Glidande medelvärde högpass filter

Det rörliga genomsnittet som ett filter. Det rörliga genomsnittet används ofta för att utjämna data i närvaro av ljud. Det enkla glidande medlet är inte alltid igenkänt som Finite Impulse Response FIR-filtret som det är, medan det faktiskt är ett av de vanligaste filteren i signalbehandling Behandling av det som ett filter gör det möjligt att jämföra det med exempelvis fönsterfönster med synkronisering se artiklarna på lågpasspasspass och bandpass och bandavvisningsfilter för exempel på dem. Den största skillnaden med dessa filter är Att det rörliga medelvärdet är lämpligt för signaler för vilka den användbara informationen är innehållen i tidsdomänen, av vilken utjämningsmätningar genom medelvärde är ett prime exempel Windowed-sinc-filter är å andra sidan starka utövande i frekvensdomänen med utjämning i ljud Bearbetning som ett typiskt exempel Det finns en mer detaljerad jämförelse av båda typerna av filter i Time Domain vs Frekvensdomänprestanda för filter Om du har data för vilka både tid och frekvensdomänen är viktig, så kanske du vill kolla på variationer på rörligt medelvärde som presenterar ett antal viktade versioner av det glidande medlet som är bättre på det. Det glidande medlet av längden N kan definieras som. skrivet som det genomförs typiskt med det aktuella utgångsprovet som medelvärdet av de föregående N-proverna Sikt som ett filter utför det rörliga medlet en konvoltering av ingångssekvensen xn med en rektangulär puls med längd N och höjd 1 N för att göra området av puls, och därigenom förstärkningen av filtret, en i praktiken är det bäst att ta N udda Även om ett glidande medelvärde också kan beräknas med ett jämt antal prover, använder ett udda värde för N den fördelen att fördröjning av filtret kommer att vara ett heltal antal prover, eftersom fördröjningen av ett filter med N-prover är exakt N-1 2 Det rörliga genomsnittet kan sedan justeras exakt med de ursprungliga uppgifterna genom att flytta det med ett heltal antal prover. Domain. Since movi Ng-medelvärdet är en konvolvering med en rektangulär puls, dess frekvensrespons är en sinc-funktion. Det gör det något som det dubbla av windowed-sinc-filtret, eftersom det är en konvolvering med en sinc-puls som resulterar i ett rektangulärt frekvenssvar. Det är detta sinc-frekvenssvar som gör det glidande medlet en dålig performer i frekvensdomänen. Det fungerar dock mycket bra i tidsdomänen. Det är därför perfekt att släta data för att ta bort brus och samtidigt hålla ett snabbt stegsvar. Figur 1.Figur 1 Utjämning med ett glidande medelfilter. För det typiska Additiv White Gaussian Noise AWGN som ofta antas har medelvärdet N prover effekten av att öka SNR med en faktor kvt. N Eftersom bruset för de enskilda proverna är okorrelerat Det är ingen anledning att behandla varje prov på ett annat sätt. Det rörliga genomsnittet, som ger varje prov samma vikt, kommer att bli av med den maximala mängden brus för ett givet stegresponsskärpa. Eftersom det är ett FIR-filter kan det rörliga medlet genomföras genom konvolvering. Det kommer då att ha samma effektivitet eller brist på det som något annat FIR-filter. Det kan också implementeras rekursivt på ett mycket effektivt sätt. Det följer direkt från definiera att. Denna formel är resultatet av uttrycken för yn och yn 1, jag e. where vi märker att förändringen mellan yn 1 och yn är att en extra term xn 1 N visas i slutet medan termen x nN 1 N avlägsnas från början I praktiska tillämpningar är det ofta möjligt att lämna uppdelningen av N för varje term genom att kompensera för den resulterande förstärkningen av N på ett annat ställe. Denna rekursiva implementering kommer att vara mycket snabbare än konvolvering. Varje nytt värde av y kan beräknas med endast två tillägg istället för de N-tillägg som skulle vara nödvändiga för en enkel implementering av definitionen En sak att se efter med en rekursiv implementering är att avrundningsfel kommer att ackumuleras Y eller kanske inte är ett problem för din ansökan, men det innebär också att det här