Liikkuva Keskiarvo Suodatin Vaihe

FIR-suodattimet, IIR-suodattimet ja lineaarinen vakiokertoimen erotusyhtälö. Kausaaliset keskimääräiset FIR-suodattimet. Olemme keskustelleet järjestelmistä, joissa jokaisen tuotoksen näyte on painotettu summa tiettyjen näytteenäytteistä. kausaalipainotettu summausjärjestelmä, jossa kausaalivälineet, jotka tietyn lähtötulonäytteet riippuvat vain nykyisestä tulonäytteestä ja muista aikaisemmista sekvensseistä. Ainoastaan ​​lineaariset järjestelmät yleensä tai äärelliset impulssijärjestelmät eivät ole erityisen syy, mutta syy on kuitenkin aiheellista jonkinlaista analyysiä, jota aiomme tutkia pian. Jos symboliimme syötteitä vektorin x arvoina ja lähdöt vektorin y vastaaviin arvoihin, niin tällainen järjestelmä voidaan kirjoittaa, koska b-arvot ovat sovellettuja painoja nykyisille ja aikaisemmille panosnäytteille nykyisen otosnäytteen saamiseksi. Voimme ajatella ilmaisua yhtälöksi, jossa yhtäläinen merkin merkitys on yhtä suuri tai prosessuaalinen käsky, jossa sama merkki tarkoittaa ssignment. Let s kirjoittaa jokaisen lähtönäytteen lausekkeen MATLAB-silmukaksi, jossa x on tulonäytteiden N-pituinen vektori ja b on painojen M-pituinen vektori. aloitamme, upotamme x pidempään vektoriin xhat, jonka ensimmäiset M-1-näytteet ovat nolla. Kirjoita painotettu summaus jokaiselle yn: ksi sisemmäksi tuotteeksi ja teemme muutamia manipulointeja tulojen, kuten kääntöpuolen b, tähän tarkoitukseen . Tällaista järjestelmää kutsutaan usein liikkuvaksi keskimääräiseksi suodattimeksi, ilmeisistä syistä. Aiemmista keskusteluistamme on ilmeistä, että tällainen järjestelmä on lineaarinen ja shift-invariantti. Tietenkin olisi paljon nopeampaa käyttää MATLAB-konvoluutiotoimintoa konventionaalisen mafiltin sijaan. Sen sijaan, että otettaisiin ensimmäiset M-1-näytteet syötteeltä nollaan, voisimme katsoa, ​​että ne ovat samat kuin viimeisimmillä M-1-näytteillä. Tämä on sama kuin syötteen käsitteleminen määräajoin. cmafilt funktioksi, pieni muutos aikaisempi mafilt-funktio Järjestelmän impulssivasteen määrittämisessä ei yleensä ole eroja näiden kahden välillä, koska kaikki syöttöön liittyvät ei-alkuperäiset näytteet ovat nolla. Koska tällainen järjestelmä on lineaarinen ja shift-invariantti, tiedämme, että sen vaikutus mihinkään sinimuotoon on vain asteikko ja siirrä se. Tässä on merkitystä, että käytämme pyöreää versiota. Pyöreän konvolvensoitu versio siirretään ja skaalataan hieman, kun taas versiossa tavallinen konvoluutio on vääristynyt alussa. mikä tarkka skaalaus ja siirto on käyttämällä fft. Both panos ja tuotos on amplitudi vain taajuuksilla 1 ja -1, joka on niin kuin pitäisi olla, koska panos oli sinimuotoinen ja järjestelmä oli lineaarinen Lähtöarvot ovat suurempia suhteessa 10 6251 8 1 3281 Tämä on järjestelmän gain. What noin vaiheessa Meidän täytyy vain etsiä, missä amplitudi on ei-nolla. Tulo on vaihe pi 2, kuten pyysimme Lähtö vaihe on siirretään ylimääräisellä 1 0594: lla vastakkaisella merkillä f tai negatiivinen taajuus, tai noin 1 6 sykliä oikealle, kuten näemme kaaviossa. Nyt yritetään kokeilla sinikäyrä, jolla on sama taajuus 1, mutta amplituksen 1 ja vaihepiian 2 sijasta yritetään kokeilla amplitudi 1 5 ja vaihe 0. Me tiedämme, että vain taajuudella 1 ja -1 on nollasta poikkeava amplitudi, joten katsotaan vain ne. Koska amplitudiosuhde 15 9377 12 0000 on 1 3281 - ja kuten phase. it