Bewegende Gemiddelde Filter Wins

Bewegende gemiddelde Hierdie voorbeeld leer jy hoe om die bewegende gemiddelde van 'n tydreeks in Excel te bereken. 'N bewegende avearge gebruik te stryk onreëlmatighede (pieke en dale) om maklik tendense herken. 1. In die eerste plek kan 'n blik op ons tyd reeks. 2. Klik op die blad Data, kliek Data-analise. Nota: cant vind die Data-analise knoppie Klik hier om die analise ToolPak add-in te laai. 3. Kies bewegende gemiddelde en klik op OK. 4. Klik op die insette Range boks en kies die reeks B2: M2. 5. Klik op die boks interval en tik 6. 6. Klik in die uitset Range boks en kies sel B3. 8. Teken 'n grafiek van hierdie waardes. Verduideliking: omdat ons die interval stel om 6, die bewegende gemiddelde is die gemiddeld van die vorige 5 datapunte en die huidige data punt. As gevolg hiervan, is pieke en dale stryk uit. Die grafiek toon 'n toenemende tendens. Excel kan nie bereken die bewegende gemiddelde vir die eerste 5 datapunte, want daar is nie genoeg vorige datapunte. 9. Herhaal stappe 2 tot 8 vir interval 2 en interval 4. Gevolgtrekking: Hoe groter die interval, hoe meer die pieke en dale is glad nie. Hoe kleiner die interval, hoe nader die bewegende gemiddeldes is om die werklike data punte. Hou jy van hierdie gratis webwerf Deel asseblief hierdie bladsy op GoogleThe bewegende gemiddelde as 'n Filter Die bewegende gemiddelde is dikwels gebruik vir glad data in die teenwoordigheid van ruis. Die eenvoudige bewegende gemiddelde is nie altyd erken as die Eindige Impulse Response (FIR) filter dat dit, terwyl dit eintlik een van die mees algemene filters in seinverwerking. Die behandeling van dit as 'n filter kan vergelyk dit met byvoorbeeld met venster-sed filters (sien die artikels oor lae-pass. Hoë-pass. En orkes-pass en orkes-verwerp filters vir voorbeelde van diegene). Die groot verskil met dié filters is dat die bewegende gemiddelde is geskik vir seine waarvoor die nuttige inligting is vervat in die tydgebied. waarvan glad metings deur die gemiddeld is 'n uitstekende voorbeeld. 'N klein venster-sed filters, aan die ander kant, is sterk presteerders in die frekwensiedomein. met gelykmaking in klank verwerking as 'n tipiese voorbeeld. Daar is 'n meer gedetailleerde vergelyking van beide tipes filters in Time Domain teen frekwensiedomein Performance filters. As jy inligting soek wat beide die tyd en die frekwensie domein is belangrik, dan kan jy 'n blik op variasies op die bewegende gemiddelde het. wat bied 'n aantal geweegde weergawes van die bewegende gemiddelde wat beter op daardie is. Die bewegende gemiddelde lengte (N) kan gedefinieer word as geskryf soos dit tipies is geïmplementeer, met die huidige uitset monster as die gemiddelde van die vorige (N) monsters. Gesien word as 'n filter, die bewegende gemiddelde voer 'n konvolusie van die insette volgorde (xn) met 'n vierkantige pols van lengte (N) en hoogte (1 / N) (om die oppervlakte van die pols te maak, en dus die wins van die filter, een). In die praktyk is dit die beste om (N) vreemd neem. Hoewel 'n bewegende gemiddelde ook kan bereken word met behulp van 'n gelyke getal monsters, met behulp van 'n vreemde waarde vir (N) het die voordeel dat die vertraging van die filter 'n heelgetal van monsters sal wees nie, aangesien die vertraging van 'n filter met (N) monsters is presies ((N-1) / 2). Die bewegende gemiddelde kan dan presies in lyn wees met die oorspronklike data deur die verskuiwing dit deur 'n heelgetal van monsters. Tyd Domain Sedert die bewegende gemiddelde is 'n konvolusie met 'n vierkantige pols, sy frekwensieweergawe is 'n sed funksie. Dit maak dit iets soos die dubbele van die klein venster-sed filter, want dit is 'n konvolusie met 'n sed pols wat lei