rekursiva genomförandet faktiskt kommer att fungera bättre med ett heltal implementering än med flytande punkttal. Detta är ganska ovanligt, eftersom en flytande punktimplementering vanligtvis är enklare. Slutsatsen av Allt detta måste vara att du aldrig bör underskatta användbarheten av det enkla glidande medelfiltret i signalbehandlingsapplikationer. Filtreverktyg. Denna artikel kompletteras med ett filterdesignverktyg Experimentera med olika värden för N och visualisera de resulterande filtrena Prova nu. Jag m kodar någonting för tillfället där jag mår en massa värden över tiden från en hårdvarukompass Denna kompass är mycket exakt och uppdateras mycket ofta, med det resultat att om det jiggles något slutar jag med det udda värdet som är vildt inkonsekvent med sina grannar jag vill släta ut dessa värden. Hade gjort lite läsning, det verkar som att det jag vill ha är ett högpassfilter, ett lågpass filter eller ett glidande medelvärde Flyttande medelvärde Jag kan komma ner med, behåll bara en historia av de senaste 5 värdena eller vad som helst och använd medelvärdet av dessa värden nedströms i min kod där jag en gång bara använde det senaste värdet. Det borde, Jag tror, ​​släpper ut dem jigglar bra, men det slår mig att det är nog ganska ineffektivt, och det här är förmodligen en av de kända problemen med riktiga programmerare som det var en väldigt snygg kladdmatlösning. Jag är dock en av dem Hemska självlärda programmörer utan en form av formell utbildning i vad som helst vagt relaterat till CompSci eller Math Reading runt lite tyder på att detta kan vara ett högt eller lågt passfilter, men jag kan inte hitta någonting som förklarar vad som är begripligt för ett hack tycker om mig hur effekten av dessa algoritmer skulle vara på en uppsättning värden, än mindre hur matematiken fungerar Svaret som ges här, till exempel, svarar tekniskt på min fråga, men endast i begrepp som är begripliga för dem som förmodligen redan skulle vet hur man löser problemet. Det skulle vara en väldigt vacker och smart person som vem skulle kunna förklara vilken typ av problem det här är och hur lösningarna fungerar, vilket är förståeligt för en doktorsexamen. askad 21 september 10 på 13 01. Om Ditt glidande medelvärde måste vara långt för att uppnå den nödvändiga utjämningen och du behöver inte verkligen ha någon särskild form av kärnan, då blir du bättre om du använder ett exponentiellt förfallande glidande medelvärde. Där du väljer liten för att vara en lämplig konstant till exempel om du väljer liten 1- 1 N, kommer den att ha lika mycket medelvärde som ett fönster med storlek N, men fördelas annorlunda över äldre punkter. Medan nästa värde av glidande medelvärde bara beror på föregående och din data, du behöver inte behålla en kö eller något och du kan tänka på det här som att göra något som, Nåväl, jag har en ny punkt, men jag tror verkligen inte på det, så jag kommer att behålla 80 av mitt gamla Uppskattning av mätningen, och lita bara på den nya datapunkten 20 Det är vackert Tja, detsamma som att säga. Jo, jag litar bara på den här nya punkten 20, och jag använder 4 andra punkter som jag litar på samma belopp, förutom att istället för att uttryckligen ta de 4 andra punkterna antar du att den genomsnittliga tiden du varade tiden var förnuftig så att du kan använda ditt tidigare arbete. svarade 21 september 10 på 14 27.Hey, jag vet att det här är 5 år sent, men tack för ett fantastiskt svar jobbar jag på ett spel där ljudet ändras utifrån din hastighet, Men på grund av att du körde spelet på en slow-ass-dator skulle hastigheten fluktuera vildt vilket var bra för styrning men mycket irriterande i ljud. Detta var en väldigt enkel och billig lösning på någonting som jag trodde skulle vara ett väldigt komplext problem Adam mar 16 15 på 20 20. Om du försöker ta bort det enstaka udda värdet är ett lågpassfilter det bästa av de tre alternativ som du har identifierat Lågpassfilter tillåter låghastighetsförändringar som de som orsakas av Roterar en kompass för hand, samtidigt som man avvisar höghastighetsförändringar