ชี้แจง เคลื่อนไหว ค่าเฉลี่ย ต่ำ ผ่านการ กรอง

ชี้แจง เคลื่อนไหว ค่าเฉลี่ย ต่ำ ผ่านการ กรอง

Forex -trading- จาก อินเดีย
10   วัน เฉลี่ยเคลื่อนที่ - เครื่องคิดเลข
Forex- ซื้อขาย ผลงาน การจัดการ


Forex สัญญาณ บริการ ผู้ให้บริการ การตรวจทาน Forex การลงทุน ชี้แจง เคลื่อนไหว เฉลี่ย - เครื่องคิดเลข - Excel ที่ดีที่สุด -forex- โรลโอเวอร์ อัตรา Etoro ซื้อขาย กลยุทธ์ Forex- U- เปิด ตัวบ่งชี้

ตัวกรองดิจิตอลที่ใช้งานง่ายค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) เป็นตัวกรองอิมพีลีนอิมพัลซ์ตอบสนอง (IIR) ที่สามารถใช้งานแอพพลิเคชัน DSP จำนวนมากได้ ต้องใช้ RAM เพียงเล็กน้อยและกำลังประมวลผล ตัวกรองไส้กรองเป็นแบบอะนาล็อกและแบบดิจิทัลและมีอยู่เพื่อนำความถี่เฉพาะออกจากสัญญาณ ตัวกรองแบบแอนะล็อกทั่วไปคือตัวกรองสัญญาณความถี่ต่ำที่แสดงด้านล่าง ตัวกรองแบบอนาล็อกมีลักษณะการตอบสนองความถี่ที่มีความถี่ในการลดทอน (การตอบสนองของขนาด) และเปลี่ยน (การตอบสนองตามเฟส) การตอบสนองต่อความถี่สามารถวิเคราะห์ได้โดยใช้การแปลง Laplace ซึ่งกำหนดฟังก์ชันการถ่ายโอนข้อมูลในโดเมน S สำหรับวงจรข้างต้นฟังก์ชันการถ่ายโอนจะได้รับโดย: สำหรับ R เท่ากับ 1 กิโลโอห์มและ C เท่ากับ 1 microfarad การตอบสนองของขนาดจะแสดงด้านล่าง โปรดทราบว่าแกน x เป็นลอการิทึม (เครื่องหมายติ๊กทุกครั้งมีค่ามากกว่า 10 ครั้ง) แกน y เป็นเดซิเบล (ซึ่งเป็นฟังก์ชันลอการิทึมของเอาต์พุต) ความถี่ตัดของตัวกรองนี้คือ 1000 rad หรือ 160 Hz นี่คือจุดที่มีการถ่ายโอนพลังงานน้อยกว่าครึ่งหนึ่งที่ความถี่หนึ่งจากอินพุตไปยังเอาท์พุทของตัวกรอง ต้องใช้ตัวกรองอนาล็อกในแบบฝังเมื่อสุ่มตัวอย่างสัญญาณโดยใช้ตัวแปลงอนาล็อกเป็นดิจิตอล (ADC) ADC จับเฉพาะความถี่ที่มีความถี่ในการสุ่มตัวอย่างเพียงครึ่งเดียวเท่านั้น ตัวอย่างเช่นถ้า ADC มีการสุ่มตัวอย่าง 320 ตัวอย่างต่อวินาทีตัวกรองด้านบน (มีความถี่ตัด 160Hz) จะถูกวางไว้ระหว่างสัญญาณและอินพุตของ ADC เพื่อป้องกันการเหลา (ซึ่งเป็นปรากฏการณ์ที่ความถี่สูงขึ้นในสัญญาณที่สุ่มตัวอย่างเป็น ความถี่ต่ำ) ฟิลเตอร์ดิจิตอลฟิลเตอร์ดิจิตอลตัวกรองแบบดิจิทัลจะลดทอนความถี่ในซอฟต์แวร์มากกว่าการใช้ส่วนประกอบอะนาล็อก การดำเนินการของพวกเขารวมถึงการสุ่มตัวอย่างสัญญาณอะนาล็อกกับ ADC แล้วใช้อัลกอริทึมซอฟต์แวร์ แนวทางการออกแบบ 2 วิธีในการกรองข้อมูลแบบดิจิตอลคือตัวกรอง FIR และตัวกรอง IIR ฟิลเตอร์ FIR ฟิลเตอร์ฟิลเตอร์การตอบสนองแบบ จำกัด (FIR) ใช้ตัวอย่างจำนวน จำกัด เพื่อสร้างเอาท์พุท ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายคือตัวกรอง FIR แบบ low pass ความถี่ที่สูงขึ้นจะลดทอนลงเพราะค่าเฉลี่ยจะทำให้สัญญาณมีความนุ่มนวล ตัวกรองมีข้อ จำกัด เนื่องจากผลลัพธ์ของตัวกรองถูกกำหนดโดยจำนวนตัวอย่างที่ป้อนได้ ตัวอย่างเช่น 12 ตัวกรองค่าเฉลี่ยเคลื่อนที่จะเพิ่ม 12 ตัวอย่างล่าสุดจากนั้นหารด้วย 12 ผลลัพธ์ของตัวกรอง IIR จะถูกกำหนดโดย (ถึง) จำนวนอินพุทที่ไม่มีที่สิ้นสุด ฟิลเตอร์ IIR Filters ฟิลเตอร์อิมมูโนพัลส์อิเลคทรอนิกส์ (IIR) เป็นตัวกรองแบบดิจิตอลที่เอาต์พุตเป็นทฤษฎี inifinetelyin อย่างไรก็ตามได้รับผลกระทบจากการป้อนข้อมูล ค่าเฉลี่ยเคลื่อนที่แบบเสวนาคือตัวอย่างของตัวกรอง IIR low pass ตัวกรองเฉลี่ยถ่วงน้ำหนักตามตัวอักษร (Exponential Moving Average Filter) ค่าเฉลี่ยเคลื่อนที่แบบเสวนา (Exponential Moving Average Filter) มีการคำนวณค่าเฉลี่ยถ่วงน้ำหนักแบบเอกซ์โพเนนเชียล (EMA) เพื่อคำนวณค่าเฉลี่ย แม้ว่าสมการนี้ดูเหมือนจะซับซ้อน แต่สมการที่ระบุในการกรองแบบดิจิตอลเป็นสมการที่ต่างกันในการคำนวณผลลัพธ์เป็นเรื่องง่าย ในสมการด้านล่าง y คือเอาท์พุท x คืออินพุทและอัลฟาเป็นค่าคงที่ตั้งค่าความถี่ตัด เมื่อต้องการวิเคราะห์ว่าตัวกรองนี้มีผลต่อความถี่ของการส่งออกฟังก์ชัน Z-domain จะถูกใช้งานอย่างไร การตอบสนองของขนาดจะแสดงไว้ด้านล่างสำหรับ alpha เท่ากับ 0.5 แกน y แสดงอีกครั้งในรูปเดซิเบล แกน x เป็นลอการิทึมจาก 0.001 ถึง pi ความถี่ในโลกแห่งความจริงจะจับคู่กับแกน x ซึ่งศูนย์จะเป็นแรงดันไฟฟ้า DC และ pi เท่ากับครึ่งหนึ่งของความถี่ในการสุ่มตัวอย่าง ความถี่ใด ๆ ที่มากกว่าครึ่งหนึ่งของความถี่ในการสุ่มตัวอย่างจะได้รับการระบุไว้ ดังที่ได้กล่าวมาแล้วตัวกรองอนาล็อกสามารถทำให้ความถี่ในการทำงานของสัญญาณดิจิตอลต่ำกว่าครึ่งหนึ่งของความถี่ในการสุ่มตัวอย่าง ตัวกรอง EMA มีประโยชน์ในรูปแบบที่ฝังด้วยเหตุผลสองประการ ประการแรกคุณสามารถปรับความถี่ตัดได้โดยง่าย การลดค่าของ alpha จะลดความถี่ cutoff ของตัวกรองตามภาพประกอบโดยการเปรียบเทียบ alpha 0.5 ด้านบนกับพล็อตด้านล่างที่ alpha 0.1 ประการที่สอง EMA เป็นรหัสที่ง่ายและต้องใช้พลังงานและหน่วยความจำเพียงเล็กน้อย การใช้โค้ดของตัวกรองจะใช้สมการความแตกต่าง มีสองการดำเนินการคูณและการดำเนินการเพิ่มเติมอย่างใดอย่างหนึ่งสำหรับแต่ละ outputthis ละเว้นการดำเนินงานที่จำเป็นสำหรับการปัดเศษคณิตศาสตร์จุดคงที่ เฉพาะตัวอย่างล่าสุดเท่านั้นที่ต้องเก็บไว้ในแรม ค่านี้มีค่าน้อยกว่าการใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่ที่มีจุด