siirretään taas 1 0594.Jos nämä esimerkit ovat tyypillisiä, voimme ennustaa systeemisimpulssivasteen 1 2 3 4 5 vaikutusta mihin tahansa sinimuotoon taajuudella 1 - amplitudi kasvaa kertoimella 1 3281 ja positiivinen taajuusvaihetta siirretään 1 0594. Voisimme jatkaa tämän järjestelmän vaikutusta muiden taajuuksien sinimuotoihin samoilla menetelmillä. Mutta on olemassa paljon yksinkertaisempi tapa ja yksi, joka muodostaa yleisen kohdan. Koska pyöreä konvoluutio tuolloin domeeni tarkoittaa moninkertaistumista taajuusalueella, from. it seuraa sitä. Toisin sanoen i mpulse-vaste on tuotoksen DFT: n suhde tulon DFT: hen. Tässä suhteessa DFT-kertoimet ovat kompleksilukuja Koska abs c1 c2 abs c1 abs c2 kaikille kompleksisille luville c1, c2 tämä yhtälö kertoo meille, että impulssivasteen amplitudi - spektri on aina lähtöteoksen amplitudispektrin suhde tulon amplitudispektrin suhteeseen. Vaihtospektrin tapauksessa kulma c1 c2 kulma c1 - kulma c2 kaikilla c1, c2 sillä edellytyksellä, että vaiheet jotka eroavat n 2 pi: n kanssa pidetään yhtä suurina. Siksi impulssivasteen vaihe-spektri on aina erotus tuotoksen ja tulon vaihepektrien välillä, mikäli korjaukset tarvitaan 2 pi: n avulla tuloksen säilyttämiseksi - pi ja pi. We voi nähdä vaihevaikutukset selkeämmin, jos avaamme vaiheen esityksen, eli jos lisätään useita 2 pi: n kerrannaisia ​​tarpeen mukaan hyppyjen minimoimiseksi, jotka syntyvät kulmatoiminnon jaksollisen luonteen vuoksi. Vaikka amplitudi ja vaihe ovat yleensä u sed, koska ne ovat intuitiivinen tapa miettiä järjestelmän vaikutuksia panoksensa eri taajuuskomponentteihin, monimutkaiset Fourier-kertoimet ovat hyödyllisempää algebrallisesti, koska ne mahdollistavat suhdetta yksinkertaisen ilmentymisen. Yleinen lähestymistapa, jonka olemme nähneet, toimii mielivaltaisilla suodattimilla, jotka on piirretty tyypillisesti, jolloin kukin lähtö-otos on painotettu summa tiettyjen syöttöäytteiden joukosta. Kuten aiemmin mainittiin, näitä kutsutaan usein Finite Impulse Response - suodattimeksi, koska impulssivaste on äärellistä kokoa tai joskus liikkuvaa keskimääräistä suodatinta. Voimme määrittää tällaisen suodattimen taajuusvasteominaisuudet impulssivasteen FFT: stä, ja voimme myös suunnitella IFFT: n mukaiset uudet suodattimet halutulla ominaisuudella taajuusvasteen spesifikaatiosta. Autoregressive IIR Filters. There olisi vain vähän järkeä, jos nimillä on FIR-suodattimia, ellei olisi eräänlaista s erottamaan niitä fr om, joten ne, jotka ovat opiskelleet pragmatiikkaa, eivät ylläty siitä, että on olemassa toista suurta lineaarista aikamuuttujan suodatinta. Näitä suodattimia kutsutaan toisinaan rekursiivisena, koska aiempien tuotosten ja aikaisempien panosten arvo on tärkeä, vaikka algoritmit kirjoitetaan yleensä käyttäen iteratiivisia konstruktioita. Niitä kutsutaan myös Infinite Impulse Response IIR - suodattimiksi, koska niiden vaste impulssiin jatkuu ikuisesti. Niitä kutsutaan myös joskus nimeltään autoregressiiviset suodattimet, koska kertoimia voidaan ajatella lineaarisen regression signaaliarvojen ilmaisemiseksi aikaisempien signaaliarvojen funktiona. FIR - ja IIR-suodattimien suhde voidaan nähdä selkeästi lineaarisessa vakio-kertoimien erotusyhtälössä, i e. määrittämään painotettu tulojen summa, joka vastaa panosten painotettua summaa. Tämä on kuten yhtälö, jonka annimme aikaisemmin kausaaliselle FIR-suodattimelle, paitsi