Labview เคลื่อนไหว เฉลี่ย กรอง

การคำนวณค่าเฉลี่ยเคลื่อนที่ค่านี้คำนวณและแสดงค่าเฉลี่ยเคลื่อนที่โดยใช้หมายเลขที่ตั้งล่วงหน้า ขั้นแรกให้ VI เริ่มต้นการลงทะเบียนสองรีจิสเตอร์ รีซอร์สการเปลี่ยนลําดับชั้นเริ่มต้นด้วย element หนึ่งจากนั้นเพิ่มค่าก่อนหน้าด้วยค่าใหม่อย่างต่อเนื่อง การบันทึกการเปลี่ยนแปลงนี้ช่วยให้สามารถวัดค่า x ล่าสุดได้ หลังจากที่หารผลของฟังก์ชัน add กับค่าที่เลือกแล้วค่า VI จะคำนวณค่าเฉลี่ยเคลื่อนที่ รีจิสเตอร์การเปลี่ยนด้านล่างประกอบด้วยอาร์เรย์ที่มีมิติข้อมูล Average การบันทึกการเปลี่ยนแปลงนี้จะเก็บค่าทั้งหมดของการวัด ฟังก์ชันแทนที่จะแทนที่ค่าใหม่หลังจากลูปทุกครั้ง VI นี้มีประสิทธิภาพและรวดเร็วเนื่องจากใช้ฟังก์ชัน element replace ภายในลูป while และจะเตรียมอาร์เรย์ก่อนที่จะเข้าสู่ลูป VI นี้สร้างขึ้นใน LabVIEW 6.1 เครื่องมือเสริมสำหรับการกรองข้อมูลดิจิทัล ShareLabVIEW 8.2.1 เอกสารข้อมูลการอ่าน LabVIEW Digital Filter Toolkit 8.2.1 ระบุปัญหาการติดตั้งกับ Windows Vista x64 Edition ซึ่งเป็นเวอร์ชั่น 64 บิตที่อยู่ในชุดเครื่องมือการออกแบบกรองข้อมูลดิจิตอล 8.2 หากคุณติดตั้ง Digital Filter Design Toolkit 8.2 คุณต้องถอนการติดตั้งรุ่นก่อนที่จะติดตั้ง Digital Filter Design Toolkit 8.2.1 ไฟล์นี้ประกอบด้วยข้อมูลที่จะนำคุณไปสู่ ​​Digital Filter Design Toolkit ไฟล์นี้ยังมีแหล่งความช่วยเหลือที่คุณสามารถใช้ในขณะที่ใช้ชุดเครื่องมือ แฟ้มประกอบด้วยข้อมูลต่อไปนี้ที่คุณต้องเข้าใจ ชุดเครื่องมือออกแบบตัวกรองแบบดิจิทัลให้ชุดเครื่องมือออกแบบตัวกรองแบบดิจิทัลเพื่อเสริม LabVIEW Full หรือ Professional Development System Digital Filter Design Toolkit ช่วยให้คุณออกแบบตัวกรองแบบดิจิตอลโดยไม่ต้องให้คุณมีความรู้ขั้นสูงเกี่ยวกับการประมวลผลสัญญาณดิจิทัลหรือเทคนิคการกรองแบบดิจิทัล ด้วย Digital Filter Design Toolkit คุณสามารถออกแบบวิเคราะห์และจำลองตัวกรองดิจิทัลแบบจุดลอยตัวและแบบจุดคงที่ หากปราศจากความรู้เกี่ยวกับการเขียนโปรแกรมใน LabVIEW คุณสามารถใช้ Digital VIOLET DESIGNER VISTE เพื่อใช้งานแบบกราฟิกพร้อมคุณสมบัติของตัวกรองเพื่อออกแบบฟิลเตอร์ดิจิตอลที่เหมาะสม ชุดเครื่องมือออกแบบตัวกรองสัญญาณดิจิทัลให้ VI ที่คุณสามารถใช้เพื่อออกแบบฟิลเตอร์ตอบสนองอิมพีลีนแบบ จำกัด (FIR) หรืออิมพีลีน (IIR) แบบไม่ จำกัด อนุกรมวิเคราะห์คุณลักษณะของตัวกรองดิจิทัลเปลี่ยนโครงสร้างการทำงานของตัวกรองแบบดิจิทัลและประมวลผลข้อมูล ด้วยตัวกรองแบบดิจิตอล นอกเหนือจากการสนับสนุนแบบลอยตัวแล้ว Digital Filter Design Toolkit ยังมีชุดของ VI ที่คุณสามารถใช้เพื่อสร้างตัวกรองแบบดิจิตอลรุ่น fixed-point วิเคราะห์ลักษณะของตัวกรองดิจิตอลแบบจุดคงที่จำลองประสิทธิภาพการทำงานของเครื่องแก้ไข - point digital filter และสร้างรหัส C จุดคงที่รหัส LabVIEW จำนวนเต็มหรือรหัสอาร์เรย์เกตเวย์ (field gateway-programmable gate array หรือ LabVIEW field - FPGA) สำหรับเป้าหมาย fixed-point ที่เฉพาะเจาะจง ชุดเครื่องมือการออกแบบตัวกรองแบบดิจิทัลให้ VI สำหรับการออกแบบตัวกรองสัญญาณดิจิทัล multirate คุณสามารถใช้ VI เพื่อออกแบบและวิเคราะห์ตัวกรองแบบหลายขั้นตอนแบบหลายขั้นตอนแบบลอยตัวหรือแบบหลายขั้นตอน จากนั้นคุณสามารถใช้ตัวกรอง multirate ที่ออกแบบมาเพื่อประมวลผลข้อมูล ชุดเครื่องมือการออกแบบตัวกรองแบบดิจิทัลยังมีชุดของ VI ที่คุณสามารถใช้เพื่อสร้างวิเคราะห์และจำลองตัวกรองหลายจุดแบบคงที่ คุณสามารถสร้างโค้ด LabVIEW FPGA จากตัวกรอง multirate จุดคงที่ที่ออกแบบมาสำหรับเป้าหมาย NIO ที่กำหนดค่าได้ (RIO) นอกจากเครื่องมือกราฟิกสำหรับการออกแบบตัวกรองแบบดิจิทัลแล้ว Digital Filter Design Toolkit ยังมีฟังก์ชัน MathScript ที่รองรับ LabVIEW MathScript ฟังก์ชัน MathScript เหล่านี้ช่วยให้คุณสามารถออกแบบตัวกรองในสภาพแวดล้อมแบบข้อความ ในการใช้ Digital Filter Design Toolkit คุณต้องมี National Instruments LabVIEW 8.2 หรือใหม่กว่าระบบการพัฒนาแบบเต็มรูปแบบหรือ Professional Development ติดตั้งอยู่ในคอมพิวเตอร์แม่ข่าย หมายเหตุ: หากคุณต้องการใช้ Digital Filter Design Toolkit เพื่อสร้างโค้ด LabVIEW FPGA จากตัวกรองจุดยึดคุณต้องมีซอฟต์แวร์ National Instruments LabVIEW FPGA และซอฟต์แวร์ NI-RIO ที่ติดตั้งไว้ใน LabVIEW ตรวจสอบให้แน่ใจว่าคุณได้ติดตั้งซอฟต์แวร์ FPGA Module และ NI-RIO ก่อนที่คุณจะติดตั้ง Digital Filter Design Toolkit ถ้าคุณมี Digital Filter Design Toolkit