Moving Average Filter Matlab Code Example

Descrição O Matlab inclui funções chamadas movavg e tsmovavg (média móvel de séries temporais) na Caixa de Ferramentas Financeira, o movAv foi projetado para replicar a funcionalidade básica destes. O código aqui fornece um bom exemplo de gerenciamento de índices dentro de loops, o que pode ser confuso para começar. Ive deliberadamente mantido o código curto e simples para manter este processo claro. O movAv executa uma média móvel simples que pode ser usada para recuperar dados ruidosos em algumas situações. Funciona tomando uma média da entrada (y) sobre uma janela de tempo deslizante, cujo tamanho é especificado por n. Quanto maior for n, maior a quantidade de suavização do efeito de n é relativa ao comprimento do vetor de entrada y. E efetivamente (bem, tipo de) cria um filtro de freqüência lowpass - veja a seção de exemplos e considerações. Como a quantidade de suavização fornecida por cada valor de n é relativa ao comprimento do vetor de entrada, sempre vale a pena testar diferentes valores para ver o que é apropriado. Lembre-se também de que n pontos são perdidos em cada média se n é 100, os primeiros 99 pontos do vetor de entrada não contêm dados suficientes para uma média de 100pt. Isto pode ser evitado um pouco empilhando médias, por exemplo, o código eo gráfico abaixo comparam um número de diferentes médias de janela de comprimento. Observe como liso 1010pt é comparado a uma única 20pt média. Em ambos os casos, 20 pontos de dados são perdidos no total. Criar xaxis x1: 0.01: 5 Gerar ruído noiseReps 4 ruído repmat (randn (1, ceil (numel (x) noiseReps)), noiseReps, 1) reestruturação de ruído (ruído, 1, X) 10noise (1: length (x)) Médias de Perfrom: y2 movAv (y, 10) 10 pt y3 movAv (y2, 10) 1010 pt y4 movAv (y, 20) 20 pt y5 movAv (y, 40) 40 pt (X, y, y2, y3, y4, y5, y6) legenda (dados brutos, média móvel 10pt, 1010pt, 20pt, 40pt, 100pt) xlabel (x) ylabel Y) título (Comparação de médias móveis) movAv. m função de execução do programa movAv (y, n) A primeira linha define o nome das funções, entradas e saídas. A entrada x deve ser um vetor de dados para realizar a média em, n deve ser o número de pontos a executar a média sobre a saída conterá os dados médios retornados pela função. Prealocar a saída outputNaN (1, numel (y)) Encontrar o ponto médio de n midPoint round (n2) O trabalho principal da função é feito no loop for, mas antes de iniciar duas coisas são preparadas. Em primeiro lugar a saída é pré-alocada como NaNs, isso serviu dois propósitos. Em primeiro lugar, a pré-alocação é geralmente uma boa prática, pois reduz a memória que o Matlab tem de fazer, em segundo lugar, torna muito fácil colocar os dados médios em uma saída do mesmo tamanho do vetor de entrada. Isto significa que o mesmo xaxis pode ser usado mais tarde para ambos, o que é conveniente para plotar, alternativamente, os NaNs podem ser removidos mais tarde em uma linha de código (output output (A variável midPoint será usada para alinhar os dados no vetor de saída. N 10, 10 pontos serão perdidos porque, para os primeiros 9 pontos do vetor de entrada, não há dados suficientes para tomar uma média de 10. Como a saída será menor do que a entrada, ele precisa ser alinhado corretamente. Ser usado para que uma quantidade igual de dados seja perdida no início e no fim e a entrada seja mantida alinhada com a saída pelos buffers NaN criados quando a saída de pré-alocação for. Over (a: b) ban Calcular a saída média (amidPoint) mean (y (a: b)) end No loop for, uma média é tomada em cada segmento consecutivo da entrada. Definido como 1 até o comprimento da entrada (y), menos os dados que serão perdidos (n).Se a entrada é de 100 pontos lo Ng e n é 10, o ciclo irá decorrer de (a) 1 a 90. Isto significa a proporciona o primeiro índice do segmento a ser calculado a média. O segundo índice (b) é simplesmente an-1. Assim, na primeira iteração, a1. N10. Assim b 11-1 10. A primeira média é tomada sobre y (a: b). Ou x (1:10). A média desse segmento, que é um valor único, é armazenada na saída no índice amidPoint. Ou 156. Na segunda iteração, a2. B 210-1 11. Assim a média é tomada sobre x (2:11) e armazenada na saída (7). Na última iteração do laço para uma entrada de comprimento 100, a91. B 9010-1 100 assim que a média é tomada sobre x (91: 100) e armazenada na saída (95). Isto deixa a saída com um total de n (10) valores de NaN no índice (1: 5) e (96: 100). Exemplos e considerações As médias móveis são úteis em algumas situações, mas nem sempre são a melhor escolha. Aqui estão dois exemplos onde eles não são necessariamente ótimos. Calibração do microfone Este conjunto de dados representa os níveis de cada freqüência produzida por um alto-falante e gravada por um microfone com uma resposta linear conhecida. A saída do alto-falante varia com a freqüência, mas podemos corrigir essa variação com os dados de calibração - a saída pode ser ajustada em nível para considerar as flutuações na calibração. Observe que os dados brutos são barulhentos - isso significa que uma pequena mudança de freqüência parece exigir uma grande alteração errática no nível a ser considerado. É este realista Ou é este um produto do ambiente de gravação É razoável, neste caso, para aplicar uma média móvel que suaviza a curva de nível de freqüência para fornecer uma curva de calibração que é ligeiramente menos errático. Mas por que isso não é o ideal neste exemplo? Mais dados seriam melhores - múltiplas calibrações executadas em média destruiriam o ruído no sistema (enquanto o seu aleatório) e fornecessem uma curva com detalhes menos sutis perdidos. A média móvel pode somente aproximar isto, e pode remover alguns mergulhos da freqüência mais elevada e os picos da curva que realmente existem. Seno ondas Usando uma média móvel em ondas senoidal destaca dois pontos: A questão geral de escolher um número razoável de pontos para realizar a média mais. Seu simples, mas há métodos mais eficazes de análise de sinal do que a média dos sinais oscilantes no domínio do tempo. Neste gráfico, a onda sinusoidal original é plotada em azul. O ruído é adicionado e plotado como a curva laranja. Uma média móvel é realizada em números diferentes de pontos para ver se a onda original pode ser recuperada. 