ابفيف - الأسي الحركة من المتوسط

فيلتر إكسبريس VI. يحدد الأنواع التالية من الفلاتر لاستخدام لوباس أو هايباس أو باندباس أو باندستوب أو سموتينغ الافتراضي هو Lowpass. Contains الخيارات التالية. Cutoff فريكونسي هز يحدد تردد قطع الفلتر هذا الخيار متوفر فقط عند تحديد لوباس أو هايباس من نوع تصفية القائمة المنسدلة الافتراضي هو 100. انخفاض التردد تردد هرتز يحدد التردد قطع منخفض من مرشح انخفاض قطع تردد هرتز يجب أن يكون أقل من ارتفاع قطع تردد هرتز ومراقبة معيار نيكيست الافتراضي هو 100 هذا الخيار متاح فقط عند تحديد باندباس أو باندستوب من نوع تصفية القائمة المنسدلة. عالية التردد تردد هرتز يحدد تردد قطع عالية من مرشح عالية قطع تردد هرتز يجب أن تكون أكبر من انخفاض خفض التردد هرتز ومراقبة معيار نيكيست الافتراضي هو 400 لا يتوفر هذا الخيار إلا عند تحديد باندباس أو باندستوب من القائمة المنسدلة نوع التصفية. استجابة النبض النهائي فلتر فير C ويشتمل على فلتر معلومات الطيران الذي يعتمد فقط على المدخلات الحالية والسابقة لأن المرشح لا يعتمد على المخرجات السابقة، فإن الاستجابة النبضية تتلاشى إلى الصفر في فترة زمنية محدودة لأن مرشحات فير تعطي استجابة مرحلة خطية، تستخدم مرشحات فير للتطبيقات التي تتطلب استجابات طور خطية. الخرائط تحدد العدد الإجمالي لمعاملات فير التي يجب أن تكون أكبر من الصفر الافتراضي هو 29 لا يتوفر هذا الخيار إلا عند تحديد الخيار فيل فيرست ريسبونز فير فيلتر زيادة قيمة الصنابير تسبب الانتقال بين نطاق التمرير و ستوباند لتصبح أكثر انحدارا ومع ذلك، مع زيادة قيمة الصنابير، تصبح سرعة المعالجة أبطأ. استجابة النبض النشط إير فلتر يخلق مرشح إير وهو مرشح رقمي مع ردود الفعل النبض التي يمكن نظريا أن تكون لانهائية في الطول أو المدة. التربية يحدد نوع تصميم مرشح يمكنك إنشاء إما بوترورث، تشيبيشيف، معكوس تشيبيشيف، بيضاوي الشكل، أو تصميم فلتر بسل لا يتوفر هذا الخيار إلا عند تحديد خيار فلتر الاستجابة للدفء اللانهائي إير الافتراضي هو أمر بتروورث. Order من مرشح إير، الذي يجب أن يكون أكبر من الصفر هذا الخيار متاح فقط عند تحديد الخيار لانهائية استجابة دفعة إير مرشح الافتراضي هو 3 زيادة قيمة النظام يسبب الانتقال بين نطاق التمرير ونطاق التوقف لتصبح أكثر حدة ومع ذلك، مع زيادة قيمة الأمر، تصبح سرعة المعالجة أبطأ، ويزداد عدد النقاط المشوهة عند بداية الإشارة. متوسط ​​التحريك عوائد معاملات فير-أونلي فقط هذا الخيار متوفر فقط عند تحديد سموثينغ من القائمة المنسدلة فيلترينغ تايب. ريكتانغولار يحدد أن جميع العينات في إطار المتوسط ​​المتحرك تكون متساوية بالتساوي في حساب كل عينة إخراج ممهدة هذا الخيار متوفر فقط عند قمت بتحديد التمويه من القائمة المنسدلة نوع تصفية ومتوسط ​​موفينغ option. Triangular يحدد أن الوزن تتحرك إن الإطار الذي يتم تطبيقه على العينات هو الثلاثي مع الذروة المتمركزة في منتصف النافذة وينحدر بشكل متناظر على جانبي عينة المركز هذا الخيار متاح فقط عند تحديد التمويه من القائمة المنسدلة نوع التصفية ومتوسط ​​الحركة الخيار. عرض العرض للمتوسط ​​المتحرك يحدد نصف عرض نافذة المتوسط ​​المتحرك في العينات الافتراضي هو 1 بالنسبة لنصف العرض للمتوسط ​​المتحرك M، فإن العرض الكامل لنافذة المتوسط ​​المتحرك هو عينات N 1 2M ولذلك، فإن العرض الكامل N هو دائما عدد فردي من العينات يتوفر هذا الخيار فقط عند تحديد تمهيد من القائمة المنسدلة نوع تصفية ومتوسط ​​موفينغ الخيار. العائد الأساسية المعادلات إر الترتيب الأول هذا الخيار متاح فقط عند حدد التنعيم من القائمة المنسدلة نوع التصفية. ثابت الوقت للمتوسط ​​الأسي يحدد ثابت الوقت لمرشح الترجيح الأسي بالثواني هو 0 001 هذا الخيار متوفر فقط عند يمكنك تحديد التمويه من القائمة تصفية نوع المنسدلة والخيار الأسي. يعرض إشارة الدخل إذا كنت الأسلاك البيانات إلى اكسبرس السادس وتشغيله، يعرض إشارة الإدخال البيانات الحقيقية إذا قمت بإغلاق وإعادة فتح اكسبرس السادس، يعرض إشارة الإدخال عينة البيانات حتى تقوم بتشغيل إكسبريس في مرة أخرى. عرض معاينة القياس تشير مؤامرة معاينة النتيجة إلى قيمة القياس المحدد مع خط منقط إذا كنت بيانات الأسلاك إلى اكسبرس السادس وتشغيل السادس، يعرض معاينة النتائج البيانات الحقيقية إذا كنت إغلاق وإعادة فتح إكسبريس السادس يعرض معاينة النتائج نموذج البيانات حتى تقوم بتشغيل في مرة أخرى إذا كانت قيم تردد قطع غير صالحة، لا يعرض معاينة النتيجة بيانات صالحة. يحتوي على الخيارات التالية. ملاحظة تغيير الخيارات في المقطع وضع العرض لا تؤثر على سلوك فيلتر إكسبريس في استخدم خيارات وضع العرض لتصور ما يفعله المرشح للإشارة لابفيو لا يقوم بحفظ هذه الخيارات عند إغلاق مربع الحوار التكوين. سينا لس يعرض استجابة المرشح