Einfach Gleitender Durchschnitt Beispiel Matlab

29. September, 2013.Moving Durchschnitt durch Faltung. Was ist gleitenden Durchschnitt und was ist es gut für. Wie ist das Bewegen der Mittelung durch die Verwendung von Faltung durchgeführt. Moving Durchschnitt ist eine einfache Operation verwendet in der Regel zu unterdrücken Rauschen eines Signals setzen wir den Wert von jedem Zeigen Sie auf den Durchschnitt der Werte in seiner Nachbarschaft Durch eine formula. Here x ist die Eingabe und y ist das Ausgangssignal, während die Größe des Fensters w ist, soll ungerade sein Die obige Formel beschreibt eine symmetrische Operation, die die Proben genommen werden Von beiden Seiten des eigentlichen Punktes. Below ist ein echtes Leben Beispiel Der Punkt, auf dem das Fenster tatsächlich gelegt wird, ist rot Werte außerhalb x sollen Nullen sein. Um herumzuspielen und die Effekte des gleitenden Durchschnitts zu sehen, schau dir das an Interaktive Demonstration. How, um es durch Faltung zu tun. Wie Sie vielleicht erkannt haben, die Berechnung der einfachen gleitenden Durchschnitt ist ähnlich wie die Faltung in beiden Fällen ein Fenster ist entlang dem Signal und die Elemente im Fenster sind zusammengefasst Also, geben Sie es auszuprobieren Um die gleiche Sache zu tun, indem du die Faltung nimmst. Die gewünschte Ausgabe ist. Als erster Ansatz lasst uns versuchen, was wir durch das Falten des x-Signals durch den folgenden k-Kern erhalten. Die Ausgabe ist genau dreimal größer als die erwartete Es Kann man auch sehen, dass die Ausgangswerte die Zusammenfassung der drei Elemente im Fenster sind. Es liegt daran, dass während der Faltung das Fenster entlang geschoben wird, alle Elemente in ihm werden mit einem multipliziert und dann zusammengefasst. Yk 1 cdot x 1 cdot x 1 cdot x. Um die gewünschten Werte von y zu erhalten, wird die Ausgabe durch 3.By eine Formel einschließlich der Division geteilt. Aber wäre es nicht optimal, die Division während der Faltung zu machen Hier kommt die Idee von Um die Gleichung neu zu ordnen. So werden wir den folgenden k Kernel verwenden. Auf diese Weise erhalten wir die gewünschte Ausgabe. Im Allgemeinen, wenn wir gleitenden Durchschnitt durch Faltung mit einer Fenstergröße von w wollen, werden wir den folgenden k kernel verwenden. Einfach Funktion, die den gleitenden Durchschnitt macht. Eine Beispielnutzung ist. Download movAv m siehe auch movAv2 - eine aktualisierte Version, die Gewichtung erlaubt. Description Matlab enthält Funktionen namens movavg und tsmovavg Zeitreihe gleitenden Durchschnitt in der Financial Toolbox, movAv ist entworfen, um die grundlegenden zu replizieren Funktionalität von diesen Der Code hier bietet ein schönes Beispiel für die Verwaltung von Indizes innerhalb Schleifen, die verwirrend sein können, um mit I ve bewusst gehalten den Code kurz und einfach, um diesen Prozess klar. movAv führt einen einfachen gleitenden Durchschnitt, der verwendet werden kann, um wiederherzustellen Laute Daten in einigen Situationen Es funktioniert, indem man den Mittelwert der Eingabe y über ein gleitendes Zeitfenster, dessen Größe durch n angegeben ist. Je größer n ist, desto größer ist die Glättung der Wirkung von n relativ zur Länge Des Eingangsvektors y und effektiv gut, Art von schafft einen Tiefpass-Frequenz-Filter - siehe die Beispiele und Überlegungen Abschnitt. Weil die Menge der Glättung von jedem Wert von n ist relativ zu der Länge des Eingangs-Vektor, ist es immer immer wert Test Verschiedene Werte zu sehen, was passend ist Erinnere dich auch, dass n Punkte in jedem Durchschnitt verloren gehen, wenn n 100 ist, die ersten 99 Punkte des Eingangsvektors don t enthalten genügend Daten für einen 100pt Durchschnitt Dies kann vermieden werden, etwas durch Stapeln von Mitteln, zum Beispiel , Der Code und die Grafik unten vergleichen eine Anzahl von verschiedenen Länge Fensterdurchschnitte Beachten Sie, wie glatte 10 10pt mit einem einzigen 20pt Durchschnitt verglichen wird In beiden Fällen sind 20 Punkte von Daten insgesamt verloren. Erstellen Sie xaxis x 1 0 01 5 erzeugen Rauschen Rauschen 4 Rauschen repmat randn 1, ceil numel x noiseReps, noiseReps, 1 Rauschen