ข้อดี ของ การย้าย ค่าเฉลี่ย กรอง

OANDA ใช้คุกกี้เพื่อทำให้เว็บไซต์ของเราใช้งานง่ายและปรับแต่งให้เหมาะสำหรับผู้เยี่ยมชมของเรา ไม่สามารถใช้คุกกี้เพื่อระบุตัวคุณได้ เมื่อไปที่เว็บไซต์ของเราคุณยินยอมให้ OANDA8217s ใช้คุกกี้ตามนโยบายความเป็นส่วนตัวของเรา หากต้องการบล็อกลบหรือจัดการคุกกี้โปรดไปที่ aboutcookies. org การ จำกัด คุกกี้จะป้องกันไม่ให้คุณได้รับประโยชน์จากฟังก์ชันการทำงานบางอย่างในเว็บไซต์ของเรา ดาวน์โหลด Apps มือถือของเราเปิดบัญชี ampltiframe src4489469.fls. doubleclickactivityisrc4489469typenewsi0catoanda0u1fxtradeiddclatdcrdidtagforchilddirectedtreatmentord1num1 mcesrc4489469.fls. doubleclickactivityisrc4489469typenewsi0catoanda0u1fxtradeiddclatdcrdidtagforchilddirectedtreatmentord1num1 width1 height1 frameborder0 styledisplay: ไม่มี mcestyledisplay: noneampgtampltiframeampgt บทที่ 1: การย้ายค่าเฉลี่ยข้อดีของการใช้ค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยเคลื่อนที่เรียบออกความผันผวนของอัตราดอกเบี้ยในตลาดที่มักจะเกิดขึ้นกับแต่ละรายงาน ในกราฟราคา การอัปเดตอัตราบ่อยครั้งมากขึ้นนั่นคือบ่อยครั้งที่กราฟราคาจะแสดงอัตราการอัปเดตมากขึ้นโอกาสในการเกิดเสียงดังในตลาดมากขึ้น สำหรับผู้ค้าที่ซื้อขายในตลาดที่กำลังเคลื่อนไหวอย่างรวดเร็วซึ่งมีตั้งแต่หรือ whipsawing ขึ้นและลงศักยภาพของสัญญาณเท็จเป็นความกังวลอย่างต่อเนื่อง การเปรียบเทียบค่าเฉลี่ยระยะเวลา 20 งวดกับอัตราตลาดแบบเรียลไทม์ระดับความผันผวนของราคาที่มากขึ้นมีโอกาสเกิดสัญญาณปลอมมากขึ้น สัญญาณผิดพลาดเกิดขึ้นเมื่อปรากฏว่าแนวโน้มปัจจุบันกำลังจะกลับรายการ แต่ระยะเวลาการรายงานต่อไปจะเป็นตัวพิสูจน์ว่าสิ่งที่ดูเหมือนจะเป็นการกลับรายการในตอนแรกคือความผันผวนของตลาด ระยะเวลาที่รายงานมีผลต่อค่าเฉลี่ยเคลื่อนที่จำนวนรอบการรายงานที่รวมอยู่ในการคำนวณค่าเฉลี่ยเคลื่อนที่จะมีผลต่อเส้นค่าเฉลี่ยโดยเฉลี่ยเท่าที่แสดงในแผนภูมิราคา จุดข้อมูลที่น้อยลง (เช่นระยะเวลาการรายงาน) รวมอยู่ในค่าเฉลี่ยค่าเฉลี่ยของค่าเฉลี่ยที่ใกล้เคียงกับอัตราจุดจะช่วยลดค่าของข้อมูลและให้ข้อมูลเชิงลึกแก่แนวโน้มโดยรวมมากกว่าแผนภูมิด้านราคา ในทางกลับกันค่าเฉลี่ยเคลื่อนที่ที่มีจุดมากเกินไปจะทำให้ความผันผวนของราคาเปลี่ยนแปลงไปในระดับที่ไม่สามารถระบุแนวโน้มอัตราที่มองเห็นได้ ทั้งสองสถานการณ์สามารถทำให้ยากที่จะรับรู้จุดพลิกผันในเวลาที่เพียงพอเพื่อใช้ประโยชน์จากการกลับรายการแนวโน้มอัตรา กราฟราคาเชิงเทียนแสดงเส้นค่าเฉลี่ยเคลื่อนที่สามเส้นที่แตกต่างกันรอบระยะเวลาการรายงาน - การอ้างอิงทั่วไปที่ใช้ในการอธิบายความถี่โดยอัพเดตข้อมูลอัตราแลกเปลี่ยน เรียกอีกอย่างว่า granularity ช่วงนี้อาจมีตั้งแต่เดือนหนึ่งวันหนึ่งชั่วโมง - แม้ในบางวินาทีเท่านั้น กฎของหัวแม่มือคือช่วงเวลาที่คุณถือเปิดการซื้อขายจะสั้นลงบ่อยเท่าที่คุณควรเรียกข้อมูลอัตราแลกเปลี่ยน 169 1996 - 2017 OANDA Corporation สงวนลิขสิทธิ์. ตระกูล OANDA, fxTrade และ OANDAs fx เป็นของ OANDA Corporation เครื่องหมายการค้าอื่น ๆ ที่ปรากฎในเว็บไซต์นี้เป็นทรัพย์สินของเจ้าของที่เกี่ยวข้อง การทำสัญญาซื้อขายเงินตราต่างประเทศกับสัญญาซื้อขายเงินตราต่างประเทศหรือผลิตภัณฑ์อื่น ๆ ที่ไม่มีการแลกเปลี่ยนเงินตราต่างประเทศมีความเสี่ยงสูงและอาจไม่เหมาะสมสำหรับทุกคน เราแนะนำให้คุณพิจารณาอย่างรอบคอบว่าการซื้อขายมีความเหมาะสมกับคุณหรือไม่ในแง่ของสถานการณ์ส่วนบุคคลของคุณ คุณอาจสูญเสียมากกว่าที่คุณลงทุน ข้อมูลในเว็บไซต์นี้มีลักษณะทั่วไป เราขอแนะนำให้คุณแสวงหาคำแนะนำด้านการเงินที่เป็นอิสระและมั่นใจได้ว่าคุณเข้าใจถึงความเสี่ยงทั้งหมดที่เกี่ยวข้องก่อนการซื้อขาย การซื้อขายผ่านแพลตฟอร์มออนไลน์ถือเป็นความเสี่ยงเพิ่มเติม ดูส่วนกฎหมายของเราที่นี่ การแพร่กระจายการแพร่กระจายทางการเงินจะใช้ได้เฉพาะกับลูกค้า OANDA Europe Ltd ที่อาศัยอยู่ในสหราชอาณาจักรหรือสาธารณรัฐไอร์แลนด์เท่านั้น CFDs ความสามารถในการป้องกันความเสี่ยงด้านราคาของ MT4 และอัตราส่วน Leverage Ratio เกิน 50: 1 ไม่สามารถใช้ได้กับชาวอเมริกัน ข้อมูลในไซต์นี้ไม่ใช่ข้อมูลที่อยู่ในประเทศที่การแจกจ่ายหรือการใช้โดยบุคคลใด ๆ จะขัดต่อกฎหมายหรือข้อบังคับของท้องถิ่น OANDA Corporation เป็นตัวแทนซื้อขายสัญญาซื้อขายล่วงหน้าของ Futures Commission และตัวแทนจำหน่ายรายย่อยที่จดทะเบียนกับ Commodity Futures Trading Commission และเป็นสมาชิกของ National Futures Association หมายเลข: 0325821 โปรดดูที่ ALFA FOREX INVESTOR ALFA ของ NFAs ตามความเหมาะสม บัญชี ULC ของ OANDA (Canada) Corporation มีให้สำหรับทุกคนที่มีบัญชีธนาคารของแคนาดา OANDA (Canada) Corporation ULC มีการกำกับดูแลโดยองค์การการลงทุนอุตสาหกรรมกฎระเบียบของแคนาดา (IIROC) ซึ่งรวมถึงฐานข้อมูลการตรวจสอบ IIROCs ที่ปรึกษาออนไลน์ (IIROC AdvisorReport) และบัญชีลูกค้าได้รับการคุ้มครองโดย Canadian Investor Protection Fund ภายในวงเงินที่กำหนด โบรชัวร์ที่อธิบายถึงลักษณะและขอบเขตของความคุ้มครองจะมีให้ตามคำขอหรือที่ cipf. ca OANDA Europe Limited เป็น บริษัท จดทะเบียนในประเทศอังกฤษที่หมายเลข 7110087 