كإشارات حقيقية. عرض كطيف يحدد ما إذا كان سيتم عرض الإشارات الحقيقية لاستجابة الفلتر كطيف تردد أو ترك العرض كعرض يستند إلى الوقت عرض التردد مفيد لعرض كيفية تأثير الفلتر على مكونات التردد المختلفة للإشارة الافتراضي هو عرض استجابة عامل التصفية كعرض يستند إلى الوقت هذا الخيار متاح فقط عند تحديد الخيار إشارات. وظيفة النقل يعرض استجابة عامل التصفية كدالة نقل. يحتوي على الخيارات التالية. المواضع في دب يعرض استجابة حجم المرشح في ديسيبل. التردد في سجل يعرض استجابة التردد من مرشح على مقياس لوغاريتمي. يعرض استجابة حجم مرشح هذا العرض هو متاح فقط عند تعيين وضع عرض لنقل وظيفة. يعرض المرحلة استجابة الفلتر لا تتوفر هذه الشاشة إلا عند ضبط وضع العرض على وظيفة النقل. المتوسط ​​المتحرك ونموذج تمهيد الأسي كخطوة أولى في التحرك إلى ما بعد النماذج المتوسطة ونماذج المشي العشوائية ونماذج الاتجاه الخطي، يمكن استقراء الأنماط والاتجاهات غير التقليدية باستخدام نموذج متحرك للمتوسط ​​أو التمهيد. الافتراض الأساسي وراء نماذج المتوسط ​​والتجانس هو أن السلسلة الزمنية هي محلي ثابت بمتوسط ​​متغير ببطء وبالتالي فإننا نأخذ متوسطا محليا متحركا لتقدير القيمة الحالية للمتوسط ​​ومن ثم استخدامه كمؤشر للمستقبل القريب ويمكن اعتبار هذا بمثابة حل وسط بين النموذج المتوسط ​​والمشي العشوائي - without-دريفت-موديل يمكن استخدام نفس الاستراتيجية لتقدير واستقراء الاتجاه المحلي المتوسط ​​المتحرك غالبا ما يطلق عليه نسخة ممهدة من السلسلة الأصلية لأن المتوسط ​​في المدى القصير له تأثير على إزالة المطبات في السلسلة الأصلية بواسطة وضبط درجة تمهيد عرض المتوسط ​​المتحرك، يمكننا أن نأمل في ضرب نوع من التوازن الأمثل بين أداء متوسط ​​ونماذج المشي العشوائية أبسط نوع من أف نموذج التثبيط هو. Simple بالتساوي مرجح المتوسط ​​المتحرك. التنبؤ بقيمة Y في الوقت t 1 التي تتم في وقت t يساوي المتوسط ​​البسيط من الملاحظات م الأخيرة. هنا وفي أماكن أخرى سأستخدم الرمز Y-هات للوقوف على توقعات للسلسلة الزمنية Y التي تم إجراؤها في أقرب موعد ممكن من قبل نموذج معين ويتركز هذا المتوسط ​​في الفترة t 1 1، مما يعني أن تقدير فإن المتوسط ​​المحلي سيميل إلى التخلف عن القيمة الحقيقية للمتوسط ​​المحلي بحوالي m 1 2 وبالتالي فإننا نقول أن متوسط ​​عمر البيانات في المتوسط ​​المتحرك البسيط هو m 1 2 بالنسبة إلى الفترة التي يتم فيها حساب التوقعات هذا هو مقدار الوقت الذي من شأنه أن التنبؤات تميل إلى تخلف نقاط تحول في البيانات على سبيل المثال، إذا كنت متوسط ​​القيم 5 الماضية، فإن التوقعات ستكون حوالي 3 فترات في وقت متأخر من الاستجابة لنقاط تحول لاحظ أنه إذا م 1، متوسط ​​نموذج المتوسط ​​المتحرك المتوسط ​​البسيط يساوي نموذج المشي العشوائي بدون نمو إذا كانت m كبيرة جدا مقارنة بطول فترة التقدير، فإن نموذج سما يعادل النموذج المتوسط ​​كما هو الحال مع أي معلمة لنموذج التنبؤ، لضبط قيمة كي n للحصول على أفضل ملاءمة للبيانات، أي أصغر أخطاء التنبؤ في المتوسط. هنا هو مثال لسلسلة التي يبدو أن تظهر تقلبات عشوائية حول متوسط ​​ببطء متغير أولا، دعونا نحاول لتناسب ذلك مع المشي العشوائي نموذج، وهو ما يعادل متوسط ​​متحرك بسيط من 1 term. The نموذج المشي العشوائي يستجيب بسرعة كبيرة للتغيرات في هذه السلسلة، ولكن في ذلك يفعل ذلك يختار الكثير من الضوضاء في البيانات تقلبات عشوائية، فضلا عن إشارة المحلية يعني إذا حاولنا بدلا من ذلك متوسط ​​متحرك بسيط من 5 مصطلحات، نحصل على مجموعة أكثر سلاسة من التوقعات. المتوسط ​​المتحرك البسيط لمدة 5 سنوات ينتج أخطاء أقل بكثير من نموذج المشي العشوائي في هذه الحالة متوسط ​​عمر البيانات في هذا التنبؤ هو 3 5 1 2، حتى أنه يميل إلى التخلف عن نقاط التحول بنحو ثلاث فترات على سبيل المثال، يبدو أن الانكماش قد حدث في الفترة 21، ولكن التوقعات لا تتحول حتى عدة فترات في وقت لاحق. لاحظ أن المدى الطويل، والتنبؤات طويلة الأجل من وزارة الدفاع سما إل هي خط أفقي مستقيم، تماما كما في نموذج المشي العشوائي وهكذا، يفترض نموذج سما أنه لا يوجد اتجاه في البيانات ومع ذلك، في حين أن التوقعات من نموذج المشي العشوائي هي ببساطة مساوية لقيمة الملاحظة الأخيرة، والتنبؤات من فإن نموذج سما يساوي المتوسط ​​المرجح للقيم الأخيرة. حدود الثقة التي تحسبها ستاتغرافيكس للتنبؤات طويلة الأجل للمتوسط ​​المتحرك البسيط لا تتسع مع زيادة أفق التنبؤ هذا من الواضح أنه ليس صحيحا للأسف، النظرية الإحصائية التي تخبرنا كيف يجب أن تتسع فترات الثقة لهذا النموذج ومع ذلك، ليس من الصعب جدا حساب التقديرات التجريبية لحدود الثقة لتوقعات الأفق الأطول على سبيل المثال، يمكنك إعداد جدول بيانات فيه نموذج سما سوف تستخدم للتنبؤ بخطوتين إلى الأمام و 3 خطوات إلى الأمام وما إلى ذلك ضمن عينة البيانات التاريخية. يمكنك بعد ذلك حساب الانحرافات المعيارية للعينة في كل توقعات h أوريزون، ومن ثم بناء فترات الثقة للتنبؤات الأطول أجلا عن طريق جمع وطرح مضاعفات الانحراف المعياري المناسب. إذا حاولنا متوسط ​​متحرك بسيط لمدة 9 سنوات، نحصل على توقعات أكثر سلاسة وأكثر تأثيرا متخلفا. الآن 5 فترات 9 1 2 إذا أخذنا متوسط ​​متحرك لمدة 19 عاما، فإن متوسط ​​العمر يزداد إلى 10.