Reshape Rauschen, 1, Lärm Lärm Raps erzeugen ydata Rauschen y exp x 10 Rauschen 1 Länge x Perfrom Mittelwerte y2 movAv y, 10 10 pt y3 movAv y2, 10 10 10 pt y4 movAv y, 20 20 pt y5 movAv y, 40 40 pt y6 movAv y, 100 100 pt Plot Abbildung Plot x, y, y2, y3, y4, y5, y6 Legende Raw Daten, 10pt gleitender Durchschnitt, 10 10pt, 20pt, 40pt, 100pt xlabel x ylabel y title Vergleich der bewegten Durchschnitte. movAv m Code Durchlauffunktion Ausgang movAv y, n Die erste Zeile definiert die Funktion s Name, Ein - und Ausgänge Die Eingabe X sollte ein Vektor von Daten sein, um den Durchschnitt einzutragen, n sollte die Anzahl der Punkte sein, um den Durchschnitt über die Ausgabe auszuführen, wird die gemittelten Daten enthalten, die von der Funktion zurückgegeben werden. Vorausgabe der Ausgabeausgabe NaN 1, numel y Find mid point of n midPoint round N 2 Die Hauptarbeit der Funktion erfolgt in der for-Schleife, aber vor dem Start werden zwei Dinge vorbereitet. Zuerst wird die Ausgabe als NaNs vorab zugewiesen, dies bediente zwei Zwecke Zuerst ist die Vorveröffentlichung in der Regel gute Praxis, da sie das Gedächtnis-Jonglieren reduziert, das Matlab hat Zu tun, zweitens macht es sehr einfach, die gemittelten Daten in eine Ausgabe zu bringen, die die gleiche Größe wie der Eingangsvektor hat. Dies bedeutet, dass die gleiche Xaxis später für beide verwendet werden kann, was für das Plotten bequem ist, alternativ können die NaNs später entfernt werden In einer Zeile des Codeausgangsausgangs. Der variable midPoint wird verwendet, um die Daten im Ausgangsvektor auszurichten. Wenn n 10, 10 Punkte verloren gehen, weil für die ersten 9 Punkte des Eingangsvektors gibt es nicht genügend Daten zu nehmen Ein 10-Punkt-Mittelwert Da der Ausgang kürzer als der Eingang ist, muss er ordnungsgemäß ausgerichtet werden. Der MidPoint wird so verwendet, dass ein gleicher Datenbetrag am Anfang und am Ende verloren geht und der Eingang mit dem Ausgang des NaN übereinstimmt Puffer, die bei der Vorveröffentlichung der Ausgabe erzeugt werden. für eine 1-lage y - n Find-Index-Bereich, um den Durchschnitt über den Durchschnitt zu nehmen Berechnen Sie die mittlere Ausgabe ein midPoint-Mittelwert yab-Ende In der for-Schleife selbst wird ein Mittelwert über jedes aufeinanderfolgende Segment des Eingangs übernommen. Die Schleife läuft Für a, die als 1 bis zur Länge des Eingangs y definiert ist, abzüglich der Daten, die verloren gehen werden n Wenn die Eingabe 100 Punkte lang ist und n 10 ist, läuft die Schleife von einem 1 bis 90. Dies bedeutet, dass a liefert Der erste Index des zu gemittelten Segments Der zweite Index b ist einfach ein n-1 also bei der ersten Iteration ein 1 n 10 so b 11-1 10 Der erste Durchschnitt wird über yab oder x 1 10 übernommen. Der Durchschnitt davon Segment, das ein einzelner Wert ist, wird in der Ausgabe bei Index a midPoint oder 1 5 6 gespeichert. Bei der zweiten Iteration a 2 b 2 10-1 11 wird also der Mittelwert über x 2 11 übernommen und im Ausgang 7 gespeichert Letzte Iteration der Schleife für eine Eingabe der Länge 100, a 91 b 90 10-1 100, so dass der Mittelwert über x 91 100 übernommen und im Ausgang 95 gespeichert wird. Damit bleibt die Ausgabe mit insgesamt n 10 NaN-Werten bei Index 1 5 und 96 100.Beispiele und Überlegungen Bewegliche Mittelwerte sind in einigen Situationen nützlich, aber sie sind nicht immer die beste Wahl Hier sind zwei Beispiele, wo sie nicht unbedingt optimal sind. Mikrofonkalibrierung Dieser Satz von Daten repräsentiert die Niveaus jeder Frequenz, die von einem Lautsprecher und erzeugt wird Aufgezeichnet durch ein Mikrofon mit einer bekannten linearen Antwort Der Ausgang des Lautsprechers variiert mit der Frequenz, aber wir können diese Variation mit den Kalibrierdaten korrigieren - die Ausgabe kann in der Höhe angepasst werden, um die Schwankungen der Kalibrierung zu berücksichtigen Daten sind verrauscht - das bedeutet, dass eine kleine Frequenzänderung eine große, unberechenbare Änderung der Ebene zu berücksichtigen ist, ist dies realistisch oder ist dies ein Produkt der Aufzeichnungsumgebung Es ist in diesem Fall sinnvoll, einen gleitenden Durchschnitt anzuwenden Glättet