som o nes orsakad av stötar på vägen, till exempel. Ett glidande medelvärde kommer förmodligen inte vara tillräckligt eftersom effekterna av ett enda blip i dina data kommer att påverka flera efterföljande värden beroende på storleken på ditt glidande medelfönster. Om de udda värdena detekteras lätt, du kan till och med vara bättre med en glitch-avlägsnande algoritm som helt ignorerar dem. Här är ett gickdiagram för att illustrera. Det första diagrammet är ingångssignalen, med en obehaglig glitch. Det andra diagrammet visar effekten av en 10 - exempel glidande medelvärdet Det slutliga diagrammet är en kombination av 10-provgenomsnittet och den enkla glitchdetekteringsalgoritmen som visas ovan När glitchen detekteras används 10-provgenomsnittet istället för det faktiska värdet. Svarat 21 sep 10 kl 13 38.Nyely förklarad, och bonuspoäng för grafen Henry Cooke Sep 22 10 på 0 50.Wow Sögligen såg ett så bra svar Muis 4 juni 13 på 9 14.The moving average är ett lågpassfilter nomen Oct 21 13 på 19 36. Prova en köra streamingmedian istället kert A pr 25 14 på 22 09.Moving genomsnittet kan jag komma ner med men det slår mig att det är nog ganska ineffektivt. Det är verkligen ingen anledning att ett rörligt medelvärde borde vara ineffektivt Du behåller antalet datapunkter du vill ha i en viss buffert som en cirkulär kö På varje ny datapunkt popar du det äldsta värdet och subtraherar det från en summa och trycker på det nyaste och lägger det till summan. Således innebär varje ny datapunkt bara en pop-push, ett tillägg och en subtraktion. Är alltid denna skiftande summa dividerad med antalet värden i din buffert. Det blir lite svårare om du tar emot data samtidigt från flera trådar, men eftersom dina data kommer från en hårdvarubutik som verkar mycket tveksamt för mig. förvirrande självlärda programmerare förenar. Det rörliga genomsnittet verkade ineffektivt för mig eftersom du måste lagra en buffert med värden - bättre att bara göra lite Clever Maths med ditt inmatningsvärde och nuvarande arbetsvärde. Jag tror att s hur exponentiell glidande medelvärde fungerar En optimering jag har sett för den här typen av glidande medelvärde innebär att du använder en fast längdskön en pekare till var du befinner dig i den köen och bara sveper pekaren runt med eller en om Voila Inget dyrt tryck pop Kraft till amatörerna, broder Henry Cooke Sep 22 10 på 0 54. Henry För ett rakare rörligt medel behöver du bufferten helt enkelt så att du vet vilket värde som dyker upp när nästa värde blir skjutet. Med det sagt är den fasta köen en pekare du beskriver är Exakt vad jag menade med cirkulär kö Det var därför jag sa att det inte är ineffektivt Vad tyckte du att jag menade Och om ditt svar är en matris som ändrar sina värden tillbaka på varje indexerat borttagning som stdvektor i C-brunn, då m Så ont jag inte ens vill prata med dig längre Dan Tao 22 september 10 på 1 58. Henry Jag vet inte om AS3, men en Java-programmerare har samlingar som CircularQueue till sitt förfogande Jag är inte en Java-utvecklare så jag Jag är säker på att det finns bättre exempel där ute, det är precis vad jag säger D från en snabb Google-sökning, som exakt implementerar den funktionalitet vi talar om, men jag är ganska säker på att majoriteten av mellannivå och lågnivå språk med standardbibliotek har något liknande, t. ex. där kö är Queue T Hur som helst, jag var filosofi själv, så allt är förlåtet Dan Tao Sep 22 10 på 12 44. Ett exponentiellt sönderfallande glidande medelvärde kan beräknas för hand med endast trenden om du använder rätt värden. Se om en idé om hur man gör det snabbt med en penna och ett papper om du är Letar efter exponentiellt slätat glidande medelvärde med 10 utjämning Men eftersom du har en dator, vill du förmodligen göra binärväxling i motsats till decimalväxling. På så sätt är allt du behöver en variabel för ditt nuvarande värde och en för medeltiden Nästa medelvärdet kan sedan beräknas från det. svarade 21 september 10 på 14 39. det var tekniken som kallas en intervallgrind som fungerar bra med felaktiga