että panosten painotetun summan lisäksi meillä on myös ighted summa outputs. If haluamme ajatella tätä menettelyn tuottamaan tuotos näytteitä, meidän täytyy järjestää yhtälö saada lauseke nykyisen otoksen näyte y n. Voit hyväksyä yleissopimuksen että 1 1 esim. skaalaamalla muita kuin ja bs, voimme päästä eroon 1 a 1 termistä. ynb 1 xnb 2 x n-1 b Nb 1 x n-nb - 2 y n-1 - - a Na 1 y n-na. Jos kaikki muut kuin 1 ovat nollia, tämä vähentää vanha ystävämme kausaalisen FIR-suodattimen. Tämä on yleinen syy-LTI-suodatin, ja se toteutetaan MATLAB - funktiosuodattimella. Tarkastellaan tapausta, jossa b-kertoimet, b 1 ovat nollia FIR-tapauksen sijasta, missä a on nolla. Tässä tapauksessa nykyinen ulostulotie yn lasketaan painotettuna yhdistelmäksi nykyisen ottotäytteen xn ja edellisten lähtönäytteiden y n-1, y n - 2, jne. Jotta saisimme käsityksen siitä, mitä tapahtuu tällaisilla suodattimilla, aloitetaan tapaus jossa. Tämä tarkoittaa, että nykyinen tulostusnäyte on nykyisen tulonäytteen summa ja puolet e edellinen tuotos näyte. Me ll ottamaan impulssin muutaman askeleen, yksi kerrallaan. Tässä vaiheessa pitäisi olla selvää, että voimme helposti kirjoittaa lausekkeen n: nnen ulostulon näytteen arvon, se on vain. Jos MATLAB lasketaan 0: sta, tämä olisi yksinkertaisesti 5 n. Koska laskemme on järjestelmän impulssivaste, olemme osoittaneet esimerkin avulla, että impulssivasteella voi todellakin olla äärettömän paljon nollasta poikkeavia näytteitä. - suuntainen suodatin MATLAB: ssä, voimme käyttää suodatinta Puhelu näyttää tältä ja tulos on. Tämä liiketoiminta on todella lineaarinen. Voimme tarkastella tätä empiirisesti. Yleisemmäksi lähestymistavaksi kannattaa tarkastella lähdönäytteen y n. Seuraavassa vaihtoehdossa voisimme kirjoittaa näin. Tämä on kuin vanha ystäväni FIR-suodattimen konvoluutio summamuoto, jonka ilmaisulla 5k saatu impulssivaste ja impulssivasteen pituus on ääretön. Sama Argumentit, joiden avulla FIR-suodattimet olivat lineaarisia, sovelletaan nyt tähän. Tähän saakka tämä voi tuntua paljon runsaudesta noin paljon. Mikä tämä koko tutkinto on hyvä. Vastaamme tähän kysymykseen vaiheittain, alkaen Esimerkiksi suuri yllätys, että voimme laskea näytteistetyn eksponentiaalin rekursiivisen kertolaskujen avulla Tarkastelemme rekursiivista suodatinta, joka tekee jotain vähemmän ilmeistä Tällä kertaa teemme sen toisen kertaluvun suodattimesta niin, että suodatinpyyntö on muotoa. asetetaan toinen lähtökerroin a2 -2 cos 2 pi 40 ja kolmas ulostulokerroin a3 - 1 ja tarkastellaan impulssivaste. Ei ole kovin hyödyllinen suodattimena, mutta se tuottaa näytteistettyä siniaallosta impulssista kolme kerta-lisäystä per näyte Jotta ymmärtäisimme, miten ja miksi se tekee niin ja miten rekursiiviset suodattimet voidaan suunnitella ja analysoida yleisemmin, meidän on palattava ja tarkasteltava muita kompleksiluvun ominaisuuksia, miten ymmärtää z transform. Signal Processing Digital suodattimet. Digital suodattimet ovat olennaisesti näytteitä järjestelmät Tulo - ja lähtösignaaleja edustavat näytteet yhtä aikaa. Finite Implulse Response FIR suodattimet on ominaista aika r esponse riippuen vain tietystä luvusta tulosignaalin viimeisimmistä näytteistä Muissa ehdoissa, kun tulosignaali on pudonnut nollaan, suodattimen lähtö toimii samoin tietyn näytteenottojaksojen jälkeen. Lähtö yk on annettu lineaarisella viimeisten