อยู่แล้วให้ถอนการติดตั้ง Digital Filter Design Toolkit ก่อนที่จะติดตั้งโมดูล FPGA และซอฟต์แวร์ NI-RIO ทำตามขั้นตอนต่อไปนี้เพื่อติดตั้ง Digital Filter Design Toolkit ก่อนที่จะติดตั้งตรวจสอบว่าคอมพิวเตอร์ของคุณเป็นไปตามเงื่อนไขต่อไปนี้: มีการติดตั้ง LabVIEW เวอร์ชันที่เข้ากันได้ ไม่มีการติดตั้งชุดเครื่องมือออกแบบตัวกรองสัญญาณดิจิทัลรุ่นก่อน ๆ รวมถึงรุ่นเบต้า LabVIEW ไม่ทำงาน หมายเหตุ: หากคุณต้องการใช้ Digital Filter Design Toolkit เพื่อสร้างโค้ด LabVIEW FPGA จากตัวกรองจุดคงที่ให้ตรวจสอบว่าคุณได้ติดตั้ง FPGA Module และ NI-RIO ไว้แล้ว ใส่แผ่นซีดีเครื่องมือออกแบบแผ่นกรองดิจิตอล LabVIEW เรียกใช้โปรแกรม setup. exe ทำตามคำแนะนำที่ปรากฏบนหน้าจอ ชุดเครื่องมือออกแบบระบบกรองข้อมูลดิจิตอล 8.2.1 ประกอบด้วยการแก้ไขข้อบกพร่อง แต่ไม่มีคุณลักษณะใหม่ ๆ ชุดเครื่องมือออกแบบระบบกรองข้อมูลดิจิตอล 8.2 ประกอบไปด้วยคุณสมบัติใหม่ ๆ ดังต่อไปนี้ฟังก์ชันการทำงานของฟังก์ชันการกรองแบบดิจิตอล DigitalScript ใช้ฟังก์ชั่น MathScript ในการออกแบบตัวกรองสัญญาณดิจิตอลเพื่อออกแบบตัวกรองแบบดิจิตอลด้วย LabVIEW MathScript ในสภาพแวดล้อมแบบข้อความ เครื่องมือออกแบบฟิลเตอร์ Point-Point ที่ได้รับการพัฒนาขึ้นใหม่ชุดเครื่องมือการออกแบบตัวกรองสัญญาณดิจิตอล 8.2 ช่วยปรับปรุงการใช้งานของ VIs เครื่องมือ Fixed-Point VI เหล่านี้สามารถช่วยคุณในการออกแบบตัวกรองจุดคงที่ที่มีเพียงไม่กี่อินพุตที่ต้องการ นอกจากนี้คุณยังสามารถใช้ VI เพื่อปรับแต่งการออกแบบตัวกรอง ชุดเครื่องมือออกแบบกรองข้อมูลดิจิตอล 8.2 จัดแบ่งค่าสัมประสิทธิ์การกรองเป็นสองกลุ่ม ได้แก่ ค่าสัมประสิทธิ์ของตัวกรอง k และค่าสัมประสิทธิ์ตัวกรอง b v. ค่าสัมประสิทธิ์การกรองทั้งสองกลุ่มนี้ใช้ช่วงค่าที่แตกต่างกัน การเปลี่ยนแปลงนี้ช่วยให้คุณสามารถหาค่าสัมประสิทธิ์การกรองได้อย่างมีประสิทธิภาพโดยใช้จำนวนบิตที่ จำกัด การสร้างรหัสตัวกรองแบบ fixed-point ที่เพิ่มขึ้นเครื่องมือการออกแบบกรองข้อมูลแบบดิจิทัล 8.2 ช่วยเพิ่มการสร้างตัวกรองรหัสจุดคงที่และสนับสนุนรูปแบบตัวกรองจุดคงที่มากขึ้นเช่นผู้ที่มีค่าสัมประสิทธิ์ 32 บิต คุณสามารถระบุรูปแบบตัวกรองจุดคงที่เพื่อทำ multiplications ของ I32xI16 หรือ I32xI32 นอกเหนือจากการคูณ I16xI16 นอกจากนี้คุณยังสามารถสร้างบล็อกตัวกรองที่สามารถประมวลผลสัญญาณหลายช่องได้ Digital Filter Design Toolkit จัดระเบียบรหัส LabVIEW ที่สร้างขึ้นในไฟล์โครงการ (.lvproj) ของ LabVIEW เพื่อให้คุณสามารถรวมตัวกรองลงในโครงการอื่นได้ สำหรับการสร้างรหัส LabVIEW FPGA ชุดเครื่องมือออกแบบระบบกรองข้อมูลดิจิตอล 8.2 ช่วยปรับปรุงกลไกในการจัดเก็บค่าสัมประสิทธิ์การกรองและสภาวะภายในของตัวกรองแบบดิจิตอล กลไกใหม่นี้จัดเก็บสถานะภายในของตัวกรองในรายการหน่วยความจำของรหัส LabVIEW FPGA ที่สร้างขึ้น สำหรับตัวกรอง FIR กลไกนี้เก็บค่าสัมประสิทธิ์การกรอง FIR ไว้ในตารางค้นหา เมื่อประมวลผลสัญญาณหลายช่องสัญญาณรหัส LabVIEW FPGA สามารถแบ่งปันค่าสัมประสิทธิ์การกรองและการควบคุมทรัพยากรลอจิคัลในหลายช่องทาง ตัวกรองฟิลเตอร์กรองข้อมูลแบบมีเหตุผล (Rational Resampling Multilate Filter) ชุดเครื่องมือออกแบบระบบกรองข้อมูลดิจิตอล 8.2 ให้การสนับสนุนสำหรับการออกแบบการวิเคราะห์และการใช้ตัวกรอง multamate resampling ที่มีเหตุผลรวมทั้งตัวกรอง decimation และ interpolation resampling เหตุผลจะเป็นประโยชน์สำหรับการเชื่อมต่อกับระบบการประมวลผลสัญญาณดิจิตอล (DSP) ที่ทำงานในอัตราที่แตกต่างกัน ตัวอย่างเช่นคุณสามารถใช้การสุ่มตัวอย่างเหตุผลเพื่อแปลงสัญญาณ 48 kHz จากระบบเสียงระดับมืออาชีพเป็นสัญญาณเสียง 44.1 kHz สำหรับซีดีเพลง การออกแบบตัวกรองแบบหลายตัวแปร Express VI ใช้ Multirate FIR Design, Multistage Multirate Filter Design และ Multirate CIC Design Express VIs เพื่อออกแบบฟิลเตอร์ FIR แบบ multirate ตัวกรอง multirage multirate และ multirate cascaded integrator comb (CIC) filter interactive การสนับสนุนการออกแบบตัวกรองหลายจุดแบบ Fixed-Point ใช้ VIs เครื่องมือ Fixed-Point ของ Multirate เพื่อหาขนาดแบบจำลองและจำลองตัวกรองหลายจุดแบบคงที่ Fixed-Point Multirate Filter การสนับสนุนการสร้างโค้ด FPGA ใช้เครื่องกำเนิดรหัส DFD FXP MRate และเครื่องสร้างโค้ด MRS DFD FXP NStage MRs เพื่อสร้างโค้ด LabVIEW FPGA จากตัวกรองหลายจุดแบบคงที่ คุณสามารถสร้างโค้ดสำหรับทั้งแอปพลิเคชันการกรองหนึ่งแชแนลและหลายช่อง นอกจากนี้คุณยังสามารถสร้างโค้ดจากตัวกรอง