Teoría Del Filtro Promedio Móvil

Respuesta de Frecuencia del Filtro Promedio Corriente La respuesta de frecuencia de un sistema LTI es la DTFT de la respuesta de impulso. La respuesta de impulso de un promedio móvil de L-muestra es. Dado que el filtro de media móvil es FIR, la respuesta de frecuencia se reduce a la suma finita We Puede utilizar la identidad muy útil para escribir la respuesta de frecuencia como donde hemos dejado ae menos jomega. N 0 y M L menos 1. Podemos estar interesados ​​en la magnitud de esta función para determinar qué frecuencias pasan a través del filtro sin atenuación y cuáles son atenuadas. A continuación se muestra un gráfico de la magnitud de esta función para L 4 (rojo), 8 (verde) y 16 (azul). El eje horizontal varía de cero a pi radianes por muestra. Observe que en los tres casos, la respuesta de frecuencia tiene una característica de paso bajo. Un componente constante (frecuencia cero) en la entrada pasa a través del filtro sin atenuación. Ciertas frecuencias más altas, como pi / 2, son completamente eliminadas por el filtro. Sin embargo, si la intención era diseñar un filtro de paso bajo, entonces no lo hemos hecho muy bien. Algunas de las frecuencias más altas se atenúan sólo por un factor de 1/10 (para la media móvil de 16 puntos) o 1/3 (para la media móvil de cuatro puntos). Podemos hacer mucho mejor que eso. La gráfica anterior se creó mediante el siguiente código Matlab: omega 0: pi / 400: pi H4 (1/4) (1-exp (-omega4)) ./ (1-exp (-iomega)) H8 (1/8 (1-exp (-iomega8)) ./ (1-exp (-iomega)) trama (omega , Abs (H4) abs (H8) abs (H16) eje (0, pi, 0, 1) Copyright copy 2000- - Universidad de California, BerkeleyThe Scientist and Engineers Guide to Digital Signal Processing Por Steven W. Smith, RE. En un mundo perfecto, los diseñadores de filtros sólo tendrían que ocuparse de la información codificada en el dominio del tiempo o en el dominio de la frecuencia, pero nunca una mezcla de los dos en la misma señal. Desafortunadamente, hay algunas aplicaciones donde ambos dominios son simultáneamente importantes. Por ejemplo, las señales de televisión caen en esta categoría desagradable. La información de vídeo se codifica en el dominio de tiempo, es decir, la forma de la forma de onda corresponde a los patrones de brillo en la imagen. Sin embargo, durante la transmisión, la señal de vídeo se trata según su composición de frecuencia, tal como su anchura de banda total, cómo se añaden las ondas portadoras para el sonido y el color del amplificador, restauración de amplificación de eliminación del componente de CC, etc. Se entiende mejor en el dominio de la frecuencia, incluso si la información de las señales está codificada en el dominio del tiempo. Por ejemplo, el monitor de temperatura en un experimento científico podría estar contaminado con 60 hercios de las líneas eléctricas, 30 kHz de una fuente de alimentación de conmutación, o 1320 kHz de una emisora ​​local de radio AM. Los familiares del filtro de media móvil tienen un mejor rendimiento en el dominio de la frecuencia, y pueden ser útiles en estas aplicaciones de dominio mixto. Los filtros de media móvil de paso múltiple implican pasar la señal de entrada a través de un filtro de media móvil dos o más veces. La figura 15-3a muestra el núcleo del filtro resultante de una, dos y cuatro pasadas. Dos pasadas son equivalentes a usar un núcleo de filtro triangular (un núcleo de filtro rectangular convolucionado con sí mismo). Después de cuatro o más pases, el kernel de filtro equivalente parece un Gaussiano (recuerde el Teorema del Límite Central). Como se muestra en (b), múltiples pasadas producen una respuesta de paso en forma de s, en comparación con la línea recta de la única pasada. Las respuestas de frecuencia en (c) y (d) están dadas por la Ec. 15-2 multiplicado por sí mismo para cada pase. Es decir, cada vez que la convolución del dominio da como resultado una multiplicación de los espectros de frecuencia. La figura 15-4 muestra la respuesta en frecuencia de otros dos familiares del filtro de media móvil. Cuando un Gaussiano puro es usado como un núcleo de filtro, la respuesta de frecuencia es también Gaussiana, como se discutió en el Capítulo 11. El Gaussiano es importante porque es la respuesta de impulso de muchos sistemas naturales y artificiales. Por ejemplo, un breve impulso de luz que entra en una línea de transmisión de fibra óptica larga saldrá como un pulso gaussiano, debido a las diferentes trayectorias tomadas por los fotones dentro de la fibra. El kernel de filtro gaussiano también se utiliza ampliamente en el procesamiento de imágenes porque tiene propiedades únicas que permiten convoluciones bidimensionales rápidas (véase el