Octava Media Móvil

Después de juntar los bits de este hilo he construido esta función utilizando la función de filtro Octaves. Comienza con la media móvil simple como base. V es el vector columna de números para calcular el promedio móvil exponencial. Ventana es un número entero como un número de días. He utilizado 12. Aquí hay una explicación matemática de esta función. Tenga en cuenta que la página utiliza 2 / (n1) (donde n es ventana o el número de días) como alfa. Pero uso 1 / n porque ese valor de alpha se ajusta a mis necesidades. Ajuste alfa según sea necesario. Como alternativa, a veces necesito que mis dimensiones de los vectores de entrada y salida coincidan. Yo lleno los valores inválidos con NaN añadiendo meanV NaN (window-1,1) meanV como la última línea de la función movingEMean. También se puede rellenar con simpleAvg si se desea una estimación aproximada.31 Procesamiento de la señal Este capítulo describe el procesamiento de la señal y las funciones rápidas de la transformada de Fourier disponibles en Octave. Las transformadas rápidas de Fourier se calculan con las bibliotecas FFTW o FFTPACK dependiendo de cómo se construye Octave. Calcule la transformada discreta de Fourier de A usando un algoritmo de Transformada Rápida de Fourier (FFT). La FFT se calcula a lo largo de la primera dimensión no singleton de la matriz. Así, si x es una matriz, fft (x) calcula la FFT para cada columna de x. Si se llama con dos argumentos, se espera que n sea un número entero que especifique el número de elementos de x que se deben usar, o una matriz vacía para especificar que su valor debe ser ignorado. Si n es mayor que la dimensión a lo largo de la cual se calcula la FFT, entonces x se redimensiona y se rellena con ceros. De lo contrario, si n es menor que la dimensión a lo largo de la cual se calcula la FFT, entonces x se trunca. Si se llama con tres argumentos, dim es un entero que especifica la dimensión de la matriz a lo largo de la cual se realiza la FFT Calcule la transformada de Fourier discreta inversa de A usando un algoritmo de Transformada Rápida de Fourier (FFT). La FFT inversa se calcula a lo largo de la primera dimensión no unitaria de la matriz. Así, si x es una matriz, fft (x) calcula la FFT inversa para cada columna de x. Si se llama con dos argumentos, se espera que n sea un número entero que especifique el número de elementos de x que se deben usar, o una matriz vacía para especificar que su valor debe ser ignorado. Si n es mayor que la dimensión a lo largo de la cual se calcula la FFT inversa, entonces x se redimensiona y se rellena con ceros. De lo contrario, si n es menor que la dimensión a lo largo de la cual se calcula la FFT inversa, entonces x se trunca. Si se llama con tres argumentos, dim es un entero que especifica la dimensión de la matriz a lo largo de la cual se realiza la FFT inversa. Calcule la transformada de Fourier discreta bidimensional de A usando un algoritmo de Transformada Rápida de Fourier (FFT). Los argumentos opcionales m y n se pueden utilizar para especificar el número de filas y columnas de A a utilizar. Si cualquiera de estos es mayor que el tamaño de A. A se redimensiona y se rellena con ceros. Si A es una matriz multidimensional, cada sub-matriz bidimensional de A se trata por separado. Calcule la transformada de Fourier discreta bidimensional inversa de A usando un algoritmo de Transformada Rápida de Fourier (FFT). Los argumentos opcionales m y n se pueden utilizar para especificar el número de filas y columnas de A a utilizar. Si cualquiera de estos es mayor que el tamaño de A. A se redimensiona y se rellena con ceros. Si A es una matriz multidimensional, cada sub-matriz bidimensional de A se trata por separado. Calcule la transformada de Fourier discreta N-dimensional de A usando un algoritmo de Transformada Rápida de Fourier (FFT). El tamaño del argumento vector opcional se puede utilizar para especificar las dimensiones de la matriz que se va a utilizar. Si un elemento de