multirate ทั้งแบบขั้นตอนเดียวและแบบหลายขั้นตอน Fixed-Point Moving Average Filter การสนับสนุนการสร้างโค้ด FPGA ใช้ DFD FXP Moving Average Code Generator VI เพื่อสร้างโค้ด LabVIEW FPGA จากตัวกรองค่าเฉลี่ยเคลื่อนที่คงที่ (MA) รหัส LabVIEW FPGA ที่สร้างขึ้นจากตัวกรอง MA แบบจุดคงที่ช่วยให้คุณสามารถกรอง MA ได้อย่างมีประสิทธิภาพในสัญญาณอินพุตโดยใช้ทรัพยากรฮาร์ดแวร์เพียงเล็กน้อย ใช้ยูทิลิตี VIs เพื่อวาดฟังก์ชันการถ่ายโอนค่าที่ได้จากศูนย์และสมการความแตกต่างในการควบคุมภาพ ตัวกรองบันทึกและโหลดจากเครื่องมือแฟ้มข้อความใช้ DFD บันทึกไปยังแฟ้มข้อความและ DFD บันทึก MRate ไปเป็น VI แฟ้มข้อความเพื่อบันทึกตัวกรองรวมทั้งตัวกรอง multirate เป็นแฟ้มข้อความ คุณสามารถรับโครงสร้างตัวกรองคำสั่งกรองและค่าสัมประสิทธิ์การกรองจากไฟล์ข้อความ จากนั้นคุณสามารถคัดลอกค่าสัมประสิทธิ์การกรองจากไฟล์ข้อความและใช้ค่าสัมประสิทธิ์ในแอ็พพลิเคชันอื่น ๆ ใช้ DFD Load จาก Text File VI เพื่อโหลดตัวกรองจากไฟล์ข้อความ คุณไม่สามารถใช้ VI เพื่อโหลดตัวกรองหลายตัว ชุดเครื่องมือออกแบบระบบกรองข้อมูลดิจิตอล 8.2 แสดงตัวอย่างมากกว่า 100 ตัวอย่างที่แสดงให้เห็นถึงวิธีการทำงานบางอย่างโดยใช้ VIs และหน้าที่การออกแบบ Digital Filter Design ตัวอย่างเหล่านี้ประกอบด้วยบทแนะนำการเริ่มต้นและกรณีศึกษาในเชิงลึก รุ่น 8.2.1 (438APUX0) ชุดเครื่องมือออกแบบกรองข้อมูลดิจิตอล 8.2.1 แก้ไขปัญหาที่ฟังก์ชัน mathmicro firminphase ไม่สามารถคำนวณค่าเฟสสเปกตรัมขั้นต่ำของเฟสเชิงเส้นตัวกรองการตอบสนองต่อ impulse จำกัด (FIR) ได้อย่างถูกต้อง รุ่น 8.2 ชุดเครื่องมือการออกแบบตัวกรองข้อมูลดิจิทัล 7.5 ไม่ได้มีข้อ จำกัด เกี่ยวกับจำนวนเฟสหรือความล่าช้าที่แตกต่างกันของตัวกรอง CIC ชุดเครื่องมือออกแบบระบบกรองข้อมูลดิจิตอล 8.2 จำกัด จำนวนขั้นตอนของตัวกรอง CIC ในช่วง 1, 8 และ จำกัด ค่าความล่าช้าของการแตกต่างเป็น 1 หรือ 2 ถ้าคุณต้องการใช้ตัวกรองที่คุณออกแบบมาด้วย Digital Filter Design Toolkit 7.5 ชุดเครื่องมือการออกแบบกรองข้อมูลดิจิทัล 8.2 อาจรายงานตัวกรองเป็นวัตถุตัวกรองที่ไม่ถูกต้อง ถ้าคุณพบสถานการณ์เช่นนี้ให้บันทึกตัวกรองเป็นไฟล์ไบนารีใน Digital Filter Design Toolkit 7.5 จากนั้นใช้ Digital Filter Design Toolkit 8.2 เพื่อโหลดตัวกรองจากไฟล์ไบนารี ชุดเครื่องมือการออกแบบกรองข้อมูลดิจิทัล 7.5 กำหนดความถี่ในการสุ่มตัวอย่างของตัวกรอง multirate เป็นความถี่สุ่มตัวอย่างสูงสุดในตัวกรอง multirate ชุดเครื่องมือออกแบบระบบกรองข้อมูลดิจิตอล 8.2 กำหนดความถี่ในการสุ่มตัวอย่างของตัวกรอง multirate เป็นความถี่สุ่มตัวอย่างในตัวกรอง multirate ดังนั้นถ้าคุณต้องการใช้ตัวกรองการสอดแทรกที่คุณออกแบบมาด้วย Digital Filter Design Toolkit 7.5 ก่อนอื่นคุณต้องเปลี่ยนความถี่ในการสุ่มตัวอย่างของตัวกรองการแก้ไขจากความถี่การสุ่มตัวอย่างสูงสุดไปเป็นความถี่ในการสุ่มตัวอย่างของการป้อนข้อมูล การเปลี่ยนแปลงนี้ไม่มีผลต่อตัวกรองการ decimation และไม่มีอัตราการเปลี่ยนแปลง ในชุดเครื่องมือการออกแบบกรองข้อมูลดิจิทัล 8.2 โมเดล DFD FXP สำหรับ CodeGen Express VI ไม่มีอยู่ในชุดเครื่องมือเครื่องมือชี้จุดยึด ใช้ DFD FXP Quantize Coef VI เพื่อหาค่าสัมประสิทธิ์ของตัวกรองและ DFD FXP Modeling VI เพื่อสร้างตัวกรองแบบจุดคงที่แทน ใน Digital Filter Designer Toolkit 7.5 การตอบสนองของเฟสและการตอบสนองเฟสของ DFD Plate MRate Freq Response VI เป็นกลุ่ม ใน Digital Filter Design Toolkit 8.2 ผลลัพธ์เหล่านี้เป็นอาร์เรย์ของกลุ่ม รุ่น 8.2.1 นอกจากปัญหาที่ทราบในชุดเครื่องมือออกแบบระบบกรองข้อมูลดิจิตอล 8.2 แล้ว ชุดรูปแบบการออกแบบกรองข้อมูลดิจิทัล 8.2.1 ประกอบด้วยปัญหาที่ทราบใหม่ต่อไปนี้: เนื่องจากแบบอักษรเริ่มต้นใน Windows Vista แตกต่างจากแบบอักษรเริ่มต้นใน Windows รุ่นก่อนหน้าคุณอาจสังเกตเห็นปัญหาเกี่ยวกับเครื่องสำอางค์เช่นข้อความที่ทับซ้อนกันหรือตัดทอนข้อความใน VIs และกล่องโต้ตอบ LabVIEW หากต้องการแก้ไขปัญหานี้ให้เปลี่ยนชุดรูปแบบของระบบปฏิบัติการเป็น Windows Classic ในกล่องโต้ตอบการตั้งค่าธีมแล้วรีสตาร์ท LabVIEW เลือก Start0187Control Panel0187Appearance และ Personalization แล้วคลิก Change the theme เพื่อแสดงไดอะล็อกบ็อกซ์การตั้งค่าธีม การวิเคราะห์ตัวกรอง VIs อาจใช้เวลานานในการวิเคราะห์ตัวกรองที่มีลำดับสูง DFD Remez Design VI อาจต้องใช้เวลานานในการออกแบบฟิลเตอร์ FIR ที่มีลำดับสูง การออกแบบ DFD แบบ Least Pth Norm VI