Capítulo 24). La segunda respuesta de frecuencia en la Fig. 15-4 corresponde a usar una ventana de Blackman como un núcleo de filtro. (El término ventana no tiene significado aquí es simplemente parte del nombre aceptado de esta curva). La forma exacta de la ventana de Blackman se da en el Capítulo 16 (Ec. 16-2, Fig. 16-2) sin embargo, se parece mucho a un Gaussiano. ¿Cómo son estos parientes del filtro de media móvil mejor que el filtro de media móvil en sí Tres maneras: En primer lugar, y lo más importante, estos filtros tienen mejor atenuación de banda de detención que el filtro de media móvil. En segundo lugar, los granos de filtro se estrechan hasta una amplitud más pequeña cerca de los extremos. Recuerde que cada punto en la señal de salida es una suma ponderada de un grupo de muestras de la entrada. Si el núcleo del filtro se estrecha, las muestras en la señal de entrada que están más alejadas reciben menos peso que las cercanas. En tercer lugar, las respuestas de paso son curvas suaves, en lugar de la línea recta brusca de la media móvil. Estos últimos dos son generalmente de beneficio limitado, aunque usted puede ser que encuentre aplicaciones donde son ventajas genuinas. El filtro de media móvil y sus familiares son todos aproximadamente iguales en la reducción del ruido aleatorio mientras que mantiene una respuesta aguda del paso. La ambigüedad radica en cómo se mide el tiempo de subida de la respuesta escalonada. Si el tiempo de subida se mide de 0 a 100 del paso, el filtro de media móvil es lo mejor que puede hacer, como se mostró anteriormente. En comparación, medir el tiempo de subida de 10 a 90 hace que la ventana de Blackman sea mejor que el filtro de media móvil. El punto es, esto es sólo disputas teóricas considerar estos filtros iguales en este parámetro. La mayor diferencia en estos filtros es la velocidad de ejecución. Utilizando un algoritmo recursivo (descrito a continuación), el filtro de media móvil funcionará como un rayo en su computadora. De hecho, es el filtro digital más rápido disponible. Múltiples pases del promedio móvil serán correspondientemente más lentos, pero aún así muy rápidos. En comparación, los filtros Gaussiano y Blackman son extremadamente lentos, porque deben usar convolución. Piense un factor de diez veces el número de puntos en el núcleo del filtro (basado en la multiplicación es aproximadamente 10 veces más lento que la adición). Por ejemplo, espere que un Gaussiano de 100 puntos sea 1000 veces más lento que un promedio móvil usando la recursión. Una mirada más cercana al algoritmo avanzado de media móvil CODAS La media móvil versátil en el algoritmo CODAS avanzado filtra el ruido de la forma de onda, los extractos significan y elimina la deriva de la línea de base. El promedio móvil es una técnica matemática simple usada principalmente para eliminar aberraciones y revelar la tendencia real en una colección de puntos de datos. Usted puede estar familiarizado con él de promediar datos ruidosos en un experimento de física de primer año, o de seguir el valor de una inversión. Es posible que no sepa que el promedio móvil es también un prototipo del filtro de respuesta al impulso finito, el tipo más común de filtro utilizado en la instrumentación basada en computadoras. En los casos en que una forma de onda dada está llena de ruido, donde se necesita extraer una media de una señal periódica, o cuando se necesita eliminar una línea de base lentamente a una señal de frecuencia más alta, se puede aplicar un filtro de media móvil para lograr la deseada resultado. El algoritmo de media móvil de Advanced CODAS ofrece este tipo de rendimiento de filtrado de formas de onda. Advanced CODAS es un paquete de software de análisis que opera en los archivos de datos de forma de onda existentes creados por los paquetes de adquisición de datos WinDaq o de segunda generación de WinDaq de primera generación. Además del algoritmo de media móvil, Advanced CODAS también incluye una utilidad de generador de informes y rutinas de software para integración de formas de onda, diferenciación, captura de pico y valle, rectificación y operaciones aritméticas. Teoría del filtro de media móvil El algoritmo de media móvil DATAQ Instruments permite una gran flexibilidad en las aplicaciones de filtrado de formas de onda. Puede utilizarse como un filtro de paso bajo para atenuar el ruido inherente a muchos tipos de formas de onda, o como un filtro de paso alto para eliminar una línea de base a la deriva a partir de una señal de frecuencia más alta. El procedimiento utilizado por el algoritmo para determinar la cantidad de filtrado implica el uso de un factor de suavizado. Este factor de suavizado, controlado por