tot 'n vierkantige frekwensieweergawe. Dit is hierdie sed frekwensieweergawe dat die bewegende gemiddelde n swak presteerder in die frekwensiedomein maak. Maar dit doen baie goed in die tydgebied. Daarom is dit ideaal om data glad geraas te verwyder, terwyl op dieselfde tyd nog 'n vinnige stap reaksie (figuur 1) hou. Vir die tipiese byvoeging Wit Gaussiese ruis (SWGR) wat dikwels aanvaar, gemiddeld (N) monsters het die effek van die verhoging van die SNR met 'n faktor van (sqrt N). Sedert die geraas vir die individuele monsters is ongekorreleerd, daar is geen rede om elke monster anders te behandel. Vandaar die bewegende gemiddelde, wat elke monster dieselfde gewig gee, sal ontslae te raak van die maksimum bedrag van geraas vir 'n gegewe stap reaksie skerp. Implementering Omdat dit 'n FIR filter, kan die bewegende gemiddelde geïmplementeer deur konvolusie. Dit sal dan dieselfde doeltreffendheid (of die gebrek daaraan) as enige ander FIR filter. Maar dit kan ook rekursief geïmplementeer, in 'n baie doeltreffende manier. Dit volg direk uit die definisie dat hierdie formule is die gevolg van die uitdrukkings vir (yn) en (yn1), dit wil sê, waar ons sien dat die verandering tussen (yn1) en (yn) is dat 'n ekstra termyn (xn1 / N) verskyn aan die einde, terwyl die term (xn-N1 / N) van die begin af verwyder. In praktiese toepassings, is dit dikwels moontlik om uit te laat die verdeling deur (N) vir elke kwartaal deur vergoed vir die gevolglike wins van (N) in 'n ander plek. Dit rekursiewe implementering sal baie vinniger as konvolusie wees. Elke nuwe waarde van (y) kan bereken word met net twee toevoegings, in plaas van die (N) toevoegings wat vir 'n eenvoudige implementering van die omskrywing nodig sou wees. Een ding om op die uitkyk vir 'n rekursiewe implementering is dat afrondingsfoute sal ophoop. Dit mag of mag nie 'n probleem vir jou aansoek nie, maar dit beteken ook dat dit rekursiewe implementering eintlik beter met 'n heelgetal implementering sal werk as met swaai-punt getalle. Dit is nogal 'n ongewone, aangesien 'n drywende punt implementering is gewoonlik makliker. Die sluiting van dit alles moet wees dat jy nooit die nut van die eenvoudige bewegende gemiddelde filter in seinverwerking aansoeke moet onderskat nie. Filterontwerp Tool Hierdie artikel word aangevul met 'n Filter Ontwerp instrument. Eksperimenteer met verskillende waardes vir (N) en visualiseer die gevolglike filters. Probeer dit nowMoving Gemiddeldes 13 Deur Casey Murphy. Senior Analis ChartAdvisor Tegniese ontleding is al vir dekades en deur die jare het handelaars die uitvinding van honderde aanwysers gesien. Terwyl sommige tegniese aanwysers is meer gewild as ander, min bewys as objektiewe, betroubare en nuttige as die bewegende gemiddelde te wees. Bewegende gemiddeldes kom in verskeie vorme, maar hul onderliggende doel bly dieselfde: om te help tegniese handelaars hou die tendense van finansiële bates deur glad uit die dag-tot-dag prysskommelings, of geraas. Deur die identifisering van tendense, bewegende gemiddeldes toelaat handelaars om dié tendense werk in hul guns te maak en die verhoging van die aantal wen ambagte. Ons hoop dat teen die einde van hierdie handleiding sal jy 'n duidelike begrip van waarom bewegende gemiddeldes is belangrik, hoe hulle bereken en hoe jy dit kan neem in jou handel strategieë te hê. Niks vervat in hierdie publikasie is bedoel om wetlike, belasting, sekuriteite, of beleggingsadvies of 'n mening oor die toepaslikheid van enige belegging of 'n uitnodiging van 'n tipe vorm. Die algemene inligting vervat in hierdie publikasie moet nie uitgevoer word sonder die verkryging van spesifieke wetlike, belasting, en belegging advies van 'n gelisensieerde