Moving Average Filters Promedios móviles son propensos a whipsaws, cuando el precio cruza hacia adelante y hacia atrás a través de la media móvil en un mercado de alcance. Los comerciantes han desarrollado una serie de filtros a lo largo de los años para eliminar señales falsas. El sistema de media móvil más simple genera señales cuando el precio cruza la media móvil: Ir largo cuando el precio cruza por encima de la media móvil desde abajo. Ir corto cuando el precio cruza por debajo de la media móvil de arriba. Los filtros se agregan para medir objetivamente cuando el precio ha cruzado la media móvil. Los filtros más comunes son: Precio de cierre: uno o dos días sucesivos deben cerrarse por encima o por debajo del promedio móvil. La barra entera debe cruzar el promedio móvil. Dos o tres barras (en sucesión) deben estar libres de la media móvil El promedio móvil debe inclinarse en la dirección del precio típico del comercio. El precio medio o el cierre ponderado también se pueden utilizar como sustitutos del precio de cierre. Las operaciones sólo se introducen si el promedio móvil se inclina en la dirección del comercio. Este filtro no funcionará con promedios móviles exponenciales porque la media móvil exponencial siempre se inclina cuando el precio cierra por encima de la media móvil y se inclina si cierra por debajo. Salir cuando el precio vuelve a cruzar el promedio móvil. Moving Average Slope se puede utilizar junto con otros filtros, como el precio de cierre. Ejemplo La media móvil simple se utiliza con dos filtros: Pase el mouse sobre los subtítulos de los gráficos para mostrar las señales comerciales. Ir corto - dos se cierra por debajo de una media móvil descendente. El promedio de largo plazo está subiendo y el precio ha cerrado por encima del promedio móvil durante 2 días. La siguiente inmersión por debajo de la media móvil (a principios de enero) es filtrada. Se sale del comercio largo ya que hay dos cierres por debajo de la media móvil. No hay comercio corto se introduce como la media móvil se inclina hacia arriba. Ir largo - dos se cierra por encima de un promedio móvil en ascenso. Ir corto ya que hay dos cierra por debajo de una media móvil descendente. Ir largo - dos se cierra por encima de un promedio móvil en ascenso. Ir corto - dos se cierra por debajo de una media móvil descendente. Va de largo - el promedio móvil está subiendo otra vez y hay 2 se cierra encima de él. Obsérvese cuán rentable es el comercio largo 2 durante la fuerte tendencia al alza, en comparación con cuando el precio cae en torno a la media móvil relativamente plana. Frecuentemente cambiando usted dentro y fuera de oficios. Los indicadores de tendencia normalmente no son rentables, y deben ser evitados, durante los mercados de alcance. Análisis técnico, indicadores y nuevas actualizaciones de software. Una mirada más atenta 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 en las figuras se tomaron usando WinDaq Data Acquisition softwareFIR Filter Basics 1.1 ¿Qué son filtros quotFIR? Los filtros FIR son uno de los dos tipos primarios de filtros digitales utilizados en aplicaciones de procesamiento de señal digital (DSP), el otro tipo IIR. 1.2 ¿Qué significa quotFIR significa quotFIR significa quotFinite Impulse Response? Si se introduce un impulso, es decir, una muestra única de 1 quot seguido de muchas muestras de quot0quot, los ceros saldrán después de que la muestra quot1quot haya hecho su camino a través de la línea de retardo del filtro. 1.3 ¿Por qué la respuesta de impulso es quotfinita? En el caso común, la respuesta de impulso es finita porque no hay retroalimentación en la FIR. La falta de retroalimentación garantiza que la respuesta al impulso será finita. Por lo tanto, el término respuesta de impulso quotfinito es casi sinónimo de "retroalimentación". Sin embargo, si se emplea retroalimentación pero la respuesta de impulso es finita, el filtro sigue siendo un FIR. Un ejemplo es el filtro de media móvil, en el que la N-ésima muestra anterior es sustraída (retroalimentada) cada vez que entra una nueva muestra. Este filtro tiene una respuesta de impulso finito aunque usa retroalimentación: después de N muestras de un impulso, la salida Siempre será cero. 1.4 Cómo se pronuncia quotFIRquot Algunas personas dicen que las letras F-I-R otras personas se pronuncian como si fuera un tipo de árbol. Nosotros preferimos el árbol. (La diferencia es si hablas de un filtro F-I-R o de un filtro FIR). 1.5 ¿Cuál es la alternativa a los filtros FIR? Los filtros DSP también pueden ser QuotResponse de Impulso Inferior (IIR). (Vea las preguntas frecuentes de dspGurus IIR.) Los filtros IIR utilizan retroalimentación, por lo que al introducir un impulso la salida teóricamente suena indefinidamente. 