tulonäytteiden yhdistelmä xk i. Kertoimet antavat painon yhdistelmälle. Ne vastaavat myös z-domeenin suodattimen siirtofunktiotaajuuden numeeristen kertoimien kanssa. Seuraavassa kuvassa on N 1: n FIR-suodatin. vaiheen suodattimet, kerroinarvot ovat symmetrisiä keskiosan ympärille ja viivasarja voidaan taittaa takaisin tämän keskipisteen ympärille, jotta pienennettäisiin kertolaskujen määrää. FIR-suodattimen siirtofunktio suodattaa vain pocesses numeratorin Tämä vastaa kaikkia nollaa suodatin. FIR-suodattimet vaativat tyypillisesti suuria tilauksia, useita satoja suuruusluokkia. Näin tällaisten suodattimien valinta edellyttää suurta määrää laitteistoa tai prosessoria. Tästä huolimatta syy ch että FIR-suodattimen toteutus on kyky saavuttaa lineaarinen vaihevaste, joka voi olla vaatimus joissakin tapauksissa. Sopimussuunnittelijalla on kuitenkin mahdollisuus valita IIR-suodattimet, joilla on hyvä vaihe-lineaarisuus matkaviestimessä, kuten Bessel-suodattimet tai Suunnittele ylipäästösuodatin normaalin IIR-suodattimen vaihevasteen korjaamiseksi. Keskimääräiset suodattimet MA Edit. Moving Keskimääräiset MA-mallit ovat prosessimalleja muodossa. AM-prosesseissa on vaihtoehtoinen kuvaus FIR-suodattimista. Keskimääräiset suodattimet Muokkaus. keskiarvo N signaalin viimeisimmistä näytteistä. Se on FIR-suodattimen yksinkertaisin muoto, kaikkien kertoimien ollessa yhtä suuret. Keskimääräisen suodattimen siirtofunktio on annettu. Keskimääräisen suodattimen siirtofunktiolla on N yhtä tasaisesti nollaa pitkin Taajuusakseli Nolla DC: stä peittää suodattimen napa. Näin ollen suodattimen päästökaistalle on suurempi DC, joka vastaa suodattimen siirtoketjua. Cascaded Integrator-Comb CIC - suodattimet Edit. A Cascade d integraattori-kampasuodatin CIC on erikoistekniikka keskimääräisten suodattimien sijoittamiseksi sarjaan. Keskimääräisten suodattimien sarjan sijoittaminen parantaa ensimmäistä lohkoa DC: ssä verrattuna kaikkiin muihin lohkoihin. CIC-suodatin toteuttaa N: n keskimääräisten suodattimien siirtofunktion, joka lasketaan RM-näytteiden keskiarvo Sen siirtofunktiota annetaan siten. CIC-suodattimilla käytetään signaalin näytteiden lukumäärän laskemiseksi kertoimella R tai muutoin resampioon signaali alemmalla taajuudella heittää pois R 1 näytteet pois R: stä Kertoimen M ilmaisee, kuinka paljon ensimmäisestä lees - tä käytetään signaalissa Keskimääräisten suodatusvaiheiden lukumäärä, N ilmaisee kuinka hyvin muut taajuuskaistat vaimennetaan vähemmän tasainen siirtofunktion kustannuksella DC: llä. CIC rakenne mahdollistaa koko järjestelmän toteuttamisen vain summittaisilla ja rekistereillä, eivätkä käytä laitteistoissa ahneita kertoimia. R-kertoimen avulla voidaan lisätä signaalin resoluutiota log 2 RR bi ts. Kanoniset suodattimet Muokkaa. Kanoniset suodattimet toteuttavat suodattimen siirtofunktiota useilla viive-elementeillä, jotka ovat yhtä suuret kuin suodattimen järjestys, yksi kertoimeksi numeraattorikertoimella, yhdellä kertoimella nimittäjäkertoimella ja joukolla summia. Vastaavasti aktiivisten suodattimien kanoniset rakenteet, tällainen piireistä, jotka näyttivät olevan erittäin herkkiä elementtiarvoja varten, pienillä muutoksilla kertoimilla oli suuri vaikutus siirtofunktioon. Myös aktiivisten suodattimien rakenne on siirtynyt kanonisista suodattimista muihin rakenteisiin, kuten toisen kertaluvun ketjuihin tai luiskahdukseen