Eksponentiaalinen Liikkuva Keskiarvo Suodatin

Liikkuvat keskiarvot - Yksinkertaiset ja eksponentiaaliset liikkuvat keskiarvot - Yksinkertainen ja eksponentti Johdanto Siirtyminen keskiarvoista tasoittaa hintatiedot trendin jälkeisen indikaattorin muodostamiseksi. He eivät ennusta hintaosuutta vaan pikemminkin määrittelevät nykyisen suunnan myöhässä. Keskiarvojen siirtäminen viivästyy, koska ne perustuvat aiempiin hintoihin. Tästä viivästymisestä huolimatta liikkuvat keskiarvot auttavat tasaista hintakehitystä ja suodattaa melun. Ne muodostavat myös rakennuspalikoita monille muille teknisille indikaattoreille ja päällekkäisyyksille, kuten Bollingerin bändeille. MACD ja McClellan-oskillaattori. Kaksi suosituinta liikkuvaa keskiarvoa ovat Simple Moving Average (SMA) ja Exponential Moving Average (EMA). Näitä liikkuvia keskiarvoja voidaan käyttää trendin suunnan tunnistamiseen tai mahdollisten tuki - ja vastustasojen määrittämiseen. Tässä on kaavio sekä SMA: n että EMA: n kanssa: Yksinkertainen liikkuva keskimääräinen laskenta Yksinkertainen liikkuva keskiarvo muodostuu laskemalla tietyn ajan keskiarvon tietyn ajan. Useimmat liikkuvat keskiarvot perustuvat sulkemiseen. 5 päivän yksinkertainen liukuva keskiarvo on viiden päivän summa suljettujen hintojen jaettuna viidellä. Kuten nimikin kertoo, liukuva keskiarvo on keskimääräinen, joka liikkuu. Vanhat tiedot hylätään, kun uusia tietoja tulee saataville. Tämä saa keskimäärin liikkumaan aikakauteen. Alla on esimerkki viiden päivän liikkuvasta keskiarvosta, joka muuttuu kolmen päivän aikana. Liikkuvan keskiarvon ensimmäinen päivä kattaa vain viimeiset viisi päivää. Liikkuvan keskiarvon toinen päivä pudottaa ensimmäisen datapisteen (11) ja lisää uuden datapisteen (16). Liikkuvan keskiarvon kolmas päivä jatkuu pudottamalla ensimmäinen datapiste (12) ja lisäämällä uusi datapiste (17). Edellä olevassa esimerkissä hinnat nousevat asteittain 11: stä 17: een yhteensä seitsemän päivän ajan. Huomaa, että liukuva keskiarvo nousee myös 13: sta 15: een kolmen päivän laskentajakson aikana. Huomaa myös, että jokainen liukuva keskiarvo on juuri viimeisen hinnan alapuolella. Esimerkiksi ensimmäisen päivän liukuva keskiarvo on 13 ja viimeinen hinta on 15. Hinnat neljä edellistä päivää olivat alhaisemmat ja tämä aiheuttaa liukuvan keskiarvon viivästymiseen. Eksponentiaalinen liukuva keskiarvo Laskelma Eksponentiaaliset liukuvat keskiarvot vähentävät viivearvoa käyttämällä enemmän painoa viimeaikaisiin hintoihin. Viimeisimpään hintaan sovellettava painotus riippuu liikkuvan keskiarvon jaksoista. Eksponentiaalisen liukuvan keskiarvon laskemiseen on kolme vaihetta. Laske ensin yksinkertainen liukuva keskiarvo. Eksponentiaalinen liukuva keskiarvo (EMA) täytyy alkaa jonnekin, joten yksinkertaista liikkuvaa keskiarvoa käytetään edellisen jakson EMA: ssa ensimmäisessä laskelmassa. Toiseksi laske painotuskerroin. Kolmanneksi laske eksponentiaalinen liukuva keskiarvo. Alla oleva kaava on 10 päivän EMA. 10-portainen eksponentiaalinen liukuva keskiarvo on 18,18 painotus viimeiseen hintaan. 10-jaksoinen EMA voidaan kutsua myös 18,18 EMA: ksi. 20-portainen EMA soveltaa 9,52-punnitusarvon viimeiseen hintaan (2 (201) .0952). Huomaa, että lyhyemmän ajanjakson painotus on enemmän kuin painotus pidemmän ajanjakson ajan. Itse asiassa painotus laskee puoleen joka kerta, kun liukuva keskiarvo kaksinkertaistuu. Jos haluat meille tiettyä prosenttiosuutta EMA: lle, voit käyttää tätä kaavaa muuttaaksesi sen aikajaksoihin ja antamalla sen arvon EMA039s-parametriksi: Alla on laskentataulukon esimerkki 10 päivän yksinkertaisesta liikkuva keskiarvosta ja 10- päivän eksponentiaalinen liukuva keskiarvo Intelille. Yksinkertaiset liukuvat keskiarvot ovat suoraviivaisia ​​ja vaativat vähän selitystä. 10 päivän keskiarvo yksinkertaisesti liikkuu uusien hintojen tullessa saataville ja vanhojen hintojen lasku. Eksponentiaalinen liukuva keskiarvo alkaa yksinkertaisella liukuvan keskiarvon arvolla (22.22) ensimmäisessä laskelmassa. Ensimmäisen laskennan jälkeen normaali kaava siirtyy. Koska EMA alkaa yksinkertaisella liukuva keskiarvolla, sen todellinen arvo ei toteudu vasta 20 sekuntia myöhemmin. Toisin sanoen excel-laskentataulukon arvo voi poiketa kuvion arvosta lyhyen katsauskauden vuoksi. Tämä laskentataulukko menee vain 30 jaksoa, mikä tarkoittaa yksinkertaisen liukuvan keskiarvon vaikutusta. StockCharts laskee laskelmistaan ​​vähintään 250 jaksoa (tyypillisesti paljon pidemmälle), joten yksinkertaisen liukuvan keskiarvon vaikutukset ensimmäisessä laskelmassa ovat täysin häipyneet. Lag-tekijä Mitä pidempi liikkuva keskiarvo, sitä enemmän viive. 