Cálculo Del Promedio Móvil En Matlab

Creado en Miércoles, 08 de Octubre de 2008 20:04 Última actualización el Jueves, 14 de Marzo de 2013 01:29 Escrito por Batuhan Osmanoglu Hits: 40541 Media móvil En Matlab A menudo me encuentro en necesidad de promediar los datos que tengo para reducir el ruido un poco poco. Escribí funciones de pareja para hacer exactamente lo que quiero, pero matlabs construido en función de filtro funciona bastante bien también. Aquí Ill escribir sobre 1D y 2D promedio de los datos. El filtro 1D se puede realizar usando la función de filtro. La función de filtro requiere al menos tres parámetros de entrada: el coeficiente de numerador para el filtro (b), el coeficiente de denominador para el filtro (a) y los datos (X), por supuesto. Un filtro de promedio en funcionamiento puede definirse simplemente por: Para datos 2D podemos utilizar la función Matlabs filter2. Para obtener más información sobre cómo funciona el filtro, puede escribir: Aquí hay una implementación rápida y sucia de un filtro de 16 por 16 de promedio móvil. Primero tenemos que definir el filtro. Puesto que todo lo que queremos es la contribución igual de todos los vecinos, podemos usar la función unos. Dividimos todo con 256 (1616) ya que no queremos cambiar el nivel general (amplitud) de la señal. Para aplicar el filtro simplemente podemos decir lo siguiente A continuación se presentan los resultados de la fase de un interferograma SAR. En este caso, Range está en el eje Y y Azimuth está asignado en el eje X. El filtro tenía 4 píxeles de ancho en Rango y 16 píxeles de ancho en Azimut. Iniciar sesión SearchI tiene una serie de datos x, yy estoy tratando de encontrar el promedio móvil. Los números de datos x son números enteros de 1 a 100 mientras que los datos y son números de 0,01 a 1 y también tienen una desviación estándar ydev (que derivamos porque el experimento se repite varias veces). Estoy tratando de encontrar el promedio móvil utilizando los 20 vecinos más cercanos (utilizando Matlab): La forma anterior deriva el promedio móvil, pero no sé cómo utilizar la desviación estándar que tengo para cada punto de datos y porque algunos puntos de datos tienen mucho Mayores desviaciones estándar que otras, lo que significa que no son tan fiables como otros (por lo que probablemente pesan menos). ¿Cómo puedo incluir la desviación estándar para cada punto de datos en el cálculo anterior Preguntado Jul 5 15 at 15:07 Moving average or moving median. En cuanto a la pregunta ¿Cómo puedo incluir la desviación estándar para cada punto de datos en el cálculo anterior, depende de lo que usted quiere hacer. Usted debe primero decidir eso (que no es una pregunta de programación). Una sugerencia: can39t usas todo el conjunto de datos para cada x (en lugar de sólo el promedio y la desviación estándar) y calcula media / mediana de esa ndash Luis Mendo Jul 5 15 at 15:12 LuisMendo Quería hacer media móvil (i Editado el código para reflejar eso). El conjunto de datos es un experimento de series de tiempo y se ha repetido varias veces (que es cómo tengo desviaciones estándar para cada punto). Quiero usar la desviación estándar para cada punto en mi cálculo del promedio móvil porque quiero que los puntos con una desviación estándar menor pesen más que los puntos con una desviación estándar mayor. Ndash AL B Jul 5 15 at 16:50 1 Respuesta Digamos que usted tiene un vector a. Entonces otra forma de escribir significa (a) como un promedio ponderado es awts. Donde wts unos (1, numel (a)) / numel (a). En su caso, tiene un y (ind1 (i): ind2 (i)). Suena como lo que estás queriendo usar es una media móvil ponderada, donde tus pesos wts ya no son idénticos, pero se eligen usando la desviación estándar de los valores correspondientes. Suponiendo que el vector sd contiene las desviaciones estándar, aquí hay una manera de hacer esto: Aquí, los valores con desviaciones estándar más pequeñas aportarán pesos más grandes. Una idea alternativa es calcular el promedio móvil simple de y y de sus desviaciones estándar sd. Y luego los trama uno al lado del otro. Esto tiene la ventaja de ser más estadísticamente interpretable que elegir pesos en función de las desviaciones estándar. Tengo un vector y quiero calcular el promedio móvil de él (usando una ventana de ancho 5). Por ejemplo, si el vector en cuestión es 1,2,3,4,5,6,7,8. Entonces la primera entrada del vector resultante debe ser la suma de todas las entradas en 1,2,3,4,5 (es decir, 15) la segunda entrada del vector resultante debe ser la suma de todas las entradas en 2,3,4, 5,6 (es decir, 20) etc. Al final, el vector resultante debe ser 15,20,25,30. ¿Cómo puedo hacerlo? La función conv está justo en tu callejón: Benchmark Tres respuestas, tres métodos diferentes. Aquí hay un punto de referencia rápido (diferentes tamaños de entrada, anchura de ventana fija de 5) usando timeit sentirse libre de meter agujeros en ella (en los comentarios) si usted piensa que necesita ser refinado. Conv surge como el enfoque más rápido su cerca de dos veces más rápido que las monedas acercarse (con filtro). Y cerca de cuatro veces más rápido que el de Luis Mendos (usando cumsum). Aquí hay otro punto de referencia (tamaño de entrada fijo de 1 a 4. diferentes anchos de ventana). Aquí, Luis Mendos enfoque cumsum surge como el ganador claro, porque su complejidad se rige principalmente por la longitud de la entrada y es insensible a la anchura de la ventana. Conclusión Para resumir, debe usar el método conv si su ventana es relativamente pequeña, use el enfoque cumsum si su ventana es relativamente grande. Código (para puntos de referencia)