Liukuva Keskiarvo Suodattimen Suunnittelun Matlab

Luotu keskiviikkona, 08 lokakuu 2008 20 04 Viimeksi päivitetty torstaina, 14. maaliskuuta 2013 01 29 Kirjoittanut Batuhan Osmanoglu Hits 41582.Moving Keskimäärin Matlab. On usein minusta itseni tarvitse keskimäärin tiedot minulla on vähentää melua hieman Kirjoitin pari toimintoa tekemällä täsmälleen mitä haluan, mutta matlabin sisäänrakennettu suodatinfunktio toimii melko hyvänä. Tässä minä ll kirjoittaa noin 1D ja 2D keskimäärin data.1D suodatin voidaan toteuttaa käyttämällä suodatustoimintoa suodatinfunktio vaatii ainakin Kolme syöttöparametria suodattimen b laskentakerrointa, suodattimen a nimittäjäkerroin ja tietenkin X. Prosentuaalinen keskimääräinen suodatin voidaan määritellä yksinkertaisesti. 2D-dataa voidaan käyttää Matlabin suodattimen2 toimintoa. Lisätietoja Miten suodatin toimii, voit kirjoittaa. Tässä on nopea ja likainen täytäntöönpano 16: n ja 16: n liukuvan keskimääräisen suodattimen. Ensin meidän on määriteltävä suodatin. Koska kaikki haluamme on kaikkien naapureiden tasavertainen panos, voimme vain käyttää niitä hauskoja Ction Jakamalla kaikki 256 16 16: llä, koska emme halua muuttaa signaalin yleistä amplitudiota. Suodattimen käyttämiseksi voimme yksinkertaisesti sanoa seuraavaksi. Seuraavassa on SAR-interferogrammin vaiheen tulokset. Tässä tapauksessa alue on Y-akseli ja Atsimuutti on kartoitettu X-akselilla Suodatin oli 4 pikseliä leveä alueessa ja 16 pikseliä leveä Azimutissa. Keskimääräisen suodattimen suoraruiskutuksen vaste. LTI-järjestelmän taajuusvaste on impulssivasteen DTFT. Impulssivaste Koska liikkuvan keskiarvosuodin on FIR, taajuusvaste pienenee äärelliseen summaan. Voimme käyttää erittäin hyödyllistä identiteettia kirjoittamaan taajuusvaste niin, että olemme antaneet aej N 0: n ja ML 1 Voimme olla kiinnostuneita tämän toiminnon suuruusluokasta sen määrittämiseksi, mitkä taajuudet tulevat suodattimen läpi heikentämättä ja heikentävät Alla on tämän toiminnon suuruusluokan L 4 punainen, 8 vihreä ja 16 sininen Vaaka akselin alueille Huomaa, että kaikissa kolmessa tapauksessa taajuusvasteella on alipäästöominaisuus Suodattimen läpi kulkevan tulon läpi kulkeva vakiokomponentti nollafrekvenssi Tietyt korkeammat taajuudet, kuten 2, poistetaan kokonaan suodattimesta. Jos tarkoituksena oli suunnitella alipäästösuodatin, niin emme ole tehneet kovin hyvää Jotkut korkeammista taajuuksista heikentävät vain noin 1 10 tekijän 16 pisteen liukuva keskiarvo tai 1 3 neljän pisteen liukuva keskiarvo Voimme tehdä Paljon parempi kuin edellä. Yllä oleva tontti luotiin seuraavalla Matlab-koodilla. Omega 0 pi 400 pi H4 1 4 1-exp-omega 4 1-exp-omega H8 1 8 1-exp-omega 8 1-exp - i omega H16 1 16 1-exp-omega 16 1-exp-omega-omega, abs H4 abs H8 abs H16-akseli 0, pi, 0, 1.Copyright 2000- - Kalifornian yliopisto, Berkeley..muotoinen liikkuva tieto, ikkuna, hämärä, vaihtoehto laskee datamatriisitiedon keskitetyn liukuvan keskiarvon ikkunan koon sp joka on merkitty ikkunassa dim dimensioon käyttäen vaihtoehtoa Dim ja lisävarusteena määritettyä algoritmia, ovat valinnaisia ​​tuloja ja oletusarvoisesti 1.Dim ja option valinnaiset tulot voidaan ohittaa kokonaan tai ne voidaan korvata esim. liikkuvaa datatietoa käyttäen, ikkuna antaa saman Tuloksia liikkuva datan, ikkunan, 1,1 tai liikkuva datan tiedot, ikkuna,, 1.Input datamatriisin koko ja ulottuvuus rajoittaa vain maksimimatriisin koko sinun alustasi Ikkuna on kokonaisluku ja sen pitäisi olla outoa Jos ikkuna on silloin Se pyöristetään seuraavaan alempaan parittomaan numeroon. Function laskee liukuvan keskiarvon, joka sisältää keskipisteen ja ikkunan 1 2 elementit ennen ja jälkeen määrätyssä mitassa. Matriisin reunoilla alukkeiden määrä on vähennetty ennen tai jälkeen, niin että Todellinen ikkuna-koko on pienempi kuin määritetty ikkuna. Toiminto on hajotettu kahteen osaan, 1d-2d-algoritmiin ja 3d-algoritmiin. Tämä suoritettiin ratkaisunopeuden optimoimiseksi, erityisesti pienemmissä matriiseissa i e.1000 x 1. erilaisia ​​algoritmeja 1d-2d - ja 3d-ongelmaan, kuten tietyissä tapauksissa oletusalgoritmi ei ole nopein Tämä tapahtuu tyypillisesti, kun matriisi on hyvin leveä eli 100 x 100000 tai 10 x 1000 x 1000 ja liikkuva keskiarvo lasketaan Lyhyempi ulottuvuus Koko, jossa oletusalgoritmi on hitaampi, riippuu tietokoneesta. MATLAB 7 8 R2009a. Tags for This File Ole hyvä ja kirjaudu tagit tiedostoihin. Voit kirjautua sisään lisätäksesi kommentoinnin tai arvosanat ja arvosanat 8.Toiminto käsittelee päätteitä Leikkaamalla ikkunan takana tai johtava osa ja siirtymällä johtavaan tai jälkikäteen liikkuvaan keskiarvoon keskitetyn sijasta. Jos haluat kommentoidessasi esimerkissä, jos ikkunan koko on 3, niin keskellä 1 funktion keskiarvoista tietoa pisteistä 1 ja 2 keskiarvon 2 pisteen 1, 2 ja 3 keskimääräinen keskiarvo on 9 pistettä 8, 9 ja 10 keskiarvoilla ja keskiarvolla 10 oletetaan, että vektorilla on 10 pistettä pistettä 9 ja 10 Ovat keskimäärin. Miten liikkuvaa käsitellä päitä Aloittaa ikkunan koosta, joka kattaa vain pisteen 1 kohdassa 1, sitten 3 pistettä pisteessä 2 ja kasvattaa ikkunan kokoa, kunnes ikkunan koko on määritetty funktion syöttöön Kiitos. Kiitos ja yksinkertainen Kiitos hyvästä. työ Erittäin hyödyllinen kuten Stephan Wolf sanoi. Vain mitä etsin Keskitetty liikkuva keskiarvo, joka pystyy työskentelemään tontti koko leveys, ilman tarvitse etsiä ikkunan koko suodattimen ja siirtää alku Great. Accelerating vauhtia Tekniikka ja tiede. MatWorks on johtava kehittäjä matemaattisten tietojenkäsittelyohjelmistojen insinööreille ja tutkijoille.