suodattimia. Toisen tilauksen osuudet Muokkaus. Toisen kertaluvun jakso, jota kutsutaan usein biquadiksi, toteuttaa toisen kertaluvun siirtotoiminnon Suodattimen siirtofunktio voidaan jakaa siirtofunktioiden tuotteiksi, joista jokainen yhdistää parin pylväät ja mahdollisesti pari nollat ​​Jos siirtotoiminnon tilaus on outoa, ketjulle on lisättävä ensimmäinen tilausosa Tämä osio liittyy t: n o todellinen napa ja todellinen nolla, jos on olemassa yksi. direct-muoto 1.direct-muodossa 2.direct-muodossa 1 transposed. direct-muoto 2 transposed. The suora muoto 2 siirretty seuraavasta kuvasta on erityisen mielenkiintoinen vaaditun laitteiston ehdot sekä signaalin ja kertoimien kvantisointi. Digital Leapfrog - suodattimet Edit. Filter Structure Edit. Digital leapfrog-suodattimet perustuvat analogisten aktiivisten leapfrog-suodattimien simulointiin Tämän vaihtoehdon kannustimena on periä alkuperäinen alkuperäisen herkkyysominaisuudet tikaspiiri. Seuraavaksi neljännen kertaluokan alipäästösuodatinpelaaja voidaan toteuttaa digitaalisena piiriä korvaamalla analogiset integraattorit akkujen kanssa. Analogisten integraattoreiden liittäminen akkuihin vastaa Z-muunnoksen yksinkertaistamista z 1 s T: ään, jotka ovat Taylor-sarjan zexps T: n kaksi ensimmäistä termiä T Tämä approksimaatio on riittävän hyvä suodattimiin, joissa näytteenottotaajuus on paljon suurempi kuin signaalin kaistanleveys. Edit. Edeltävän suodattimen tilatilan esitys voidaan kirjoittaa. Tämän yhtälöryhmän avulla voidaan kirjoittaa A, B, C, D matriisit. Tämän esityksen avulla signaalinkäsittelyvälineet kuten Octave tai Matlab sallivat piirtää suodattimen taajuusvaste tai tutkia sen nollia ja napoja. Digitaalisessa leapfrog-suodattimessa kertoimien suhteelliset arvot määrittävät siirtofunktion muodon Butterworth Chebyshev, kun taas niiden amplitudit asettavat katkaisutaajuuden Jakamalla kaikki kertoimet kahdella vuorolla rajataajuus alaspäin yhdellä oktaavilla on myös kertoimella kaksi. Erityistapaus on Buterworthin kolmannen kertaluvun suodatin, jolla on aikavakioita, joiden suhteelliset arvot ovat 1, 1 2 ja 1. Tämän vuoksi tämä suodatin voidaan toteuttaa laitteistossa ilman mitään kerroin, mutta käyttämällä siirtymiä sijaan. Autoregressive suodattimet AR Edit. Autoregressive AR mallit ovat prosessimalleja muodossa. Jos un on mallin tuotos, xn on panos mallin, ja un - m ovat edellinen mallien lähtöarvosta. Nämä suodattimet kutsutaan autoregressiiviksi, koska lähtöarvot lasketaan edellisten lähtöarvojen regressioiden perusteella. AR-prosesseja voidaan edustaa kaikki napaisella suodattimella. ARMA-suodattimet muokkaavat. Autoregressive Moving-Average ARMA - suodattimet ovat AR: n yhdistelmiä ja MA-suodattimet Suodattimen tuotos annetaan sekä painotetun panoksen että painotetun ulostulonäytteen lineaarisena yhdistelmänä. ARMA-prosesseja voidaan pitää digitaalisena IIR-suodattimena, koska molemmat napa - ja zeros. AR-suodattimet ovat edullisia monissa tapauksissa, koska ne voidaan analysoida Yule-Walker-yhtälöiden MA - ja ARMA-prosesseilla, ja toisaalta niitä voidaan analysoida monimutkaisilla epälineaarisilla yhtälöillä, joita on vaikea tutkia ja mallia. Jos meillä on AR-prosessi, jossa on tap-painokerroin a, a - 1 xn: n tulo ja yn: n ulostulo voimme käyttää yule-walker-yhtälöitä Sanomme, että x 2 on tulosignaalin varianssi. Tarkastelemme tulodatasignaalia