لاحظ أن التوقعات في الواقع تتخلف الآن عن نقاط التحول بنحو 10 فترات. كما أن كمية التجانس هي الأفضل لهذه السلسلة في ما يلي جدول يقارن إحصاءات الخطأ الخاصة بهم، بما في ذلك أيضا متوسط ​​3 فترات. نموذج C، المتوسط ​​المتحرك لمدة 5 سنوات، ينتج أدنى قيمة ل رمز بهامش صغير على متوسطات المدى 3 و 9، إحصائياتهم الأخرى متطابقة تقريبا لذلك، من بين نماذج مع إحصاءات الخطأ مشابهة جدا، يمكننا أن نختار ما إذا كنا نفضل أكثر قليلا من الاستجابة أو أكثر قليلا نعومة في التوقعات العودة إلى أعلى الصفحة. الألوان s الأسي بسيط تمهيد أضعافا مضاعفة أضعافا مضاعفة متوسط ​​المتوسط ​​المتحرك البسيط الموضح أعلاه يحتوي على الخاصية غير المرغوب فيها التي يتعامل معها ملاحظات k الأخيرة بالتساوي وبشكل كامل يتجاهل جميع الملاحظات السابقة بشكل حدسي، يجب أن يتم خصم البيانات السابقة بطريقة أكثر تدرجية - على سبيل المثال، والحصول على أكثر من ذلك بقليل من الوزن الثاني من أحدث، والثاني الأكثر حداثة يجب الحصول على وزن أكثر قليلا من 3 أحدث، وهلم جرا بسيطة الأسي تمهيد نموذج سيس ينجز هذا. لاحظ يدل على ثابت تمهيد عدد بين 0 و 1 طريقة واحدة لكتابة النموذج هو تحديد سلسلة L التي تمثل المستوى الحالي أي القيمة المتوسطة المحلية للسلسلة كما يقدر من البيانات حتى الوقت الحاضر يتم حساب قيمة L في الوقت t بشكل متكرر من قيمته السابقة مثل هذا. وهكذا، فإن القيمة الملساء الحالية هي الاستكمال الداخلي بين القيمة الملساء السابقة والمراقبة الحالية، حيث تسيطر على القرب من قيمة محرف إلى أكثر إعادة سينت المراقبة التوقعات للفترة القادمة هي ببساطة قيمة ممهدة الحالية. على العكس من ذلك، يمكننا التعبير عن التوقعات القادمة مباشرة من حيث التوقعات السابقة والملاحظات السابقة، في أي من الإصدارات المكافئة التالية في النسخة الأولى، والتنبؤ هو الاستيفاء بين التوقعات السابقة والملاحظة السابقة. في النسخة الثانية، يتم الحصول على التوقعات القادمة عن طريق ضبط التوقعات السابقة في اتجاه الخطأ السابق عن طريق كمية كسور. is الخطأ المحرز في الوقت t في النسخة الثالثة، والتوقعات هي أي المتوسط ​​المتحرك المخصوم مع معامل الخصم 1. إن نسخة الاستكمال الداخلي لصيغة التنبؤ هي أبسط الاستخدامات إذا كنت تنفذ النموذج على جدول بيانات يناسبه في خلية واحدة ويحتوي على مراجع خلية تشير إلى التوقعات السابقة، الملاحظة، والخلية حيث يتم تخزين قيمة. ملاحظة أنه إذا 1، نموذج سيس يعادل نموذج المشي المشيح نمو هوت إذا كان نموذج سيس يساوي النموذج المتوسط، على افتراض أن القيمة الملساء الأولى تم تعيينها تساوي متوسط ​​العائد إلى أعلى الصفحة. متوسط ​​عمر البيانات في توقعات التمهيد الأسي البسيط هو 1 نسبي إلى الفترة التي يتم حساب التنبؤ بها ليس من المفترض أن تكون واضحة، ولكن يمكن بسهولة أن تظهر من خلال تقييم سلسلة لانهائية وبالتالي، فإن متوسط ​​التوقعات المتحركة البسيطة يميل إلى التخلف عن نقاط التحول بنحو 1 فترات على سبيل المثال، عند 0 5 الفاصل الزمني هو فترتين عندما يكون 0 2 الفارق الزمني 5 فترات عندما يكون 0 1 الفارق الزمني 10 فواصل وهكذا بالنسبة لعمر متوسط ​​معين أي مقدار الفارق الزمني فإن التنبؤ الأسي البسيط للتلطيف سيس متفوق إلى حد ما على التحرك البسيط متوسط ​​توقعات سما لأنه يضع وزنا أكبر نسبيا على الملاحظة الأخيرة - فهو أكثر استجابة قليلا للتغيرات التي تحدث في الماضي القريب على سبيل المثال، نموذج سما مع 9 شروط ونموذج سيس مع 0 2 على حد سواء لديها متوسط ​​العمر من 5 ل دا تا في توقعاتها، ولكن نموذج سيس يضع وزنا أكبر على القيم 3 الماضية مما يفعل نموذج سما، وفي الوقت نفسه فإنه لا ننسى تماما القيم أكثر من 9 فترات القديمة، كما هو مبين في هذا الرسم البياني. أية ميزة أخرى من فإن نموذج سيس على نموذج سما هو أن نموذج سيس يستخدم معلمة التمهيد التي تتغير باستمرار بحيث يمكن تحسينها بسهولة باستخدام خوارزمية حلالا لتقليل متوسط ​​الخطأ الوسطي وتبين القيمة المثلى لنموذج سيس لهذه السلسلة أن يكون 0 2961، كما هو مبين هنا. متوسط ​​عمر البيانات في هذه التوقعات هو 1 0 2961 3 4 فترات، وهو مماثل للمتوسط ​​المتحرك البسيط لمدة 6. التوقعات على المدى الطويل من نموذج سيس هي خط مستقيم أفقي كما هو الحال في نموذج سما ونموذج المشي العشوائي دون نمو ومع ذلك، لاحظ أن فترات الثقة التي يحسبها ستاتغرافيكس الآن تتباعد بطريقة معقولة المظهر، وأنها هي أضيق بكثير من فترات الثقة للراند أوم نموذج المشي يفترض أن سلسلة يمكن التنبؤ بها إلى حد ما أكثر من نموذج المشي العشوائي. نموذج سيس هو في الواقع حالة خاصة من نموذج أريما حتى نظرية إحصائية نماذج أريما يوفر أساسا سليما لحساب فترات الثقة ل نموذج سيس على وجه الخصوص، نموذج سيس هو نموذج أريما مع اختلاف واحد غير منطقي، وهو مصطلح 1 ما، وليس هناك مصطلح ثابت يعرف باسم أريما 0،1،1 نموذج دون ثابت معامل ما 1 في نموذج أريما يتوافق مع الكمية 1 في نموذج سيس على سبيل المثال، إذا كنت تناسب أريما 0،1،1 نموذج دون ثابت لسلسلة تحليلها هنا، فإن معامل ما 1 المقدرة تبين أن 0 7029، وهو تقريبا تقريبا واحد ناقص 0 2961. ومن الممكن إضافة افتراض اتجاه خطي ثابت غير صفري إلى نموذج سيس للقيام بذلك، ما عليك سوى تحديد نموذج أريما مع اختلاف واحد غير منطقي ومدة ما 1 مع ثابت، أي نموذج أريما 0،1،1 مع ثابت سوف التوقعات على المدى الطويل ثم يكون الاتجاه الذي يساوي الاتجاه المتوسط ​​لوحظ خلال فترة التقدير بأكملها لا يمكنك القيام بذلك جنبا إلى جنب مع التعديل الموسمية، لأن خيارات التعديل الموسمية يتم تعطيل عندما يتم تعيين نوع النموذج إلى أريما ومع ذلك، يمكنك إضافة ثابتة طويلة إلى نموذج بسيط للتجانس الأسي مع أو بدون تعديل موسمية باستخدام خيار تعديل التضخم في إجراء التنبؤ يمكن تقدير معدل النمو المناسب لنسبة التضخم في كل فترة على أنه معامل الانحدار في نموذج اتجاه خطي مجهز بالبيانات في جنبا إلى جنب مع التحول اللوغاريتم الطبيعي، أو أنه يمكن أن تستند إلى معلومات أخرى مستقلة بشأن آفاق النمو على المدى الطويل العودة إلى أعلى الصفحة. الخطية s الخطي أي ضعف الأسي تمهيد. نماذج سما ونماذج سيس تفترض أنه لا يوجد أي اتجاه من أي نوع في البيانات التي عادة ما تكون موافق أو على الأقل ليست سيئة جدا ل 1-خطوة قبل التوقعات عندما تكون البيانات نوي نسبيا ويمكن تعديلها لدمج اتجاه خطي ثابت كما هو مبين أعلاه ماذا عن الاتجاهات قصيرة الأجل إذا كانت سلسلة يعرض معدل نمو متفاوت أو نمط دوري الذي يبرز بوضوح ضد الضوضاء، وإذا كان هناك حاجة إلى توقعات أكثر من 1 فترة المقبلة، ثم تقدير الاتجاه المحلي قد يكون أيضا قضية يمكن تعميم نموذج التمهيد الأسي بسيط للحصول على خطية الأسية تمهيد نموذج ليس الذي يحسب التقديرات المحلية من كل من مستوى والاتجاه. أبسط الاتجاه متغيرة الوقت النموذج هو نموذج تمهيد الأسي الخطي براون، والذي يستخدم اثنين من سلسلة سلسة مختلفة التي تتمحور في نقاط مختلفة في الوقت المحدد ويستند صيغة التنبؤ على استقراء خط من خلال المركزين وهناك نسخة أكثر تطورا من هذا النموذج، هولت s، هو نوقشت أدناه. يمكن التعبير عن شكل جبري من براون s الخطي الأسي تمهيد نموذج، مثل ذلك من نموذج تمهيد الأسي بسيط، في عدد من مختلف ولكن ه الأشكال المتكافئة عادة ما يعبر عن النموذج القياسي لهذا النموذج على النحو التالي تدل S تدل على سلسلة سلسة منفرد تم الحصول عليها عن طريق تطبيق تمهيد الأسي بسيط لسلسلة Y وهذا هو، وتعطى قيمة S في الفترة t من قبل. أذكر أنه في ظل تمهيد الأسي بسيط، وهذا سيكون التنبؤ ل Y في الفترة ر 1 ثم اسمحوا S تدل على سلسلة سلسة تم الحصول عليها عن طريق تطبيق تمهيد الأسي بسيط باستخدام نفسه لسلسلة S. Finally، والتوقعات ل يك تك لأي k 1. ويعطي هذا العائد e 1 0 أي غش قليلا، والسماح للتنبؤ الأول يساوي الملاحظة الأولى الفعلية، و e 2 Y 2 Y 1 وبعد ذلك يتم توليد التنبؤات باستعمال المعادلة أعلاه ينتج هذا القيم المجهزة نفسها كما الصيغة التي تستند إلى S و S إذا تم بدء هذه الأخيرة باستخدام S 1 S 1 Y 1 يستخدم هذا الإصدار من النموذج في الصفحة التالية التي توضح مجموعة من التجانس الأسي مع التعديل الموسمي. الخطي S الخطي الأسي Smoothing. Brown s يحسب التقديرات المحلية من المستوى والاتجاه من خلال تمهيد البيانات الأخيرة، ولكن حقيقة أن يفعل ذلك مع معلمة تمهيد واحد يضع قيدا على أنماط البيانات التي هي قادرة على تناسب المستوى والاتجاه لا يسمح لها أن تختلف في معدلات مستقلة هولت s ليس نموذج يتناول هذه المسألة من خلال تضمين اثنين من ثوابت تمهيد، واحدة لمستوى واحد للاتجاه في أي وقت t، كما هو الحال في نموذج براون s، وهناك تقدير L ر من المستوى المحلي وتقدير T t للاتجاه المحلي هنا يتم حسابها بشكل متكرر من قيمة Y الملاحظة في الوقت t والتقديرات السابقة لمستوى واتجاه المعادلتين اللتين تنطبقان على تمهيد أسي لها بشكل منفصل. إذا كان المستوى المقدر والاتجاه في الوقت t-1 هما T t 1 و T t-1 على التوالي، فإن التنبؤات Y t التي كان من الممكن أن تكون قد أجريت في الوقت t-1 تساوي L t-1 T t-1 عندما يلاحظ القيمة الفعلية، يتم حساب المستوى بشكل متكرر