professionele. Teken in op nuus te gebruik vir die nuutste insigte en analysisTrading Channel breakouts met bewegende gemiddelde Filters Die tendens is jou vriend. Wersquove al het dit gehoor. In agterna uitvoering maak dit lyk amper te maklik. Koop dit voor 'n lang uptrend en net ry prys op pad boontoe. Die tendens kan so skoon lyk wanneer terug kyk in die tyd uitvoering maak dat ons ooit canrsquot dink bevraagteken die sterkte agter die optimisme dat die prys nog verder verkeert. In werklikheid uitvoering vang hierdie bewegings is baie moeiliker as die eerste oogopslag. Teen die tyd dat die prys het begin om aanloop, wonder ons of die trein het reeds die stasie verlaat het as itrsquos te laat om ons geld op die lyn in 'n verwagting van daardie groot aanvanklike skuif voort. As prys het, per toeval, trek terug uitvoering maak ons ​​bevraagteken of die oorspronklike skuif was vals en begin om teruggesak op. Dit is quandaries dat spekulante die gesig gestaar vir die jaar. Dit is presies hoe die tempo handel is gedra. Handelaars sal waarneem dat as die mark was besig om nuwe hoogtes, of 'n nuwe laagtepunte uitvoering prys kon voortgaan om handel te dryf in daardie rigting. Die kuns van die handel 'n tempo is net dat uitvoering maak die identifisering van die hoë en lae punte waarmee die handelaar wou om te kyk vir prys uit te voer in daardie rigting. Daar is talle maniere om gee 'n lsquonew hoë, rsquo of 'n lsquonew low. rsquo 'n Mens kan wag totdat net jaarlikse hoogtepunte of laagtepunte (op 'n 12 maande periode) gemaak is, op soek na die lsquocleanest, rsquo beweeg dat 'n geldeenheid paar fabrikate . Maar dit kan 'n vervelige taak wees as jaarlikse hoogtepunte en laagtepunte dikwels arenrsquot gemaak en handel breakouts in hierdie styl sal die handelaar elke jaar laat met slegs 'n paar geldige inskrywings. Tog het baie handelaars gesoek en gevind maniere van handel hierdie styl, terwyl hy nog genoeg lsquoentries ontvang, rsquo te bly belangstel in die strategie. Een van die meer gewilde metodes om dit te doen behels die gebruik van Prys kanale. Prys kanale sal die handelaar die hoogste hoog, en die laagste laag uitvoering maak vir die laaste X tydperke met X 'n veranderlike insette deur die gebruiker vir die aantal kerse of bars om terug te kyk wys. Byvoorbeeld uitvoering maak 'n Prys Channel met 'n inset van 20 op die euro / dollar uurlikse grafiek sal ons die hoogste hoog wat bereik wys, en die laagste laag wat bereik is tydens die laaste 20 uur. As jy ndash kan sien as 'n nuwe laagtepunte gemaak uitvoering maak die laer prys kanaal sal dienooreenkomstig skuif laer wat aandui dat die laagste laag vir die laaste 20 periodes gemaak. Handelaars het hierdie aanwyser sodat as 'n nuwe hoë uitvoering gemaak hulle lank en so nuwe laagtepunte gemaak uitvoering maak kort gaan gaan. Dit is 'n basiese prys kanaal strategie gebruik te maak van elke oortreding bo en onder die 20 tydperk prys kanale. Posisies gesluit toe 'n toonbank-sein gegenereer (byvoorbeeld ndash lang posisie is gesluit wanneer die prys treffers laer prys kanaal en die strategie gaan kort). Soos jy kan sien hieronder uitvoering maak op die toevoeging van die prys kanale strategie om die grafiek uitvoering lang posisies oopgemaak op 'n skending van die boonste prys kanaal uitvoering maak kort posisies geopen op 'n treffer van die laer prys kanaal. Die moeilikste deel van die strategie is wanneer die mark is verskeidenheid gebonde: lang posisies wat op weerstand of kort posisies wat op ondersteuning kry oopgemaak kry geopen is gestop uit as prys in gebreke bly om nuwe hoogtepunte of laagtepunte maak. Running hierdie basiese Prys Channel Strategie op 'n uurlikse grafiek van die AUD / USD, sien ons wat sou