อาจใช้เวลานานในการออกแบบที่มีอัลกอริธึมซ้ำ ชุดเครื่องมือการออกแบบตัวกรองแบบดิจิตอล 8.2 ไม่อนุญาตให้มีค่าเป็นศูนย์ใน Zero-Placement Express VI ถ้าคุณระบุ zero-valued zero, Express VI จะบังคับ zero ให้เป็นศูนย์ที่ไม่ใช่ zero-zero เมื่อคุณออกแบบตัวกรองจุดคงที่คุณต้องกำหนดค่า quantizers ตัวควอนซ์แต่ละตัวมี Boolean ที่มีการเซ็นชื่อระบุว่าจะประมวลผลหมายเลขอินพุทเป็นหมายเลขที่ลงนามไว้หรือไม่ Digital Filter Design Toolkit 8.2 สนับสนุนตัวเลขที่ลงนามเท่านั้น ลักษณะของตัวกรองอาจมีการเปลี่ยนแปลงหากเกิดข้อผิดพลาดขึ้นระหว่างการแปลงระหว่างค่าสัมประสิทธิ์การกรองของโครงสร้างตัวกรองที่แตกต่างกัน เมื่อคุณแปลงโครงสร้างตัวกรองตัวกรองที่มีโครงสร้างใหม่อาจแตกต่างจากตัวกรองเดิมอย่างสิ้นเชิง หากคุณพบกับสถานการณ์นี้ให้ลองใช้โครงสร้างอื่น คุณอาจต้องรวบรวมตัวอย่าง VIs การออกแบบตัวกรองดิจิทัลซึ่งจะสาธิตวิธีใช้รหัส LabVIEW FPGA ที่สร้างขึ้นในโครงการ LabVIEW ดูวิธีใช้ LabVIEW เข้าถึงได้โดยการเลือก Help0187 ค้นหาวิธีใช้ LabVIEW จากเมนูแบบดึงลงใน LabVIEW สำหรับข้อมูลเกี่ยวกับการใช้ Digital Filter Toolkit คุณสามารถเข้าถึงตัวอย่างของ Digital Filter Design Toolkit ได้โดยเลือก Help0187Find Examples เพื่อแสดง NI Example Finder จากนั้นไปที่ Toolkits and Modules0187 โฟลเดอร์ Design Filter Filter นอกจากนี้คุณยังสามารถคลิกลิงก์ค้นหาตัวอย่างในส่วนตัวอย่างของหน้าต่างเริ่มต้นใช้งานเพื่อแสดง NI Example Finder คุณสามารถปรับเปลี่ยนตัวอย่าง VI เพื่อให้พอดีกับแอพพลิเคชันหรือคุณสามารถคัดลอกและวางจากตัวอย่างหนึ่งตัวหรือมากกว่าลงใน VI ที่คุณสร้างได้ นอกจากนี้คุณยังสามารถหาตัวอย่างสำหรับ Digital Filter Design Toolkit ได้จากไดเร็กทอรี labviewexamplesDigital Filter Design 0169 200682112007 บริษัท เนชั่นแนลทูลส์คอร์ปอเรชั่น สงวนลิขสิทธิ์. ภายใต้กฎหมายลิขสิทธิ์สิ่งพิมพ์นี้ต้องไม่ทำซ้ำหรือส่งต่อในรูปแบบอิเล็กทรอนิกส์หรือเครื่องกลรวมทั้งการถ่ายเอกสารบันทึกจัดเก็บข้อมูลในระบบสืบค้นข้อมูลหรือแปลทั้งหมดหรือบางส่วนโดยไม่ได้รับความยินยอมเป็นลายลักษณ์อักษรล่วงหน้าจาก National Instruments บริษัท. National Instruments, NI, พรรณี และ LabVIEW เปนเครื่องหมายการคาของ National Instruments Corporation โปรดดูที่ส่วนข้อกำหนดในการใช้งานของ nilegal สำหรับข้อมูลเพิ่มเติมเกี่ยวกับเครื่องหมายการค้าของ National Instruments ชื่อผลิตภัณฑ์และ บริษัท อื่นที่กล่าวถึงในที่นี้เป็นเครื่องหมายการค้าหรือชื่อทางการค้าของ บริษัท ที่เกี่ยวข้อง สำหรับข้อมูลเกี่ยวกับสิทธิบัตรที่ครอบคลุมผลิตภัณฑ์ของ National Instruments โปรดดูที่ตำแหน่งที่เหมาะสม: Help0187 เนื้อหาในซอฟต์แวร์ของคุณไฟล์ patents. txt ในซีดีหรือ nipatents ตัวกรองข้อมูลพิเศษตัวกรองข้อมูลส่วนบุคคลหน้านี้อธิบายถึงการกรองแบบ exponential ซึ่งเป็นตัวกรองที่ง่ายและเป็นที่นิยมมากที่สุด นี่เป็นส่วนหนึ่งของส่วนการกรองซึ่งเป็นส่วนหนึ่งของคู่มือการตรวจหาและวินิจฉัยข้อบกพร่องข้อมูลภาพรวมค่าคงที่ตลอดเวลาและหน่วยความจำแบบอนาล็อกตัวกรองที่ง่ายที่สุดคือตัวกรองเลขลำดับ มีพารามิเตอร์จูนเดียว (นอกเหนือจากช่วงเวลาตัวอย่าง) ต้องเก็บข้อมูลตัวแปรเดียว - เอาต์พุตก่อนหน้านี้ เป็นตัวกรอง IIR (autoregressive) - ผลกระทบของการเปลี่ยนแปลงการเปลี่ยนแปลงการป้อนข้อมูลแบบทวีคูณจนถึงขีด จำกัด ของการแสดงผลหรือการคำนวณทางคณิตศาสตร์ของคอมพิวเตอร์ซ่อนไว้ ในสาขาต่างๆการใช้ตัวกรองนี้เรียกว่า 8220exponential smoothing8221 ในบางสาขาวิชาเช่นการวิเคราะห์การลงทุนตัวกรองเลขยกกำลังเรียกว่า 8220Exeptably Weighted Moving Average8221 (EWMA) หรือเพียง 8220Exponential Moving Average8221 (EMA) การดำเนินการนี้ละเมิดหลักเกณฑ์ ARMA 8220 โดยทั่วไปในการวิเคราะห์การวิเคราะห์อนุกรมเวลาเนื่องจากไม่มีประวัติการเข้าที่ใช้งานเพียงแค่ข้อมูลปัจจุบันเท่านั้น มันเป็นเวลาที่ไม่ต่อเนื่องเทียบเท่า 8220 ลำดับแรก lag8221 ใช้กันทั่วไปในการสร้างแบบจำลองอนาล็อกของระบบควบคุมเวลาต่อเนื่อง ในวงจรไฟฟ้าตัวกรอง RC (ตัวกรองที่มีตัวเก็บประจุหนึ่งตัวและตัวเก็บประจุหนึ่งตัว) เป็นลัดแรก เมื่อเน้นความคล้ายคลึงกับวงจรแอนะล็อกพารามิเตอร์การปรับค่าเดียวคือค่าคงที่ 8220 ตลอดเวลาโดยปกติจะเขียนเป็นตัวพิมพ์เล็กตัวอักษรกรีก Tau () ในความเป็นจริงค่าในช่วงเวลาตัวอย่างที่ไม่ต่อเนื่องตรงกับเวลาลัดเวลาต่อเนื่องที่เท่ากันโดยมีค่าคงที่ในเวลาเดียวกัน