และมีที่อยู่จดทะเบียนตั้งอยู่ที่ชั้น 9a, Tower 42, 25 Old Broad St, London EC2N 1HQ ได้รับมอบอำนาจและควบคุมโดยผู้ควบคุมการแข่งขันทางการเงิน เลขที่: 542574 OANDA Asia Pacific Pte Ltd (บริษัท จดทะเบียนเลขที่ 200704926K) มีใบอนุญาตให้บริการด้านการตลาดทุนที่ออกโดยธนาคารกลางสิงคโปร์และได้รับอนุญาตจาก International Enterprise Singapore OANDA Australia Pty Ltd 160 ถูกควบคุมโดย Australian Securities and Investment Commission ASIC (ABN 26 152 088 349, AFSL No. 412981) และเป็นผู้ออกผลิตภัณฑ์หรือบริการบนเว็บไซต์นี้ สิ่งสำคัญสำหรับคุณในการพิจารณาคู่มือการให้บริการทางการเงินในปัจจุบัน (FSG) คำชี้แจงการเปิดเผยข้อมูลผลิตภัณฑ์ (PDS) ข้อกำหนดบัญชีและเอกสาร OANDA ที่เกี่ยวข้องอื่น ๆ ก่อนตัดสินใจลงทุนทางการเงิน เอกสารเหล่านี้สามารถพบได้ที่นี่ บริษัท OANDA Japan Co. , Ltd. First Type I Financial Instruments ผู้อำนวยการสำนักงาน Kanto Local Financial Bureau (Kin-sho) เลขที่ 2137 สถาบัน Financial Futures Association หมายเลข 1571 Trading FX andor CFDs for margin มีความเสี่ยงสูงและไม่เหมาะสำหรับทุกคน นักวิทยาศาสตร์และวิศวกรแนะนำการประมวลผลสัญญาณดิจิตอลโดย Steven W. Smith, Ph. D. ในโลกที่สมบูรณ์แบบนักออกแบบตัวกรองจะต้องจัดการกับโดเมนที่มีการเข้ารหัสตามเวลาหรือโดเมนความถี่ แต่ไม่เคยมีส่วนผสมของทั้งสองในสัญญาณเดียวกัน แต่น่าเสียดายที่มีบางโปรแกรมที่ทั้งสองโดเมนมีความสำคัญในเวลาเดียวกัน ตัวอย่างเช่นสัญญาณโทรทัศน์ตกอยู่ในประเภทที่น่ารังเกียจนี้ ข้อมูลวิดีโอถูกเข้ารหัสในโดเมนเวลานั่นคือรูปร่างของรูปคลื่นตรงกับรูปแบบของความสว่างในภาพ อย่างไรก็ตามในระหว่างการส่งสัญญาณสัญญาณภาพจะได้รับการปฏิบัติตามองค์ประกอบความถี่เช่นแบนด์วิธรวมถึงวิธีการเพิ่มคลื่นผู้ให้บริการสำหรับแอมพลิฟายเออร์แอ็ตทริบิวต์ amp, การขจัด amp amp ของส่วนประกอบ DC เป็นต้นตัวอย่างเช่นการรบกวนด้วยคลื่นแม่เหล็กไฟฟ้า เป็นที่เข้าใจกันดีที่สุดในโดเมนความถี่แม้ว่าข้อมูลสัญญาณจะถูกเข้ารหัสในโดเมนเวลา ตัวอย่างเช่นจอภาพอุณหภูมิในการทดลองทางวิทยาศาสตร์อาจปนเปื้อน 60 เฮิรตซ์จากสายไฟ 30 kHz จากแหล่งจ่ายไฟสลับหรือ 1320 กิโลเฮิร์ทซ์จากสถานีวิทยุ AM ในพื้นที่ ญาติของตัวกรองเฉลี่ยเคลื่อนที่มีประสิทธิภาพโดเมนความถี่ที่ดีขึ้นและมีประโยชน์ในการใช้งานโดเมนผสมเหล่านี้ ตัวกรองค่าเฉลี่ยเคลื่อนที่แบบพหุคูณจำนวนมากเกี่ยวข้องกับการส่งผ่านสัญญาณอินพุทผ่านตัวกรองค่าเฉลี่ยเคลื่อนที่สองครั้งหรือมากกว่า รูปที่ 15-3a แสดงเคอร์เนลของตัวกรองทั้งหมดที่เกิดจากการผ่านหนึ่งสองและสี่ สองผ่านจะเทียบเท่ากับการใช้เคอร์เนลตัวกรองรูปสามเหลี่ยม (เคอร์เนลตัวกรองรูปสี่เหลี่ยมที่พันด้วยตัวเอง) หลังจากผ่านสี่หรือมากกว่าเคอร์เนลตัวกรองที่เหมือนกันมีลักษณะคล้าย Gaussian (เรียกคืนทฤษฎีบท Limit Limit กลาง) ดังที่แสดงไว้ใน (b) การผ่านหลายครั้งจะทำให้เกิดการตอบสนองขั้นบันไดที่มีรูปร่างเมื่อเทียบกับเส้นตรงของช่องเดี่ยว การตอบสนองต่อความถี่ใน (c) และ (d) จะได้จากสมการ 15-2 คูณด้วยตัวเองสำหรับแต่ละครั้ง นั่นคือทุกครั้งที่เกิดการบิดตัวของโดเมนในการคูณสเปกตรัมความถี่ รูปที่ 15-4 แสดงการตอบสนองความถี่ของญาติสนิทอีกสองคนของตัวกรองค่าเฉลี่ยเคลื่อนที่ เมื่อ Gaussian บริสุทธิ์ถูกใช้เป็นเคอร์เนลของตัวกรองการตอบสนองต่อความถี่ยังเป็น Gaussian ตามที่กล่าวไว้ในบทที่ 11 Gaussian มีความสำคัญเนื่องจากเป็นระบบตอบสนองแรงดึงดูดของระบบธรรมชาติและมนุษย์หลายระบบ ตัวอย่างเช่นชีพจรสั้น ๆ ของแสงที่ป้อนเส้นใยยาวสายส่งจะออกเป็นชีพจร Gaussian เนื่องจากเส้นทางที่แตกต่างกันโดยโฟตอนภายในเส้นใย แก่นกรองแบบเกาส์ (Gaussian filter kernel) ยังใช้ในการประมวลผลภาพอย่างมากเนื่องจากมีคุณสมบัติเฉพาะที่ช่วยให้เกิดการหมุนสองมิติได้อย่างรวดเร็ว (ดูบทที่ 24) การตอบสนองความถี่ที่สองในรูปที่ 15-4 สอดคล้องกับการใช้หน้าต่าง Blackman เป็นเคอร์เนลตัวกรอง (หน้าต่างคำว่าไม่มีความหมายนี่เป็นเพียงส่วนหนึ่งของชื่อที่ยอมรับของเส้นโค้งนี้เท่านั้น) รูปร่างที่แท้จริงของหน้าต่าง Blackman จะได้รับในบทที่ 16 (สมการ 16-2, รูป 16-2) อย่างไรก็ตามลักษณะนี้ดูเหมือน Gaussian มาก ตัวกรองเหล่านี้มีความสัมพันธ์กันอย่างไรดีกว่าตัวกรองเฉลี่ยที่เคลื่อนที่ได้สามวิธี: ประการแรกและที่สำคัญที่สุดตัวกรองเหล่านี้มีการลดทอนสัญญาณ stopband ที่ดีกว่าตัวกรองเฉลี่ยที่เคลื่อนที่ได้ ประการที่สองฟิลเตอร์ตัวกรองจะลดลงจนมีขนาดเล็กลงใกล้ปลาย จำได้ว่าแต่ละจุดในสัญญาณขาออกเป็นผลรวมถ่วงน้ำหนักของกลุ่มตัวอย่างจากอินพุท หากเคอร์เนลกรองลดลงตัวอย่างในสัญญาณอินพุตที่อยู่ไกลออกไปจะมีน้ำหนักน้อยกว่าที่อยู่ใกล้ ๆ ประการที่สามการตอบสนองขั้นตอนคือเส้นโค้งที่เรียบมากกว่าเส้นตรงที่ฉับพลันของค่าเฉลี่ยเคลื่อนที่ ทั้งสองข้อนี้มักได้รับประโยชน์อย่าง จำกัด แม้ว่าคุณอาจพบแอพพลิเคชันที่เป็นข้อดีของแท้ ตัวกรองค่าเฉลี่ยเคลื่อนที่และญาติสนิทมีความใกล้เคียงกันในการลดสัญญาณรบกวนแบบสุ่มในขณะที่ยังรักษาระดับการตอบสนองที่คมชัด ความกำกวมอยู่ในวิธีการที่ risetime ของการตอบสนองขั้นตอนที่มีการวัด หาก risetime วัดจาก 0 ถึง 100 ขั้นตอนตัวกรองค่าเฉลี่ยเคลื่อนที่จะดีที่สุดเท่าที่จะทำได้ตามที่แสดงไว้ก่อนหน้านี้ ในการเปรียบเทียบการวัด risetime ตั้งแต่ 10 ถึง 90 ทำให้หน้าต่าง Blackman ดีกว่าตัวกรองเฉลี่ยเคลื่อนที่ ประเด็นคือนี่เป็นการโต้เถียงทางทฤษฎีเพียงพิจารณาตัวกรองเหล่านี้เท่ากันในพารามิเตอร์นี้ ความแตกต่างที่ใหญ่ที่สุดในตัวกรองเหล่านี้คือความเร็วในการประมวลผล การใช้อัลกอริทึมแบบเรียกซ้ำ (อธิบายต่อไป) ตัวกรองค่าเฉลี่ยเคลื่อนที่จะทำงานเหมือนกับฟ้าผ่าในคอมพิวเตอร์ของคุณ ในความเป็นจริงมันเป็นตัวกรองดิจิตอลที่เร็วที่สุดที่มีอยู่ ค่าเฉลี่ยเคลื่อนที่หลายครั้งจะช้ากว่า แต่ก็ยังเร็วมาก เมื่อเทียบกับตัวกรอง Gaussian และ Blackman จะช้ามากเนื่องจากต้องใช้ convolution คิดเป็นสิบเท่าของจำนวนจุดในเคอร์เนลของตัวกรอง (ขึ้นอยู่กับการคูณจะช้ากว่าการเติมประมาณ 10 เท่า) ตัวอย่างเช่นคาดว่า Gaussian 100 จุดจะช้ากว่าค่าเฉลี่ยที่เคลื่อนที่โดยใช้ recursion เป็น 1000 เท่าข้อมูลพื้นฐานเกี่ยวกับตัวกรองของ FIR 1.1 อะไรคือตัวกรอง quotFIR ตัวกรอง FIR เป็นตัวกรองดิจิตอลประเภทใดชนิดหนึ่งที่ใช้ในแอ็พพลิเคชัน Digital Signal Processing (DSP) ประเภทอื่น ๆ ได้แก่ IIR 1.2 quotFIRquot หมายถึงอะไร quotID หมายถึง quotFinite Impulse Responsequot ถ้าคุณใส่แรงกระตุ้นนั่นคือตัวอย่าง quot1quot เดียวตามด้วยตัวอย่าง quot0quot จำนวนมาก zeroes จะออกมาหลังจากที่ตัวอย่าง quot1quot ได้ผ่านทางตัวหน่วงเวลาของตัวกรองแล้ว 1.3 ในกรณีทั่วไปการตอบสนองของอิมพัลซ์มีข้อ จำกัด เนื่องจากไม่มีข้อเสนอแนะใด ๆ ใน FIR การขาดข้อเสนอแนะรับประกันได้ว่าการตอบสนองต่อแรงกระตุ้นจะมี จำกัด เพราะฉะนั้นคำว่า terminfin finituite responsequot เกือบจะตรงกันกับ quotno feedbackquot อย่างไรก็ตามหากมีการตอบรับ แต่การตอบสนองของอิมพัลซ์ก็มี จำกัด ฟิลเตอร์ยังคงเป็น FIR ตัวอย่างคือตัวกรองค่าเฉลี่ยเคลื่อนที่ซึ่งตัวอย่างก่อนหน้า Nth ถูกหักออก (ป้อนกลับ) ทุกครั้งที่มีตัวอย่างใหม่เข้ามาตัวกรองนี้มีการตอบสนองต่อแรงกระตุ้น จำกัด แม้ว่าจะใช้ข้อมูลย้อนกลับ: หลังจากตัวอย่าง N ของแรงกระตุ้นเอาท์พุท จะเป็นศูนย์ 1.4 ฉันจะออกเสียง quotFIRquot บางคนบอกว่าตัวอักษร F-I-R คนอื่นออกเสียงว่าเป็นชนิดของต้นไม้ เราชอบต้นไม้มากกว่า (สิ่งที่แตกต่างคือคุณพูดถึงตัวกรอง F-I-R หรือตัวกรอง FIR) 1.5 ตัวกรองอื่น ๆ ที่เป็นทางเลือกสำหรับตัวกรอง FIR DSP ยังสามารถเป็น "อินทราเน็ต Impulse Responsequot (IIR)" (ดูคำถามที่พบบ่อย dspGurus IIR) ตัวกรอง IIR ใช้ข้อเสนอแนะดังนั้นเมื่อคุณป้อนแรงกระตุ้นผลตามทฤษฎีดังขึ้นเรื่อย ๆ 1.6 ฟิลเตอร์ FIR เปรียบเทียบตัวกรอง