10 päivän eksponentiaalinen liukuva keskiarvo houkuttelee hintoja melko tiiviisti ja kääntyy pian hintojen kääntymisen jälkeen. Lyhyet liukuvat keskiarvot ovat kuin pikaveneet - ketterä ja nopea vaihtaa. Sitä vastoin 100 päivän liukuva keskiarvo sisältää paljon aikaisempia tietoja, jotka hidastavat sitä. Pidemmät liukuvat keskiarvot ovat kuin valtameri - säiliöalukset - letarginen ja hitaasti muuttuva. Se vie suuremman ja pidemmän hinnanmuutoksen 100 päivän liukuva keskiarvo muuttaa kurssi. Yllä oleva kaavio osoittaa SampP 500 ETF: n 10 päivän EMA: lla tarkasti seuraamalla hintoja ja 100 päivän SMA-hiontaa korkeammalla. Jopa tammikuun ja helmikuun pienentyessä 100 päivän SMA kävi kurssin, mutta ei kääntynyt alas. 50 päivän SMA sopii jonnekin 10 ja 100 päivän liukuvien keskiarvojen välillä, kun on kyse lag-tekijästä. Yksinkertaiset ja eksponentiaaliset liikkuvat keskiarvot Vaikka selkeitä eroja on yksinkertaisten liikkuvien keskiarvojen ja eksponentiaalisten liikkuvien keskiarvojen välillä, yksi ei välttämättä ole parempi kuin toinen. Eksponentiaaliset liukuvat keskiarvot ovat vähemmän viivästyneet ja siksi ovat herkempiä viimeaikaisiin hintoihin - ja viimeaikaisiin hintamuutoksiin. Eksponentiaaliset liikkuvat keskiarvot kääntyvät ennen yksinkertaisia ​​liikkuvia keskiarvoja. Yksinkertaiset liukuvat keskiarvot edustavat puolestaan ​​todellista hintojen keskiarvoa koko ajan. Sellaisina, yksinkertaiset liikkuvat keskiarvot voivat olla paremmin sopivia tuki - tai resistenssitasojen tunnistamiseen. Keskimääräisen mieltymyksen siirto riippuu tavoitteista, analyyttisestä tyylistä ja aikajaksoista. Chartisteiden tulisi kokeilla molempien liikkuvien keskiarvojen tyyppejä sekä eri aikajaksoja parhaimman sovituksen löytämiseksi. Alla oleva kaavio näyttää IBM: n 50 päivän punaisella SMA: lla ja 50 päivän EMA vihreällä. Molemmat saavutti huippunsa tammikuun lopulla, mutta EMA: n lasku oli heikompi kuin SMA: n lasku. EMA nousi helmikuun puolivälissä, mutta SMA jatkoi maaliskuun loppua. Huomaa, että SMA nousi yli kuukauden kuluttua EMA: sta. Pituudet ja aikajaksot Liikkuvan keskiarvon pituus riippuu analyyttisistä tavoitteista. Lyhyt liukuva keskiarvo (5-20 jaksoa) sopii parhaiten lyhytaikaisiin suuntauksiin ja kaupankäyntiin. Keskipitkän aikavälin trendit kiinnostuneet kartografit valitsisivat pitemmät liukuvat keskiarvot, jotka voivat pidentää 20-60 jaksoa. Pitkäaikaiset sijoittajat mieluummin liikkuvat keskiarvot 100 tai useamman ajanjakson. Jotkut liikkuvat keskipituudet ovat suosittuja kuin toiset. 200 päivän liukuva keskiarvo on ehkä suosituin. Sen pituuden takia tämä on selvästi pitkäaikainen liukuva keskiarvo. Seuraavaksi 50 päivän liukuva keskiarvo on varsin suosittu keskipitkän aikavälin kehitykselle. Monet kartistit käyttävät 50 päivän ja 200 päivän liukuva keskiarvoa yhdessä. Lyhyen aikavälin, 10 päivän liukuva keskiarvo oli melko suosittu aikaisemmin, koska se oli helppo laskea. Yksi yksinkertaisesti lisäsi numerot ja siirsi desimaalipisteen. Trendin tunnistus Sama signaali voidaan tuottaa käyttämällä yksinkertaisia ​​tai eksponentiaalisia liikkuvia keskiarvoja. Kuten edellä todettiin, etusija riippuu jokaisesta yksilöstä. Alla olevat esimerkit käyttävät sekä yksinkertaisia ​​että eksponentiaalisia liikkuvia keskiarvoja. Termi liikkuva keskiarvo koskee sekä yksinkertaisia ​​että eksponentiaalisia liikkuvia keskiarvoja. Liikkuvan keskiarvon suunta välittää tärkeää tietoa hinnoista. Kasvava liukuva keskiarvo osoittaa, että hinnat ovat yleisesti kasvussa. Liikkuva liukuva keskiarvo osoittaa, että hinnat laskevat keskimäärin. Kasvava pitkän aikavälin liukuva keskiarvo heijastaa pitkän aikavälin nousua. Pitkän aikavälin liukuva keskiarvo heijastaa pitkän aikavälin laskutrendiä. Yllä oleva kaavio näyttää 3M (MMM) 150 päivän eksponentiaalisella liikkuvalla keskiarvolla. Tämä esimerkki osoittaa, kuinka hyvin liikkuvat keskiarvot toimivat, kun suuntaus on vahva. 150 päivän EMA hylkäsi marraskuussa 2007 ja jälleen tammikuussa 2008. Huomaa, että tämän liukuvan keskiarvon suunta päinvastoin kesti 15. Nämä jäljessä olevat indikaattorit tunnistavat trendin kääntymykset, kun ne esiintyvät (parhaimmillaan) tai niiden esiintyminen (pahimmillaan). MMM jatkoi maaliskuussa 2009 ja laski 40-50. Huomaa, että 150 päivän EMA ei noussut vasta tämän nousun jälkeen. Kun se kuitenkin toteutui, MMM jatkoi edelleen seuraavien 12 kuukauden aikana. Keskimääräiset liikkeet toimivat loistavasti voimakkaissa suuntauksissa. Kaksinkertaiset risteytykset Kaksi liikkuvaa keskiarvoa voidaan käyttää yhdessä tuottamaan crossover-signaaleja. Rahoitusmarkkinoiden teknisessä analyysissä. John Murphy kutsuu tätä kaksinkertaisen crossover-menetelmän. Kaksinkertaiset risteytykset sisältävät suhteellisen lyhyen liukuvan keskiarvon ja suhteellisen pitkän liikkuvan keskiarvon. Kuten kaikkien liikkuvien keskiarvojen osalta, liikkuvan keskiarvon yleinen pituus määrittää järjestelmän aikataulun. Järjestelmä, jossa käytetään 5 päivän EMA ja 35 päivän EMA, katsotaan lyhytaikaiseksi. 50 päivän SMA: n ja 200 päivän SMA: n käyttöjärjestelmä olisi keskipitkä, ehkä jopa pitkäaikainen. Ylittävää nousua esiintyy, kun lyhyempi liikkuva keskiarvo ylittää pitemmän liukuvan keskiarvon. Tätä kutsutaan myös kultaiseksi ristiksi. Laskeva crossover esiintyy, kun lyhyempi liikkuva keskiarvo ylittää pitemmän liukuvan keskiarvon. Tätä kutsutaan kuolleeksi ristiksi. Keskimääräisten risteytysten siirtyminen tuottaa suhteellisen myöhäisiä signaaleja. Loppujen lopuksi järjestelmässä on kaksi jäljellä olevaa indikaattoria. Mitä kauemmin liikkuvien keskimääräisten jaksojen määrä on, sitä suurempi signaalien viive on suurempi. Nämä signaalit toimivat hyvin, kun hyvä suuntaus kestää. Kuitenkin liikkuva keskimääräinen risteytysjärjestelmä tuottaa runsaasti piiskahajaa ilman vahvaa kehitystä. Siinä on myös kolminkertainen crossover-menetelmä, johon kuuluu kolme liukuvaa keskiarvoa. Jälleen signaali syntyy, kun lyhyin liikkuva keskiarvo ylittää kaksi pidempää liukuvaa keskiarvoa. Yksinkertainen kolminkertainen ylitysjärjestelmä voi sisältää viiden päivän, 10 päivän ja 20 päivän liukuvien keskiarvojen. Yllä oleva kaavio osoittaa Home Depot (HD), jossa on 10 päivän EMA (vihreä viivakoodi) ja 50 päivän EMA (punainen viiva). Musta rivi on päivittäinen sulkeminen. Liikkuvaa keskimääräistä risteytystä käyttäen olisi saatu kolme piiska-alusta ennen hyvää kauppaa. 