tamaño es menor que la dimensión correspondiente de A. entonces la dimensión de A se trunca antes de realizar la FFT. De lo contrario, si un elemento de tamaño es mayor que la dimensión correspondiente, entonces A se redimensiona y se rellena con ceros. Calcule la transformada de Fourier discreta N-dimensional inversa de A usando un algoritmo de Transformada Rápida de Fourier (FFT). El tamaño del argumento vector opcional se puede utilizar para especificar las dimensiones de la matriz que se va a utilizar. Si un elemento de tamaño es menor que la dimensión correspondiente de A. entonces la dimensión de A se trunca antes de realizar la FFT inversa. De lo contrario, si un elemento de tamaño es mayor que la dimensión correspondiente, entonces A se redimensiona y se rellena con ceros. Octave utiliza las bibliotecas FFTW para realizar cálculos FFT. Cuando Octave arranca e inicializa las bibliotecas FFTW, lee un archivo de todo el sistema (en un sistema Unix, es típicamente / etc / fftw / wisdom) que contiene información útil para acelerar los cálculos FFT. Esta información se llama la sabiduría. El archivo de todo el sistema permite compartir la sabiduría entre todas las aplicaciones que utilizan las bibliotecas FFTW. Utilice la función fftw para generar y guardar la sabiduría. Utilizando las utilidades proporcionadas junto con las bibliotecas FFTW (fftw-wisdom en sistemas Unix), puede incluso agregar la sabiduría generada por Octave al archivo de sabiduría de todo el sistema. Administrar datos de sabiduría FFTW. Los datos de sabiduría se pueden utilizar para acelerar significativamente el cálculo de las FFT, pero implica un coste inicial en su cálculo. Cuando las bibliotecas FFTW se inicializan, leen un archivo de sabiduría de todo el sistema (normalmente en / etc / fftw / wisdom), permitiendo que la sabiduría sea compartida entre aplicaciones distintas de Octave. Alternativamente, la función fftw se puede utilizar para importar sabiduría. Por ejemplo, ahorrará la sabiduría existente usada por Octave a la sabiduría de la cadena. Esta cadena puede ser guardada en un archivo y restaurada utilizando los comandos save y load respectivamente. Esta sabiduría existente se puede volver a importar de la siguiente manera Si la sabiduría es una cadena vacía, entonces la sabiduría utilizada se borra. Durante el cálculo de las transformadas de Fourier se genera más sabiduría. La moda en que esta sabiduría se genera también es controlada por la función fftw. Hay cinco maneras diferentes en las que se puede tratar la sabiduría: Especifica que no se realiza ninguna medición en tiempo de ejecución de los medios óptimos de cálculo de un particular y se utiliza una heurística simple para elegir un plan (probablemente subóptimo). La ventaja de este método es que hay poca o ninguna sobrecarga en la generación del plan, lo cual es apropiado para una transformada de Fourier que se calculará una vez. En este caso se considera una gama de algoritmos para realizar la transformación y se selecciona la mejor en función de su tiempo de ejecución. Similar a quotmeasurequot. Pero se considera una gama más amplia de algoritmos. Al igual que una medida. Pero se consideran todos los algoritmos posibles que se pueden usar para tratar la transformación. Dado que la medición en tiempo de ejecución del algoritmo puede ser costosa, se trata de un compromiso en el que se utiliza una medida de medida para transformaciones hasta el tamaño de 8192 y más allá de la que se utiliza el método de valor citado. El método predeterminado es quotestimatequot. El método actual puede ser consultado o ajustado utilizando Nota que la sabiduría calculada se perderá al reiniciar Octave. Sin embargo, los datos de sabiduría se pueden volver a cargar si se guardan en un archivo como se describe anteriormente. Los archivos de sabiduría guardados no deben utilizarse en diferentes plataformas, ya que no serán eficientes y se perderá el punto de cálculo de la sabiduría. El número de subprocesos