponentielle Mittelung Ich glaube, es ist ein Fehler in der Formel für T. Es sollte T h (N-1), nicht T (N-1) h. Mike, danke für das Spotting. Ich habe gerade zurück zu Dr Mercer8217s ursprünglicher technischer Anmerkung in unserem Archiv überprüft und es scheint, daß es Fehler gab, wenn man die Gleichungen zum blog übertrug. Wir werden den Beitrag korrigieren. Vielen Dank, dass Sie uns wissen lassen Danke danke Danke. Sie konnten 100 DSP-Texte lesen, ohne etwas zu sagen, dass ein exponentieller Mittelungsfilter das Äquivalent eines R-C-Filters ist. Hmm, hast du die Gleichung für einen EMA-Filter richtig ist es nicht Yk aXk (1-a) Yk-1 anstatt Yk aYk-1 (1-a) Xk Alan, beide Formen der Gleichung erscheinen in der Literatur und Beide Formen sind korrekt, wie ich unten zeigen werde. Der Punkt, den Sie machen, ist wichtig, weil die Verwendung der alternativen Form bedeutet, dass die physikalische Beziehung mit einem RC-Filter weniger offensichtlich ist, außerdem ist die Interpretation der Bedeutung eines in dem Artikel gezeigten nicht für die alternative Form geeignet. Zuerst zeigen wir beide Formen sind richtig. Die Form der Gleichung, die ich verwendet habe, ist und die abwechselnde Form, die in vielen Texten erscheint, ist Anmerkung in der oben Ich habe Latex 1latex in der ersten Gleichung und Latex 2latex in der zweiten Gleichung verwendet. Die Gleichheit beider Formen der Gleichung wird mathematisch unterhalb von einfachen Schritten zu einer Zeit gezeigt. Was ist nicht das gleiche ist der Wert für Latex-Latex in jeder Gleichung verwendet. In beiden Formen ist Latexlatex ein Wert zwischen Null und Einheit. Erstes Umschreiben von Gleichung (1) Ersetzen von Latex 1latex durch Latexlatex. Dies gibt Latexbeta (1 - Beta) xklatex 8230 (1A) Jetzt definieren Latexbeta (1 - 2) Latex und so haben wir auch Latex 2 (1 - beta) Latex. Wenn man diese in die Gleichung (1A) einsetzt, erhält man latexyk (1 - 2) y 2xklatex 8230 (1B) und endlich neu arrangiert. Diese Gleichung ist identisch mit der alternativen Form, die in Gleichung (2) gegeben ist. Setzen Sie einfach mehr Latex 2 (1 - 1) Latex. In physikalischer Hinsicht bedeutet dies, dass die Wahl der Form, die man verwendet, davon abhängt, wie man entweder daran denken möchte, entweder Latexalphalat als die Rückkopplungsfraktionsgleichung (1) oder als Bruchteil der Eingangsgleichung (2) zu nehmen. Wie oben erwähnt, habe ich das erste Formular verwendet, da es etwas weniger umständlich bei der Darstellung der RC-Filter-Beziehung ist und führt zu einfacheren Verständnis in Filter-Begriffe. Das Auslassen des oben genannten ist aus meiner Sicht ein Mangel an dem Artikel, da andere Leute eine falsche Schlussfolgerung machen könnten, so dass eine überarbeitete Version bald erscheinen wird. Ich habe mich immer darüber gefragt, danke, dass ich es so deutlich beschrieben habe. Ich denke, ein anderer Grund die erste Formulierung ist schön ist Alpha-Karten zu 8216smoothness8217: eine höhere Wahl von Alpha bedeutet eine 8216mehr smooth8217 Ausgabe. Michael Danke für die Beobachtung 8211 Ich werde dem Artikel etwas auf diesen Zeilen hinzufügen, denn es ist immer besser in meiner Sicht, sich auf physikalische Aspekte zu beziehen. Dr. Mercer, Ausgezeichneter Artikel, danke. Ich habe eine Frage bezüglich der Zeitkonstante bei Verwendung mit einem RMS-Detektor wie bei einem Schallpegelmesser, auf den du dich in dem Artikel beziehe. Wenn ich deine Gleichungen benutze, um einen exponentiellen Filter mit Time Constant 125ms zu modellieren und ein Eingangssignal zu verwenden, bekomme ich tatsächlich einen Ausgang, der nach 125ms 63,2 des Endwertes ist. Allerdings, wenn ich das Eingangssignal quittiere und diesen durch den Filter stelle, dann sehe ich, dass ich die Zeitkonstante verdoppeln muss, damit das Signal 63,2 seines Endwertes in 125ms erreichen kann. Kannst du mich wissen lassen, ob das erwartet wird Danke vielmals. Ian Ian, Wenn Sie ein Signal wie eine Sinuswelle quadrieren dann im Grunde verdoppeln Sie die Häufigkeit ihrer grundlegenden sowie die Einführung vieler anderer Frequenzen. Weil die Frequenz in Wirklichkeit verdoppelt wurde, wird es durch den Tiefpassfilter um 822 verringert. Infolgedessen dauert es länger, um die gleiche Amplitude zu erreichen. Die Quadratur-Operation ist eine nicht lineare Operation, so dass ich glaube nicht, dass es sich immer genau in allen Fällen verdoppeln wird, aber es wird dazu neigen, sich zu verdoppeln, wenn wir eine dominante Niederfrequenz haben. Beachten Sie auch, dass das Differential eines quadrierten Signals das Doppelte des Differentials des Signals 8220un-squared8221 ist. Ich vermute, Sie könnten versuchen, eine Form der mittleren quadratischen Glättung zu bekommen, was