N ซึ่งต้องใช้การคูณและการบวกรวมทั้ง N ตัวอย่างที่จะเก็บไว้ในแรม โค้ดต่อไปนี้ใช้ตัวกรอง EMA โดยใช้คณิตศาสตร์จุดแข็ง 32 บิต โค้ดด้านล่างเป็นตัวอย่างของวิธีการใช้ฟังก์ชันข้างต้น ข้อสรุปตัวกรองทั้งอนาล็อกและดิจิตอลเป็นส่วนสำคัญของการออกแบบแบบฝังตัว พวกเขาช่วยให้นักพัฒนาสามารถกำจัดความถี่ที่ไม่พึงประสงค์เมื่อวิเคราะห์อินพุตของเซนเซอร์ สำหรับตัวกรองแบบดิจิทัลมีประโยชน์ตัวกรองอนาล็อกจะต้องลบความถี่ทั้งหมดที่อยู่เหนือครึ่งหนึ่งของความถี่การสุ่มตัวอย่าง ตัวกรอง Digital IIR สามารถใช้เป็นเครื่องมือที่มีประสิทธิภาพในการออกแบบฝังตัวซึ่งมีทรัพยากร จำกัด ค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) เป็นตัวอย่างของตัวกรองดังกล่าวที่สามารถทำงานได้ดีในแบบฝังตัวเนื่องจากหน่วยความจำและความต้องการพลังงานในระบบต่ำวิธีง่ายๆและทั่วไปสำหรับการกรอกข้อมูลที่ขาดหายไปหากคุณมีข้อมูลทั้งหมดเสร็จสมบูรณ์ ใช้การถดถอยเชิงเส้น สมมติว่าคุณมีจำนวนการทำงาน 1000 ครั้งติดต่อกัน 5 ครั้งโดยไม่มีข้อมูลใดพลาด ตั้งค่าเวคเตอร์ 1000 x 1 y และ 1000 x 4 เมทริกซ์ X: การถดถอยจะทำให้คุณมีตัวเลข 4 ตัว b c d ที่ให้ข้อมูลที่ดีที่สุดสำหรับข้อมูล 1000 แถวของคุณ mdash ข้อมูลต่างๆแตกต่างกัน b c d จากนั้นคุณจะใช้ค่า b c d ในการประมาณ (ทำนาย interpolate) ขาดหายไป wt0 (สำหรับน้ำหนักของมนุษย์ Id คาดว่า abcd จะเป็นประมาณ 14) (มี zillions ของหนังสือและเอกสารเกี่ยวกับการถดถอยในทุกระดับสำหรับการเชื่อมต่อกับการแก้ไขแม้ว่าฉันไม่ทราบแนะนำคนดี) Low - pass กรองเหล่านี้เป็นหลักหมายเหตุมันไม่เคยจะสมบูรณ์ในความรู้สึกใด ๆ มีส่วนของข้อมูลที่เป็นประโยชน์ Pseudocode ค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักแบบเรียงลำดับ (EWMA) คือชื่อของสิ่งที่น่าจะเป็นที่ง่ายที่สุดในการสร้างข้อมูลโดเมนแบบใช้เวลาโดเมนของ lowpass (ลำดับแรก) ในข้อมูลที่ไม่ต่อเนื่อง ตัวกรองนี้ลื่นโดยใช้ค่าเฉลี่ยในท้องถิ่นที่เคลื่อนที่ซึ่งจะทำให้ผู้ติดตามสัญญาณอินพุตที่ซบเซา โดยสังหรณ์ใจจะตอบสนองช้ากับการเปลี่ยนแปลงอย่างรวดเร็ว (เนื้อหาความถี่สูง) ในขณะที่ยังคงติดตามแนวโน้มโดยรวมของสัญญาณ (เนื้อหาความถี่ต่ำ) มันถูกชั่งน้ำหนักโดยตัวแปร (ดู x3b1) เพื่อให้สามารถเปลี่ยนแปลงความไวของมัน ในแอปพลิเคชันที่เป็นตัวอย่างในช่วงเวลาปกติ (เช่นเสียง) คุณสามารถเชื่อมโยง x3b1 กับเนื้อหาความถี่ได้ ในกรณีเหล่านี้คุณมักต้องการคำนวณชุดผลลัพธ์ที่ผ่านการกรองสำหรับชุดข้อมูลอินพุตโดยลูปผ่านรายการที่ทำสิ่งต่างๆเช่น: หรือเทียบเท่า: รูปแบบหลังอาจรู้สึกว่าใช้งานง่ายขึ้น: การเปลี่ยนแปลงในผลลัพธ์ที่กรองออกมาเป็นสัดส่วนกับจำนวน เปลี่ยนและชั่งน้ำหนักด้วยความแข็งแรงของตัวกรอง x3b1 ทั้งสองอาจช่วยพิจารณาว่าการใช้ผลลัพธ์ที่ผ่านการกรองล่าสุดช่วยให้ระบบมีแรงเฉื่อย: x3b1 ขนาดเล็ก (ใหญ่กว่า 1-x3b1 ในอดีต) (เช่นเดียวกับ RC ขนาดใหญ่) หมายความว่าเอาท์พุทจะปรับเฉื่อยมากขึ้นและควรแสดงสัญญาณรบกวนน้อยลง ความถี่ตัดลดลง (ตรวจสอบ)) x3b1 ขนาดใหญ่ (เล็ก 1-x3b1) (เล็กกว่า RC) หมายความว่าเอาท์พุทจะปรับเร็วขึ้น (มีความเฉื่อยน้อยลง) แต่จะมีความไวต่อเสียงรบกวนมากขึ้น (เนื่องจากความถี่ตัดเป็นค่าที่สูงกว่า (ตรวจสอบ)) เนื่องจากการคำนวณเป็นแบบเฉพาะกรณี ที่คุณต้องการค่าล่าสุดสามารถหลีกเลี่ยงการจัดเก็บอาร์เรย์ที่มีขนาดใหญ่ได้โดยการทำดังต่อไปนี้สำหรับตัวอย่างใหม่ ๆ (มักเป็นพุ่มครั้งติดต่อกันเพื่อให้แน่ใจว่าเราปรับตัวให้เพียงพอ) ในกรณีที่มีการสุ่มตัวอย่างอย่างสม่ำเสมอ x3b1 เกี่ยวข้องกับความเร็วของการปรับตัวมากกว่าความถี่ ยังคงมีความเกี่ยวข้อง แต่ข้อสังเกตเกี่ยวกับความถี่จะใช้อย่างเคร่งครัดน้อยลง คุณมักต้องการใช้ arraymemory เป็น float แม้ว่าคุณจะคืนค่า ints เพื่อหลีกเลี่ยงปัญหาที่เกิดจากข้อผิดพลาดในการปัดเศษ ปัญหาส่วนใหญ่: เมื่อ alphadifference (ตัวคูณลอย) น้อยกว่า 1 จะกลายเป็น 0 ใน cast (truncatng) เป็นจำนวนเต็ม ตัวอย่างเช่นเมื่อ alpha เท่ากับ 0.01 ความแตกต่างของสัญญาณที่มีขนาดเล็กกว่า 100 จะทำให้การปรับค่า 0 (ผ่าน truncation จำนวนเต็ม) ดังนั้นตัวกรองจะไม่ปรับค่า ADC ตามจริง EWMA มีคำว่าเลขชี้กำลังอยู่ในเพราะข้อมูลใหม่ที่ได้รับการกรองใหม่จะใช้ค่าทั้งหมดอย่างถูกต้องก่อนที่จะมีประสิทธิภาพและมีประสิทธิภาพกับการผุกร่อนที่ชี้แจง ดูวิกิพีเดียลิงก์สำหรับการสนทนาเพิ่มเติม ตัวอย่างภาพ: ภาพหน้าจอจาก arduinoscope - กราฟที่เคลื่อนที่โดยมีตัวอย่างใหม่ล่าสุดทางด้านซ้าย สัญญาณดิบอยู่ด้านบนมีค่าไม่กี่วินาทีจากการสุ่มตัวอย่าง ADC จากขาลอยพร้อมกับแตะนิ้วสัมผัสทุกครั้ง คนอื่น ๆ กำลัง lowpassed รุ่นที่จุดแข็งที่เพิ่มขึ้น บางสิ่งที่ควรทราบเกี่ยวกับเรื่องนี้: การปรับค่าชดเชยที่ล่าช้าไปจนถึงการตอบสนองแบบขั้นตอน (เหมือนตัวเก็บประจุชาร์จ - เร็ว ๆ นี้อย่างรวดเร็วแล้วช้าลงและช้าลง) การปราบปรามการกระเพื่อมครั้งใหญ่ (แน่นอนว่าการตัดสินนั้นขึ้นอยู่กับความเร็วในการสุ่มตัวอย่างและความถี่ของเนื้อหาการปรับตัวที่คุณต้องการ) ในภาพที่สองการสั่นแบบเต็มช่วงออกมาไม่มากนักเนื่องจากมีการกรอง