beloop uiters veranderlike prestasie. In die aandele kurwe hieronder, is ons op soek na 'n hipotetiese rekening met 'n begin balans van 5000 en 'n skatting van die prestasie wat hierdie strategie in die verlede sou aangebied word. As jy â € aan die einde van die toets tydperk kan sien uitvoering van die strategie was positief (Teen ongeveer 390 of 7.8 van die aanvanklike balans begin). Maar die hele toetstydperk uitvoering prestasie was uiters veranderlike. Jy kan verskeie punte regdeur die toetstydperk (uurlikse data van 2009/08/13 tot huidige tydperk) waarin die strategie in 'n verlies van algehele posisie sou gewees het sien. Baie handelaars probeer om die skade wat kan om die strategie in-reeks gebind markte met slegs handel breakouts in markte wat uitstal 'n langer termyn lsquotrend. rsquo Weereens word aangebied, is daar talle maniertjies wat ons kan gebruik om tendens definieer versag, maar ter wille van die toets van die strategie uitvoering maak letrsquos kyk na een van die meer basiese: die 2 bewegende gemiddelde crossover. Wanneer die gebruik van die 2 bewegende gemiddelde Crossover as 'n tendens-Filter, sou die vinnig bewegende Gemiddeld wese bo die stadig bewegende Gemiddeld optimisme behels. In hierdie omstandighede, sou ons slegs die neem van die lang inskrywings op 'n skending van die boonste prys kanaal. Aan die ander kant uitvoering maak ons ​​sou net neem kort posisies wanneer die vinnig bewegende Gemiddeld onder die stadig bewegende gemiddelde, en prys dring die laer prys kanaal. Die toevoeging van die tendens-filter het gehelp om die historiese prestasie van ons tempo strategie. Deur die gebruik van 'n inset van 20 periodes vir die vinnig bewegende Gemiddelde en insette van 100 periodes vir die stadig bewegende Gemiddeld uitvoering maak kan ons sien dat die strategie verhandel met wat lyk na 'n bietjie meer konsekwentheid wees. Terwyl die strategie verdien slegs 'n matige hoeveelheid meer met die tendens filter (netto wins op die back-toets met Trend Filter is nou op 470,10 of 9,4 aanvanklike kapitaal), yoursquoll agterkom dat die tydperke verdroging lyk minder gewelddadige en wisselvallige op die nuwe aandele kurwe. Maar wat as ons wou dit 'n stap verder te neem Baie handelaars graag die bedrag op die spel op posisies dat hulle oop te beperk. Dit is baie standaard met Breakout handel uitvoering maak as valse breakouts (tye wat prys dring weerstand, maar kom gou terug af) kan 'n oorvloed wees. Deur die toevoeging van 'n stop uitvoering maak die handelaar kan potensieel die skade van die lsquofalsersquo breakouts te versag, terwyl op dieselfde tyd uitvoering maak sodat die posisies wat winsgewend handel te dryf om voort te gaan om te hardloop. Deur die toevoeging van tot stilstand kom en perke, kan die handelaar nou bereken hul risiko op 'n per-posisie basis uitvoering maak om te verseker dat die risiko van die neem van nuwe poste gaan behoorlik vergoed word deur die bedrag kan hulle potensieel kry. Met behulp van 'n standaard 1: 2 Risiko om verhouding Beloning (soos bepleit ten minste vir hierdie Trading styl in die DailyFX Trading Course), sien ons die verbetering van die historiese prestasie van die breakouts strategie. Die strategie is nou met behulp van 'n stop 25 pit, en 'n 50 pit wins teiken op elke posisie wat oopgemaak. Die strategie het ons nou 'n hoër algehele prestasie, die vervaardiging van 'n terugslag getoets netto wins meer as 100 hoër as ons tempo strategie met behulp van 'n tendens filter, en byna 200 meer as die gebruik van eenvoudige prys kanale. En dalk selfs meer aantreklik, die strategie nou back-toetse met die konsekwentheid van wat baie handelaars is op soek na. Hierdie strategie is heeltemal outomatiese vir die