10 päivän EMA rikkoi 50 päivän EMA: n lokakuun loppupuolella (1), mutta tämä ei kestänyt kauan, kun 10 päivän siirtyi takaisin marraskuun puolivälissä (2). Tämä risti kesti pidempään, mutta tammikuussa (3) seuraava bearish-risteys tapahtui lähellä marraskuun marraskuun hintatasoja, mikä johti toiseen whipsaw. Tämä laskusuuntainen risti ei kestänyt kauan, kun 10 päivän EMA siirtyi takaisin 50 päivän päästä muutama päivä myöhemmin (4). Kolmen huonon signaalin jälkeen neljäs signaali esitti vahvan liikkeen, kun kalakanta nousi yli 20: een. Tässä on kaksi takeawaysia. Ensinnäkin crossovers ovat alttiita whipsaw. Hinta - tai aikasuodatinta voidaan käyttää estämään teräpaloja. Kauppiaat saattavat vaatia crossoverin kestävän 3 päivää ennen toimintaansa tai vaatia 10 päivän EMAa siirtymään 50 päivän EMA: n alapuolella tiettyyn määrään ennen toimimista. Toiseksi, MACD: n avulla voidaan tunnistaa ja mitata nämä risteytykset. MACD (10,50,1) näyttää viivan, joka edustaa kahden eksponentiaalisen liikkuvan keskiarvon eroa. MACD muuttuu positiiviseksi kultaisen ristin aikana ja negatiivisena kuolleen ristin aikana. Prosenttihinta-oskillaattoria (PPO) voidaan käyttää samalla tavoin näyttää prosentuaaliset erot. Huomaa, että MACD ja PPO perustuvat eksponentiaalisiin liikkuviin keskiarvoihin eivätkä ne sovi yhteen yksinkertaisten liikkuvien keskiarvojen kanssa. Tässä kaaviossa näkyy Oracle (ORCL), jossa on 50 päivän EMA, 200 päivän EMA ja MACD (50 200). Kahden 12 vuoden ajanjaksolla liikkuvuus oli keskimäärin neljä. Kolme ensimmäistä johti piiska - tai huonoihin kauppoihin. Jatkuva trendi alkoi neljännellä risteyksellä, kun ORCL kehittyi 20-luvun puoliväliin. Jälleen kerran liikkuvat keskimääräiset risteytykset toimivat hyvin, kun suuntaus on vahva, mutta tuottaa tappioita trendin puuttuessa. Price Crossovers Keskimääräiset liikkeet voidaan myös tuottaa signaalien tuottamiseksi yksinkertaisilla hintarajoilla. Nouseva signaali syntyy, kun hinnat ylittävät liikkuvan keskiarvon. Laskeva signaali syntyy, kun hinnat siirtyvät liikkuvan keskiarvon alapuolelle. Hintakriisi voidaan yhdistää suurempaan trendiin. Pitempi liikkuva keskiarvo asettaa äänen suuremmalle suuntaukselle ja lyhyempi liikkuva keskiarvo käytetään signaalien tuottamiseen. Yksi voisi etsiä nousevan hinnan risteyksistä vain silloin, kun hinnat ovat jo pitemmän liukuvan keskiarvon yläpuolella. Tämä olisi kaupankäynti sopusoinnussa suuremman kehityksen kanssa. Esimerkiksi jos hinta on yli 200 päivän liukuva keskiarvo, kartellit keskittyisivät vain signaaleihin, kun hinta siirtyy 50 päivän liukuvan keskiarvon yläpuolelle. Ilmeisesti 50 päivän liukuvan keskiarvon alapuolella tapahtuva siirtyminen edeltäisi tällaisen signaalin, mutta tällaiset laskusuuntaiset ristit jäisivät huomiotta, koska suurempi suuntaus on noussut. Laskeva raja yksinkertaisesti ehdottaa vetäytymistä suuremmassa nousussa. 50 päivän liukuvan keskiarvon yläpuolella oleva ristipäätös merkitsisi hintojen nousua ja suuremman nousun jatkumista. Seuraavassa kaaviossa näkyy Emerson Electric (EMR) 50 päivän EMA ja 200 päivän EMA kanssa. Varasto siirrettiin yllä ja pidettiin yli 200 päivän liukuva keskiarvo elokuussa. 50 päivän EMA: n alapuolella oli marraskuun alussa ja helmikuun alussa. Hinnat nousivat nopeasti 50 päivän EMA: n yläpuolelle nousevien signaalien (vihreät nuolet) mukaisiksi sopusoinnussa suuremman nousun kanssa. MACD (1,50,1) näkyy indikaattorissa vahvistaaksesi 50 päivän EMA: n ylä - tai alapuolella olevat hintarajat. 1 päivän EMA on sama kuin päätöskurssi. MACD (1,50,1) on positiivinen, kun sulku on 50 päivän EMA: n yläpuolella ja negatiivinen, kun sulku on 50 päivän EMA: n alapuolella. Tuki ja vastus Keskimääräiset liikkeet voivat myös toimia tukena nousussa ja vastustuksessa laskusuhdanteessa. Lyhyen aikavälin uptrend saattaa löytää tukea lähellä 20 päivän yksinkertaista liikkuvaa keskiarvoa, jota käytetään myös Bollingerin bändeissä. Pitkäaikainen uptrend saattaisi löytää tukea lähellä 200 päivän yksinkertaista liikkuvaa keskiarvoa, joka on suosituin pitkän aikavälin liukuva keskiarvo. Jos tosiasia, 200 päivän liukuva keskiarvo voi tarjota tukea tai vastustusta vain siksi, että sitä käytetään niin laajasti. Se on melkein kuin itse täyttävä profetia. Yllä oleva kaavio kuvaa NY Compositea, jossa on 200 päivän yksinkertainen liukuva keskiarvo vuoden 2004 puolivälistä vuoden 2008 loppuun. 