1.6 ¿Cómo comparan los filtros FIR con los filtros IIR Cada uno tiene sus ventajas y desventajas. En general, sin embargo, las ventajas de los filtros FIR superan las desventajas, por lo que se utilizan mucho más que IIRs. 1.6.1 ¿Cuáles son las ventajas de los filtros FIR (en comparación con los filtros IIR) En comparación con los filtros IIR, los filtros FIR ofrecen las siguientes ventajas: Pueden diseñarse fácilmente para ser fase quotlinear (y normalmente son). En pocas palabras, los filtros de fase lineal demoran la señal de entrada pero no alteran su fase. Son fáciles de implementar. En la mayoría de los microprocesadores DSP, el cálculo FIR puede realizarse mediante un bucle de una sola instrucción. Son adecuados para aplicaciones de múltiples velocidades. Por multi-tasa, queremos decir quotdecimationquot (reducir la tasa de muestreo), quotinterpolationquot (aumentar la tasa de muestreo), o ambos. Ya sea diezmando o interpolando, el uso de filtros FIR permite que algunos de los cálculos sean omitidos, proporcionando así una importante eficiencia computacional. Por el contrario, si se utilizan filtros IIR, cada salida se debe calcular individualmente, incluso si se descarta la salida (por lo que la retroalimentación se incorporará al filtro). Tienen propiedades numéricas deseables. En la práctica, todos los filtros DSP deben ser implementados usando aritmética de precisión finita, es decir, un número limitado de bits. El uso de aritmética de precisión finita en filtros IIR puede causar problemas significativos debido al uso de retroalimentación, pero los filtros FIR sin retroalimentación pueden ser implementados usando menos bits, y el diseñador tiene menos problemas prácticos que resolver relacionados con la aritmética no ideal. Pueden implementarse utilizando aritmética fraccional. A diferencia de los filtros IIR, siempre es posible implementar un filtro FIR usando coeficientes con magnitud inferior a 1,0. (La ganancia total del filtro FIR puede ajustarse en su salida, si se desea). Esta es una consideración importante al usar DSP de punto fijo, ya que hace la implementación mucho más simple. 1.6.2 ¿Cuáles son los inconvenientes de los filtros FIR (comparados con los filtros IIR) En comparación con los filtros IIR, los filtros FIR a veces tienen la desventaja de que requieren más memoria y / o cálculo para obtener una característica de respuesta de filtro dada. Además, ciertas respuestas no son prácticas para implementar con filtros FIR. 1.7 ¿Qué términos se usan para describir los filtros FIR? Respuesta de Impulso - La respuesta de respuesta de un filtro FIR es en realidad sólo el conjunto de coeficientes FIR. (Si se pone un quotimplusequot en un filtro FIR que consta de una quot1quot muestra seguida de muchas quot0quot muestras, la salida del filtro será el conjunto de coeficientes, ya que la muestra 1 pasa de cada coeficiente a su vez para formar la salida). Tap - Una FIR quottapquot es simplemente un par de coeficientes / delay. El número de taps FIR (a menudo designado como quotNquot) es una indicación de 1) la cantidad de memoria requerida para implementar el filtro, 2) el número de cálculos requeridos, y 3) la cantidad de quotfilteringquot el filtro puede hacer en efecto, Multiplicar-Acumular (MAC) - En un contexto de FIR, una quotMACquot es la operación de multiplicar un coeficiente por la correspondiente muestra de datos retardada y acumular el resultado. Las FIRs usualmente requieren un MAC por toque. La mayoría de los microprocesadores DSP implementan la operación MAC en un solo ciclo de instrucción. Banda de transición - La banda de frecuencias entre los bordes de banda de paso y de banda de parada. Cuanto más estrecha es la banda de transición, más taps son necesarios para implementar el filtro. (Una banda de transición quotsmallquot da como resultado un filtro quotsharpquot.) Línea de retardo - Conjunto de elementos de memoria que implementan los elementos de retardo de quotZ-1quot del cálculo FIR. Buffer circular - Un buffer especial que es quotcircular porque incrementar en el extremo hace que se envuelva al principio, o porque decrementar desde el principio hace que se envuelva hasta el final. Los microprocesadores DSP proporcionan frecuentemente amortiguadores circulares para implementar el quotmotimaje de las muestras a través de la línea de retardo FIR sin tener que mover literalmente los datos en la memoria. Cuando se agrega una nueva muestra al búfer, reemplaza automáticamente a la más antigua.
No comments:
Post a Comment