prover med låg förekomst om man använder en av de ovan nämnda filterteknikerna glidande medelvärde, exponentiell, när du har tillräcklig historia en tidskonstant kan du testa det nya inkommande dataprovet för rimlighet innan det läggs till i beräkningen. En del kunskap om den högsta rimliga hastighetsgraden av signalen krävs råprov jämförs med det senaste släta värdet, och om absolutvärdet för den skillnaden är större än det tillåtna intervallet, kastas eller ersätts det med några heuristiska, t. ex. en förutsägelse baserad på lutningsskillnaden eller trendprognosvärdet från Dubbel exponentiell utjämning. ansvarad 30 april 16 vid 6 56.Regning Genomsnittlig Filter. kate skrev Hej, jag letar efter en kod för ett lågpassfilter som jag kan ansöka om en signal innan spektralanalys utföres, jag avskyr mig för min okunnighet , Men det här är långt utanför mitt fält, så jag m inte verkligen känner av det. Vad är de ingångar som behövs förutom själva signalen Tack, Kate. I den analoga domänen använder folk lågpassfiltrering för att leas Ta några orsaker som kommer att tänka på att jag får signalen att bli bättre ii. Undvik aliasing under analog-till-digital konvertering, vilket resulterar i att högfrekventa brussignaler aliaseras till låga frekvenser, vilket kan korrumpera de lägre frekvenssignalerna av intresse och öka ljudet golvet. Det verkar inte som om någon av dessa överväganden gäller din situation, jag tittar inte direkt på signalen, du kommer att göra spektralanalys. ii Din signal är redan digitaliserad. Speciellt när du gör spektralanalys är den höga - frekventa saker kommer att dyka upp i högfrekvensänden och du kan välja att ignorera den. För en linjär teknik som inkluderar FFT och Matlab-filterfunktionen kommer högfrekvensinnehållet inte att störa spektralanalysen av lågfrekvensinnehållet Om du inte vill decimera dina data innan du filtrerar. Finns det en särskild anledning att du vill bli av med högfrekvensinnehållet före spektralanalys. Kate skrev Hej, jag letar efter det Jag kodar för ett lågpassfilter som jag kan ansöka om en signal innan spektralanalys utförs. Jag avskyr mig för min okunnighet, men det här är långt utanför mitt fält, så jag m inte verkligen känner till det. Vad är de ingångar som är Nödvändigt annat än signalen själv Tack, Kate. I den analoga domänen använder folk lågpassfiltrering av åtminstone några orsaker som jag kommer att tänka på, så att signalen blir bättre ii. Undvik aliasing under analog-till-digital konvertering, vilket Resulterar i att högfrekventa brussignaler aliaseras till låga frekvenser, vilket kan korrumpera de lägre frekvenssignalerna av intresse och öka ljudgolvet. Det framgår inte att någon av dessa överväganden gäller din situation, jag tittar inte direkt på signalen du kommer att göra spektralanalys ii din signal är redan digitaliserad. Specifikt, när du gör spektralanalys kommer högfrekvensen att dyka upp i högfrekvensänden och du kan välja att ignorera den. För någon linjär teknik inkluderar FFT och Matlab filterfunktionen kommer högfrekvensinnehållet inte att störa spektralanalysen av lågfrekvensinnehållet Om du inte vill decimera dina data innan du filtrerar. Finns det en särskild anledning att du vill bli av med den höga - frekvensinnehåll före spektralanalys. För att vara ärlig vet jag inte varför jag försöker bli av med högfrekvenserna. Jag följer i princip instruktionerna i en ISO. Som du kanske har gissat är datorprogrammering och signalbehandling verkligen inte mitt område så Språket som används är främmande för mig. Vad jag gör är som följer - Jag är civilingenjör och jag försöker analysera en vägprofil Profilen är i grunden likvärdig med en signal som varierar med avstånd men eftersom hastigheten är konstant är samma som varierande med tiden Den exakta formuleringen av ISO är förbehandlingsfilter bör användas till exempel butterworth Men jag trodde att det rörliga genomsnittet kan vara en lättare plats att börja jag antar reaso Jag försöker att utrota högfrekvenser, för att de skulle vara försumbar när det gäller vägarna. Jag