ความสัมพันธระหวางการใชงานแบบดิจิตอลกับคาคงที่ของเวลาจะแสดงไวในสมการตอไปนี้ สมการของตัวกรองแบบเรียงซ้อนและการเตรียมใช้งานตัวกรองเลขยกกำลังเป็นชุดค่าผสมของการประมาณค่าก่อนหน้า (เอาท์พุท) ที่มีข้อมูลป้อนเข้าใหม่ล่าสุดโดยมีผลรวมของน้ำหนักเท่ากับ 1 เพื่อให้เอาต์พุตตรงกับอินพุทในสภาวะคงที่ ตามสัญกรณ์ตัวกรอง: y (k) ay (k-1) (1-a) x (k) โดยที่ x (k) เป็นข้อมูลดิบที่ระยะเวลา ky (k) เป็นผลลัพธ์ที่ผ่านการกรองในขั้นตอนเวลา ka เป็นค่าคงที่ระหว่าง 0 ถึง 1 โดยปกติระหว่าง 0.8 ถึง 0.99 (a-1) หรือบางครั้งเรียกว่า 8220smoothing constant8221 สำหรับระบบที่มีขั้นตอนเวลาคงที่ T ระหว่างตัวอย่างค่าคงที่ 8220a8221 จะคำนวณและจัดเก็บไว้เพื่อความสะดวกเฉพาะเมื่อนักพัฒนาแอ็พพลิเคชันระบุค่าใหม่ของค่าคงที่เวลาที่ต้องการ สำหรับระบบที่มีการสุ่มตัวอย่างข้อมูลในช่วงเวลาที่ผิดปกติต้องใช้ฟังก์ชันเลขชี้กำลังข้างต้นกับแต่ละขั้นตอนเวลาโดยที่ T คือเวลาตั้งแต่ตัวอย่างก่อนหน้านี้ เอาท์พุทตัวกรองมักจะถูกเตรียมใช้งานเพื่อให้ตรงกับการป้อนข้อมูลครั้งแรก เมื่อเวลาคงที่เข้าใกล้ 0 เป็น a ไปเป็นศูนย์ดังนั้นจึงไม่มีการกรองผลลัพธ์ 8211 เท่ากับการป้อนข้อมูลใหม่ เป็นเวลาคงที่จะมีขนาดใหญ่มากวิธีที่ 1 เพื่อให้ใส่ใหม่เกือบจะละเลย 8211 มากกรองหนัก สมการของตัวกรองด้านบนสามารถจัดเรียงใหม่ลงในตัวทำนาย - corrector equivalent: รูปแบบนี้ทำให้เห็นได้ชัดว่าค่าประมาณตัวแปร (เอาท์พุทของตัวกรอง) คาดว่าจะไม่เปลี่ยนแปลงจากค่าประมาณก่อนหน้า y (k-1) บวกคำที่ใช้แก้ไข ที่ไม่คาดคิด 8220innovation8221 - ความแตกต่างระหว่างการป้อนข้อมูลใหม่ x (k) และการทำนาย y (k-1) แบบฟอร์มนี้เป็นผลมาจากการหาตัวกรองแบบ exponential เป็นกรณีพิเศษแบบพิเศษของตัวกรองคาลมาน ซึ่งเปนทางออกที่ดีที่สุดในการประมาณคาโดยใชสมมติฐานเฉพาะ การตอบสนองขั้นตอนวิธีหนึ่งในการมองเห็นการทำงานของตัวกรองเลขยกกำลังคือการพล็อตการตอบสนองของมันในช่วงเวลาหนึ่งไปยังอินพุตขั้นตอน นั่นคือเริ่มต้นด้วยการป้อนข้อมูลตัวกรองและเอาท์พุทที่ 0 ค่าอินพุตจะเปลี่ยนไปเป็น 1 โดยอัตโนมัติค่าที่ได้จะถูกวางแผนไว้ด้านล่าง: ในพล็อตด้านบนเวลาจะถูกหารด้วยเวลาตัวกรอง tau คงที่เพื่อให้คุณคาดการณ์ได้ง่ายขึ้น ผลลัพธ์สำหรับช่วงเวลาใด ๆ สำหรับค่าใด ๆ ของค่าคงที่ของตัวกรอง หลังจากเวลาเท่ากับเวลาที่กำหนดเอาต์พุตตัวกรองจะเพิ่มขึ้นเป็น 63.21 ของค่าสุดท้าย หลังจากเวลามีค่าเท่ากับ 2 ค่าคงที่ค่าจะเพิ่มขึ้นเป็น 86.47 ของค่าสุดท้าย ผลลัพธ์ตามเวลาที่เท่ากับ 3,4 และ 5 ค่าคงที่คือ 95.02, 98.17 และ 99.33 ของค่าสุดท้ายตามลำดับ เนื่องจากตัวกรองเป็นแบบเส้นตรงนั่นหมายความว่าเปอร์เซ็นต์เหล่านี้สามารถใช้สำหรับขนาดของการเปลี่ยนแปลงขั้นตอนไม่ใช่เฉพาะสำหรับค่าที่ใช้ 1 ที่นี่ แม้ว่าการตอบสนองขั้นตอนในทฤษฎีจะใช้เวลาที่ไม่มีที่สิ้นสุดจากมุมมองเชิงปฏิบัติให้คิดเกี่ยวกับตัวกรองเลขยกกำลังเป็น 98 ถึง 99 8220done8221 ที่ตอบสนองหลังจากเวลานั้นเท่ากับ 4 ถึง 5 ช่วงเวลาของตัวกรอง มีการเปลี่ยนแปลงของตัวกรองเลขทศนิยมที่เรียกว่าตัวกรองเลข 8220nnonear อย่างละเอียด 8221 Weber, 1980 มีจุดมุ่งหมายเพื่อกรองสัญญาณรบกวนภายในคลื่น 8220typical8221 อย่างมาก แต่จะตอบสนองต่อการเปลี่ยนแปลงที่มีขนาดใหญ่กว่า อะไรคือ RC กรองและค่าเฉลี่ยที่อธิบายและวิธีการที่พวกเขาแตกต่างกันคำตอบสำหรับส่วนที่สองของคำถามก็คือว่าพวกเขาเป็นกระบวนการเดียวกันถ้าหนึ่งมาจากพื้นหลังอิเล็กทรอนิคส์ แล้ว RC Filtering (หรือ RC Smoothing) เป็นนิพจน์ปกติ ในอีกทางหนึ่งวิธีการตามสถิติชุดเวลามีชื่อ Exponential Averaging หรือใช้ชื่อเต็มว่า Exponential Weighted Moving Average นี่เป็นที่รู้จักกันในชื่อ EWMA หรือ EMA ข้อได้เปรียบที่สำคัญของวิธีนี้คือความเรียบง่ายของสูตรสำหรับการคำนวณผลลัพธ์ต่อไป ใช้เวลาเศษเสี้ยวของผลลัพธ์ก่อนหน้านี้และเศษหนึ่งส่วนนี้จะหักส่วนที่เป็นข้อมูลปัจจุบัน ในเวลาต่อมาเกี่ยวกับพีชคณิต k ผลลัพธ์ที่ได้จากการเรียบ y k จะได้รับตามที่แสดงในภายหลังนี้สูตรง่ายๆเน้นเหตุการณ์ล่าสุดคลี่คลายรูปแบบความถี่สูงและแสดงให้เห็นถึงแนวโน้มในระยะยาว หมายเหตุมีสองรูปแบบของสมการการเฉลี่ยเลขยกกำลังหนึ่งข้างต้นและตัวแปรทั้งสองถูกต้อง ดูบันทึกย่อที่ท้ายบทความเพื่อดูรายละเอียดเพิ่มเติม ในการสนทนานี้เราจะใช้สมการ (1) เท่านั้น สูตรข้างต้นบางครั้งเขียนในรูปแบบที่ จำกัด มากขึ้น สูตรนี้มาจากอะไรและการตีความคืออะไรประเด็นสำคัญคือเราจะเลือกอย่างไร เพื่อดูวิธีนี้ง่ายๆคือการพิจารณาตัวกรองความถี่ต่ำผ่าน RC ตอนนี้ตัวกรองสัญญาณ RC low