satunnaisena gnal, vaikka se on deterministinen signaali, koska emme tiedä, mikä arvo on siihen saakka, kunnes saamme sen. Voimme ilmaista Yule-Walkerin yhtälöt koska. Kun R on prosessin tuotoksen ristikorrelaatiomatriisi. Ja r on prosessin tuotoksen autokorrelaatiomatriisi. Varianssi-muunnos. Voimme osoittaa, että voimme ilmaista tulosignaalin varianssin. Tai, laajentamalla ja korvaamalla r: lle, voimme liittää prosessin tuotosvarianssin tulon varianssiin. Suodatin MA filter. Loading Liikkuva keskimääräinen suodatin on yksinkertainen Low Pass FIR Finite Impulse Response - suodatin, jota käytetään yleisesti näytteenotetun datasignaalin tasoittamiseen. Se ottaa M-näytteet kerrallaan ja ottaa näiden M-näytteiden keskiarvon ja tuottaa yksi lähtöpaikka Se on hyvin yksinkertainen LPF-alipäästösuodatinrakenne, joka on kätevä tutkijoille ja insinööreille suodattamaan ei-toivottua meluisaa komponenttia aiotusta datasta. Koska suodattimen pituus nostaa parametria M, ulostulon tasaisuus kasvaa ereas tietojen jyrkät siirtymät ovat yhä tylsiä Tämä merkitsee sitä, että tämä suodatin on erinomainen aika-alueen vastaus, mutta huono taajuusvaste. MA-suodatin suorittaa kolme tärkeää toimintoa.1 Se ottaa M-syöttöpisteet, laskee näiden M-pisteiden keskiarvon ja tuottaa yhden lähtöpisteen 2 Laskentilaskelmien vuoksi suodatin tuo määrätyn määrän viiveitä 3 Suodatin toimii Low Pass - suodattimena, jolla on huono taajuusalueen vaste ja hyvä aika-alueen vaste. Matlab-koodi. Matlab-koodin jäljittelevä simuloi aika-alueen vaste M-pisteen Moving Average suodatin ja myös piirtää taajuusvasteen eri suodattimen pituus. Time Domain Response. Input MA suodatin.3-pisteen MA suodattimen lähtö. Input keskimääräisen suodattimen siirtämiseen. 3 pisteen reitti Siirrettävä keskiarvo suodatin.51-pisteen MA-suodatinlähtö. 101-pisteen MA-suodatinlähtö. 51-pisteen siirtyminen Keskimääräinen keskimääräinen suodatin. 101-pisteen reitti Siirtyvän keskimääräisen suodattimen .501-pisteen MA-suotimen teho. 501 pisteen Keskimääräisen suodattimen siirtäminen. Ensimmäisellä piirroksella meillä on panos, joka menee liikkuvaan keskisuodattimeen. Tulo on meluisa ja tavoitteenamme on melun vähentäminen. Seuraava luku on 3-pisteisen Moving Average - suodattimen Kuviosta voidaan päätellä, että 3-pisteinen Moving Average - suodatin ei ole tehnyt paljon suodattamalla kohinaa. Lisäsimme suodattimen kosketuksia 51 pisteen tarkkuuteen ja voimme nähdä, että äänen kohoaminen on vähentänyt paljon, mikä on joka on kuvattu seuraavassa kuvassa. Erilaisten pituuksien liikkuvien keskimääräisten suodattimien taajuusvaste. Lisätään hanat edelleen 101: een ja 501: een, ja voimme huomata, että vaikka melua on melkein nolla, siirtymät ovat tasoittuneet huomattavasti jyrkästi signaalin puoli ja verrata niitä ihanteelliseen tiiliseinän siirtymään syötteemme. Taajuusvaste. Taajuusvasteesta voidaan todeta, että rullaus on hyvin hidas ja pysähtymän kaistanvaimennus ei ole hyvä. Koska liikkuva keskimääräinen suodatin ei voi erottaa yhtä taajuuskaistaa toiselta, koska tiedämme, että aika-alueen hyvä suorituskyky johtaa taajuusalueen heikkoon suorituskykyyn ja päinvastoin Lyhyesti, liikkuva keskiarvo on poikkeuksellisen hyvä tasoitus suodata toiminta ajanhetkellä, mutta poikkeuksellisen huono alipäästösuodatin toimii taajuusalueella. Ulkoiset linkit. Suositeltavat kirjat. Primary Sidebar.