IIR อย่างไรแต่ละข้อมีข้อดีและข้อเสีย โดยรวมแล้วแม้ว่าข้อดีของตัวกรอง FIR มีมากกว่าข้อเสียดังนั้นจึงมีการใช้งานมากกว่า IIRs 1.6.1 อะไรคือข้อดีของ FIR Filters (เทียบกับตัวกรอง IIR) เมื่อเทียบกับตัวกรอง IIR ตัวกรอง FIR มีข้อดีดังต่อไปนี้: พวกเขาสามารถออกแบบมาให้เป็นแบบไม่มีเงื่อนไข (โดยปกติจะเป็น) ใส่เพียงกรองเชิงเส้นเฟสล่าช้าสัญญาณขาเข้า แต่ donrsquot บิดเบือนระยะของมัน ใช้งานง่าย สำหรับไมโครโปรเซสเซอร์ DSP ส่วนใหญ่การคำนวณ FIR สามารถทำได้โดยการวนรอบคำสั่งเดียว เหมาะกับงานหลายอัตรา โดยอัตราหลายอัตราเราหมายถึง quotdecimationquot (ลดอัตราการสุ่มตัวอย่าง), quotinterpolationquot (เพิ่มอัตราการสุ่มตัวอย่าง) หรือทั้งสองอย่าง ไม่ว่าจะเป็นการ decimating หรือ interpolating การใช้ฟิลเตอร์ FIR ช่วยให้การคำนวณบางส่วนสามารถละเว้นได้ดังนั้นจึงให้ประสิทธิภาพในการคำนวณที่สำคัญ ในทางตรงกันข้ามถ้าใช้ตัวกรอง IIR เอาต์พุตแต่ละรายการจะต้องได้รับการคำนวณเป็นรายบุคคลแม้ว่าจะมีการส่งออกเอาต์พุต (ดังนั้นข้อเสนอแนะจะรวมอยู่ในตัวกรอง) มีคุณสมบัติเป็นตัวเลขที่ต้องการได้ ในทางปฏิบัติตัวกรอง DSP ทั้งหมดจะต้องดำเนินการโดยใช้คณิตศาสตร์ที่มีความแม่นยำแน่นอนนั่นคือบิตจำนวน จำกัด การใช้เครื่องคำนวณแบบ จำกัด แน่นอนในตัวกรอง IIR อาจทำให้เกิดปัญหาที่สำคัญอันเนื่องมาจากการใช้ข้อเสนอแนะ แต่ตัวกรอง FIR ที่ไม่มีข้อเสนอแนะสามารถใช้งานได้โดยใช้บิตน้อยลงและนักออกแบบมีปัญหาในทางปฏิบัติน้อยกว่าในการแก้ปัญหาเกี่ยวกับการคำนวณทางคณิตศาสตร์ที่ไม่เหมาะ สามารถประยุกต์ใช้เลขคณิตเศษส่วนได้ ซึ่งแตกต่างจากตัวกรอง IIR ก็มักจะเป็นไปได้ที่จะใช้ตัวกรอง FIR โดยใช้ค่าสัมประสิทธิ์ที่มีขนาดน้อยกว่า 1.0 (กำไรโดยรวมของฟิลเตอร์ FIR สามารถปรับเปลี่ยนได้ที่ผลลัพธ์ถ้าต้องการ) นี่เป็นข้อพิจารณาที่สำคัญเมื่อใช้ DSP แบบจุดคงที่เนื่องจากทำให้การใช้งานง่ายขึ้น 1.6.2 ข้อเสียของฟิลเตอร์ FIR (เทียบกับตัวกรอง IIR) เมื่อเทียบกับตัวกรอง IIR ตัวกรอง FIR บางครั้งอาจมีข้อเสียที่ต้องใช้การคำนวณหน่วยความจำและหน่วยความจำมากขึ้นเพื่อให้ได้ลักษณะการตอบสนองของตัวกรองที่กำหนด นอกจากนี้การตอบสนองบางอย่างยังไม่สามารถใช้กับตัวกรอง FIR ได้ 1.7 ข้อที่ใช้ในการอธิบายตัวกรอง FIR การตอบสนองต่ออิมพัลส์ - การตอบสนองต่อราคาของฟิลเตอร์ FIR เป็นเพียงชุดของค่าสัมประสิทธิ์ของ FIR เท่านั้น (ถ้าคุณใส่ quotimplusequot ลงในตัวกรอง FIR ซึ่งประกอบด้วยตัวอย่าง quot1quot ตามตัวอย่าง quot0quot จำนวนมากผลลัพธ์ของตัวกรองจะเป็นชุดค่าสัมประสิทธิ์เนื่องจากตัวอย่าง 1 