200 päivän tuki tuettiin monta kertaa ennakkomaksun aikana. Kun trendi päinvastoin kaksinkertaisen ylätukitukin kanssa, 200 päivän liukuva keskiarvo toimi resistanssina noin 9500. Älä odota tarkkaa tukea ja resistenssitasoja liikkuvista keskiarvoista, etenkin pitemmistä liikkuvista keskiarvoista. Markkinoita ohjaavat tunteet, mikä tekee niistä alttiita ylityksille. Tarkkojen tasojen sijasta liikkuvia keskiarvoja voidaan käyttää tuki - tai vastusvyöhykkeiden tunnistamiseen. Johtopäätökset Liikkeessä olevien keskiarvojen käyttämisen edut on punnittava haittoja vastaan. Keskimääräiset liikkeet ovat trendin jälkeisiä tai jäljessä olevia indikaattoreita, jotka ovat aina askel taakse. Tämä ei välttämättä ole huono asia. Loppujen lopuksi trendi on ystäväsi, ja on parasta käydä kauppaa trendin suuntaan. Liikkuvat keskiarvot varmistavat, että elinkeinonharjoittaja vastaa nykyistä suuntausta. Vaikka trendi on ystäväsi, arvopaperit vievät paljon aikaa kauppapaikkoihin, jotka tekevät liikkuvien keskiarvojen tehottomaksi. Kun trendi, liukuvat keskiarvot pitävät sinut sisään, mutta antavat myös myöhäisiä signaaleja. Don039t odottavat myydä ylhäältä ja ostaa alareunassa käyttäen liikkuvia keskiarvoja. Kuten useimmissa teknisissä analyysityökaluissa, liukuvia keskiarvoja ei pitäisi käyttää yksinään vaan muihin täydentäviin työkaluihin. Chartistit voivat käyttää liikkuvia keskiarvoja määrittäessään yleisen trendin ja sitten käyttää RSI määritellä overbought tai oversold tasot. Liukuvien keskiarvojen lisääminen StockCharts-kaavioihin Keskimääräiset liukuvat arvot ovat SharpCharts-työpöydän hintapeitto-ominaisuus. Pinta-avattavasta valikosta Käyttäjät voivat valita joko yksinkertaisen liukuvan keskiarvon tai eksponentiaalisen liukuvan keskiarvon. Ensimmäistä parametria käytetään asettamaan aikavälejä. Valinnainen parametri voidaan lisätä määrittämään, mikä hintataso olisi käytettävä laskutoimituksissa - O avoimesta, H korkealle, L matala ja C sulkemiseksi. Parametreja käytetään pilkulla. Toinen valinnainen parametri voidaan lisätä liikkuvien keskiarvojen siirtämiseksi vasemmalle (ohi) tai oikealle (tuleva). Negatiivinen luku (-10) siirtäisi liukuvan keskiarvon vasempaan 10 jaksoon. Positiivinen luku (10) siirtäisi liukuvan keskiarvon oikeaan 10 jaksoon. Useat liukuvat keskiarvot voidaan peittää hintaluettelosta yksinkertaisesti lisäämällä toinen päällysrivikko työpöytään. StockChartsin jäsenet voivat muuttaa värejä ja tyyliä erilaisten liikkuvien keskiarvojen erottamiseksi. Kun olet valinnut merkin, avaa Lisäasetukset napsauttamalla vihreää kolmiota. Lisäasetuksia voidaan käyttää myös lisäämällä liukuva keskimääräinen peittokuva muihin teknisiin indikaattoreihin, kuten RSI, CCI ja Volume. Napsauta tästä live-kaaviosta, jossa on useita erilaisia ​​liukuva keskiarvoja. Käyttämällä liikkuvia keskiarvoja StockCharts-skannausten avulla Tässä on muutamia näytteenottosarjoja, joita StockChartsin jäsenet voivat käyttää erilaisten liikkuvien keskimääräisten tilanteiden etsimiseen: Härkä Moving Average Cross: Tämä skannaus etsii varastoja, joissa nouseva 150 päivän yksinkertainen liukuva keskiarvo ja 5: n päivä EMA ja 35 päivän EMA. 150 päivän liukuva keskiarvo nousee niin kauan kuin se on kaupankäynnin yläpuolella viisi päivää sitten. Nouseva risti syntyy, kun 5 päivän EMA liikkuu 35 päivän EMA: n yläpuolella keskimääräisen äänenvoimakkuuden yläpuolella. Bearish Moving Average Cross: Tämä skannaus etsii varastoja, joissa laskee 150 päivän yksinkertainen liukuva keskiarvo ja laskeva indikaattoreiden raja EMA: n ja 35 päivän EMA: n välillä. 150 päivän liukuva keskiarvo putoaa niin kauan kuin se on kaupankäynnin alle viisi päivää sitten. Laskeva raja esiintyy, kun 5 päivän EMA liikkuu 35 päivän EMA: n alapuolella keskimääräisen äänenvoimakkuuden yläpuolella. Jatko-opinnäytetyö John Murphy - kirjan luvussa on luku liikkuvia keskiarvoja ja niiden erilaisia ​​käyttötarkoituksia. Murphy kattaa liikkuvien keskiarvojen edut ja haitat. Lisäksi Murphy kertoo, kuinka liikkuvat keskiarvot toimivat Bollinger Bandsin ja kanavapohjaisten kaupankäyntijärjestelmien kanssa. Rahoitusmarkkinoiden tekninen analyysi John MurphySmoothingin tiedot poistavat satunnaisvaihtelut ja näyttävät trendit ja sykliset komponentit. Aikaa otettujen tietojen kerääminen on jonkinlaista satunnaisvaihtelua. On olemassa menetelmiä satunnaisvaihtelun vaikutuksen kumoamisen vähentämiseksi. Teollisuudessa usein käytetty tekniikka tasoittaa. Tämä tekniikka, kun sitä käytetään oikein, paljastaa selkeämmin taustalla olevan trendin, kausittaiset ja sykliset komponentit. On olemassa kaksi erillistä tasoitusmenetelmän ryhmää. Keskivertailumenetelmät Eksponentiaaliset tasoitusmenetelmät Keskimäärän ottaminen on yksinkertaisin tapa tasoittaa tietoja Ensin tutkitaan joitakin keskiarvointimenetelmiä, kuten kaikkien aiempien tietojen yksinkertainen keskiarvo. Varastonhoitaja haluaa tietää, kuinka paljon tyypillinen toimittaja toimittaa 1000 dollarin yksiköissä. Heshe ottaa näytteen 12 toimittajalta satunnaisesti ja saa seuraavat tulokset: Tietojen laskennallinen keskiarvo tai keskimääräinen keskiarvo 10. Päällikkö päättää käyttää tätä tyypillisen toimittajan arvioiden mukaan. Onko tämä hyvä tai huono arvio? Keskimääräinen neliövirhe on tapa arvioida kuinka hyvä malli on. Me laskemme keskimääräisen neliövirheen. Virheen todellinen summa vähennettynä arvioitu määrä. Virhe neliö on edellä oleva virhe, neliö. SSE on neliövirheiden summa. MSE