uppskattar din tid, Katherine. Rajeev skrev kate skrev Hej, jag letar efter lite kod för ett lågpassfilter som jag kan Ansök på en signal innan spektralanalys görs, men jag undviker min okunnighet, men det här är långt utanför mitt fält, så jag m inte verkligen känner till det. Vad är de ingångar som behövs förutom signalen själv Tack, Kate In Analoga domänen använder folk lågpassfiltrering av åtminstone ett antal anledningar som kommer att tänka mig, jag får signalen att bli bättre ii. Undvik aliasing under analog-till-digital konvertering, vilket resulterar i att högfrekventa brussignaler aliaseras till låga frekvenser Som kan korrumpera de lägre frekvenssignalerna av intresse och öka ljudgolvet. Det verkar inte som att någon av dessa överväganden gäller din situation, jag tittar inte direkt på signalen, du kommer att göra spektralanalys ii Vår signal är redan digitaliserad Specifikt när du gör spektralanalys kommer högfrekvensen att dyka upp i högfrekvensänden och du kan välja att ignorera den. För en linjär teknik inkluderar detta FFT och Matlab filterfunktionen, frekvensinnehållet kommer inte att störa spektralanalysen av lågfrekvensinnehållet Om du inte vill avkoda dina data innan du filtrerar Är det en särskild anledning att du vill bli av med högfrekvensinnehållet före spektralanalysen HTH-rajev. Katherine skrev till Vara ärlig Jag vet inte varför jag försöker bli av med högfrekvenserna Jag m i grund och botten följer instruktionerna i en ISO Som du kanske har gissat är datorprogrammering och signalbehandling verkligen inte mitt område så det språk som används är främmande för mig Vad Jag mår som följer - Jag är civilingenjör och jag försöker analysera en vägprofil Profilen är i grunden likvärdig med en signal som varierar med avstånd men eftersom hastigheten är konstant, Det här är detsamma som att variera med tiden. Den exakta formuleringen av ISO är förbehandlingsfiltren ska användas för. Vissa frågor kommer att tänka på. Vad frågar ISO dig efter förbehandlingsfiltret? spektralanalys implemented. c Anger ISO specificeringsfrekvensen för filtret dvs bli av med frekvenser över X. example butterworth Men jag trodde att det rörliga genomsnittet kan vara en lättare plats att börja. Jag är överens om att glidande medelvärde skulle bli enklare Det har också en egenskap att alla frekvenskomponenter är fördröjda med exakt samma mängd, vilket innebär att vågformsformen bevaras genom filtret förstås kommer vissa frekvenskomponenter att dämpas, men de vunnit t förskjutas med exempelvis 90 grader , I förhållande till andra frekvenser Butterworth-filtret och i varierande grad alla analoga filter har inte den här egenskapen, som är känd som linjär eller faslinjär. Butterworth avser en klass av analoga filter med en viss fas Och frekvensrespons som råkar vara lätt att genomföra med elektroniska komponenter som motstånd, kondensatorer och induktorer. Mitt rimliga gissning är att människor utvecklade digitala ekvivalenter till dessa och andra analoga filter eftersom de var bekanta med deras egenskaper. Men många skulle idag fråga , om du ska fungera på en digitaliserad signal, varför stör med ett analogt-liknande filter. Jag antar att jag försöker att utrota högfrekvenser är att de skulle vara försumbara när det gäller vägarbetsskador jag uppskattar din Tid, Katherine. Again, jag är mycket skuldsatt för dig för att ta den tid jag har försökt att svara på dina qs nedan. Vissa frågor kommer i åtanke en Vad frågar ISO dig efter förbehandlingsfiltret. Efter pre - bearbetningsfilter det ber om att jag utför en FFT som jag antar är också ett svar på din nästa fråga. Det stora förståelsesproblemet som jag har är att jag genererade vägprofilen själv och specificerade att jag vill ed frekvenserna ska vara minst 0 01cycles meter och en max 4cycles mätare varför ska jag då behöva filtrera ut högfrekvenser. b Hur analyseras spektralanalysen c Anger ISO specifikt cutofffrekvensen för filtret dvs bli av med Frekvenser över X. Det anger inte någon cutoff frequency. example butterworth Men jag trodde