strategie Trader platform, en is heeltemal gratis beskikbaar-van-hef om enigeen wat belangstel. Dit is een van die vele strategieë wat in die ldquoFree handel strategieë, rdquo gevind in die forums van DailyFX spesifiek toegewy vir die strategie Trader platform. Jy is meer as welkom om te laai, toets, en handel met hierdie strategie sowel as baie ander. Volg asseblief die skakels hier onder vir meer inligting: DailyFX handel strategieë: Gratis handel strategieë: FIR filters, IIR filters, en die lineêre konstante-koëffisiënt verskilvergelyking Kousale bewegende gemiddelde (FIR) Comments nie Weve bespreek stelsels waarin elke monster van die produksie is 'n geweegde som van (sekere van die) die monsters van die insette. Kom ons neem 'n oorsaaklike geweegde som stelsel, waar oorsaaklike beteken dat 'n gegewe uitset monster hang net af van die huidige insette monster en ander insette vroeër in die ry. Nóg lineêre stelsels in die algemeen nie, en eindig impulsrespons stelsels in die besonder, moet oorsaaklike wees. Maar oorsaaklikheid is gerieflik vir 'n soort van analise wat op pad was om gou te verken. As ons simboliseer die insette as waardes van 'n vektor x. en die uitgange as die ooreenstemmende waardes van 'n vektor y. dan so 'n stelsel kan geskryf word as waar die b waardes quotweightsquot toegepas word om die huidige en vorige insette monsters om die huidige uitset monster te kry. Ons kan dink aan die uitdrukking as 'n vergelyking met die gelykaanteken wat beteken gelykes, of as 'n prosedurele onderrig, met die gelykaanteken wat beteken opdrag. Kom ons skryf die uitdrukking vir elke uitset monster as 'n MATLAB lus van opdrag state, waar x is 'n N-lengte vektor van insette monsters, en b is 'n M-lengte vektor van gewigte. Ten einde te gaan met die spesiale geval aan die begin, sal ons x insluit in 'n meer vektor xhat wie se eerste M-1 monsters is nul. Ons sal die geweegde opsomming vir elke y (N) as 'n innerlike produk te skryf, en sal 'n paar wysigings van die insette te doen (soos b omkeer) vir hierdie doel. Hierdie soort stelsel word dikwels bekend as 'n bewegende gemiddelde filter, vir ooglopende redes. Van ons vroeër besprekings, moet dit duidelik dat so 'n stelsel is lineêre en verskuiwing-invariante wees. Natuurlik sou dit baie vinniger wees om die MATLAB konvolusie funksie conv (gebruik) in plaas van ons mafilt (). In plaas van die oorweging van die eerste M-1 monsters van die insette tot nul, ons hulle kan oorweeg om dieselfde as die laaste M-1 monsters wees. Dit is dieselfde as die behandeling van die insette as periodieke. Wel gebruik cmafilt () as die naam van die funksie, 'n klein verandering van die vroeër mafilt () funksie. In die bepaling van die impulsrespons van 'n stelsel, is daar gewoonlik geen verskil tussen die twee, aangesien alle nie-aanvanklike monsters van die insette is nul: Aangesien 'n stelsel van hierdie aard is lineêre en skuif-invariante, ons weet dat die uitwerking daarvan op enige sinusgolf sal slegs volgens skaal en skuif dit. Hier is dit sake wat ons gebruik die omsendbrief weergawe Die sirkulêr-gekonvuleerde weergawe geskuif en afgeskaal 'n bietjie, terwyl die weergawe met gewone konvolusie verwring aan die begin. Kom ons kyk wat die presiese skalering en verskuiwing is deur die gebruik van 'n FFT: Beide toevoer en afvoer het amplitude net by frekwensies 1 en -1, wat is soos dit moet wees, aangesien die insette was 'n sinusgolf en die stelsel was lineêre. Die uitset waardes groter deur 'n verhouding van 10,6251 / 8 1,3281. Dit is die wins van die stelsel. Wat van die fase Ons moet net om te kyk waar die amplitude is nie-nul: Die insette het 'n fase van pi / 2, soos ons versoek. Die uitset fase verskuif met 'n bykomende 