utilizados para calcular los planes y ejecutar las transformaciones se puede establecer con Note que la octava debe ser compilada con soporte multihilo FFTW para esta función. El número de procesadores disponibles para el proceso actual se utiliza por defecto. Convolver dos vectores utilizando la FFT para el cálculo. C fftconv (x, y) devuelve un vector de longitud igual a longitud (x) longitud (y) - 1. Si x e y son los vectores coeficientes de dos polinomios, el valor devuelto es el vector de coeficientes del polinomio producto. El cálculo utiliza la FFT llamando a la función fftfilt. Si se especifica el argumento opcional n, se utiliza un FFT de N puntos. Filtro x con el filtro FIR b usando la FFT. Si x es una matriz, filtre cada columna de la matriz. Dado el tercer argumento opcional, n. Fftfilt utiliza el método overlap-add para filtrar x con b usando una FFT de N puntos. El tamaño FFT debe ser una potencia igual a 2 y debe ser mayor o igual que la longitud de b. Si el n especificado no cumple estos criterios, se ajusta automáticamente al valor más cercano que lo hace. Aplique un filtro digital 1-D a los datos x. Filter devuelve la solución a la siguiente ecuación de diferencia lineal, invariable en el tiempo: donde Nlength (a) -1 y Mlength (b) -1. El resultado se calcula sobre la primera dimensión no singleton de x o sobre dim si se suministra. Una forma equivalente de la ecuación es: donde c a / a (1) y d b / a (1). Si se proporciona el cuarto argumento si, se toma como el estado inicial del sistema y el estado final se devuelve como sf. El vector de estado es un vector de columna cuya longitud es igual a la longitud del vector de coeficiente más largo menos uno. Si si no se suministra, el vector de estado inicial se establece en todos los ceros. En términos de la Transformación Z, y es el resultado de pasar la señal de tiempo discreto x a través de un sistema caracterizado por la siguiente función racional del sistema: Aplicar el filtro FIR 2-D b a x. Si se especifica la forma del argumento, devuelve una matriz de la forma deseada. Los valores posibles son: pad x con ceros en todos los lados antes de filtrar. Unpadded x (predeterminado) trim x después de filtrar para efectos de borde no están incluidos. Tenga en cuenta que esto es sólo una variación en la convolución, con los parámetros invertidos y b girado 180 grados. Devuelve la respuesta de frecuencia compleja h del filtro IIR racional cuyos coeficientes numerador y denominador son b y a. respectivamente. La respuesta se evalúa en n frecuencias angulares entre 0 y 2pi. El valor de salida w es un vector de las frecuencias. Si a se omite, se supone que el denominador es 1 (esto corresponde a un filtro FIR simple). Si se omite n, se asume un valor de 512. Para el cálculo más rápido, n debe factor en un pequeño número de pequeños primos. Si el cuarto argumento, quotwholequot. Se omite la respuesta se evalúa a frecuencias entre 0 y pi. Evaluar la respuesta a las frecuencias específicas en el vector w. Los valores de w se miden en radianes. Hellip freqz (hellip, Fs) Frecuencias de retorno en Hz en lugar de radianes suponiendo una frecuencia de muestreo Fs. Si está evaluando la respuesta en frecuencias específicas w. Esas frecuencias deben solicitarse en Hz y no en radianes. Trace la magnitud y la respuesta de fase de h en lugar de devolverlos. Trace la magnitud y la respuesta de fase de h. Si el argumento freqnorm opcional es verdadero, el vector de frecuencia w está en unidades de radianes normalizados. Si freqnorm es falso, o no dado, entonces w se mide en Hertz. Calcule la función sinc. Devolver sin (pix) / (pix). Desempaquetar las fases del radian agregando o restando múltiplos de 2pi según sea apropiado para eliminar saltos mayores que tol. Tol por defecto a pi. Desenrollar funcionará a lo largo de la dimensión dim. Si dim no es especificado, el valor predeterminado es la primera dimensión no singleton. Ajustar un modelo de regresión ARCH a la serie de tiempo y utilizando el