att det rörliga genomsnittet kan vara en lättare plats att börja jag tenderar att hålla med, glidande medelvärde skulle vara enklare. Det har också en egenskap att alla frekvenskomponenter försenas av exakt samma mängd, vilket innebär att vågformsformen bevaras genom filtret så kommer vissa frekvenskomponenter att dämpas, men de vunnit t skiftas med 90 grader i förhållande till andra frekvenser. Butterworth-filtret och i varierande grad alla analoga filter har inte den här egenskapen, som är känd som linjärfas eller faslinjär Butterworth hänvisar till en klass av analoga filter med ett visst fas - och frekvenssvar som hapar Pennor att vara enkla att genomföra med elektroniska komponenter som motstånd, kondensatorer och induktorer Mitt rimliga gissning är att människor utvecklade digitala ekvivalenter till dessa och andra analoga filter eftersom de var bekanta med deras egenskaper. Men många människor frågar idag om du åker Att fungera på en digitaliserad signal, varför stör med ett analogt-liknande filter. Jag antar att jag försöker utrota högfrekvenser är att de skulle vara försumbar när det gäller vägarbetsskador. Jag uppskattar din tid, Katherine HTH-rajeev . Tack så mycket Katherine. Sound som att du kanske filtrerar data redan när du anger frekvensområdet. Vad är samplingsfrekvensen Är det rumsligt eller tidsmässigt Om du specificerar 4 cyklars mätare till systemet är det mycket osannolikt att det bara skulle vara provtagning för att få den hastigheten Fs 1 8 meter utan någon form av glidande medelfilter inbyggd. Vad är ISO-standarden ISO-standard, varifrån. Enbart effekten av filtreringen är att Skift energin till de lägre frekvenserna istället för att bara haka av den som du skulle göra i frekvensdomänen. Om slutmålet är att beräkna en IRI eller någon annan väggruvhet metrisk än detta kan vara kritiskt. Efter förbehandlingsfiltret det ber om att jag utför en FFT som jag antar är också ett svar på din nästa fråga. Det stora förståelseproblemet som jag har är att jag genererade vägprofilen själv och specificerade att jag ville att frekvenserna skulle vara minst 0 01cycles meter och en max 4cycles meter Varför då ska jag behöva filtrera ut högfrekvenser. Charlie, jag är väldigt okunnig om rätt terminologi i dessa saker och jag är inte säker på vad du menar med samplingsfrekvens jag ska bara berätta vad jag gör. Först jag genererar en slumpmässig vägprofil som har rumsfrekvenser varierande från 0 01 - 4 cykler m ISO 8608 1995 har klassificering av väg och beroende på detta ger det ett PSD-värde för var och en av frekvenserna mellan 0 01 och 4 som du vill ha Dessa värden läggs sedan in i en ekvation för väggenerering som skapar en väg med några punkter i mitt fall 8000 eller 400meters, dvs varje 0 05 meter. Därför graverar jag alla ISO-värden för PSD mot de rumsliga frekvenserna som jag hade över jag försöker sedan arbeta bakåt för att se om jag kan generera samma graf genom att använda samma vägprofil och hitta FFT av den och sedan PSD jag vet inte vad du menar med samplingsfrekvens jag är rädd, kanske det Är där uppe i vad jag har beskrivit. Tack så mycket för din tid, jag är helt som en fisk ur vatten på den här. Charlie skrev Katherine, låter som om du kanske filtrerar data redan som du anger frekvensen Intervall Vad är samplingsfrekvensen Är det rumsligt eller tidsmässigt Om du specificerar 4 cyklars mätare till systemet är det mycket osannolikt att det bara skulle vara provtagning för att få den frekvensen Fs 1 8 meter utan någon form av glidande medelfilter inbyggt ISO-krav ISO-standard, f Rom där En effekt av filtreringen är att flytta energin till de lägre frekvenserna istället för att bara hugga av det som du skulle göra i frekvensdomänen. Om slutmålet är att beräkna en IRI eller någon annan väggruvhet metrisk än det här kan Vara kritisk Charlie Efter förbehandlingsfiltret frågar jag att jag utför en FFT som jag antar är också ett svar på din nästa fråga. Det stora förståelsesproblemet som jag har är att jag genererade vägprofilen själv och specificerade att jag ville