usted a través del software, se puede aumentar o disminuir para especificar el número de puntos de datos de forma de onda reales o muestras que el promedio móvil se extenderá. Cualquier forma de onda periódica puede considerarse como una cadena larga o una colección de puntos de datos. El algoritmo logra un promedio móvil tomando dos o más de estos puntos de datos de la forma de onda adquirida, sumándolos, dividiendo su suma por el número total de puntos de datos añadidos, reemplazando el primer punto de datos de la forma de onda por el promedio que se acaba de calcular y Repitiendo los pasos con los puntos de datos segundo, tercero y así sucesivamente hasta que se alcanza el final de los datos. El resultado es una segunda forma de onda generada que consta de los datos promediados y que tiene el mismo número de puntos que la forma de onda original. Figura 1 8212 Cualquier forma de onda periódica puede considerarse como una cadena larga o una colección de puntos de datos. En la ilustración anterior, los puntos de datos de forma de onda consecutivos se representan mediante quotyquot para ilustrar cómo se calcula el promedio móvil. En este caso, se aplicó un factor de suavizado de tres, lo que significa que se añaden tres puntos de datos consecutivos de la forma de onda original, su suma dividida por tres, y este cociente se representa como el primer punto de datos de una forma de onda generada. El proceso se repite con el segundo, tercer y así sucesivamente puntos de datos de la forma de onda original hasta que se alcanza el final de los datos. Una técnica quotfeatheringquot especial promedia los puntos de datos inicial y final de la forma de onda original para asegurar que la forma de onda generada contiene el mismo número de puntos de datos que el original. La figura 1 ilustra cómo se aplica el algoritmo de media móvil a los puntos de datos de forma de onda (que están representados por y). La ilustración presenta un factor de suavizado de 3, lo que significa que el valor promedio (representado por a) se calculará sobre 3 valores de datos de forma de onda consecutivos. Observe la superposición que existe en los cálculos del promedio móvil. Es esta técnica de superposición, junto con un tratamiento especial de principio y fin que genera el mismo número de puntos de datos en la forma de onda media que existía en el original. La forma en que el algoritmo calcula un promedio móvil merece una mirada más cercana y se puede ilustrar con un ejemplo. Digamos que hemos estado en una dieta durante dos semanas y queremos calcular nuestro peso promedio durante los últimos 7 días. Sumaríamos nuestro peso el día 7 con nuestro peso en los días 8, 9, 10, 11, 12 y 13 y luego multiplicaríamos por 1/7. Para formalizar el proceso, esto puede expresarse como: a (7) 1/7 (y (7) y (8) y (9) y (13)) Esta ecuación puede generalizarse más. La media móvil de una forma de onda puede calcularse mediante: Donde: un valor promediado n posición de punto de datos s factor de suavización y valor de punto de datos real Figura 2 8212 La forma de onda de salida de la celda de carga mostrada original y no filtrada en el canal superior y como punto 11 Moviendo la forma de onda promediada en el canal inferior. El ruido que aparece en la forma de onda original se debió a las intensas vibraciones creadas por la prensa durante la operación de empaquetado. La clave de esta flexibilidad de algoritmos es su amplia gama de factores de suavizado seleccionables (de 2 - 1.000). El factor de suavizado determina cuántos puntos de datos reales o muestras se promediarán. Especificar cualquier factor de suavizado positivo simula un filtro de paso bajo mientras que la especificación de un factor de suavizado negativo simula un filtro de paso alto. Dado el valor absoluto del factor de suavizado, los valores más altos aplican mayores restricciones de suavizado en la forma de onda resultante y, a la inversa, los valores inferiores aplican menos suavizado. Con la aplicación del factor de suavizado adecuado, el algoritmo también se puede utilizar para extraer el valor medio de una forma de onda periódica dada. Un factor de suavizado positivo más alto se aplica típicamente para generar valores medios de forma de onda. Aplicación del algoritmo de media móvil Una característica destacada del algoritmo de media móvil es que puede aplicarse muchas veces a la misma forma de onda si es necesario para obtener el resultado de filtrado deseado. El filtrado de formas de onda es un ejercicio muy subjetivo. Lo que puede ser una forma de onda debidamente filtrada para un usuario puede ser inaceptablemente ruidoso para otro. Sólo usted puede juzgar si el número de puntos promedio seleccionados fue