perfekt ist und gültig ist. Es könnte besser sein, den Filter anzuwenden und dann quadratisch zu sein, wie du den effektiven Cutoff kennst. Aber wenn alles, was Sie haben, ist das quadrierte Signal dann mit einem Faktor von 2 zu ändern, um Ihren Filter Alpha-Wert wird etwa erhalten Sie zurück auf die ursprüngliche Cutoff-Frequenz, oder setzen Sie es ein bisschen einfacher definieren Sie Ihre Cutoff-Frequenz auf zweimal das Original. Vielen Dank für Ihre Antwort Dr. Mercer. Meine Frage war wirklich versuchen zu bekommen, was tatsächlich in einem RMS-Detektor eines Schallpegelmessers getan wird. Wenn die Zeitkonstante für 8216fast8217 (125ms) eingestellt wäre, hätte ich gedacht, dass du intuitiv ein sinusförmiges Eingangssignal erwarten würdest, um eine Ausgabe von 63,2 seines Endwertes nach 125ms zu erzeugen, aber da das Signal quadriert wird, bevor es auf die 8216mean8217 kommt Erkennung, wird es tatsächlich doppelt so lange dauern wie Sie erklärt haben. Das prinzipielle Ziel des Artikels ist es, die Äquivalenz der RC-Filterung und der exponentiellen Mittelung zu zeigen. Wenn wir die Integrationszeit, die einem echten rechteckigen Integrator entspricht, diskutieren, dann sind Sie richtig, dass es einen Faktor von zwei beteiligt ist. Grundsätzlich, wenn wir einen echten rechteckigen Integrator haben, der für Ti Sekunden integriert, ist die äquivalente RC-Integatorzeit, um das gleiche Ergebnis zu erzielen, 2RC Sekunden. Ti unterscheidet sich von der RC 8216time constant8217 T, die RC ist. Also, wenn wir eine 8216Fast8217 Zeitkonstante von 125 ms haben, das ist RC 125 ms dann das entspricht einer echten Integrationszeit von 250 ms Vielen Dank für den Artikel, war es sehr hilfreich. Es gibt einige neuere Arbeiten in der Neurowissenschaft, die eine Kombination von EMA-Filtern (kurz-fensterförmige EMA 8211 lang-fensterartige EMA) als Bandpassfilter für Echtzeit-Signalanalyse verwenden. Ich möchte sie anwenden, aber ich kämpfe mit den Fenstergrößen, die verschiedene Forschungsgruppen verwendet haben, und ihre Korrespondenz mit der Cutoff-Frequenz. Let8217s sagen, ich möchte alle Frequenzen unter 0,5Hz (aprox) zu halten und dass ich 10 Samples erwerben. Dies bedeutet, dass fp 0,5Hz P 2s T P100.2 h 1fs0.1 Daher sollte die Fenstergröße I verwenden sollte N3 sein. Ist dieses Argument richtig Vor der Beantwortung Ihrer Frage muss ich die Verwendung von zwei Hochpassfiltern zur Bildung eines Bandpassfilters kommentieren. Vermutlich betreiben sie als zwei getrennte Ströme, so dass ein Ergebnis ist der Inhalt von sagen, latexf Latex zu halben Sample Rate und der andere ist der Inhalt von sagen, latexf Latex bis halbe Sample Rate. Wenn alles, was getan wird, ist der Unterschied in den mittleren quadratischen Ebenen als die Angabe der Macht in der Band von Latex-Latex zu Latex-Latex dann kann es vernünftig sein, wenn die beiden abgeschnittenen Frequenzen sind ausreichend weit auseinander, aber ich erwarte, dass die Menschen mit dieser Technik Versuchen, einen schmaleren Bandfilter zu simulieren. Meiner Ansicht nach wäre das für eine ernsthafte Arbeit unzuverlässig und wäre eine Sorge. Nur als Referenz ist ein Bandpassfilter eine Kombination aus einem niederfrequenten Hochpassfilter, um die niedrigen Frequenzen und einen Hochfrequenz-Tiefpassfilter zu entfernen, um die hohen Frequenzen zu entfernen. Es gibt natürlich eine Tiefpassform eines RC-Filters und damit eine entsprechende EMA. Vielleicht, obwohl mein Urteil überkritisch ist, ohne all die Tatsachen zu kennen, so könntest du mir bitte einige Verweise auf die von Ihnen erwähnten Studien schicken. Vielleicht verwenden sie einen Tiefpass sowie einen Hochpassfilter. Nun wenden Sie sich an Ihre eigentliche Frage, wie man N für eine gegebene Ziel-Cut-off-Frequenz zu bestimmen, ich denke, es ist am besten, die grundlegende Gleichung T (N-1) h verwenden. Die Diskussion über Perioden zielte darauf ab, den Menschen ein Gefühl dafür zu geben, was los war. So sehen Sie bitte die Ableitung unten. Wir haben die Beziehungen latexT (N-1) hlatex und latexT12 Latex, wobei latexfclatex die fiktive Grenzfrequenz ist und h die Zeit zwischen den Proben ist, klar Latexh 1 Latex, wobei latexfslatex die Abtastrate in samplessec ist. Das Umordnen von T (N-1) h in eine geeignete Form, um die Grenzfrequenz, den Latexfclatex und die Abtastrate, Latexfslatex, einzuschließen, ist unten gezeigt. Also mit latexfc 0.5Hzlatex und latexfs 10latex samplessec so dass Latex (fcfs) 0,05latex gibt also die engsten ganzzahligen Wert ist 4. Re-Anordnung der oben haben wir So mit N4 haben wir latexfc 0.5307 Hzlatex. Unter Verwendung von N3 ergibt sich ein Latexfclatex von 0,318 Hz. Hinweis mit N1 haben wir eine komplette Kopie ohne Filterung.