عن طريق الاستكمال الداخلي بين Y t والتنبؤ به L t-1 T t-1 باستخدام الأوزان و 1. ويمكن تفسير التغير في المستوى المقدر وهو L t L 1 على أنه قياس صاخب ل الاتجاه في الوقت t يتم حساب التقدير المحدث للاتجاه بشكل متكرر عن طريق الاستكمال الداخلي بين L t L t 1 والتقدير السابق للاتجاه T t-1 باستخدام أوزان و 1. إن تفسير ثابت تجانس الاتجاه يشبه ثابت ثابت التمهيد. النماذج ذات القيم الصغيرة تفترض تغير الاتجاه فقط ببطء شديد مع مرور الوقت، في حين أن النماذج ذات الحجم الأكبر تفترض أنها تتغير بسرعة أكبر ويعتقد نموذج مع كبير أن المستقبل البعيد غير مؤكد جدا، لأن الأخطاء في تقدير الاتجاه تصبح مهمة جدا عند التنبؤ أكثر من فترة واحدة قبل العودة إلى أعلى من ثوابت التجانس ويمكن تقديرها بالطريقة المعتادة من خلال تقليل متوسط ​​الخطأ المئوي للتنبؤات ذات الخطوة الأولى عندما يتم ذلك في ستاترافيكس، تشير التقديرات إلى أن 03048 و 0 008 القيمة الصغيرة جدا من يعني أن النموذج يفترض تغير طفيف جدا في الاتجاه من فترة إلى أخرى، وذلك أساسا هذا النموذج هو محاولة لتقدير الاتجاه على المدى الطويل قياسا على فكرة متوسط ​​عمر البيانات المستخدمة في تقدير t هو المستوى المحلي للسلسلة، متوسط ​​عمر البيانات المستخدمة في تقدير الاتجاه المحلي يتناسب مع 1، وإن لم يكن يساوي بالضبط في هذه الحالة التي تبين أن يكون 1 0 006 125 هذا هو إس عدد دقيق جدا حيث أن دقة تقدير إيسن t حقا 3 المنازل العشرية، ولكن من نفس الترتيب العام من حجم حجم العينة من 100، لذلك هذا النموذج هو المتوسط ​​على مدى الكثير جدا من التاريخ في تقدير الاتجاه مؤامرة التوقعات ويبين الشكل أدناه أن نموذج ليس يقدر اتجاها محليا أكبر قليلا في نهاية السلسلة من الاتجاه الثابت المقدر في نموذج الاتجاه سيس، كما أن القيمة المقدرة تكاد تكون مطابقة للاتجاه الذي يتم الحصول عليه من خلال تركيب نموذج سيس مع الاتجاه أو بدونه ، لذلك هذا هو تقريبا نفس النموذج. الآن، هل هذه تبدو وكأنها توقعات معقولة لنموذج من المفترض أن يكون تقدير الاتجاه المحلي إذا كنت مقلة العين هذه المؤامرة، يبدو كما لو أن الاتجاه المحلي قد تحول إلى أسفل في نهاية سلسلة و في حدث وقد تم تقدير المعلمات من هذا النموذج عن طريق تقليل الخطأ التربيعي من 1-خطوة إلى الأمام التنبؤات، وليس التنبؤات على المدى الطويل، وفي هذه الحالة الاتجاه لا تجعل الكثير من الفرق إذا كان كل ما كنت تبحث في 1 - step قبل الأخطاء، كنت لا ترى الصورة أكبر من الاتجاهات على القول 10 أو 20 فترات من أجل الحصول على هذا النموذج أكثر في تناغم مع استقراء العين مقلة العين من البيانات، يمكننا ضبط ثابت الاتجاه تجانس يدويا بحيث يستخدم خط أساس أقصر لتقدير الاتجاه على سبيل المثال، إذا اخترنا تعيين 0 1، فإن متوسط ​​عمر البيانات المستخدمة في تقدير الاتجاه المحلي هو 10 فترات، مما يعني أننا نحسب متوسط ​​الاتجاه خلال الفترات العشرين الأخيرة أو نحو ذلك هنا s ما يبدو مؤامرة توقعات إذا وضعنا 0 1 مع الحفاظ على 0 3 وهذا يبدو بديهية معقولة لهذه السلسلة، على الرغم من أنه من المحتمل أن خطورة لاستقراء هذا الاتجاه أي أكثر من 10 فترات في المستقبل. ماذا عن إرور ستاتس هنا مقارنة نموذجية f أو النموذجين المبينين أعلاه فضلا عن ثلاثة نماذج سيس تبلغ القيمة المثلى لنموذج سيس حوالي 0 3، ولكن يتم الحصول على نتائج مماثلة مع استجابة أكثر قليلا أو أقل، على التوالي مع 0 5 و 0 2. A هولت إكس خطي تجانس مع ألفا 0 3048 وبيتا 0 008. B هولت خ الخطية تجانس مع ألفا 0 3 وبيتا 0 1. C تمهيد الأسي بسيطة مع ألفا 0 5. D تمهيد الأسي بسيط مع ألفا 0 3. E تمهيد الأسي بسيط مع ألفا 0 2 . احصائيات هي متطابقة تقريبا، لذلك نحن حقا يمكن أن تجعل ر الاختيار على أساس 1-خطوة قبل توقعات الأخطاء داخل عينة البيانات علينا أن نراجع مرة أخرى على اعتبارات أخرى إذا كنا نعتقد بقوة أنه من المنطقي أن قاعدة الحالية تقدير الاتجاه على ما حدث على مدى ال 20 فترة الماضية أو نحو ذلك، يمكننا أن نجعل حالة لنموذج ليس مع 0 3 و 0 1 إذا أردنا أن نكون ملحدين حول ما إذا كان هناك اتجاه محلي، ثم واحدة من نماذج سيس قد يكون من الأسهل أن يفسر، وسوف يعطي أيضا المزيد من ميدل التنبؤات على الطريق على مدى 5 أو 10 فترات القادمة العودة إلى أعلى الصفحة. أي نوع من الاستقراء الاتجاه هو أفضل الأفقي أو الخطي تشير الأدلة التجريبية أنه إذا كانت البيانات قد تم تعديلها إذا لزم الأمر للتضخم، ثم قد يكون من غير الحكمة استقراء الاتجاهات الخطية قصيرة الأجل بعيدا جدا في الاتجاهات المستقبلية قد تتراجع اليوم بوضوح في المستقبل بسبب أسباب مختلفة مثل تقادم المنتج وزيادة المنافسة والانكماش الدوري أو التحولات في صناعة لهذا السبب، الأسي بسيط فإن التنعيم غالبا ما يؤدي إلى خروج عينة أفضل مما يمكن توقعه على خلاف ذلك، على الرغم من استقراء الاتجاه الأفقي الساذج. وغالبا ما تستخدم تعديلات الاتجاه المعاكسة لنموذج تمهيد الأسي الخطي في الممارسة العملية لإدخال ملاحظة المحافظة على توقعات اتجاهها الاتجاه المعاكسة يمكن تنفيذ نموذج ليس كحالة خاصة من نموذج أريما، على وجه الخصوص، نموذج أريما 1،1،2.