on neliövirheiden keskiarvo. MSE: n tuloksia esimerkiksi Tulokset ovat: Virhe - ja nelikentävirheet Arvio 10 Kysymys: Voimmeko käyttää ennakoidun tulon keskiarvoa, jos epäilemme kehitystä Katso alla oleva kaavio osoittaa selvästi, että emme saa tehdä tätä. Yhteenvetona todetaan, että kaikkien aiempien havaintojen yksinkertainen keskiarvo tai keskiarvo on vain hyödyllinen arvio ennakoinnissa, kun suuntauksia ei ole. Jos on olemassa suuntauksia, käytä erilaisia ​​arvioita, jotka huomioivat trendin. Keskimääräinen painaa kaikki aiemmat havainnot yhtä lailla. Esimerkiksi arvojen 3, 4, 5 keskiarvo on 4. Tiedämme tietenkin, että keskiarvo lasketaan lisäämällä kaikki arvot ja jakamalla summa arvojen lukumäärän mukaan. Toinen tapa laskea keskiarvo on lisäämällä jokainen arvo jaettuna arvojen lukemalla tai 33 43 53 1 1.3333 1.6667 4. Kertojaa 13 kutsutaan painoksi. Yleensä: vasemmanpuoleinen vasen kansi (vasen kylmä) x1 vasen (vasen kylmä) x2,. ,, vasen (frac oikealle) xn. (Vasen (frac right)) ovat painoja ja tietenkin ne summaavat 1.Exponential Filter Tämä sivu kuvaa eksponentiaalista suodatusta, yksinkertaisin ja suosituin suodatin. Tämä on osa osaa Suodatus, joka on osa Vianhavaitsemis - ja diagnoositietoutta .. Yleiskuva, aikavakio ja analoginen vastaava Yksinkertaisin suodatin on eksponentiaalisuodatin. Siinä on vain yksi viritysparametri (muu kuin näytteenväli). Se edellyttää vain yhden muuttujan - edellisen tuotoksen tallentamista. Se on IIR (autoregressiivinen) suodatin - tulon muutoksen hajoaminen eksponentiaalisesti, kunnes näytön tai tietokoneen aritmeettisten rajojen piilotus. Eri tieteenaloilla tämän suodattimen käyttöä kutsutaan myös 8220exponential smoothing8221: ksi. Joissakin tieteenaloissa, kuten sijoitusanalyysissä, eksponentiaalisuotinta kutsutaan 8220Exponential Weighted Moving Average8221 (EWMA) eli vain 8220Exponential Moving Average8221 (EMA). Tämä vääristää perinteisen ARMA 8220: n siirtävän keskiarvon 8221 terminologiaa aikasarjojen analyysissä, koska syöttöhistoriaa ei ole käytetty - vain nykyinen syöte. Se on diskreetti aikaekvivalentti 8282 ensimmäisestä järjestyksestä lag8221, jota käytetään yleisesti jatkuvatoimisten ohjausjärjestelmien analogisessa mallinnuksessa. Sähköpiireissä RC-suodatin (suodatin yhdellä vastuksella ja yksi kondensaattori) on ensimmäisen kertaluvun viive. Analogipiirejä analogisesti korostamalla yksittäinen viritysparametri on 8220-ajan vakio8221, joka tavallisesti on kirjoitettu pienikokoiseksi kreikkalaiseksi kirjaimeksi Tau (). Itse asiassa erillisillä näytteillä olevat arvot täsmäävät täsmälleen vastaavan jatkuvan viiveajan kanssa samaan aikavakioon. Digitaalisen toteutuksen ja aikavakion välinen suhde on esitetty alla olevissa yhtälöissä. Eksponentiaalisuodatinyhtälöt ja alustus Eksponentti-suodatin on edellisen arvion (ulostulo) painotettu yhdistelmä uusimman tulodatan kanssa, joiden painojen summa on yhtä suuri kuin 1 siten, että ulostulo vastaa tuloa vakaan tilan mukaan. Seuraavassa esitetyn suodatusmerkinnän jälkeen: y (k) ay (k-1) (1-a) x (k) missä x (k) on raakapäätös ajankohtana ky (k) on vakio välillä 0 ja 1, tavallisesti välillä 0,8-0,99. (a-1) tai a on joskus kutsuttu 8220smoothing constant8221: ksi. Järjestelmissä, joissa on kiinteä aika-askel T näytteiden välillä, vakio 8220a8221 lasketaan ja tallennetaan sopivaksi vain, kun sovelluskehittäjä määrittää uuden halutun aikavakion arvon. Järjestelmissä, joissa on datanäytteitä epäsäännöllisin väliajoin, käytetään edellä mainittua eksponenttifunktiota jokaisen ajanjakson ajan, missä T on aika, joka kuluu edellisen näytteen kuluttua. Suodatinlähtö alustetaan yleensä vastaamaan ensimmäistä tuloa. Kun aikavakio lähestyy 0, a menee nollaan, joten suodatus 8211 ei ole yhtä suuri kuin uusi tulo. Koska aikavakio on erittäin suuri, lähestymistapoja 1, niin että uusi tulo jää lähes huomiotta 8211 erittäin raskas suodatus. Edellä esitetty suodatusyhtälö voidaan järjestää uudelleen seuraaviin ennustaja-korjaimen ekvivalentiksi: Tämä muoto tekee selväksi, että muuttujan estimaatti (suodattimen lähtö) ennustetaan muuttumattomana edellisestä arviosta y (k-1) odottamattoman 8220 innovaation 8221 avulla - uuden tulon x (k) ja ennusteen y (k-1) välinen ero. Tämä muoto on myös seurausta eksponentiaalisuodattimen muodostamisesta Kalman-suodattimen yksinkertaisena erikoistapauksena. joka on optimaalinen ratkaisu estimointiongelmaan tietyn oletusryhmän kanssa. Vaihevalvonta Eksponentiaalisuodattimen toiminnan havainnollistaminen on piirtää vastaus ajan kuluessa vaiheen sisääntuloon. Toisin sanoen alkaen suodatinpanoksesta ja lähdöstä 0: ssä, tuloarvo muuttuu yhtäkkiä arvoon 1. Tuloksena olevat arvot on piirretty alla: Edellä olevasta kuvaajasta aika jaetaan suodattimen aikavakiona tau, jotta voitte helposti ennustaa tuloksia mille tahansa ajanjaksolle suodattimen aikavakion arvon suhteen. Aikavakion suuruisen ajan jälkeen suodattimen lähtö nousee 63,21: een lopullisesta arvostaan. Kun aika on kaksi kertaa vakio, arvo nousee sen lopulliseen arvoon 86,47. Lähtökerrat 3,4 ja 5 aikavakojen jälkeen ovat 95,02, 98,17 ja lopullisen arvon 99,33. Koska suodatin on lineaarinen, tämä tarkoittaa, että näitä prosenttiosuuksia voidaan käyttää