ตัวเคลื่อนที่ผ่านแต่ละค่าสัมประสิทธิ์ในการเปิดเพื่อสร้างผลลัพธ์) แตะ - quottapquot FIR เป็นเพียงคู่ coefficientdelay จำนวนของ FIR taps, (มักเรียกว่า quotNquot) เป็นข้อบ่งชี้ของ 1) จำนวนหน่วยความจำที่จำเป็นในการใช้ตัวกรอง, 2) จำนวนการคำนวณที่ต้องการ, และ 3) จำนวนการกรองที่ต้องการตัวกรองสามารถทำผล, (MAC) - ในบริบท FIR, quotMACquot คือการดำเนินงานของการคูณค่าสัมประสิทธิ์โดยตัวอย่างข้อมูลล่าช้าที่สอดคล้องกันและสะสมผลลัพธ์ FIR มักต้องใช้ MAC หนึ่งตัวต่อการแตะ ไมโครโพรเซสเซอร์ DSP ส่วนใหญ่ใช้การดำเนินการ MAC ในรอบการสอนเดียว Transition Band - แถบความถี่ระหว่างแถบความถี่ passband และ stopband แถบการเปลี่ยนที่แคบยิ่งต้องใช้ก๊อกมากขึ้นในการใช้ตัวกรอง (แถบผลการแปลง quotsmallquot ส่งผลให้เกิดตัวกรอง quotsharpquot) Delay Line - ชุดของหน่วยความจำที่ใช้องค์ประกอบ delay delay ของ quotZ-1quot ของการคำนวณ FIR บัฟเฟอร์แบบวงกลม - บัฟเฟอร์พิเศษซึ่งเป็นส่วนข้อศอกเนื่องจากการเพิ่มทีละตอนทำให้เกิดการห่อหุ้มรอบจุดเริ่มต้นหรือเนื่องจากการพรากจากจุดเริ่มต้นทำให้มันห่อหุ้มปลาย บัฟเฟอร์แบบวงกลมมักมีให้โดยไมโครโพรเซสเซอร์ DSP เพื่อใช้ชุดคำสั่งซื้อของตัวอย่างผ่านสายการผลิต FIR โดยไม่ต้องย้ายข้อมูลในหน่วยความจำอย่างแท้จริง เมื่อตัวอยางตัวอยางถูกเพิ่มลงในบัฟเฟอร์ตัวอยางจะแทนที่ตัวอยางที่เก่าที่สุดโดยอัตโนมัติตัวอยางตัวกรองเฉลี่ยโดยเฉลี่ยตัวอยาง MovingAverageFilter ใชตัวกรองเฉลี่ยถาย MovingAverageFilter เป็นส่วนหนึ่งของโมดูล Preprocessing ตัวอย่างของสัญญาณ (สัญญาณรบกวนจากคลื่นไซน์) กรองโดยใช้ตัวกรองเฉลี่ยเคลื่อนที่ สัญญาณสีแดงคือสัญญาณรบกวนดั้งเดิมสัญญาณสีเขียวคือสัญญาณที่กรองโดยใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่ที่มีขนาดหน้าต่างเท่ากับ 5 และสัญญาณสีน้ำเงินคือสัญญาณที่กรองโดยใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่ที่มีขนาดหน้าต่างเท่ากับ 20. MovingAverageFilterExampleImage1 jpg ข้อดี MovingAverageFilter เหมาะสำหรับการกำจัดเสียงรบกวนความถี่สูงจากสัญญาณ N มิติจำนวนเล็กน้อย ข้อเสียข้อเสียหลักของ MovingAverageFilter คือเพื่อกรองเสียงรบกวนความถี่สูงอย่างมีนัยสำคัญขนาดหน้าต่างของตัวกรองต้องมีขนาดใหญ่ ปัญหาเกี่ยวกับการมีหน้าต่างตัวกรองขนาดใหญ่คือสิ่งนี้จะทำให้เกิดความล่าช้าขนาดใหญ่ในสัญญาณใด ๆ ที่ผ่านตัวกรองซึ่งอาจไม่เป็นประโยชน์สำหรับแอพพลิเคชันแบบเรียลไทม์ หากคุณพบว่าคุณจำเป็นต้องมีหน้าต่างตัวกรองขนาดใหญ่เพื่อกรองเสียงรบกวนที่มีความถี่สูงและเวลาแฝงที่เกิดจากขนาดหน้าต่างนี้ไม่เหมาะสำหรับแอ็พพลิเคชันแบบเรียลไทม์ของคุณคุณอาจลองใช้ตัวกรองอัตราการย้ายคู่เฉลี่ยหรือตัวกรองความถี่ต่ำ แทน. ตัวอย่างรหัสตัวอย่าง GRT MovingAverageFilter ตัวอย่างนี้แสดงวิธีการสร้างและใช้โมดูล GRT MovingAverageFilter PreProcessing MovingAverageFilter ใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่เฉลี่ยต่ำ ในตัวอย่างนี้เราสร้างอินสแตนซ์ของ MovingAverageFilter และใช้ตัวกรองนี้เพื่อกรองข้อมูลหลอกลวงซึ่งสร้างขึ้นจากสัญญาณรบกวนแบบสุ่มของไซน์ สัญญาณการทดสอบและสัญญาณที่ผ่านการกรองจะถูกบันทึกลงในไฟล์ (เพื่อให้คุณสามารถคำนวณผลลัพธ์ในรูปแบบ Matlab, Excel และอื่น ๆ ได้ถ้าจำเป็น) ตัวอย่างเช่นแสดงวิธีการ: - สร้างอินสแตนซ์ MovingAverageFilter ใหม่ที่มีขนาดหน้าต่างเฉพาะสำหรับสัญญาณ 1 มิติ - กรองข้อมูลบางส่วนโดยใช้ MovingAverageFilter - บันทึกการตั้งค่า MovingAverageFilter ลงในไฟล์ - โหลดการตั้งค่า MovingAverageFilter จากไฟล์รวมถึง quotGRT. hquot ใช้ namespace GRT int main 40 int argc const char argv 91 93 41 123 สร้างอินสแตนซ์ใหม่ของตัวกรองค่าเฉลี่ยเคลื่อนที่ที่มีขนาดหน้าต่างเท่ากับ 5 สำหรับสัญญาณ 1 มิติ MovingAverageFilter filter 40 5. 1 41 สร้างและเปิดไฟล์เพื่อบันทึกไฟล์ข้อมูล fstream file เปิด 40 quotMovingAverageFilterData. txtquot fstream out 41 สร้างข้อมูลบางส่วน (สัญญาณรบกวนของคลื่นไซน์) และกรองค่า x เป็นสองเท่า UINT M 1000 สุ่มสุ่มสำหรับ 40 UINT i 0 i lt M i 41 123 sin สัญญาณคู่ 40 x 41 random getRandomNumberUniform 40 - 0.2 0.2 41 ตัวกรองคู่กรองค่า filter 40 signal 41 file ltlt signal ltlt tt ltlt filteredValue ltlt endl x TWOPI double 40 M 41 10 125 ปิดไฟล์ข้อมูล ปิด 40 41 บันทึกการตั้งค่าตัวกรองลงในตัวกรองไฟล์ saveSettingsToFile 40 quotMovingAverageFilterSettings. txtquot 41 จากนั้นเราจะโหลดการตั้งค่าในภายหลังหากจำเป็นต้องใช้ตัวกรอง loadSettingsFromFile 40 quotMovingAverageFilterSettings. txtquot 41 return EXITSUCCESS 125 MovingAverageFilter ยังทำงานร่วมกับสัญญาณ N มิติใดก็ได้: สร้างอินสแตนซ์ใหม่ของ MovingAverageFilter ที่มีขนาดหน้าต่างเท่ากับ 10 สำหรับสัญญาณ 3 มิติ MovingAverageFilter filter 40 10. 3 41 ค่าที่คุณต้องการกรอง vector lt double gt data 40 3 41 ข้อมูล 91 0 93 0. รับค่าจากข้อมูลเซ็นเซอร์ 91 1 93 0 รับค่าจากข้อมูลเซ็นเซอร์ 91 2 93 0 รับค่าจากเซ็นเซอร์กรองเวกเตอร์สัญญาณ lt double gt filteredValue filter กรอง 40 ข้อมูล 41 รหัส amp ทรัพยากร