ومن الممكن لحساب فترات الثقة أرو والتنبؤات الطويلة الأجل التي تنتجها نماذج التمهيد الأسي من خلال اعتبارها حالات خاصة لنماذج أريما حذار ليس كل البرامج بحساب فترات الثقة لهذه النماذج بشكل صحيح عرض فترات الثقة يعتمد على i خطأ رمز النموذج، من تمهيد بسيطة أو خطية إي قيمة s من ثابت التمهيد ق و الرابع عدد الفترات المقبلة كنت التنبؤ بشكل عام، والفواصل انتشرت بشكل أسرع كما يحصل أكبر في نموذج سيس وانتشرت بشكل أسرع بكثير عندما الخطية بدلا من بسيطة تمهيد يتم مناقشة هذا الموضوع بشكل أكبر في قسم نماذج أريما من الملاحظات العودة إلى أعلى الصفحة. إكسبوننتيا ل المتوسط ​​المتحرك استجابة الخطوة fpga. I لدي مشكلة مع الفلتر الخاص بي، الأسي المتوسط ​​المتحرك المتوسط ​​مرشح إير ترتيب من كتاب فهم معالجة الإشارات الرقمية ليون ريتشارد لدي الصيغة التالية حساب فك 3DB فك من ألفا ألفا هو المعلمة للسيطرة على مرشح. دي المعادلة الوسيطة للمرشاح ينكسن ألفا 1 - ألفا y n-1.Relation بين فك و ألفا ألفا كوز 2fc فس - 1 سرت كوز 2fc فس - 4 كوس 2fc فس 3. إذا اخترت الآن تردد ثلاثي الأبعاد قدره 0،0794 هرتز ثابت تك 2s ألفا 0،00169621 فس 94Hz. For مرشح إر النظام الأول، وارتفاع وقت تا من ستيبسبونس من 10 إلى 90 هو تا 2،2 تك الذي ينتج في تا 4،4s. ولكن إذا كنت محاكاة استجابة الخطوة، بلدي الارتفاع الوقت هو حوالي 3 مرات من هذه القيمة في 14s. I غير قادر على تفسير لماذا استجابة خطوة من بلدي مرشح يختلف كثيرا بالنسبة لبلدي مرشح المتوسط ​​المتحرك المحسوبة ومحاكاة وقت الارتفاع متساوية. أنا يكون السادس الذي يتم تنفيذه على فبغا المرفقة ربما شخص ما يمكن العثور على خطأ. انظر أيضا تصفية ألفا أو أرسي filter. Is الخاص بك أخذ العينات تردد فس الصحيح إذا كان توقيت حلقة لا يطابق، وهذا من شأنه أن يفسر ذلك. أنواع البيانات الخاصة بك تبدو جيدة للحصول على ألفا في غضون 1 ولكن أود أن أقترح تغيير طفيف في التنفيذ كما هو الحال ، فإنه قليلا عرضة للانجراف الانجراف، لأن 1 ألفا مضروبة مرارا وتكرارا في y ن -1 طريقة أكثر موثوقية قليلا هو القول ين n-1 ألفا شن - y n-1 الفرق هو خفية، ولكن يعطيني نتائج أفضل عدة مرات، وأنه يلغي واحد مضاعفة. بمناسبة، وإعادة تفسير عدد يفعل نفس الشيء الخاص بك تحويل من فكس إلى بول ثم يعود ذلك أقل قليلا مربكة، على الرغم من أنا ما حيرة قليلا من قبل حلقة توقيت أن أبدا الحلقات هل أنه إنفورس التوقيت بهذه الطريقة افترض أنه لن ر، لذلك لم تستخدم أبدا أنا استخدام حلقة الموقت بدلا من ذلك. المستخدم كلد منذ ريف 8 6.Message 2 من 13 1،087 المشاهدات. Re إكسبوننتيا ل موفينغ متوسط ​​استجابة الخطوة فبغا. 10-01-2015 02 05 آم - إديتد 10-01-2015 02 17 AM. thanks لإجابتك. 1، أنا إثبات تردد أخذ العينات بلدي مع الموقت حلقة بلدي المدخلات هي 425 532 القراد وهو ما يعادل 94 هرتز هذا تيكتريت وأكد من قبل القراد إوما .-- ​​ربما شخص ما يمكن اختبار رمز وتقول me.2، وجدت النهج الخاص بك في الحيل وقسم تيبس من كتاب ليون سأحاول، ولكن هل يمكن أن يفسر جولة قبالة الانجراف قليلا أنا جديد تماما في هذا المجال. هل هناك فائدة أخرى من القضاء على مضاعف واحد باستثناء رسورسز هي استجابة التردد والاستجابة النبضية واستجابة الخطوة نفس. 3، إذا أنا فقط بيتشيفت، أنا نوع المستخدمة لهذا الأسلوب لست متأكدا إذا وظيفة ريينتربريت يستخدم أقل رسورسز ولكن شكرا لملاحظة it.4، حلقة توقيت تكراره كل 425 532 القراد مرة واحدة حتى مع تردد 94Hz يتم احتساب قيمة من قبل رمز كما رمز داخل حلقة توقيت يحتاج فقط التكرار واحد أو أنا أفتقد سؤالك. أنا لست متأكدا ما مزيد من المعلومات التي تحتاجها أحاول لمقارنة استجابة خطوة المتوسط ​​المتحرك مع المتوسط ​​المتحرك الأسي إوما في الواقع أريد فقط لتأكيد النظرية كما ذكرت أعلاه للحصول على ثابت الوقت من 2S بمعدل أخذ العينات من 94HZ، ألفا يجب أن يكون 0،00169 الارتفاع وقت استجابة الخطوة من 10 إلى 90 من القيمة النهائية يختلف عن نظرية ارتفاع الوقت يجب أن يكون 4،4s مع الوقت 2S ثابتة ولكن أحصل على 14S تقريبا إذا كنت تشغيل بلدي التعليمات البرمجية على FPGA. I أكد أنه مع ألفا 0،00169 ، يأخذ بلدي التعليمات البرمجية 1297samples للحصول من 0،1 إلى 0،9 القيمة النهائية هي 1، قيمة بداية 0. كما ترون في بلدي رمز التحقق من الوقت حلقة مع مؤشر القراد إوما لتأكيد معدل أخذ العينات من سكتل. يمكن لشخص آخر تأكيد 1297samples التي تحتاج إليها في ألفا 0،00169 السبب أعتقد، أنني بحاجة إلى عينات كثيرة جدا للوصول إلى قيمة 0،9.I نفذت بالفعل النسخة إوما المقترحة من الرد الأول نفس المشكلة هنا. الرسالة 5 من 13 1،037 عدد المشاهدات. ري إكسبوننتيا ل موفينغ متوسط ​​استجابة الخطوة فبغا. 10-01-2015 08 13 آم - إديتد 10-01-2015 08 15 AM.1، I دليل بلدي تردد أخذ العينات مع الموقت حلقة بلدي المدخلات هي 425 532 القراد الذي يساوي 94 هرتز وأكد هذا القراد من قبل القراد إوما .