die Pegel-Frequenz-Kurve, um eine Eichkurve zu liefern, die etwas weniger unregelmäßig ist. Aber warum ist das nicht optimal in diesem Beispiel. Mehrere Daten wären besser - Mehrere Kalibrierungen laufen gemittelt zusammen würden das Rauschen im System zerstören, solange es zufällig ist Und bieten eine Kurve mit weniger subtilen Detail verloren Der gleitende Durchschnitt kann nur annähernd dies, und kann einige höhere Frequenz Dips und Peaks aus der Kurve, die wirklich existieren zu entfernen. Sine Wellen Mit einem gleitenden Durchschnitt auf Sinus Wellen hebt zwei Punkte. Die allgemeine Frage Der Wahl einer vernünftigen Anzahl von Punkten, um den Durchschnitt über. It s einfach, aber es gibt effektivere Methoden der Signalanalyse als Mittelung oszillierende Signale im Zeitbereich. In diesem Diagramm ist die ursprüngliche Sinuswelle in blau aufgezeichnet Lärm wird hinzugefügt Und gezeichnet als die orange Kurve Ein gleitender Durchschnitt wird bei verschiedenen Punkten von Punkten durchgeführt, um zu sehen, ob die ursprüngliche Welle wiederhergestellt werden kann 5 und 10 Punkte liefern vernünftige Ergebnisse, aber don t entfernen das Lärm ganz, wo, wie eine größere Anzahl von Punkten beginnen zu verlieren Amplitude Detail, wie der Durchschnitt erstreckt sich über verschiedene Phasen erinnern die Welle oscilates um Null, und bedeuten -1 1 0.Ander alternativer Ansatz wäre, um ein Tiefpass-Filter zu konstruieren, als auf das Signal im Frequenzbereich angewendet werden kann ich nicht gehen Ins Detail, da es über den Rahmen dieses Artikels hinausgeht, aber da das Rauschen beträchtlich höhere Frequenz als die Wellen-Grundfrequenz ist, wäre es in diesem Fall ziemlich einfach, ein Tiefpass-Filter zu konstruieren, als das Hochfrequenz-Rauschen zu entfernen. Simple Moving Average - SMA. BREAKING DOWN Simple Moving Average - SMA. Ein einfacher gleitender Durchschnitt ist anpassbar, da er für eine andere Anzahl von Zeiträumen berechnet werden kann, einfach durch Hinzufügen des Schlusskurses der Sicherheit für eine Anzahl von Zeiträumen und dann Teilen dieser Insgesamt durch die Anzahl der Zeiträume, die den durchschnittlichen Preis der Sicherheit über den Zeitraum gibt Ein einfacher gleitender Durchschnitt glättet die Volatilität und macht es einfacher, den Preisverlauf einer Sicherheit zu sehen Wenn der einfache gleitende Durchschnitt nach oben zeigt, bedeutet dies Dass die Sicherheit s Preis steigt Wenn es nach unten zeigt bedeutet, dass die Sicherheit s Preis sinkt Je länger der Zeitrahmen für den gleitenden Durchschnitt, desto glatter der einfache gleitende Durchschnitt Ein kürzerfristig gleitenden Durchschnitt ist mehr flüchtig, aber seine Lesung ist Näher an den Quelldaten. Analytische Signifikanz. Moving Durchschnitte sind ein wichtiges analytisches Werkzeug verwendet, um aktuelle Preis-Trends und das Potenzial für eine Änderung in einem etablierten Trend zu identifizieren Die einfachste Form der Verwendung eines einfachen gleitenden Durchschnitt in der Analyse ist es, um schnell zu identifizieren, wenn Eine Sicherheit ist in einem Aufwärtstrend oder Abwärtstrend Ein weiteres beliebtes, wenn auch etwas komplexeres analytisches Werkzeug, besteht darin, ein Paar einfacher gleitender Durchschnitte zu vergleichen, wobei jeder unterschiedliche Zeitrahmen abdeckt. Wenn ein kurzfristiger einfacher gleitender Durchschnitt über einem längerfristigen Durchschnitt liegt, Aufwärtstrend wird erwartet Auf der anderen Seite, ein langfristiger Durchschnitt über einem kürzerfristigen Durchschnitt signalisiert eine Abwärtsbewegung im Trend. Popular Trading Patterns. Two beliebte Trading-Muster, die einfache gleitende Durchschnitte verwenden gehören das Todeskreuz und ein goldenes Kreuz Ein Tod Kreuz tritt auf, wenn der 50-tägige einfache gleitende Durchschnitt unter dem 200-Tage-gleitenden Durchschnitt übergeht. Dies gilt als bärisches Signal, dass weitere Verluste auf Lager sind. Das goldene Kreuz tritt auf, wenn ein kurzfristiger gleitender Durchschnitt über einem langfristig gleitenden Durchschnitt bricht Verstärkt durch hohe Handelsvolumina, kann dies signalisieren weitere Gewinne sind im Speicher.