5 e 10 pontos fornecem resultados razoáveis, mas não removam o ruído inteiramente, onde como um número maior de pontos começa a perder detalhe de amplitude como a média estende-se sobre fases diferentes (lembre-se que a onda oscila em torno de zero e média (-1 1) 0) . Uma abordagem alternativa seria construir um filtro passa-baixa que possa ser aplicado ao sinal no domínio da frequência. Eu não vou entrar em detalhes, pois vai além do escopo deste artigo, mas como o ruído é consideravelmente maior freqüência do que a freqüência das ondas fundamental, seria bastante fácil, neste caso, para construir um filtro passa-baixa que irá remover a alta freqüência Noise. Averaging Filter Este exemplo mostra o fluxo de trabalho recomendado para gerar código C a partir de uma função MATLAB usando o comando codegen. Estas são as etapas: 1. Adicionar a diretiva codegen para a função MATLAB para indicar que ele é destinado para geração de código. Esta diretiva também permite que o analisador de código MATLAB para identificar avisos e erros específicos para MATLAB para a geração de código. 2. Gere uma função MEX para verificar se o código MATLAB é adequado para geração de código. Se ocorrerem erros, você deve corrigi-los antes de gerar o código C. 3. Testar a função MEX no MATLAB para garantir que é funcionalmente equivalente ao código MATLAB original e que não ocorrem erros de tempo de execução. 4. Gere código C. 5. Inspecione o código C. Pré-requisitos Não existem pré-requisitos para este exemplo. Criar uma nova pasta e copiar arquivos relevantes O código a seguir criará uma pasta em sua pasta de trabalho atual (pwd). A nova pasta conterá somente os arquivos que são relevantes para este exemplo. Se você não quiser afetar a pasta atual (ou se você não pode gerar arquivos nesta pasta), você deve alterar sua pasta de trabalho. Comando de Execução: Criar uma Nova Pasta e Copiar Arquivos Relevantes Sobre a função de averagingfilter A função averagingfilter. m atua como um filtro de média no sinal de entrada que toma um vetor de entrada de valores e calcula uma média para cada valor no vetor. O vetor de saída tem o mesmo tamanho e forma que o vetor de entrada. A diretiva compilação codegen indica que o código MATLAB é destinado a geração de código. Crie alguns dados de amostra Gere uma onda senoidal barulhenta e trace o resultado. Gerar uma função MEX para teste Gerar uma função MEX usando o comando codegen. O comando codegen verifica se a função MATLAB é adequada para geração de código e gera uma função MEX que você pode testar no MATLAB antes de gerar código C. Como C usa a digitação estática, codegen deve determinar as propriedades de todas as variáveis ​​nos arquivos MATLAB em tempo de compilação. Aqui, a opção de linha de comando - args fornece uma entrada de exemplo para que o codegen possa inferir novos tipos com base nos tipos de entrada. Usando o sinal de amostra criado acima como entrada de exemplo garante que a função MEX pode usar a mesma entrada. Por padrão, codegen gera uma função MEX chamada averagingfiltermex na pasta atual. Isso permite testar o código MATLAB ea função MEX e comparar os resultados. Teste a função MEX no MATLAB Execute a função MEX no código MATLAB Generate C Inspecione o código gerado O comando codegen com a opção - config coder. config (lib) gera código C empacotado como uma biblioteca C independente. O código C gerado está na pasta codegenlibaveragingfilter. Os arquivos são: Inspecione o código C para a função averagingfilter. c Selecione seu CountryDocumentation Este exemplo mostra o fluxo de trabalho recomendado para gerar código C a partir de uma função MATLAB usando o comando codegen. Estas são as etapas: 1. Adicionar a diretiva codegen para a função MATLAB para indicar que ele é destinado para geração de código. Esta diretiva também permite que o analisador de código MATLAB para identificar avisos e erros específicos para MATLAB para a geração de código. 2. Gere uma função MEX para verificar se o código MATLAB é adequado para geração de código. Se ocorrerem erros, você deve corrigi-los antes de gerar o código C. 3. Testar a função MEX no MATLAB para garantir que é funcionalmente equivalente ao código MATLAB original e que não ocorrem erros de tempo de execução. 4. Gere código C. 5. Inspecione o código C. Pré-requisitos Não existem pré-requisitos para este exemplo. Criar uma nova pasta e copiar arquivos relevantes O código a seguir criará uma pasta em sua pasta de trabalho atual (pwd). A nova pasta conterá somente os arquivos que são relevantes para este exemplo. Se você não quiser afetar a pasta atual (ou se você não pode gerar arquivos nesta pasta), você deve alterar sua pasta de trabalho. Comando de Execução: Criar uma Nova Pasta e Copiar Arquivos Relevantes Sobre a função de averagingfilter A função averagingfilter. m atua como um filtro de média no sinal de entrada que toma um vetor de entrada de valores e calcula uma média para cada valor no vetor. O vetor de saída tem o mesmo tamanho e forma que o vetor de entrada. Escolha o seu país