ha frekvenserna att vara minst 0 01cyklermätare och max 4cykelsmätare Varför då ska jag behöva filtrera ut högfrekvenser. Tack för informationen på ISO 8608 1995 ser det ut som en bra referens för något av mitt arbete med vägprofilbehandling. Tillbaka till din projekt Som jag förstår det gör du.1 Skapa vägprofil i rymdfrekvensdomänen med innehåll i 0 01-4 cykler m 2 Generera rumslig profil från 1 med hjälp av vissa ekvationer 400 meter lång, dx 0 05 m, Spatial samplingsfrekvens ency 1 dx 20 cykler m 3 Gradera din väg PSD från 1 mot ISO-värdena från ISO 8608 4 Beräkna fft och PSD från 2 och jämföra den med 3 för att se om du kan återproducera den. Om detta är korrekt Och jag förstår ISO-standarden Jag tror inte att du behöver göra någon filtrering alls Din profil från 2 ska kunna generera frekvensdata från 0 0025-10 cykler m, men du bör inte se något innehåll över 4 cykler m. Hope detta hjälper snarare än att förvirra. Du kanske vill titta på The Little Book of Profiling på för mer info. Katherine skrev i meddelande Charlie, jag är väldigt okunnig om rätt terminologi i dessa saker och jag är inte säker på vad du menar med samplingsfrekvens Jag ska bara berätta vad jag gör Först genererar jag en slumpmässig vägprofil som har rumsfrekvenser som varierar från 0 01 - 4 cykler m ISO 8608 1995 har klassificering av väg och beroende på detta ger det ett PSD-värde för var och en av frekvenserna mellan 0 01 och 4 som du vill. Dessa värden läggs sedan in i en ekvation för väggenerering vilket skapar en väg med några punkter i mitt fall 8000 eller 400meters, dvs varje 0 05 meter Jag graver sedan alla ISO-värden för PSD mot de rumsliga frekvenserna som jag hade ovanför. Jag försöker sedan arbeta bakåt för att se om jag kan generera samma graf genom att använda samma vägprofil och hitta FFT av den och sedan PSD jag vet inte vad du menar med samplingsfrekvens Jag är rädd, kanske är det uppe i det jag har beskrivit Tack så mycket för din tiden är jag helt och hållet en fisk ur vatten på den här Katherine. Tack för det - är verkligen användbart bara för att se rätt terminologi som används för figurerna. Charlie skrev Katherine, tack för informationen om ISO 8608 1995 ser det ut som en bra referens för några av mina Arbeta med vägprofilbehandling Tillbaka till ditt projekt Såsom jag förstår det gör du 1 Skapa vägprofil i rymdfrekvensdomänen med innehåll i 0 01-4 cykler m 2 Generera rumsprofil från 1 med några ekvationer 400 meter lång, dx 0 05 m , Spatial samplingsfrekvens 1 dx 20 cykler m 3 Gradera din PSD-väg från 1 mot ISO-värdena från ISO 8608 4 Beräkna fft och PSD från 2 och jämföra den med 3 för att se om du kan omproducera den om detta är korrekt och jag förstår ISO-standarden Jag tror inte att du behöver göra någon filtrering alls Din profil från 2 ska kunna generera frekvensdata från 0 0025-10 cykler m men du får inte se något innehåll över 4 cykler m Hoppas detta hjälper snarare än förvirrar du kanske vill Att titta på The Little Book of Profiling på eller mer info Charlie Katherine skrev i meddelande Charlie, jag är väldigt okunnig om rätt terminologi i dessa saker och jag är inte säker på vad du menar med samplingsfrekvens jag ska bara berätta vad jag gör först jag genererar en slumpmässig vägprofil som har rumsfrekvenser varierande från 0 01 - 4 cykler m ISO 8608 1995 har klassificering av väg och beroende på detta ger det ett PSD-värde för var och en av frekvenserna mellan 0 01 och 4 som du vill ha Dessa Värden läggs sedan in i en ekvation för väggenerering som skapar en väg med ett antal punkter i mitt fall 8000 eller 400meters, dvs varje 0 05 meter. Därför graverar jag alla ISO-värden för PSD mot de rumsliga frekvenserna som jag hade ovanför försöker jag sedan arbeta bakåt för att se om jag kan skapa samma graf genom att använda samma vägprofil och hitta FFT av den och sedan PSD jag vet inte vad du menar med samplingsfrekvens jag är rädd, kanske är det där uppe i vad jag har e beskriven Tack så mycket för din tid, jag är helt som en fisk ur vatten på den här Katherine. Vad är en