1,0594 (met teenoorgestelde teken vir die negatiewe frekwensie), of oor 1/6 van 'n siklus van die reg, soos ons kan sien op die grafiek. Nou kan probeer om 'n sinusgolf met dieselfde frekwensie (1), maar in plaas van amplitude 1 en fase pi / 2, Kom ons probeer amplitude 1,5 en fase 0. Ons weet dat net frekwensie 1 en -1 nie-nul amplitude sal hê, so laat net kyk na hulle: weereens die amplitude verhouding (15,9377 / 12,0000) is 1,3281 - en as vir die fase dit weer verskuif deur 1,0594 as hierdie voorbeelde is tipiese, kan ons die effek van ons stelsel (impulsrespons 0,1 0,2 voorspel 0,3 0,4 0,5) op enige sinusgolf met frekwensie 1 - die amplitude sal verhoog word met 'n faktor van 1,3281 en die (positiewe frekwensie) fase sal verskuif deur 1,0594. Ons kan gaan op na die uitwerking van hierdie stelsel op sinusoïede van ander frekwensies bereken deur dieselfde metodes. Maar daar is 'n baie makliker manier, en een wat die algemene punt vestig. Sedert (omsendbrief) konvolusie in die tydgebied beteken vermenigvuldiging in die frekwensiedomein, daaruit volg dat Met ander woorde, die DFT van die impulsrespons is die verhouding van die DFT van die uitset na die DFT van die insette. In hierdie verband die DFT koëffisiënte is komplekse getalle. Sedert ABS (C1 / C2) ABS (c1) / ABS (C2) vir alle komplekse getalle C1, C2, hierdie vergelyking vertel ons dat die amplitude spektrum van die impulsrespons altyd die verhouding van die amplitude spektrum van die uitset na wat sal wees van die insette. In die geval van die fase spektrum, hoek (C1 / C2) hoek (c1) - hoek (C2) vir alle C1, C2 (word met dien verstande dat fases verskil deur n2pi gelyk beskou). Daarom is die fase spektrum van die impulsrespons sal altyd die verskil tussen die fase spektra van die uitset en die insette (met alles wat regstellings deur 2pi is nodig om die resultaat tussen - pi en pi hou) wees. Ons kan die fase-effekte sien meer duidelik as ons oop maak die voorstelling van fase, dit wil sê as ons verskeie veelvoude voeg van 2pi as wat nodig is om die spronge wat geproduseer word deur die periodieke aard van die () funksie hoek te verminder. Hoewel die amplitude en fase gewoonlik gebruik vir grafiese en selfs 'n tabel aanbieding, want hulle is 'n intuïtiewe manier om te dink oor die gevolge van 'n stelsel op die verskillende frekwensie komponente van sy insette, die komplekse Fourier koëffisiënte is meer nuttig algebraïes, omdat hulle toelaat die eenvoudige uitdrukking van die verhouding die algemene benadering wat ons so pas gesien sal saam met arbitrêre filters van die tipe geskets, waarin elke uitset monster is 'n geweegde som van sommige stel insette monsters. Soos vroeër genoem, is hierdie dikwels genoem Eindige Impulse Response filters, omdat die impulsrespons is van beperkte omvang, of soms Moving Gemiddelde filters. Ons kan die frekwensieweergawe kenmerke van so 'n filter van die FFT van sy impulsrespons te bepaal, en ons kan ook nuwe filters met gewenste eienskappe te ontwerp deur IFFT van 'n spesifikasie van die frekwensieweergawe. Outoregressiewe (IIR) Filters Daar sal min punt in 'name vir FIR filters wees, tensy daar was 'n paar ander soort (e) om hulle te onderskei van, en so diegene wat bestudeer pragmatiek sal nie verbaas wees om te verneem dat daar wel nog 'n groot soort lineêre tyd-invariante filter. Hierdie filters is soms genoem rekursiewe omdat die waarde van die vorige uitsette (asook vorige insette) aangeleenthede, hoewel die algoritmes in die algemeen geskryf met behulp van iteratiewe konstrukte. Hulle word ook genoem Oneindige Impulse Response (IIR) filters, want in die algemeen hul reaksie op 'n impuls gaan op tot in ewigheid. Hulle word ook soms genoem outoregressiewe