algoritmo de puntuación en el original ARCH de Englersquos. En la que e (t) es N (0, h (t)). Dado un vector de serie temporal y hasta el tiempo t-1 y una matriz de regresores (ordinarios) x hasta t. El orden de la regresión de la varianza residual se especifica en p. Si se invoca como archfit (y, k, p) con un entero positivo k. Ajuste un proceso ARCH (k. P), es decir, haga lo anterior con la t-ésima fila de x dada por Opcionalmente, se puede especificar el número de iteraciones iter. El factor de actualización gamma. Y los valores iniciales a0 y b0 para el algoritmo de puntuación. Simular una secuencia ARCH de longitud t con coeficientes AR b y coeficientes CH a. El resultado y (t) sigue el modelo donde e (t). Dado y hasta el tiempo t-1. Es N (0, h (t)). Para un modelo de regresión lineal realizar un Lagrange Multiplicador (LM) prueba de la hipótesis nula de no condicional heteroscedascity contra la alternativa de CH (p). Es decir. El modelo se da y hasta t-1 y x hasta t. E (t) es N (0, h (t)) con y el nulo es un (1) hellip a (p) 0. Si el segundo argumento es un entero escalar, k. Realizar la misma prueba en un modelo de autorregresión lineal de orden k. Es decir, con la t-ésima fila de x. Bajo el nulo, LM tiene aproximadamente una distribución chisquare con p grados de libertad y pval es el valor p (1 menos el CDF de esta distribución en LM) de la prueba. Si no se da ningún argumento de salida, se visualiza el valor p. Devolver una simulación del modelo ARMA. El modelo ARMA se define por en el cual k es la longitud del vector a. L es la longitud del vector b y e es ruido blanco gaussiano con varianza v. La función devuelve un vector de longitud t. El parámetro opcional n da el número de dummy x (i) utilizado para la inicialización, es decir, se genera una secuencia de longitud t n y se devuelve x (n 1: t n). Si n se omite, n 100 se utiliza. Dada una serie temporal (vector) y. Devuelve una matriz con unos en la primera columna y los primeros k valores rezagados de y en las otras columnas. En otras palabras, para t gt k. 1, y (t -1), hellip, y (t - k) es la t-ésima fila del resultado. La matriz resultante puede usarse como matriz regresiva en autorregresiones. Devuelve los coeficientes de filtro de una ventana Bartlett (triangular) de longitud m. Para una definición de la ventana de Bartlett, véase, p. AV. Oppenheim amp R. W. Schafer, Procesamiento de Señal de Tiempo Discreto. Devuelve los coeficientes de filtro de una ventana Blackman de longitud m. Si se da el argumento opcional quotperiodicquot, se devuelve la forma periódica de la ventana. Esto es equivalente a la ventana de longitud m 1 con el último coeficiente eliminado. El argumento opcional quotsymmetricquot es equivalente a no especificar un segundo argumento. Para una definición de la ventana de Blackman, véase, p. AV. Oppenheim amp R. W. Schafer, Procesamiento de Señal de Tiempo Discreto. Si x es un vector, detrend (x. p) elimina el mejor ajuste de un polinomio de orden p a partir de los datos x. Si x es una matriz, detrend (x. P) hace lo mismo para cada columna en x. El segundo argumento p es opcional. Si no se especifica, se asume un valor de 1. Esto corresponde a la eliminación de una tendencia lineal. El orden del polinomio también puede darse como una cadena, en cuyo caso p debe ser o bien quotconstante (corresponde a p 0) o quotlineal (corresponde a p 1). Devolver el estimador d para el parámetro de diferenciación de una serie temporal integrada. Las frecuencias de 2pia / t, 2pib / T se utilizan para la estimación. Si se omite b, se utiliza el intervalo 2pi / T, 2pia / T. Si tanto b como a son omitidos, se usan 0,5 sqrt (T) yb 1,5 sqrt (T), donde T es el tamaño de la muestra. Si x es una matriz, se estima el parámetro de diferencia de cada columna. Los estimadores para todas las frecuencias en los intervalos descritos anteriormente se devuelven en dd. El valor de d es simplemente la media de dd. Referencia: P. J. Brockwell amp R. A. Davis. Series temporales: Teoría y métodos. Springer 1987. Realizar un paso del algoritmo de Durbin-Levinson. El vector c especifica las autocovariancias gamma0, hellip, gammat del retardo 0 a t. Oldphi especifica los coeficientes basados ​​en c (t -1) y oldv especifica el error correspondiente. Si se omite oldphi y oldv, se realizan todos los pasos de 1 a t del algoritmo. Realice un cambio del vector x. Para usar con las funciones fft e ifft, con el fin de mover la frecuencia 0 al centro del vector o matriz. Si x es un vector de N elementos correspondientes a N muestras de tiempo espaciadas por dt. Entonces fftshift (fft (x)) corresponde a las frecuencias donde df 1 / (N dt). Si x es una matriz, lo mismo ocurre con las filas y las columnas. Si x es una matriz, entonces la misma se mantiene a lo largo de cada dimensión. El argumento dim opcional se puede usar para limitar la dimensión a lo largo de la cual se produce la permutación. Deshacer la acción de la función fftshift. Para longitud uniforme x. Fftshift es su propio inverso, pero las longitudes impares difieren ligeramente. Calcule las diferencias fraccionales (1-L) dx donde L indica el operador-retraso y d es mayor que -1. Devuelve los coeficientes de filtro de una ventana Hamming de longitud m. Si se da el argumento opcional quotperiodicquot, se devuelve la forma periódica de la ventana. Esto es equivalente a la ventana de longitud m 1 con el último coeficiente eliminado. El argumento opcional quotsymmetricquot es equivalente a no especificar un segundo argumento. Para una definición de la ventana de Hamming, véase, p. AV. Oppenheim amp R. W. Schafer, Procesamiento de Señal de Tiempo Discreto. Devuelve los coeficientes de filtro de una ventana Hanning de longitud m. Si se da el argumento opcional quotperiodicquot, se devuelve la forma periódica de la ventana. Esto es equivalente a la ventana de longitud m 1 con el último coeficiente eliminado. El argumento opcional quotsymmetricquot es equivalente a no especificar un segundo argumento. Para una definición de la ventana de Hanning véase, p. AV. Oppenheim amp R. W. Schafer, Procesamiento de Señal de Tiempo Discreto. Estime el parámetro Hurst de la muestra x a través del estadístico de rango reescalado. Si x es una matriz, el parámetro se estima para cada columna. Devuelve el polinomio de interpolación de Hermite cúbico de piezas (pchip) de los puntos xey. Si se llama con dos argumentos, devuelve el polinomio por partes pp que se puede usar con ppval para evaluar el polinomio en puntos específicos. Cuando se llama con un tercer argumento de entrada, pchip evalúa el polinomio pchip en los puntos xi. La tercera forma de llamada es equivalente a ppval (pchip (x. Y), xi). La variable x debe ser un vector estrictamente monotónico (ya sea creciente o decreciente) de longitud n. Y puede ser un vector o matriz. Si y es un vector entonces debe ser la misma longitud n que x. Si y es una matriz entonces el tamaño de y debe tener la forma s1. S2. Hellip sk N La matriz se remodela internamente a una matriz donde la dimensión principal se da por s1 s2 hellip sk y cada fila de esta matriz se trata luego separadamente. Tenga en cuenta que esto es exactamente opuesto a interp1 pero se hace para la compatibilidad MATLAB. Devuelve el periodograma (densidad espectral de potencia) de x. Las posibles entradas son: vector de datos. Si x es real, se estima un espectro unilateral. Si x es valor complejo, o quot rango quot especifica quottwosidedquot. Se estima el espectro completo. Ventana de datos de peso. Si la ventana está vacía o no especificada se usa una ventana rectangular predeterminada. De lo contrario, la ventana se aplica a la señal (x. Win) antes de calcular el periodograma. Los datos de ventana deben ser un vector de la misma longitud que x. Número de contenedores de frecuencia. El valor predeterminado es 256 o la siguiente potencia superior de 2 mayor que la longitud de x (máximo (256, 2.nextpow2 (longitud (x)))). Si nfft es mayor que la longitud de la entrada