pass เป็นเพียงตัวต้านทานแบบ R และตัวเก็บประจุแบบคู่ขนาน C ดังภาพด้านล่าง สมการของอนุกรมเวลาสำหรับวงจรนี้คือ RC ผลิตภัณฑ์มีหน่วยของเวลาและเรียกว่าค่าคงตัวเวลา T สำหรับวงจร สมมติว่าเราแสดงสมการด้านบนในรูปแบบดิจิทัลสำหรับชุดข้อมูลเวลาซึ่งมีข้อมูลที่ถ่ายทุกๆวินาที เรามีนี้เป็นรูปแบบเดียวกับสมการก่อนหน้านี้ การเปรียบเทียบความสัมพันธ์สองแบบที่เรามีซึ่งจะลดลงไปสู่ความสัมพันธ์ที่เรียบง่ายดังนั้นการเลือก N จะได้รับคำแนะนำโดยใช้เวลาที่เราเลือกเสมอ ตอนนี้สมการ (1) อาจได้รับการยอมรับว่าเป็นตัวกรองความถี่ต่ำและค่าคงที่ของเวลาจะเป็นตัวบ่งบอกลักษณะการทำงานของตัวกรอง เมื่อต้องการดูความสำคัญของ Time Constant เราต้องดูที่ความถี่ของ filter RC ต่ำนี้ ในรูปแบบทั่วไปนี้แสดงในรูปแบบโมดูลัสและเฟสเรามีที่มุมเฟสคือ ความถี่ที่เรียกว่าความถี่ตัดระบุ ทางกายภาพอาจแสดงให้เห็นว่าที่ความถี่นี้พลังงานในสัญญาณลดลงครึ่งหนึ่งและความกว้างจะลดลงตามปัจจัย ในแง่ dB ความถี่นี้เป็นที่ที่แอมพลิจูดถูกลดลงโดย 3dB เห็นได้ชัดว่าค่าคงที่เวลา T เพิ่มขึ้นดังนั้นความถี่ในการตัดจึงลดลงและเราใช้การปรับให้เรียบมากขึ้นกับข้อมูลนั่นคือเราจะกำจัดความถี่ที่สูงขึ้นได้ เป็นสิ่งสำคัญที่จะต้องทราบว่าการตอบสนองต่อความถี่จะแสดงเป็นเวลา radians วินาที นั่นคือปัจจัยที่เกี่ยวข้อง ตัวอย่างเช่นการเลือกค่าคงที่เป็นเวลา 5 วินาทีให้ความถี่ตัดที่มีประสิทธิภาพ การใช้งาน RC smoothing อันหนึ่งคือการจำลองการทำงานของมิเตอร์เช่นใช้ในเครื่องวัดระดับเสียง (Sound Level Meter) โดยทั่วไป typified โดยค่าคงที่ของเวลาเช่น 1 วินาทีสำหรับ S types และ 0.125 seconds สำหรับ F types สำหรับกรณีดังกล่าว 2 กรณีความถี่ตัดที่มีประสิทธิภาพคือ 0.16Hz และ 1.27Hz ตามลำดับ จริงๆแล้วมันไม่ใช่เวลาที่เรามักจะเลือกที่จะเลือก แต่ช่วงเวลาที่เราต้องการรวมไว้ สมมติว่าเรามีสัญญาณที่เราต้องการรวมคุณลักษณะที่มีระยะเวลา P ไว้ด้วย ตอนนี้ระยะเวลา P คือความถี่ จากนั้นเราสามารถเลือกค่าคงที่เวลา T ที่กำหนดโดย อย่างไรก็ตามเราทราบว่าเราได้สูญเสียผลผลิตประมาณ 30 รายการ (-3dB) ที่ ดังนั้นการเลือกค่าคงที่ตลอดเวลาที่ตรงกับช่วงเวลาที่เราต้องการเก็บไว้ไม่ใช่วิธีที่ดีที่สุด โดยปกติจะดีกว่าถ้าเลือกความถี่ตัดสูงกว่าเล็กน้อยพูด ค่าคงที่ตลอดเวลาเป็นค่าที่ใกล้เคียงกับ ซึ่งจะช่วยลดการสูญเสียไปประมาณ 15 ที่ช่วงนี้ ดังนั้นในทางปฏิบัติเพื่อรักษาเหตุการณ์ที่มีระยะเวลาหรือมากกว่านั้นเลือกค่าคงตัวของเวลา ซึ่งจะรวมถึงผลกระทบของ periodicities ลงไปประมาณ ตัวอย่างเช่นถ้าเราต้องการรวมผลกระทบของเหตุการณ์ที่เกิดขึ้นกับพูดช่วง 8 วินาที (0.125Hz) จากนั้นเลือกค่าคงตัวเวลาเป็น 0.8 วินาที ให้ตัดความถี่ประมาณ 0.2Hz เพื่อให้ระยะเวลา 8 วินาทีของเราเป็นไปอย่างดีในแถบผ่านหลักของตัวกรอง ถ้าเราสุ่มตัวอย่างข้อมูลที่เวลา 20 วินาที (h 0.05) ค่า N คือ (0.80.05) 16 และ ข้อมูลนี้จะให้ข้อมูลเชิงลึกเกี่ยวกับวิธีตั้งค่า โดยทั่วไปสำหรับอัตราตัวอย่างที่รู้จักจะ typifies ระยะเวลาเฉลี่ยและเลือกความผันผวนของความถี่สูงที่จะถูกละเว้น เมื่อมองไปที่การขยายตัวของอัลกอริทึมเราจะเห็นว่าค่านิยมนี้นิยมมากที่สุดและเป็นเหตุผลว่าทำไมจึงเรียกว่าการถ่วงน้ำหนักแบบเสวนา เรามีการแทนสำหรับ y k-1 ทำให้การทำซ้ำขั้นตอนนี้หลายครั้งนำไปสู่เนื่องจากอยู่ในช่วงจากนั้นคำศัพท์ด้านขวาจะเล็กลงและทำหน้าที่เหมือนคำอธิบายที่ทรุดโทรม นั่นคือผลผลิตปัจจุบันมีความลำเอียงต่อเหตุการณ์ที่เกิดขึ้นเมื่อเร็ว ๆ นี้ แต่ขนาดใหญ่ที่เราเลือก T แล้วอคติน้อย สรุปได้ว่าสูตรง่ายๆเน้นเหตุการณ์ล่าสุดคลี่คลายเหตุการณ์ที่เกิดขึ้นในช่วงความถี่สูง (ช่วงเวลาสั้น ๆ ) เผยให้เห็นถึงแนวโน้มในระยะยาวภาคผนวก 1 8211 รูปแบบสำรองของสมการข้อควรระวังมีสมการกำลังเฉลี่ยเลขยกกำลังสองแบบที่ปรากฏอยู่ในวรรณคดี ทั้งสองถูกต้องและเท่ากัน แบบฟอร์มแรกดังที่แสดงไว้ข้างต้นคือ (A1) รูปแบบอื่นคือ 8230 (A2) หมายเหตุการใช้สมการที่หนึ่งและในสมการที่สอง ในทั้งสองสมการและเป็นค่าระหว่างศูนย์กับเอกภาพ ก่อนหน้านี้ถูกกำหนดให้เป็นตอนนี้เลือกที่จะกำหนดดังนั้นรูปแบบอื่นของสมการเฉลี่ยสมการคือในแง่ทางกายภาพก็หมายความว่าการเลือกรูปแบบหนึ่งใช้ขึ้นอยู่กับว่าใครอยากจะคิดว่าการรับเป็นสมการเศษอาหารกลับ (A1) หรือ เป็นส่วนของสมการป้อนข้อมูล (A2) แบบฟอร์มแรกจะไม่ค่อยยุ่งยากในการแสดงความสัมพันธ์ของตัวกรองแบบ RC และนำไปสู่ความเข้าใจในแง่ของการกรองได้ง่ายขึ้น หัวหน้านักวิเคราะห์ด้านการประมวลผลสัญญาณของ Prosig