Moyenne Mobile 2d Matlab

Créé le Mercredi 08 Octobre 2008 20:04 Dernière mise à jour le Jeudi, 14 Mars 2013 01:29 Écrit par Batuhan Osmanoglu Clics: 41009 Moyenne mobile Dans Matlab Souvent je me trouve dans le besoin de la moyenne des données que je dois réduire le bruit un peu bit. J'ai écrit quelques fonctions pour faire exactement ce que je veux, mais matlabs construit dans la fonction de filtre fonctionne très bien aussi. Ici Ill écrire sur la moyenne 1D et 2D des données. Filtre 1D peut être réalisé en utilisant la fonction filtre. La fonction de filtre nécessite au moins trois paramètres d'entrée: le coefficient de numérateur pour le filtre (b), le coefficient de dénominateur pour le filtre (a) et les données (X) bien sûr. Un filtre de moyenne courante peut être défini simplement par: Pour les données 2D, nous pouvons utiliser la fonction Matlabs filter2. Pour plus d'informations sur la façon dont le filtre fonctionne, vous pouvez taper: Voici une mise en œuvre rapide et délibérée d'un filtre de moyenne mobile 16 par 16. Nous devons d'abord définir le filtre. Puisque tout ce que nous voulons est la contribution égale de tous les voisins, nous pouvons simplement utiliser la fonction ones. Nous divisons tout avec 256 (1616) puisque nous ne voulons pas changer le niveau général (amplitude) du signal. Pour appliquer le filtre, nous pouvons simplement dire ce qui suit: Voici les résultats pour la phase d'un interférogramme SAR. Dans ce cas, Range est dans l'axe Y et Azimuth est mappé sur l'axe X. Le filtre a une largeur de 4 pixels dans la plage et 16 pixels de largeur dans l'azimut. Moyenne Moyenne La fonction résultatmouvement (données, fenêtre, dim, option) calcule une moyenne mobile centrée des données de la matrice de données en utilisant une taille de fenêtre spécifiée dans la fenêtre L'algorithme spécifié en option. Dim et option sont des entrées optionnelles et seront par défaut 1. Les entrées option Dim et option peuvent être ignorées ou peuvent être remplacées par a. Par exemple, movingmean (données, fenêtre) donnera les mêmes résultats que movingmean (data, window, 1,1) ou movingmean (data, window ,, 1). La taille et la dimension de la matrice des données d'entrée ne sont limitées que par la taille maximale de la matrice pour votre plate-forme. Fenêtre doit être un entier et doit être impair. Si la fenêtre est égale, elle est arrondie au numéro impair inférieur suivant. La fonction calcule la moyenne mobile incorporant un point central et (fenêtre-1) 2 éléments avant et après dans la dimension spécifiée. Au niveau des bords de la matrice, le nombre d'éléments avant ou après est réduit de sorte que la taille de la fenêtre réelle est inférieure à la fenêtre spécifiée. La fonction est divisée en deux parties, un algorithme 1d-2d et un algorithme 3d. Ceci a été fait pour optimiser la vitesse de la solution, en particulier dans des matrices plus petites (c'est-à-dire 1000 x 1). De plus, plusieurs algorithmes différents du problème 1d-2d et 3d sont fournis, dans certains cas l'algorithme par défaut n'est pas le plus rapide. Cela se produit généralement lorsque la matrice est très large (c'est-à-dire 100 x 100000 ou 10 x 1000 x 1000) et la moyenne mobile est calculée dans la dimension la plus courte. La taille de l'algorithme par défaut est plus lente dépendra de l'ordinateur. MATLAB 7.8 (R2009a) Tags pour ce fichier Veuillez vous connecter pour marquer des fichiers. Veuillez vous connecter pour ajouter un commentaire ou une note. Commentaires et évaluations (8) La fonction s'occupe des extrémités en coupant la partie arrière ou en avant de la fenêtre et en passant à une moyenne mobile en amont ou en aval au lieu d'une moyenne centrée. Pour aller avec l'exemple que vous avez donné dans votre commentaire si la taille de la fenêtre est 3 alors au centre de 1 la moyenne de la fonction des données des points 1 et 2 au centre de 2 points 1, 2 et 3 sont moyennés au centre de 9 Les points 8, 9 et 10 sont moyennés et au centre de 10 (on suppose que le vecteur a 10 entrées) on fait la moyenne des points 9 et 10. Comment fonctionne movingmean avec les extrémités Commence-t-il avec une taille de fenêtre englobant seulement le point 1 à 1, puis 3 points au point 2, puis augmentant dans la taille de la fenêtre jusqu'à ce que la taille de la fenêtre soit celle spécifiée dans la saisie de la fonction Merci. Agréable et simple. Je vous remercie. Bon travail Très utile comme l'a dit Stephan Wolf. Juste ce que je cherchais. Moyenne mobile centrée qui est capable de travailler dans un tracé sur toute la largeur, sans avoir à chercher la taille de la fenêtre du filtre et de déplacer le début. Grande accélérer le rythme de l'ingénierie et de la science MathWorks est le principal développeur de logiciels d'informatique mathématique pour les ingénieurs et les scientifiques. Document de sortie tsmovavg (tsobj, s, lag) renvoie la moyenne mobile simple pour l'objet série chronologique financière, tsobj. Lag indique le nombre de points de données précédents utilisés