entonces x será cero-rellenado a la longitud de nfft. tasa de muestreo. El valor predeterminado es 1. rango de espectro. Quotonesidedquot calcula el espectro desde 0..nfft / 21. Quotwosided computa el espectro desde 0..nfft-1. La segunda salida opcional w son las frecuencias angulares normalizadas. Para un cálculo unilateral w está en el rango 0, pi si nfft es par y 0, pi) si nfft es impar. De manera similar, para un cálculo de dos caras w está en el intervalo 0, 2pi o 0, 2pi) dependiendo de nfft. Si se especifica una frecuencia de muestreo, Fs. Entonces las frecuencias de salida f estarán en el rango 0, Fs / 2 ó 0, Fs / 2) para cálculos unilaterales. Para cálculos de dos caras el rango será 0, Fs). Cuando se llama sin salidas, el periodograma se representa inmediatamente en la ventana de la figura actual. Devuelve una sinetona de Frecuencia Frecuencia con una longitud de segundo segundos a la velocidad de muestreo y con Amplitud Amplitud. Los argumentos freq y ampl pueden ser vectores de tamaño común. Los valores por defecto son la frecuencia 8000, el sec 1 y el amplificador 64. Devuelve un vector elemental de m con i-ésimo elemento dado por sin (2 pi (i d -1) / n). El valor predeterminado para d es 0 y el valor predeterminado para n es m. Devuelve el estimador de densidad espectral dado un vector de autocovariancias c. Ventana nombre ganar. Y ancho de banda, b. El nombre de la ventana, p. Quottrianglequot o quotrectanglequot se utiliza para buscar una función llamada win lw. Si se omite el triunfo, se utiliza la ventana del triángulo. Si se omite b, se utiliza 1 / sqrt (longitud (x)). Devuelve el estimador de densidad espectral dado un vector de datos x. Nombre de ventana ganar. Y ancho de banda, b. El nombre de la ventana, p. Quottrianglequot o quotrectanglequot se utiliza para buscar una función llamada win sw. Si se omite el triunfo, se utiliza la ventana del triángulo. Si se omite b, se utiliza 1 / sqrt (longitud (x)). Retorno Spencerrsquos Media móvil de 15 puntos de cada columna de x. Calcule la transformada de Fourier de corto tiempo del vector x con coeficientes numcoef aplicando una ventana de puntos de datos winsize y un incremento de puntos inc. Antes de calcular la transformada de Fourier, se aplica una de las siguientes ventanas: Los nombres de las ventanas se pueden pasar como cadenas o por el número de wintype. Los siguientes valores por defecto se utilizan para argumentos no especificados: winsize 80, inc 24, numcoef 64 y wintype 1. y stft (x. Hellip) devuelve los valores absolutos de los coeficientes de Fourier de acuerdo con las frecuencias numcoef positivas. Y. C stft (x. Hellip) devuelve toda la matriz STFT y un vector de 3 elementos c que contiene el tamaño de la ventana, el incremento y el tipo de ventana, que es necesario para la función de síntesis. Calcule una señal de su transformada de Fourier de corto tiempo y un vector de 3 elementos c que especifica el tamaño de la ventana, el incremento y el tipo de ventana. Los valores yyc pueden derivarse mediante un modelo AR (p) de Fit con estimaciones de Yule-Walker dadas un vector c de autocovariancias gamma0, hellip, gammap. Devuelve los coeficientes AR, a. Y la varianza del ruido blanco, media móvil ponderada En respuesta a este post por Luca Delucchi Un método en línea para hacer wma (es decir, donde se puede agregar un solo valor a la vez) con una ventana de expinential (que pesa más recientes eventos más fuertes que Menos recientes) funciona de la siguiente manera: xmean (t1) exp (-1 / tau) (xmean (t) x (t) / tau) esto le da un wma de x (t). Tau es algo así como la longitud de la memoria (eventos más atrás que tau no se quotrememberedquot demasiado bien). Hola, puedo hacer una función en Promedio móvil ponderado donde el valor se toma gt en modo automático esta mi idea gt gt yy1, y2, y3, y4, y5 gt función wma (I12y2y3) / 4 (porque si el vector largo de gt es diferente, debo cambiar la función (y / yy2y2y3) / 4 gt (y22y3y4) / 4 gt etc gt etc gt función final