ดร. โคลินเมอร์เซอร์เคยดำรงตำแหน่งสถาบันค้นคว้าเสียงและการสั่นสะเทือน (ISVR) มหาวิทยาลัยเซาแทมป์ตันซึ่งเป็นผู้ก่อตั้งศูนย์วิเคราะห์ข้อมูล จากนั้นเขาก็ไปหา Prosig ในปีพ. ศ. 2520 โคลินเกษียณในฐานะหัวหน้านักวิเคราะห์การประมวลผลสัญญาณที่ Prosig ในเดือนธันวาคมปี พ. ศ. 2559 เขาเป็นวิศวกรที่มีอำนาจและเป็นเพื่อนของสมาคมคอมพิวเตอร์แห่งประเทศอังกฤษ ฉันคิดว่าคุณต้องการเปลี่ยน 8216p8217 เป็นสัญลักษณ์สำหรับ pi มาร์โคขอขอบคุณที่ชี้ให้เห็นว่า ฉันคิดว่านี่เป็นหนึ่งในบทความเก่าของเราที่ได้รับการถ่ายโอนจากเอกสารประมวลผลคำเก่า เห็นได้ชัดว่าบรรณาธิการ (ฉัน) ไม่สามารถระบุได้ว่า pi ไม่ได้รับการถ่ายโอนอย่างถูกต้อง จะมีการแก้ไขในไม่ช้า it8217s คำอธิบายบทความที่ดีมากเกี่ยวกับค่าเฉลี่ยเลขชี้กำลังผมเชื่อว่ามีข้อผิดพลาดในสูตรสำหรับ T. ควรเป็น T h (N-1) ไม่ใช่ T (N-1) h ไมค์ขอบคุณที่จำได้ว่า ฉันเพิ่งตรวจสอบกลับไปยัง Dr Mercer8217s ฉบับเดิมทางเทคนิคในคลังข้อมูลของเราและดูเหมือนว่าเกิดข้อผิดพลาดขณะถ่ายโอนสมการไปยังบล็อก เราจะแก้ไขโพสต์ ขอบคุณที่แจ้งให้เราทราบขอบคุณขอขอบคุณที่ขอบคุณ คุณสามารถอ่าน 100 ข้อความ DSP โดยไม่ต้องค้นหาอะไรเลยที่ระบุว่าตัวกรองเฉลี่ยที่เป็นตัวชี้วัดเท่ากับตัวกรอง R-C hmm, คุณมีสมการสำหรับตัวกรอง EMA ที่ถูกต้องไม่ใช่ไม่ใช่ Yk aXk (1-a) Yk-1 ไม่ใช่ Yk aYk-1 (1-a) Xk Alan ทั้งสองรูปแบบของสมการจะปรากฏในวรรณคดีและ ทั้งสองแบบถูกต้องตามที่ฉันจะแสดงด้านล่าง จุดที่คุณทำนั้นสำคัญมากเพราะการใช้รูปแบบอื่นหมายความว่าความสัมพันธ์ทางกายภาพกับตัวกรองแบบ RC จะไม่ปรากฏชัดยิ่งไปกว่านั้นการตีความความหมายของสิ่งที่ปรากฏในบทความไม่เหมาะสมสำหรับรูปแบบอื่น อันดับแรกให้เราแสดงทั้งสองรูปแบบถูกต้อง รูปแบบของสมการที่ฉันได้ใช้คือและรูปแบบอื่นที่ปรากฏในข้อความจำนวนมากเป็นหมายเหตุในข้างต้นฉันใช้ latex 1latex ในสมการแรกและ latex 2latex ในสมการที่สอง ความเท่าเทียมกันของทั้งสองรูปแบบของสมการแสดงให้เห็นทางคณิตศาสตร์ด้านล่างโดยทำตามขั้นตอนง่ายๆในแต่ละครั้ง สิ่งที่ไม่เหมือนกันคือค่าที่ใช้สำหรับน้ำยางข้นในแต่ละสมการ ในทั้งสองแบบนี้น้ำยางข้นคือค่าระหว่างศูนย์กับความสามัคคี จงเขียนสมการ (1) แทน latex 1latex โดย latex latex นี่เป็น latexyk y (1 - beta) xklatex 8230 (1A) ตอนนี้กำหนด latexbeta (1 - 2) latex และเรามี latex 2 (1 - beta) latex ด้วย (1A) ให้ latexyk (1 - 2) y 2xklatex 8230 (1B) และในที่สุดการจัดเรียงใหม่ให้สมการนี้เป็นเหมือนรูปแบบอื่นที่กำหนดในสมการ (2) ใส่น้ำยางข้น 2 (1 - 1) ในแง่ทางกายภาพหมายความว่าการเลือกรูปแบบหนึ่งขึ้นอยู่กับว่าใครอยากจะคิดว่าการใช้น้ำยางเป็นสูตรสมการเศษอาหาร (1) หรือเป็นส่วนของสมการป้อนข้อมูล (2) ดังที่กล่าวมาข้างต้นฉันได้ใช้แบบฟอร์มแรกเนื่องจากไม่ยุ่งยากน้อยกว่าในการแสดงความสัมพันธ์ของตัวกรองแบบ RC และนำไปสู่ความเข้าใจในแง่ของการกรองได้ง่ายขึ้น อย่างไรก็ตามการละเว้นการข้างต้นเป็นในมุมมองของฉันการขาดบทความที่คนอื่นอาจทำให้การอนุมานที่ไม่ถูกต้องดังนั้นฉบับที่แก้ไขจะปรากฏในเร็ว ๆ นี้ I8217ve เคยสงสัยเกี่ยวกับเรื่องนี้ขอบคุณสำหรับการอธิบายอย่างชัดเจน ฉันคิดว่าเหตุผลที่สูตรแรกเป็นสิ่งที่ดีคือแผนที่อัลฟาถึง 8216smoothness8217: ทางเลือกที่สูงขึ้นของอัลฟาหมายถึงผลผลิต 8216more smooth8217 ไมเคิลขอบคุณสำหรับการสังเกต 8211 ฉันจะเพิ่มบทความบางอย่างในบรรทัดเหล่านั้นเนื่องจากเป็นเสมอดีกว่าในมุมมองของฉันที่เกี่ยวข้องกับด้านกายภาพ Dr Mercer บทความยอดเยี่ยมขอบคุณ ฉันมีคำถามเกี่ยวกับเวลาคงที่เมื่อใช้กับเครื่องตรวจจับ rms เช่นเดียวกับเครื่องวัดระดับเสียงที่คุณอ้างถึงในบทความ ถ้าฉันใช้สมการของคุณในการสร้างแบบจำลองตัวกรองแบบ exponential ด้วย Time Constant 125ms และใช้สัญญาณขั้นตอนการป้อนข้อมูลฉันจะได้รับผลลัพธ์ที่หลังจาก 125ms เป็น 63.2 ของค่าสุดท้าย แต่ถ้าฉันสแควร์ใส่สัญญาณและใส่นี้ผ่านตัวกรองแล้วฉันเห็นว่าฉันต้องสองเวลาคงที่เพื่อให้สัญญาณไปถึง 63.2 ของมูลค่าสุดท้ายใน 125ms. คุณสามารถแจ้งให้เราทราบหากเป็นที่คาด ขอบคุณมาก. Ian Ian ถ้าคุณสแควร์สัญญาณเช่นคลื่นไซน์แล้วโดยทั่วไปคุณเป็นสองเท่าความถี่ของพื้นฐานรวมทั้งการแนะนำจำนวนมากความถี่อื่น ๆ เนื่องจากความถี่มีผลเป็นสองเท่าจึงทำให้มีการใช้ตัวกรองความถี่ต่ำผ่านค่าที่มากขึ้น 8216reduced8217 ผลก็คือต้องใช้เวลานานกว่าในการเข้าถึงแอมพลิจูดเดียวกัน การดำเนินการ squaring ไม่ใช่การดำเนินการเชิงเส้นดังนั้นฉันไม่คิดว่าจะมีการเพิ่มขึ้นเป็นสองเท่าในทุกกรณี แต่จะมีแนวโน้มที่จะเพิ่มขึ้นเป็นสองเท่าหากเรามีความถี่ต่ำที่เด่น นอกจากนี้โปรดทราบว่าความแตกต่างของสัญญาณสี่เหลี่ยมเป็นสองเท่าของสัญญาณ 8220un-squared8221 ฉันสงสัยว่าคุณอาจพยายามทำให้รูปทรงสี่เหลี่ยมจัตุรัสเฉลี่ยซึ่งสมบูรณ์และถูกต้อง อาจจะดีกว่าที่จะใช้ตัวกรองแล้วค่อยๆเหลี่ยมเท่าที่คุณรู้ว่ามีประสิทธิภาพ แต่ถ้าทั้งหมดที่คุณมีคือสัญญาณสี่เหลี่ยมแล้วใช้ปัจจัย 2 เพื่อปรับเปลี่ยนค่า alpha ของตัวกรองของคุณจะทำให้คุณกลับไปที่ความถี่ตัดเดิมหรือทำให้บิตง่ายขึ้นกำหนดความถี่ตัดที่สองเท่าของต้นฉบับ ขอขอบคุณสำหรับคำตอบของคุณ Dr Mercer คำถามของฉันจริงๆพยายามที่จะได้รับสิ่งที่เป็นจริงทำในเครื่องตรวจจับ rms ของเครื่องวัดระดับเสียง ถ้าเวลาคงที่กำหนดไว้สำหรับ 8216fast8217 (125ms) ฉันจะคิดว่าอย่างสังหรณ์ใจที่คุณคาดหวังสัญญาณอินพุต sinusoidal เพื่อผลิตออก 63.2 ของมูลค่าสุดท้ายหลังจาก 125ms แต่เนื่องจากสัญญาณจะถูกกำลังสองก่อนที่จะได้รับ 8216mean8217 ตรวจสอบจริงจะใช้เวลาสองครั้งตราบเท่าที่คุณอธิบาย วัตถุประสงค์หลักของบทความนี้คือเพื่อแสดงความเท่าเทียมกันของ RC filtering และ exponential averaging ถ้าเรากำลังพูดถึงเวลาในการรวมเข้าด้วยกันกับตัวผสานรูปสี่เหลี่ยมผืนผ้าที่แท้จริงแล้วคุณจะถูกต้องว่ามีปัจจัยสองอย่างที่เกี่ยวข้อง โดยทั่วไปถ้าเรามี integrator สี่เหลี่ยมที่แท้จริงที่รวมสำหรับวินาที Ti เวลา integator RC เทียบเท่าเพื่อให้บรรลุผลเดียวกันคือ 2RC วินาที Ti แตกต่างจาก RC 8216time constant8217 T ซึ่งเป็น RC ดังนั้นถ้าเรามีเวลาคงที่ 8216Fast8217 เท่ากับ 125 msec นั่นคือ RC 125 msec ซึ่งเท่ากับเวลาในการรวมจริง 250 มิลลิวินาทีขอขอบคุณสำหรับบทความนี้มีประโยชน์มาก มีเอกสารล่าสุดเกี่ยวกับระบบประสาทที่ใช้ตัวกรอง EMA (EMA แบบยาวที่มีหน้าต่างยาวซึ่งเป็นหน้าต่างสั้น ๆ ) เป็นตัวกรองสัญญาณแบนสำหรับการวิเคราะห์สัญญาณแบบเรียลไทม์ ฉันต้องการจะใช้พวกเขา แต่ฉันดิ้นรนกับขนาดหน้าต่างที่กลุ่มวิจัยที่แตกต่างกันได้ใช้และการติดต่อกับความถี่ตัด Let8217s กล่าวว่าฉันต้องการให้ทุกความถี่ต่ำกว่า 0.5Hz (aprox) และที่ฉันได้รับ 10 ตัวอย่างสอง. ซึ่งหมายความว่า fp 0.5Hz P 2s T P100.2 h 1fs0.1 ดังนั้นควรใช้ขนาดหน้าต่าง I ควรเป็น N3 เหตุผลนี้ถูกต้องก่อนที่จะตอบคำถามของคุณฉันต้องแสดงความคิดเห็นเกี่ยวกับการใช้ตัวกรองความถี่สูงสองตัวเพื่อสร้างตัวกรองแบนด์วิดท์ สมมุติว่าพวกเขาทำงานเป็นสองลำธารแยกกันดังนั้นหนึ่งผลคือเนื้อหาจาก latexf Latex ถึงอัตราการสุ่มตัวอย่างครึ่งหนึ่งและอื่น ๆ คือเนื้อหาจาก Latexf Latexf ให้กับอัตราตัวอย่างครึ่งหนึ่ง ถ้าทั้งหมดที่กำลังทำอยู่คือความแตกต่างในระดับสแควร์เฉลี่ยที่บ่งบอกว่าพลังงานในแถบจากน้ำยาง latexf ไป latexf latex แล้วมันอาจจะสมเหตุสมผลถ้าทั้งสองตัดความถี่อยู่ไกลพอสมควร แต่ฉันคาดหวังว่าคนที่ใช้เทคนิคนี้ กำลังพยายามจำลองตัวกรองแถบที่แคบกว่า ในมุมมองของฉันที่จะไม่น่าเชื่อถือสำหรับการทำงานอย่างจริงจังและจะเป็นแหล่งที่มาของความกังวล สำหรับการอ้างอิงตัวกรองแบบแบนด์คือตัวกรอง High Pass ความถี่ต่ำเพื่อลดความถี่ต่ำและความถี่ต่ำเพื่อกรองความถี่สูงออก มีแน่นอนรูปแบบการผ่านต่ำของตัวกรอง RC และด้วยเหตุนี้ EMA ที่สอดคล้องกัน บางทีแม้ว่าคำตัดสินของฉันจะโหดร้ายโดยไม่ทราบข้อเท็จจริงทั้งหมดดังนั้นคุณอาจจะกรุณาส่งการอ้างอิงบางส่วนไปยังการศึกษาที่คุณกล่าวถึงดังนั้นฉันอาจวิจารณ์ได้ตามความเหมาะสม บางทีพวกเขากำลังใช้ผ่านต่ำเช่นเดียวกับตัวกรองความถี่สูง ตอนนี้หันไปหาคำถามที่แท้จริงของคุณเกี่ยวกับวิธีการหา N สำหรับความถี่ตัดเป้าหมายที่กำหนดฉันคิดว่าดีที่สุดคือใช้สมการพื้นฐาน T (N-1) h การอภิปรายเกี่ยวกับช่วงเวลามีวัตถุประสงค์เพื่อให้คนรู้สึกว่าเกิดอะไรขึ้น โปรดดูแหล่งที่มาด้านล่าง เรามีความสัมพันธ์ latexT (N-1) hlatex และน้ำยาง latexT12 ที่ latexfclatex เป็นค่า cut off off และ h คือเวลาระหว่างกลุ่มตัวอย่าง Latexh 1 latex ที่ latexfslatex เป็นอัตราตัวอย่างใน samplessec การจัดเรียง T (N-1) h เป็นรูปแบบที่เหมาะสมเพื่อรวมถึงความถี่ของการตัด, latexfclatex และอัตราตัวอย่าง sample latexfslatex แสดงไว้ด้านล่าง ดังนั้นการใช้ latexfc 0.5Hzlatex และ latexfs 10latex samplessec เพื่อให้ latex (fcfs) 0.05latex ให้ดังนั้นค่าจำนวนเต็มที่ใกล้เคียงที่สุดคือ 4. Re-arranging ข้างต้นเรามีดังนั้นด้วย N4 เรามี latexfc 0.5307 Hzlatex การใช้ N3 ให้ latexfclatex 0.318 Hz หมายเหตุด้วย N1 เรามีสำเนาที่สมบูรณ์โดยไม่มีการกรอง