minkä tahansa muutoksen suuruuteen, ei pelkästään tässä käytettyyn arvoon 1. Vaikka askelvaste on teoriassa äärettömän ajan käytännön näkökulmasta, ajattele eksponentiaalisuotinta 98: sta 99: n 8220: een 8221: een vastaten aikaa, joka on yhtä suuri kuin 4-5 suodatusajan vakioita. Eksponentiaalisuodattimen vaihtelut Eksponentiaalisuodattimella 8220 ei-lineaarinen eksponentti-suodatin 8221 Weber, 1980, jonka tarkoituksena on suodattaa voimakkaasti tietty 8220typical8221-amplitudi, mutta vastata nopeammin suurempaan muutokseen. Copyright 2010 - 2013, Greg Stanley Jaa tämä sivu: Päivitetty 12. maaliskuuta 2013 Mitä ovat RC-suodatus ja eksponentiaalinen keskiarvo ja miten ne poikkeavat toisistaan ​​Vastaus kysymyksen toiseen osaan on, että ne ovat samat prosessit sitten RC-suodatus (tai RC-tasoitus) on tavallinen ilme. Toisaalta aikasarjatilastoihin perustuva lähestymistapa on nimeltään Eksponentiaalinen keskiarvo tai käyttää koko nimen Exponential Weighted Moving Average. Tätä kutsutaan myös nimellä EWMA tai EMA. Menetelmän tärkein etu on kaavan yksinkertaisuus seuraavan tuloksen laskemiseksi. Se kestää murto-osa edellisestä lähdöstä ja yksi miinus tämän murto-osan välillä nykyisestä syötteestä. Algebraisesti ajankohtana k tasoitetun tuotoksen y k on annettu Kuten myöhemmin on esitetty, tämä yksinkertainen kaava korostaa viimeaikaisia ​​tapahtumia, tasoittaa suurtaajuusmuunnelmia ja paljastaa pitkän aikavälin trendejä. Huomaa eksponentiaalisen keskiarvon laskentayhdistelmän kaksi muotoa, yksi edellä ja molemmat vaihtoehdot ovat oikein. Katso lisätietoja artikkelin lopusta. Tässä keskustelussa käytämme vain yhtälöä (1). Edellä esitetty kaava on joskus kirjoitettu suppeammin. Miten tämä kaava perustuu ja mikä on sen tulkinta Keskeinen asia on, miten valitsimme. Tarkasteltaessa tätä yksi yksinkertainen tapa on harkita RC alipäästösuodin. Nyt RC alipäästösuodatin on yksinkertaisesti sarjavastus R ja rinnakkainen kondensaattori C, kuten alla on esitetty. Tämän piirin aikasarja-yhtälö on Tuote RC: ssä ajan yksiköitä ja tunnetaan aikavakiona, T. piiriin. Oletetaan, että edustamme edellä olevaa yhtälöä sen digitaalisessa muodossa aikasarjalle, joka sisältää tietoja joka h sekunnissa. Meillä on täsmälleen sama muoto kuin edellisellä yhtälöllä. Vertaamalla kahden suhteen meillä on sellainen, joka vähenee hyvin yksinkertaiseen suhteeseen. Näin ollen N: n valinta riippuu siitä, minkä aikavakion me valitsimme. Nyt yhtälö (1) voidaan tunnistaa alipäästösuodattimeksi ja aikavakio tyypit suodattimen käyttäytymisen. Nähdäksesi aikavakion merkityksen, meidän on tarkasteltava tämän alipäästösuodattimen RC-suodattimen taajuusominaisuutta. Yleisessä muodossaan tämä ilmaisee moduulissa ja vaiheessa, missä vaihekulma on. Taajuutta kutsutaan nimelliseksi katkaisutaajuudeksi. Fysikaalisesti voidaan osoittaa, että tällä taajuudella signaalin teho on pienentynyt puoleen ja amplitudi pienenee tekijällä. DB-termeillä tämä taajuus on, jos amplitudi on vähentynyt 3dB: llä. Selkeästi, kun aikavakio T kasvaa, niin katkaisun taajuus pienenee ja soveltamalla tasoitetaan enemmän dataa, eli eliminoimme korkeammat taajuudet. On tärkeää huomata, että taajuusvaste ilmaistaan ​​radiaaneina. Siihen liittyy tekijä. Esimerkiksi 5 sekunnin aikavakion valitseminen antaa tehokkaan katkaisutaajuuden. Yksi suosittu RC-tasoituksen käyttö on simuloida mittarin toimintaa, jota käytetään äänitasomittarissa. Näitä tyypillisiä ovat tyypillisesti niiden aikavakio, kuten 1 sekuntia S-tyypeille ja 0,125 sekuntia F-tyypeille. Näissä kahdessa tapauksessa tehokkaat katkaistut taajuudet ovat vastaavasti 0,16 Hz ja 1,27 Hz. Itse asiassa se ei ole ajan vakio, jonka haluamme yleensä valita, vaan ne kaudet, joihin haluamme sisällyttää. Oletetaan, että meillä on signaali, jossa haluamme sisällyttää ominaisuuksia P: n toinen jakso. Nyt ajanjakso P on taajuus. Voisimme sitten valita aikavakio T: n. Tiedämme kuitenkin, että olemme menettäneet noin 30 tuotosta (-3dB). Näin ollen valitsemalla aikavakio, joka vastaa täsmällisesti aikajaksot, joita haluamme pitää, ei ole paras järjestelmä. Sanotaan esimerkiksi, että on yleensä parempi valita hieman korkeampi leikkaustaajuus. Aikavakio on silloin, mikä käytännössä on samanlainen. Tämä vähentää tappiota noin 15: een tällä jaksollisuudella. Niinpä käytännöllisesti katsoen sellaisten tapahtumien säilyttäminen, joiden aikajänne on tai enemmän, valitse sitten aikavakio. Tämä sisältää aikataulujen vaikutukset alaspäin noin. Jos esimerkiksi haluat lisätä tapahtumien vaikutukset esimerkiksi 8 sekunnin ajan (0,125 Hz), valitse aikavakio 0,8 sekunniksi. Tämä antaa noin 0,2 Hz: n katkaistun taajuuden niin, että meidän 8 sekunnin jakso on hyvin suodattimen pääkulkualueella. Jos näytteitimme tiedot 20 tunnissa (h 0,05), N: n arvo on (0,80,05) 16 ja. Tämä antaa jonkinlaisen käsityksen siitä, miten asetetaan. Pohjimmiltaan tunnetulle näytteenopeudelle se tyypillään keskimäärin jakso ja valitsee, mitkä suurtaajuusvaihtelut ohitetaan. Tarkastelemalla algoritmien laajentamista näemme, että se suosii viimeisimpiä arvoja, ja miksi sitä kutsutaan eksponentiaaliseksi painotukseksi. Olemme korvannut, että y k-1 antaa Tämän prosessin toistamisen useita kertoja johtaa