klocklista. Du kan tänka på din klocklista som trådar som du har bokmärkt. Du kan lägga till taggar, författare , trådar och jämn sökresultat till din tittellista På så sätt kan du enkelt hålla reda på ämnen som du är intresserad av. Om du vill visa din tittellista klickar du på länken Min nyhetsläsare. Om du vill lägga till objekt i din bevakningslista klickar du på tillägget till titta på länk längst ner på vilken sida som helst. Hur lägger jag till ett objekt i min bevakningslista. För att lägga till sökkriterier i din bevakningslista, sök efter önskad term i sökrutan Klicka på Lägg till den här sökningen i min klocklistorlänk på sökresultatsidan. Du kan också lägga till en tagg i din bevakningslista genom att leta efter taggen med märkningstabellnamnet där tagnamet är namnet på den tagg som du vill titta på. För att lägga till en författare till din bevakningslista, gå till författarens profil sida och klicka på Lägg till den här författaren till min klocka länk längst upp på t han sida Du kan också lägga till en författare till din bevakningslista genom att gå till en tråd som författaren har publicerat och klicka på Lägg till den här författaren till min vaktlista länk Du kommer att få besked när författaren gör ett inlägg. För att lägga till en tråd till din bevakningslista, gå till trådsidan och klicka på Lägg till den här tråden i min klocklistorlänk högst upp på sidan. Om nyhetsgrupper, nyhetsläsare och MATLAB Central. What är nyhetsgrupper. Nyhetsgrupperna är ett globalt forum som är öppet Till alla Nyhetsgrupper används för att diskutera ett stort antal ämnen, göra meddelanden och handla filer. Diskussioner är trådade eller grupperade på ett sätt som låter dig läsa ett upplagd meddelande och alla dess svar i kronologisk ordning. Det gör det enkelt att Följ tråden i samtalet och för att se vad som redan sagts innan du skickar ditt eget svar eller gör ett nytt inlägg. Nyhetsgruppens innehåll distribueras av servrar som är värd för olika organisationer på Internet Meddelandena utbyts och hanteras med hjälp av open-standa rd protokoll Ingen enskild enhet äger nyhetsgrupper. Det finns tusentals nyhetsgrupper som varje adresserar ett enda ämne eller intresseområde. MATLAB Central Newsreader postar och visar meddelanden i nyhetsgruppen. Hur läser jag eller postar till nyhetsgrupperna. Du kan använda integrated newsreader at the MATLAB Central website to read and post messages in this newsgroup MATLAB Central is hosted by MathWorks. Messages posted through the MATLAB Central Newsreader are seen by everyone using the newsgroups, regardless of how they access the newsgroups There are several advantages to using MATLAB Central. One Account Your MATLAB Central account is tied to your MathWorks Account for easy access. Use the Email Address of Your Choice The MATLAB Central Newsreader allows you to define an alternative email address as your posting address, avoiding clutter in your primary mailbox and reducing spam. Spam Control Most newsgroup spam is filtered out by the MATLAB Central Newsreader. Tagging Messages can be tagged with a relevant label by any signed-in user Tags can be used as keywords to find particular files of interest, or as a way to categorize your bookmarked postings You may choose to allow others to view your tags, and you can view or search others tags as well as those of the community at large Tagging provides a way to see both the big trends and the smaller, more obscure ideas and applications. Watch lists Setting up watch lists allows you to be notified of updates made to postings selected by author, thread, or any search variable Your watch list notifications can be sent by email daily digest or immediate , displayed in My Newsreader, or sent via RSS feed. Other ways to access the newsgroups. Use a newsreader through your school, employer, or internet service provider. Pay for newsgroup access from a commercial provider. Use Google Groups. provides a newsreader with access to the newsgroup. Run your own server For typical instructions, see. Select Your Country.