filters, omdat die koëffisiënte kan beskou word as die gevolg van doen lineêre regressie te sein waardes uit te druk as 'n funksie van vroeër sein waardes. Die verhouding van EIR en OIR filters kan duidelik gesien word in 'n lineêre konstante-koëffisiënt verskilvergelyking, dit wil sê die oprigting van 'n geweegde som van uitsette gelykstaande aan 'n geweegde som van insette. Dit is soos die vergelyking wat ons vroeër het vir die oorsaaklike FIR filter, behalwe dat bykomend tot die geweegde som van insette, ons het ook 'n geweegde som van uitsette. As ons wil hê om te dink aan dit as 'n prosedure vir die opwekking van uitset monsters, moet ons die vergelyking herrangskik om 'n uitdrukking vir die huidige uitset monster y (N) te kry, die aanneming van die konvensie dat 'n (1) 1 (soos deur skalering ander as en BS), ons kan ontslae te raak van die 1 / n (1) term: y (n) b (1) x (n) b (2) x (n-1). b (LW1) x (N-NB) - 'n (2) y (N-1) -. - 'N (Na1) y (N-na) As al die n (N) buiten 'n (1) is nul, dit verminder na ons ou vriend die oorsaaklike FIR filter. Dit is die algemene geval van 'n (kousale) LTI filter, en geïmplementeer word deur die MATLAB funksie filter. Kom ons kyk na die geval waar die ander as b b koëffisiënte (1) is nul (in plaas van die FIR geval, waar die n (N) is nul): In hierdie geval, die huidige uitset monster y (N) word bereken as 'n geweegde kombinasie van die huidige insette monster x (n) en die vorige uitset monsters y (n-1), y (n-2), ens Om 'n idee te kry van wat gebeur met sulke filters kry, kan ons begin met die geval waar: dit wil sê, die huidige uitset monster is die som van die huidige insette monster en die helfte van die vorige uitset monster. Wel neem 'n inset impuls deur 'n paar keer stappe, een op 'n slag. Dit moet duidelik op hierdie punt dat ons maklik 'n uitdrukking vir die nde uitset monster waarde kan skryf: dit is net (As MATLAB getel vanaf 0, sou dit eenvoudig .5n wees). Sedert wat ons berekening is die impulsrespons van die stelsel, het ons gedemonstreer deur 'n voorbeeld dat die impulsrespons, want dit kan hê oneindig baie nie-nul monsters. Om hierdie triviale eerste-orde filter in MATLAB te implementeer, kan ons gebruik filter. Die oproep sal lyk: en die resultaat is: Is hierdie besigheid eintlik nog lineêr Ons kan kyk na hierdie empiries: Vir 'n meer algemene benadering, oorweeg die waarde van 'n uitset monster y (N). Deur opeenvolgende vervanging kan ons dit skryf, want dit is net soos ons ou vriend die konvolusie-som vorm van 'n FIR filter, met die impulsrespons deur die uitdrukking .5k. en die lengte van die impulsrespons om oneindig. So dieselfde argumente wat ons gebruik om te wys dat FIR filters was lineêre sal nou hier van toepassing. Tot dusver dit mag lyk soos 'n groot bohaai oor nie veel nie. Wat is hierdie hele lyn van ondersoek goed vir Wel beantwoord hierdie vraag in fases, wat begin met 'n voorbeeld. Dit is nie 'n groot verrassing dat ons kan bereken 'n gemonsterde eksponensiële deur rekursiewe vermenigvuldiging. Kom ons kyk na 'n rekursiewe filter dat daar iets minder voor die hand liggend nie. Hierdie keer goed maak dit 'n tweede-orde filter, sodat die oproep om te filter van die vorm sal wees Kom stel die tweede uitset koëffisiënt a2 om -2cos (2pi / 40), en die derde uitset koëffisiënt A3 tot 1, en kyk na die impulsrespons. Nie baie nuttig as 'n filter, eintlik, maar dit genereer 'n gemonsterde sinusgolf (van 'n impuls) met drie vermenigvuldig-voeg per monster Ten einde te verstaan ​​hoe en hoekom dit doen dit, en hoe rekursiewe filters kan ontwerp en in ontleed die meer algemene geval, moet ons terug te stap en 'n blik op 'n paar ander eienskappe van komplekse getalle, op pad na die begrip van die z-transform.