avec le point de données courant lors du calcul de la moyenne mobile. La sortie tsmovavg (vecteur, s, lag, dim) renvoie la moyenne mobile simple pour un vecteur. Lag indique le nombre de points de données précédents utilisés avec le point de données courant lors du calcul de la moyenne mobile. La sortie tsmovavg (tsobj, e, timeperiod) renvoie la moyenne mobile pondérée exponentielle pour l'objet série chronologique financière, tsobj. La moyenne mobile exponentielle est une moyenne mobile pondérée, où timeperiod spécifie la période de temps. Les moyennes mobiles exponentielles réduisent le décalage en appliquant plus de poids aux prix récents. Par exemple, une moyenne mobile exponentielle de 10 périodes pondère le prix le plus récent de 18,18. Pourcentage exponentiel 2 (TIMEPER 1) ou 2 (WINDOWSIZE 1). La sortie tsmovavg (vecteur, e, timeperiod, dim) renvoie la moyenne mobile pondérée exponentielle pour un vecteur. La moyenne mobile exponentielle est une moyenne mobile pondérée, où timeperiod spécifie la période de temps. Les moyennes mobiles exponentielles réduisent le décalage en appliquant plus de poids aux prix récents. Par exemple, une moyenne mobile exponentielle de 10 périodes pondère le prix le plus récent de 18,18. (2 (durée 1)). La sortie tsmovavg (tsobj, t, numperiod) renvoie la moyenne mobile triangulaire pour la série chronologique de temps, tsobj. La moyenne mobile triangulaire double les données. Tsmovavg calcule la première moyenne mobile simple avec la largeur de la fenêtre de ceil (numperiod 1) 2. Ensuite, il calcule une seconde moyenne mobile simple sur la première moyenne mobile avec la même taille de fenêtre. La sortie tsmovavg (vecteur, t, numperiod, dim) renvoie la moyenne mobile triangulaire pour un vecteur. La moyenne mobile triangulaire double les données. Tsmovavg calcule la première moyenne mobile simple avec la largeur de la fenêtre de ceil (numperiod 1) 2. Ensuite, il calcule une seconde moyenne mobile simple sur la première moyenne mobile avec la même taille de fenêtre. La sortie tsmovavg (tsobj, w, weights) renvoie la moyenne mobile pondérée de l'objet série chronologique financière, tsobj. En fournissant des poids pour chaque élément dans la fenêtre mobile. La longueur du vecteur de poids détermine la taille de la fenêtre. Si des facteurs de poids plus importants sont utilisés pour des prix plus récents et des facteurs plus faibles pour les prix antérieurs, la tendance est plus sensible aux changements récents. La sortie tsmovavg (vecteur, w, poids, dim) renvoie la moyenne mobile pondérée pour le vecteur en fournissant des poids pour chaque élément de la fenêtre en mouvement. La longueur du vecteur de poids détermine la taille de la fenêtre. Si des facteurs de poids plus importants sont utilisés pour des prix plus récents et des facteurs plus faibles pour les prix antérieurs, la tendance est plus sensible aux changements récents. La sortie tsmovavg (tsobj, m, numperiod) renvoie la moyenne mobile modifiée pour l'objet série chronologique financière, tsobj. La moyenne mobile modifiée est semblable à la moyenne mobile simple. Considérons l'argument numperiod comme le décalage de la moyenne mobile simple. La première moyenne mobile modifiée est calculée comme une moyenne mobile simple. Les valeurs suivantes sont calculées en ajoutant le nouveau prix et en soustrayant la dernière moyenne de la somme obtenue. La sortie tsmovavg (vecteur, m, numperiod, dim) renvoie la moyenne mobile modifiée pour le vecteur. La moyenne mobile modifiée est semblable à la moyenne mobile simple. Considérons l'argument numperiod comme le décalage de la moyenne mobile simple. La première moyenne mobile modifiée est calculée comme une moyenne mobile simple. Les valeurs suivantes sont calculées en ajoutant le nouveau prix et en soustrayant la dernière moyenne de la somme obtenue. Dim 8212 dimension pour fonctionner le long d'un entier positif avec une valeur 1 ou 2 Dimension à utiliser, spécifié comme un entier positif avec une valeur de 1 ou 2. dim est un argument d'entrée facultatif et s'il n'est pas inclus comme entrée, la valeur par défaut La valeur 2 est supposée. La valeur par défaut de dim 2 indique une matrice orientée vers les lignes, chaque ligne étant une variable et chaque colonne étant une observation. Si dim 1. l'entrée est supposée être un vecteur colonne ou une matrice orientée colonne, où chaque colonne est une variable et chaque ligne une observation. E 8212 Indicateur pour le vecteur de caractères de moyenne mobile exponentielle La moyenne mobile exponentielle est une moyenne mobile pondérée, où la période de temps est la période de temps de la moyenne mobile exponentielle. Les moyennes mobiles exponentielles réduisent le décalage en appliquant plus de poids aux prix récents. Par exemple, une moyenne mobile exponentielle de 10 périodes pondère le prix le plus récent de 18,18. Pourcentage exponentiel 2 (TIMEPER 1) ou 2 (WINDOWSIZE 1) période de temps 8212 Longueur de la période non négative entière Sélectionnez votre pays