-- ربما شخص ما يمكن اختبار رمز وتقول me.2، وجدت النهج الخاص بك في الحيل وقسم تيبس من كتاب ليون سأحاول، ولكن هل يمكن أن يفسر جولة قبالة الانجراف قليلا أنا جديد تماما في هذه المنطقة. هل هناك فائدة أخرى من القضاء على مضاعف واحد باستثناء رسورسز هي استجابة التردد والاستجابة النبضية واستجابة الخطوة نفس. 3، إذا أنا فقط بيتشيفت، أنا نوع المستخدمة لهذا الأسلوب غير متأكد إذا كانت وظيفة ريينتربريت يستخدم أقل رسورسز ولكن شكرا لملاحظة it.4، حلقة توقيت تكراره كل 425 532 القراد مرة واحدة وذلك مع تردد 94Hz يتم احتساب قيمة من قبل رمز كما رمز داخل حلقة توقيت يحتاج فقط التكرار واحد أو أنا أفتقد سؤالك. أستخدم جدول بيانات لمحاكاة، والحصول على بالضبط تقريبا نفس الاستجابة 12 99 دورات للذهاب من 0 1 إلى 0 9 جداول البيانات تجعل أداة قوية لاختبار الحسابات. 1 حسنا أنا لم تستخدم أبدا دورة واحدة الموقوت حلقة سكتل مع T مكتوبة إلى وقف فإنه سيجبر وظائف الرياضيات لتكون واحدة - ccle، ولكن أنا لست متأكدا مما إذا كان هذا هو أي ميزة أردت فقط للتأكد من أن الوقت قد أكد، وأنه هو 2. جولة قبالة الانجراف ربما فاز تي تظهر ما لم يكن المدخلات الخاصة بك صغيرة أقل من 0 1 أرى الآن أن لديك 40 بت 39 الحق في عشري للردود الفعل الذي يأخذ قليلا جدا من فبغا أن تتضاعف، ولكن فاز ر لديها قضايا جولة قبالة كانت أجزاء أخرى فقط 18 بت 17 حق العشرية، لذلك ألفا 0 00169 - 000007 مرات الإدخال من 0 1 سيكون 0 000169 - 0 000007، أو 7 خطأ ولكن هذا ضرب هو أيضا 40 بت، لذلك يجب أن لا نرى أي مشاكل. عادة، الإخراج ين عدد أقل من بت، وسوف جولة قبالة في الماضي بت ولكن لأنه في حلقة مضاعفة بواسطة 1-ألفا في كل مرة، جولة في بعض الأحيان يتراكم كل حلقة حتى لو أنها كبيرة إينو غ أن يؤثر على النتائج s من الصعب أن أشرح، ولكن بلدي قاعدة عامة من الإبهام هو أنني أتوقع خطأ يساوي أصغر بت مقسوما على ألفا، وذلك باستخدام الطريقة الأصلية، أو حوالي نصف أن أوسينت طريقة مضاعفة واحدة. سوف تكون الردود متطابقة تقريبا، باستثناء فارق صغير أكبر ميزة هي توفير مساحة فبغا وتجميع الوقت ويمكنك تقليل عدد بتات الخاص بك قليلا جدا لإنقاذ أكثر more.3 فهي متطابقة أساسا وكلا الأسلوبين أحرار في فبغا تغيرت البتات، لذلك لا حاجة إلى منطق يتم ببساطة ريلابيد. 4 أعتقد أنك أجبت بشكل جيد. بصفة عامة، عند هذه النقطة، وأود أن ضبط ألفا حتى نتائجي مطابقة ما أردت، والتحرك على أنا أكره عدم فهم عدم وجود عادة ما يكون لديك الوقت للغوص في ذلك. ولكن، من أجل العلم، دعونا نرى أن الصيغة الخاصة بك قد يكون معيبا أعتقد أنك قد تستخدم صيغة ل تسوس أسي المستمر ت تاو، وليس ل تسوس أسي منفصل 1-ألفا ط من الأسهل أن ننظر في هذه الحالة كدالة خطوة من 1 إلى 0 في هذه الحالة، ين n n هو ين 1-ألفا n يمكننا أن نجد n ل ين 0 9، n n لوغ 1-ألفا 0 9 62، n n ين 0 1، كما 1361، لفرق 1299. المستخدم كلد منذ ريف 8 6.thank لك على الإجابة التفصيلية الخاصة بك. تحقيق المسألة مع وقت الارتفاع، وأعتقد أنني وجدت الخطأ قد يكون من حق أن الصيغة ليست صحيحة، أو ما هو أكثر من المحتمل أن يساء فهمها من قبل لي ووضع في سياق خاطئ. عندما كنت ركوب الدراجات من المنزل تذكرت وظيفة يدوية من لابفيو تصفية تجانس هنا لديك فقط لضبط تاو تك و فس ويحسب المرشح والمقام لمتوسط ​​متحرك أسي و المتوسط ​​المتحرك بما أن المرشح هو ألفا يمكنني مقارنة النتيجة بالصيغة التي استخدمتها وكان هناك اختلاف كبير يستخدم لابفيو الصيغة التالية ألفا 1-إكس -1 فس تك مع هذه الصيغة تك 2s تساوي ألفا 0،0053.And مع هذا ألفا بلدي المحاكاة يعمل ريسيتيمي 4،4s. Quoting لك عموما، عند هذه النقطة، وأود أن ضبط ألفا حتى بلدي R إسولتس مطابقة ما أردت، والانتقال على أحب أن تفعل الشيء نفسه، ولكن هذا هو أطروحتي الماجستير لدي لحل هذه الأشياء. الآن العودة إلى قضايا التقريب وأنا أفهم أن القيم الصغيرة هي مشكلة أكبر كما هذا المرشح يستخدم في قفل في، والقيم ستكون صغيرة حقا ولكن أنا بالفعل اختباره على جهاز قياس لدينا وأنه يعمل، لذلك أنا ذاهب لاختبار الإصدار الخاص بك أيضا، ولكن إذا لم أكن الحصول على مشاكل، وأعتقد أنني أبقى فإنه في 40bits محاكاة الإعداد التالي تسبب خطأ 2 3 باستخدام 57 بت خفض الخطأ إلى أقل من 1 أعتقد 40bits يجب أن يكون