demasiado alto, demasiado bajo o simplemente correcto. La flexibilidad del algoritmo le permite ajustar el factor de suavizado y hacer otro paso a través del algoritmo cuando no se logran resultados satisfactorios con el intento inicial. La aplicación y las capacidades del algoritmo de media móvil se pueden ilustrar mejor mediante los siguientes ejemplos. Figura 3 8212 La forma de onda de ECG mostrada en original y no filtrada en el canal superior y como forma de onda en promedio móvil de 97 puntos en el canal inferior. Obsérvese la ausencia de deriva basal en el canal inferior. Ambas formas de onda se muestran en una condición comprimida para propósitos de presentación. Una aplicación de reducción de ruido En los casos en que una forma de onda dada está llena de ruido, el filtro de media móvil puede aplicarse para suprimir el ruido y producir una imagen más clara de la forma de onda. Por ejemplo, un cliente CODAS avanzado estaba utilizando una prensa y una celda de carga en una operación de empaquetado. Su producto debıa ser comprimido a un nivel predeterminado (controlado por la célula de carga) para reducir el tama~no del envase requerido para contener el producto. Por razones de control de calidad, decidieron monitorear la operación de la prensa con instrumentación. Un problema inesperado apareció cuando comenzaron a ver la salida de celda de carga en tiempo real. Dado que la máquina de prensa vibraba considerablemente durante el funcionamiento, la forma de onda de salida de las células de carga era difícil de discernir porque contenía una gran cantidad de ruido debido a la vibración como se muestra en el canal superior de la figura 2. Este ruido se eliminó generando un canal promedio de 11 puntos en movimiento como se muestra en el canal inferior de la Figura 2. El resultado fue una imagen mucho más clara de la salida de las células de carga. Una aplicación en la eliminación de la deriva de la línea de base En los casos en que una línea de base de derivación lentamente necesita ser eliminada de una señal de frecuencia más alta, el filtro de media móvil puede aplicarse para eliminar la línea de base de deriva. Por ejemplo, una forma de onda de ECG típicamente exhibe cierto grado de desviación de línea de base como puede verse en el canal superior de la Figura 3. Esta deriva de línea de base puede ser eliminada sin cambiar o alterar las características de la forma de onda como se muestra en el canal inferior de la Figura 3. Esto se logra aplicando un factor de suavizado de valor negativo apropiado durante el cálculo del promedio móvil. El factor de suavizado apropiado se determina dividiendo un periodo de forma de onda (en segundos) por el intervalo de muestreo de canales. El intervalo de muestreo de canales es simplemente el recíproco de la tasa de muestreo de canales y se muestra convenientemente en el menú de utilidad de media móvil. El período de la forma de onda se determina fácilmente a partir de la pantalla de visualización posicionando el cursor en un punto conveniente de la forma de onda, estableciendo un marcador de tiempo y desplazando el cursor un ciclo completo fuera del marcador de tiempo mostrado. La diferencia de tiempo entre el cursor y el marcador de tiempo es un período de forma de onda y se muestra en la parte inferior de la pantalla en segundos. En nuestro ejemplo de ECG, la forma de onda poseía un intervalo de muestra de canal de 0,004 segundos (obtenido del menú de utilidad de medio móvil) y un período de forma de onda se midió para extender 0,388 segundos. Dividiendo el período de la forma de onda por el intervalo de muestreo de los canales nos dio un factor de suavizado de 97. Puesto que es la deriva de la línea de base que estamos interesados ​​en eliminar, aplicamos un factor de suavizado negativo (-97) al algoritmo del promedio móvil. Esto en efecto restó el resultado promedio móvil de la señal de forma de onda original, que eliminó la deriva de la línea de base sin alterar la información de la forma de onda. Cualquiera que sea la aplicación, la razón universal para aplicar un filtro de media móvil es quotsmooth outquot las aberraciones altas y bajas y revelan un valor de forma de onda intermedia más representativo. Al hacer esto, el software no debe comprometer otras características de la forma de onda original en el proceso de generar una forma de onda en movimiento promediada. Por ejemplo, el software debe ajustar automáticamente la información de calibración asociada con el archivo de datos original, de modo que la forma de onda promedio móvil esté en las unidades de ingeniería apropiadas cuando se genere. Todas las lecturas de las cifras se tomaron utilizando el software WinDaq Data Acquisition