gt gt ), Pero sólo tienen una fórmula gt que utilizan la fórmula para todos los valores de vector gt gt Espero que haya dado una explicación clara gt gt Luca gt gt Ayuda-octave mailing list gt escondido gt cae. wisc. edu/mailman/listinfo/help - octave No es una cosa de octava, sino una cosa de procesamiento de señal. Un filtro FIR (respuesta de entrada finita) está determinado por el vector de los coeficientes, de modo que si el filtro tiene longitud 4, la salida sería algo así como: y (t) b (1) x (t) b (2) x T-1) b (3) x (t-2) b (4) x (t-3) Así que cuando b ones (1,4) / 4, es sólo el promedio de los últimos cuatro elementos. En octava, puedes usar la función quotfilter para hacer exactamente eso, si x es tu señal, simplemente puedes hacer y filter (b, 1, x) P. S. Esto es casi lo mismo que la sugerencia de Sren para usar la convolución (usando la función conv). La única diferencia (creo) es que el filtro dará la misma salida que conv, pero truncado a la longitud de x. El 8/10/07, Luca Delucchi lthidden correo electrónico gt escribió: 2007/8/10, Schirmacher, Rolf lthidden correo electrónico gt: gt Filtro con un filtro FIR Coeficientes sería gt gt b 1 1 1 1 ./ 4 gt ¿Qué es esto Lo siento pero I39m un novato de octava gt gt ----- Mensaje Original ----- gt gt De: Luca Delucchi mailto: oculto gt gt Enviado: viernes, 10 de agosto de 2007 9:20 AM gt gt Para: octava Gt gt Sujeto: Promedio móvil ponderado gt gt gt gt gt gt Hola, puedo hacer una función en promedio móvil ponderado donde el valor son gt gt tomar en modo automático esta mi idea gt gt gt gt yy1, y2, y3, y4, y5 Gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt No puedo repetir la fórmula (y12y2y3) / 4 (porque si el Largo de gt gt vector es diferente debo cambiar la función), pero sólo tienen una fórmula gt gt que utilizan la fórmula para todos los valores de vector gt gt gt gt Espero I39ve dado una explicación clara gt gt gt gt gt gt gt gt gt gt gt Ayuda - octave lista de correo gt gt ocultos gt gt correo electrónico gt cae. wisc. edu/mailman/listinfo/help-octave gt gt gt En respuesta a este mensaje por Luca Delucchi Hola, puedo hacer una función en Promedio móvil ponderado, donde el valor se toman En modo automático esta mi idea yy1, y2, y3, y4, y5 función wma (y) (y12y2y3) / 4 (y22y3y4) / 4 etc etc función final no podría repetir la fórmula (y12y2y3) / 4 (porque si el largo Del vector es diferente debo cambiar la función), pero sólo tienen una fórmula que utiliza la fórmula para todos los valores de vector Usted tiene que pensar en sus datos de una manera diferente si desea utilizar el Matlab / octava de manera eficiente. Los datos se representan como vectores o matrices, y usted debe hacer todas las operaciones en la totalidad de los datos --- no pensar en los elementos y1, y2, etc, sino más bien tratar con todo el vector y. Tendrás que mezclar elementos vectoriales de diferentes posiciones, por lo que necesitas construir versiones desplazadas del vector. Por ejemplo, y (2: fin) es el vector cuyo primer elemento es el segundo elemento de y. Cuando lo haces de esta manera, te obliga a reconocer varios problemas que se barren bajo la alfombra por lo demás, por ejemplo, ¿cuál es el significado de su promedio ponderado para y1, que no tiene un punto de datos anterior Un enfoque podría ser la duplicación de la Primer y último punto: temp y (1) yy (final) average (temp (1: end-2) 2temp (2: end-1) temp (3: end)) 4 o renunciar y admitir que sólo puede Calcular el promedio en un subconjunto de puntos: promedio (y (1: fin-2) 2y (2: fin-1) y (3: fin)) / 4 Existe una función de octava llamada filter () que puede aplicar arbitraria lineal Filtrar su bastante complicado, ya que permite la retroalimentación lineal que usted no está interesado en lo que youd utilizar una forma específica de un vector de retroalimentación b1 0 0 0 0 0. filtro promedio (1 2 1 / 4,1, y)) Finalmente, Octave tiene algunos Filtros construidos en mi favorito es el Savitzky-Golay 2-moment preserving filter