كافيا. وفيما يتعلق رسورسز ليس لدي مخاوف على الرغم من استخدام ميريو في النهاية لا يزال لدي الكثير من دسب شرائح الضرب و 10 فليبفلوبس الحرة. لذلك أعتقد أن هذا الموضوع هو حل شكرا لمساعدتكم كبيرة ومثيرة للاهتمام الأفكار. كول أنا م سعد ذلك العمل، والآن. انشأت في العصر مع عدم وجود شرائح دسب في فبغاس، و أصغر التهم الخلية، لذلك لا تزال تميل إلى التفكير في تلك المصطلحات ما زلت تفضل أن تدور د 25 دقيقة البرمجة للحصول على بلدي تجميع مرات أسفل، على الرغم من أنني كان الحالات التي قطعت الوقت تجميع من 90 دقيقة إلى 45 دقيقة عن طريق تحسين قليلا جدا مع خادم قوي لتجميع، وهذا ق أقل أهمية. واحد من تلك التحسينات هو تقليل عدد البتات حيث يمكنني، وخاصة بالنسبة للتكاثر على سبيل المثال، ألفا هو 16 0، و 0 0053، هل يمكن أيضا استخدام 12 -4 عدد صحيح عدد صحيح قد تكون أيضا قادرة على القضاء على الكثير من بت العليا من المدخلات الخاصة بك 5 دقائق لاختيار أصغر بت عدد يمكن بسهولة حفظ 2-10 دقائق لكل compile. My الأمثل الثاني هو للحد من مضاعفات، ولكن مع شريحة دسب، وهذا ليس ليس من المهم أنا يمكن أن تجد وثائق جيدة حول شرائح دسب إذا كان لديك بعض، يرجى نشر الروابط، ولكن كما أفهم ذلك، إذا كنت ضرب أعداد أكبر بت التهم، فإنه يحتاج شرائح متعددة، وربما الوقت للجمع بين النتائج. وأحد خدعة أكثر اختيار ألفا مع قيمة ثنائية بسيطة، مثل 1 256 لك اختار حوالي 1 189، وتغيير فس حتى كنت غي ر تجانس تريد ثم استخدام ثابت لألفا ضرب من قبل ثابت 1 256 هو حر في فبغا فقط يتحول بت. لهذا الأمر، مما يجعل ألفا ثابت قد يحسن يتضاعف قليلا اعتمادا على سمارتس من محسن، فإنه قد تغييره إلى مجموعة من المضافين بدلا المدخلات لوحة الأمامية كبيرة للحصول على الأشياء للعمل، ولكن الثوابت تحسين أفضل بكثير. كلد المستخدم منذ ريف 8 6.If كنت متوسط ​​16 مرات العديد من العينات فس 16x ما كان عليه، يجب عليك تضمين 4 بت أكثر في ملاحظاتك لديك بالفعل بلانتي، بحيث قد لا تكون مهمة إلا إذا كنت تذهب أسرع بكثير خلاف ذلك، وزيادة فس هو على الأرجح جيدة. إذا كان المدخلات ضوضاء التردد المنخفض، أكثر من أخذ العينات لا يساعد على القضاء على ذلك على الإطلاق الضوضاء عالية التردد، على الرغم من، لا يقلل مع الإفراط في أخذ العينات إذا، على سبيل المثال، والضجيج فوق 10HZ هو -5dB وهذا هو 10 - 5 أضعاف السعة من إشارة تريد، وأنت عينة في 20S ق، وربما كنت التقاط -5dB في قراءات الأولية الخاصة بك إذا كان لديك -3dB فك هو أيضا 10HZ، ثم ليرة لبنانية في نهاية المطاف مع حول الضوضاء -8dB اليسار في إشارة الخاص بك إذا كنت بدلا من ذلك تأخذ 200S ق، ومتوسط ​​مجموعات من 10، ثم تمرير تلك المعدلات للمرشح، وفاز تي مساعدة الضوضاء في 10HZ كنت قياس الضوضاء 10HZ مع أي آثار أخذ العينات، ولكن سوف يقلل من الضوضاء فوق 100HZ من قبل حوالي عامل على مقربة من ولكن ليس حقا 10.There هي الطبقات فصل دراسي كامل التي تناقش لماذا وكيف ، الخ النسخة القصيرة هو هذا كل عينة هي مجموع إشارة تريد والضوضاء إذا قمت بإضافة 10 عينات، وتحصل على 10X إشارة تريد، ومجموع 10 الضوضاء طبيعة الضوضاء يحدد ما تحصل عليه عند إضافة 10 عينات من الضوضاء الضوضاء غاوس يضيف طريقة واحدة مثل ما إذا كان 83 من العينات أقل من X، ومجموعه 83 مبالغ أقل من 1X 1X، أو شيء من هذا القبيل يضيف الضجيج الخطي طريقة أخرى وتكرار أنماط إضافة طريقة أخرى لذلك، من دون معرفة بالضبط ما هو الضجيج، لا يمكن لأحد أن يجيب لك باليقين، إلا أن المتوسطات عينات متعددة ربما يساعد، وتقريبا لا يضر أبدا. هناك أيضا مسألة التعرج إذا كان لديك التدخل جيبية من 60HZ، في -3dB، وأنت عينة في 10 001S s دائما نفترض الساعات لن تتطابق بريسيسلي، سوف تحصل على شيء مثل 0 006Hz في -3dB تضاف إلى الإشارة الخاصة بك، وفاز مرشح الخاص بك تي إزالة ذلك ولكن اهتزاز معدل العينة إلى 100 001S ق، ووضع التدخل في حوالي 40HZ ، لذلك يجب تصفية الخاص بك تصفية it. Averagi نغ 10 عينات في وقت واحد هو نوع من مربع التصفية إذا نظرتم إليها في مجال التردد، يمكنك أن ترى أن بعض الترددات أعلى الحصول على تحول إلى الترددات المنخفضة بطريقة غريبة، وليس كل يتم تخفيض إذا كنت متوسط ​​4000 S ق ، 100 في وقت واحد، سوف تحصل على معدل 40 مرات في الثانية الواحدة مع 60 هرتز التدخل، سوف تحصل على حوالي 1 3 الكثير من الضوضاء، تحولت إلى 20 هرتز، الذي فاز مرشح t وكذلك 60 هرتز سيكون. لذلك، سيكون من الأفضل لاستخدام مرشح إوما في معدل العينة أعلى من متوسط ​​كتل المدخلات، ثم تصفية ذلك و المتوسط ​​هو على الأرجح أفضل من مجرد استخدام معدل عينة أبطأ. إذا كان لديك محول المدخلات مع المدمج في مرشحات الإلكترونية، وهذا حتى أفضل ، وليس هناك حاجة لعينة أكثر من 2X تردد التصفية s. المستخدم كلد منذ ريف 8 6.