siihen, että koska alue on välillä, niin selvästi termit oikealle pienenevät ja käyttäytyvät kuin hajoava eksponentiaalinen. Tämä on nykyinen tuotos puolueellinen kohti viimeisimpiä tapahtumia, mutta mitä suurempi valitsemme T, niin vähemmän bias. Yhteenvetona näemme, että yksinkertainen kaava korostaa viimeaikaisia ​​tapahtumia tasoittaa suurtaajuus (lyhytaikaiset) tapahtumat paljastavat pitkän aikavälin suuntaukset Liite 1 8211 Yhtälön vaihtoehtoiset muodot Huomio Kirjallisuudessa esiintyy eksponentiaalisen keskiarvon laskentayhdistelmän kahta muotoa. Molemmat ovat oikeita ja vastaavia. Ensimmäinen muoto kuten yllä on esitetty (A1) Vaihtoehtoinen lomake on 8230 (A2) Huomioi ensimmäisen yhtälön ja toisen yhtälön käyttö. Molemmissa yhtälöissä ja ovat arvot välillä nolla ja yhtenäisyys. Aikaisemmin määriteltiin Nyt valitsemalla määriteltäväksi. Näin ollen eksponentiaalisen keskiarvon laskentayhdistelmän vaihtoehtoinen muoto on Fyysisesti se tarkoittaa, että yhden käyttämisen muodon valinta riippuu siitä, miten joku haluaa ajatella joko ottavan takaisin takaisinfraktion yhtälön (A1) tai kuten tuloyhtälön (A2) murto-osa. Ensimmäinen muoto on hieman vähemmän hankala osoittaa RC-suodattimen suhdetta, ja se johtaa yksinkertaisemman ymmärryksen suodatusehdoissa. Prosigin johtavan signaalinkäsittelyanalyytikko Colin Mercer toimi aiemmin Southamptonin yliopiston Sound and Vibration Research (ISVR) - instituutissa, jossa hän perusti Data Analysis Centerin. Hän jatkoi etsimään Prosigin vuonna 1977. Colin siirtyi Prosigin johtavalle signaalinkäsittelyn analyyttiksi joulukuussa 2016. Hän on Chartered Engineer ja brittiläisen tietojenkäsittelytieteen tohtori. Luulen, että haluat vaihtaa 8216p8217 pi-symboliin. Marco, kiitos siitä, että osoitit sen ulos. Mielestäni tämä on yksi vanhimmista artikkeleistamme, joka on siirretty vanhasta tekstinkäsittelyasiakirjasta. Ilmeisesti editori (minä) ei havainnut, että pi ei ollut kirjoitettu oikein. Se korjataan pian. It8217s on erittäin hyvä artikkeli selityksestä eksponentiaalisen keskiarvon laskemisesta. Uskon, että kaavassa T esiintyy virhe. Sen pitäisi olla T h (N-1) eikä T (N-1) h. Mike, kiitos siitä, että näit sen. Olen juuri tarkistanut arkistomme Dr Mercer8217: n alkuperäiseen tekniseen huomautukseen ja näyttää siltä, ​​että yhtälöiden siirtäminen blogiin tapahtui virheestä. Korjataan viesti. Kiitos, että kerroit meille Kiitos kiitos kiitos. Voisit lukea 100 DSP-tekstiä löytämättä mitään sanomasta, että eksponentiaalinen keskimääräinen suodatin vastaa R-C-suodattimen. hmm, onko sinulla yhtälö EMA-suodattimelle oikein, eikö Yk aXk (1-a) Yk-1 sijaan Yk aYk-1 (1-a) Xk Alan, molemmat lomakkeet ovat oikeita, kuten jäljempänä esitän. Teidän tekemäsi kohta on tärkeä, koska vaihtoehtoisen lomakkeen käyttäminen tarkoittaa, että fyysinen suhde RC-suodattimen kanssa on vähemmän ilmeinen, lisäksi artikkelin esittämän merkityksen tulkinta ei ole sopiva vaihtoehtoiselle lomakkeelle. Ensin näytetään molemmat muodot ovat oikein. Käytetyn yhtälön muoto ja vaihtoehtoinen muoto, joka ilmenee monissa teksteissä Huom. Edellä olen käyttänyt lateksia 1latex ensimmäisessä yhtälössä ja lateksi 2latex toisessa yhtälössä. Kahden yhtälön yhtälöt esitetään matemaattisesti alle yksinkertaiset vaiheet kerrallaan. Mikä ei ole sama on lateksi lateksin arvo jokaisessa yhtälössä. Molemmissa muodoissa lateksi-lateksi on arvo nollan ja yhtenäisyyden välillä. Korvaa ensin kaava (1), joka korvaa lateksin 1latex lateksilateksilla. Tämä antaa latexik y (1 - beta) xklatex 8230 (1A) Määritä nyt lateksibeta (1 - 2) lateksi ja meillä on myös lateksi 2 (1 - beta) lateksi. Korvaamalla ne yhtälöön (1A) saadaan latexik (1 - 2) y 2xklatex 8230 (1B) Ja lopulta uudelleenjärjestely antaa Tämä yhtälö on identtinen yhtälössä (2) annetulla vaihtoehtoisella muodolla. Laita yksinkertaisemmin lateksi 2 (1 - 1) lateksi. Fyysisesti se tarkoittaa, että yhden muodon muodon valinta riippuu siitä, miten kukaan haluaa ajatella joko lateksalfaaleksin ottamista takaisin takaisinfraktion yhtälöksi (1) tai syöttöyhtälön (2) murto-osaksi. Kuten edellä mainittiin, olen käyttänyt ensimmäistä muotoa, koska se on hieman vähemmän hankalaa osoittamaan RC-suodatussuhdetta ja johtaa yksinkertaisemman ymmärryksen suodatusehdoissa. Tästä huolimatta jättäminen on mielestäni puutteellinen artikkelissa, koska muut ihmiset voisivat tehdä virheellisiä johtopäätöksiä, joten tarkistettu versio ilmestyy pian. Olen aina ihmetellyt tästä, kiitos kuvastakseni niin selkeästi. Mielestäni toinen syy ensimmäinen muotoilu on mukava on alfa kartat 8216smoothness8217: korkeampi valinta alfa tarkoittaa 8216more smooth8217 tuotos. Michael Kiitokset havainnoista 8211 Lisään artikkeliin jotain sellaisia, koska mielestäni on aina parempi suhteuttaa fyysisiin näkökohtiin. Tohtori Mercer, erinomainen artikkeli, kiitos. Minulla on kysymys aikavakioista, kun sitä käytetään rms-ilmaisimen kanssa, kuten äänitasomittarissa, johon viitataan artikkelissa. Jos käytän yhtälöjä eksponentiaalisuotimen mallintamiseen Time Constant 125 ms: n kanssa ja käytä syöttöasennosignaalia, saan todellakin ulostulon, joka 125 ms: n jälkeen on 63,2 lopullisesta arvosta. Kuitenkin, jos nuristan sisääntulosignaalin