แต่ส่วนใหญ่เป็นเพราะตัวอย่างวัตถุดิบส่วนใหญ่รอบ ๆ มีอิ่มตัวเมื่อสิ้นช่วงของ ADCs เกี่ยวกับ x3b1, x3c4 และความถี่ cutoff บทความนี้เป็น stub x2014 อาจเป็นบันทึกครึ่งเรียงลำดับไม่ได้รับการตรวจสอบอย่างดีจึงอาจมีบิตไม่ถูกต้อง (รู้สึกอิสระที่จะละเว้นแก้ไขหรือบอกฉัน) x3b1 เป็นปัจจัยการทำให้ราบเรียบระหว่างทางทฤษฎีระหว่าง 0.0 และ 1.0 ในทางปฏิบัติมักจะเป็น lt0.2 และบ่อยกว่า 0.1 หรือน้อยกว่าเนื่องจากเหนือกว่าที่คุณแทบจะไม่ทำการกรองใด ๆ ใน DSP มักขึ้นอยู่กับ: x394 t dt เขียนเป็นประจำ ช่วงเวลาระหว่างตัวอย่าง (อัตราการสุ่มตัวอย่าง) เลือกเวลาคงที่ x3c4 (tau), aka RC (หลังดูเหมือนว่าการอ้างอิงถึงวงจรตัวเก็บประจุบวก - ตัวเก็บประจุซึ่งยังไม่ lowpass โดยเฉพาะ RC ให้เวลาใน ซึ่งจะทำให้ค่าตัวเก็บประจุลดลงถ้าคุณเลือก RC ใกล้เคียงกับ dt คุณจะได้ alphas สูงกว่า 0.5 และมีความถี่ cutoff ที่อยู่ใกล้กับความถี่ nyquist (เกิดขึ้นที่ 0.666 (ตรวจสอบ)) ซึ่งจะกรองตัวกรองออกมาเล็กน้อย ค่อนข้างไม่มีจุดหมายในทางปฏิบัติ youll มักจะเลือก RC ที่อย่างน้อยกี่ทวีคูณของ dt ซึ่งหมายความว่า x3b1 อยู่ในลำดับที่ 0.1 หรือน้อยกว่าเมื่อการสุ่มตัวอย่างเกิดขึ้นอย่างเคร่งครัดอย่างสม่ำเสมอเป็นมันสำหรับเสียงและโปรแกรมอื่น ๆ อีกมากมาย DSP , ความถี่ตัดความถี่ aka knee frequency มีความละเอียดมากเช่นเมื่อ RC0.002sec ค่าความชันอยู่ที่การสุ่มตัวอย่างที่ 200Hz, 2000Hz และ 20000Hz ทำให้ค่า alpha เท่ากับ 0.7, 0.2 และ 0.024 ตามลำดับ (ที่ความเร็วในการสุ่มตัวอย่างเดียวกัน alpha ล่างคือ th e ช้าลงการปรับตัวให้เข้ากับค่าใหม่และลดความถี่ตัดที่มีประสิทธิภาพ) (ตรวจสอบ) สำหรับ lowpass แรกที่สั่งซื้อ: ที่ความถี่ต่ำการตอบสนองเกือบสมบูรณ์แบนที่ความถี่นี้การตอบสนองคือ -3dB (เริ่มลดลงใน bendknee อ่อน) ที่ความถี่สูงกว่าจะลดลงที่ 6dboctave (20dBdecade) รูปแบบที่สูงขึ้นเพื่อลดลงอย่างรวดเร็วและมีหัวเข่าที่ยากขึ้น หมายเหตุนอกจากนี้ยังมีการเปลี่ยนเฟสซึ่งล่าช้าหลังการป้อนข้อมูล ขึ้นอยู่กับความถี่ที่เริ่มต้นเร็วกว่าการลดลงของแอมพลิจูดและจะอยู่ที่ -45 องศาที่ความถี่เข่า (ตรวจสอบ) ตัวอย่าง Arduino บทความนี้เป็น stub x2014 อาจเป็นกองบันทึกครึ่งเรียงลำดับไม่ได้รับการตรวจสอบอย่างดีจึงอาจมีบิตไม่ถูกต้อง (รู้สึกอิสระที่จะเพิกเฉยแก้ไขหรือบอกฉัน) นี่เป็นเวอร์ชั่นชิ้นเดียวของหน่วยความจำสำหรับเมื่อคุณสนใจเฉพาะมูลค่าการส่งออก (ล่าสุด) กึ่งเรียง
GBP -forex- แผนภูมิ
Forex- หุ่นยนต์ ซื้อขาย ระบบ