ja asetan tämän suodattimen läpi, näen, että minun täytyy kaksinkertaistaa aikavakio, jotta signaali saavuttaa 63,2: n lopullisen arvon 125 ms: ssä. Voitteko kertoa, jos tämä on odotettavissa. Paljon kiitoksia. Ian Ian, Jos neliö signaali kuin siniaallolla, pohjimmiltaan kaksinkertaistat sen taajuuden ja lisätään paljon muita taajuuksia. Koska taajuus on itse asiassa kaksinkertaistunut, sitä pienemmällä suodattimella 8216 pienennetään suuremmalla määrällä. Tämän seurauksena kestää kauemmin samaa amplitudiota. Neliöinti on epälineaarinen operaatio, joten en usko, että se aina kaksinkertaistuu täsmällisesti kaikissa tapauksissa, mutta se pyrkii kaksinkertaistamaan, jos meillä on hallitseva matala taajuus. Huomaa myös, että neliösignaalin ero on kaksinkertainen 8220un-squared8221-signaalin differentiaaliin verrattuna. Epäilen, että saatat yrittää saada keskipitkän tasoituksen muotoa, joka on täysin hieno ja kelvollinen. Saattaa olla parempi soveltaa suodatinta ja sitten neliöä, kun tiedät tehokkaan rajauksen. Mutta jos sinulla on vain neliösignaali, käytä kertoimia 2 muokkaamaan suodattimen alfa-arvoa, palaa noin alkuperäiseen leikkaustaajuuteen tai asettamalla se hieman yksinkertaisemmaksi määrittele rajoitustaajuus kahdesti alkuperäisestä. Kiitos vastauksestasi, tohtori Mercer. Kysymykseni oli todella yrittää päästä siihen, mitä tosiasiassa tehdään äänitasomittarin rms-ilmaisimessa. Jos aikavakio on asetettu 8216fast8217 (125ms) olisin ajatellut, että intuitiivisesti voit odottaa sinimuotoisen tulosignaalin tuottamaan 63,2: n lopullisen arvonsa 125 ms: n jälkeen, mutta koska signaali on neliöity, ennen kuin se siirtyy 8216: havaitseminen, se vie kaksi kertaa niin kauan kuin selitit. Artikkelin päätavoitteena on osoittaa RC-suodatuksen ja eksponentiaalisen keskiarvon vastaavuus. Jos keskustelemme reaaliaikaisen suorakulmaisen integraattorin integrointiaikasta, olet oikeassa, että mukana on kaksi tekijää. Pohjimmiltaan jos meillä on todellinen suorakaiteen muotoinen integraattori, joka integroituu Ti-sekvensseille, vastaava RC-integraattorin aika saavuttaa sama tulos on 2RC sekuntia. Ti on erilainen kuin RC 8216 time constant8217 T, joka on RC. Joten jos meillä on 8216Fast8217 aikavakio 125 ms, eli RC 125 ms, niin se vastaa 250 ms: n todellista integrointiaika Kiitos artikkelista, se oli erittäin hyödyllistä. On joitain äskettäisiä neurotieteiden papereita, jotka käyttävät EMA-suodattimien yhdistelmää (lyhytikkunainen EMA 8211 pitkäikkunainen EMA) kaistanpäästösuodattimena reaaliaikaisen signaalianalyysin suorittamiseksi. Haluaisin soveltaa niitä, mutta kamppailen eri ikkunaryhmien kanssa, joita eri tutkimusryh - mät ovat käyttäneet ja kirjeenvaihdonsa rajataajuudella. Let8217s sanoa haluan pitää kaikki taajuudet alle 0.5Hz (aprox) ja että hankin 10 näytettä toinen. Tämä tarkoittaa, että fp 0.5Hz P 2s T P100.2 h 1fs0.1 Sen vuoksi ikkunan koko I pitäisi käyttää olisi N3. Onko tämä perustelu oikein Ennen kuin vastaat kysymykseesi, minun on kommentoida kahden korkeapääsuodattimen käyttöä kaistanpäästösuodattimen muodostamiseksi. Oletettavasti ne toimivat kahdessa erillisessä virrassa, joten yksi tulos on sisällön sanonta lateksi-lateksi puoli näytteenopeudesta ja toinen on sisällön sanoa lateksi-lateksista puoleen näyteasteesta. Jos kaikki, mitä tehdään, on keskimääräisten neliön tasojen ero, joka ilmaisee kaistalla olevan tehon lateksi-lateksista lateksi-lateksiin, saattaa olla järkevää, jos kaksi katkaistua taajuutta ovat riittävän kaukana toisistaan, mutta odotan, että ihmiset käyttävät tätä tekniikkaa yrittävät simuloida kapeampaa kaistan suodatinta. Mielestäni se olisi epäluotettavaa vakavasta työstä, ja se olisi huolestuttava. Vain viittaukseksi kaistanpäästösuodatin on pienitaajuisen High Pass - suodattimen yhdistelmä, jolla poistetaan matalat taajuudet ja korkea taajuus alipäästösuodatin suurien taajuuksien poistamiseksi. On tietenkin RC-suodattimen matala ohitusmuoto ja siten vastaava EMA. Ehkä vaikka tuomioni on ylikriittinen ilman, että tiedät kaikki tosiasiat Voisitteko lähettää minulle muutamia viittauksia mainitsemillesi tutkimuksille, jotta voin kritisoida asianmukaisesti. Ehkä he käyttävät alipäästöä ja yläsuodatinta. Nyt kun käännetään todelliseen kysymykseesi siitä, miten määrität N: n tietylle kohdekytkentätaajuudelle, mielestäni on parasta käyttää perusyhtälöä T (N-1) h. Kausien keskustelussa pyrittiin antamaan ihmisille tunne siitä, mitä tapahtui. Joten katso alla oleva johdannainen. Meillä on suhteet latexT (N-1) hlatex ja latexT12 lateksi, jossa lateksfclatex on nimellinen rajataajuus ja h on näytteiden välinen aika, Ilmeisesti lateksi 1 lateksi, jossa lateksifslatex on näytteenottotaajuus samplessecissa. Seuraavassa on esitetty uudelleenjärjestely T (N-1) h: n sopivaan muotoon, joka sisältää leikkausfrekvenssin, lateksfclatex: n ja näytteenopeuden, lateksifslatex: n. Joten käyttäen lateksifc 0,5Hzlatex ja latexfs 10latex samplessec niin, että lateksi (fcfs) 0.05latex antaa niin lähimpään kokonaislukuarvo on 4. uudelleen järjestäminen yllä olemme niin N4 meillä on latexfc 0.5307 Hzlatex. Käyttämällä N3: ta saadaan lateksifraktiota 0,318 Hz. Huomaa N1: llä meillä on täydellinen kopio ilman suodatusta.