Question

假设我的ac＃list包含三个随机数 x ->200...300，y->100...150和z->100..300作为rows=200 and cols=3等条目的元素

x   y   z 
210 106 220
200 120 134
220 150 230
280 120 136
204 110 270
260 120 184
209 110 209
210 110 134
...

我读到的是低通滤波器只是平滑结果以消除高频。最简单的低通滤波器是一个盒式滤波器，它通过将n个样本平均在一起来完成。对于平均2个样本，这很简单：

sample[n] (sample[n] + sample[n + 1]) / 2;

那么，我如何将低通滤波器应用于这些数据呢？

我是否需要对矩阵上的每个单元格应用sample[n] (sample[n] + sample[n + 1]) / 2;或做什么？

我正在读低通和高通滤波器＆＃39;取消＆＃39;或者将频率置于高于/低于阈值的范围内，但在这种情况下获得阈值的最佳方法是什么，我不明白......

您能解释一下如何将低通滤波器应用于数据集吗？

Answer 1

M个数据点的moving average是简单但相当粗略的低通滤波器，平滑数据。对于每个输出数据点，您可以获取N个输入点的平均值，例如：对于N = 3：

for (i = 1; i < N - 1; ++i)
{
    output[i] = (input[i - 1] + input[i] + input[i + 1]) / 3;
}

当你增加M时，你会得到更多的平滑（因为你的平均点数更多） - 另一种看待这种情况的方法是删除数据的更多高频成分（通常是噪音）。

请注意，这种移动平均滤波器的频率响应相当差 - 它可以找到一些相当简单的任务，例如从时间序列数据中过滤噪声，例如股票价格，但对于要求更高的应用，我们通常使用更复杂的过滤器设计。

high pass filter是低通滤波器的补充，因为它滤除了低频分量。这包括“稳态”（0 Hz）分量，因此通常输出将代表输入中的短期变化。

非常粗糙的高通滤波器：

for (i = 1; i < N ; ++i)
{
    output[i] = input[i] - input[i - 1];
}

Answer 2

在我看来，外行人的答案很简单，就是由电路的RC或RCL时间常数设定的转换速率。 R和C是反应性意味着结果将根据频率而变化。在由出现频率（采样率）设定的任何时间段。仅查看没有L的RC更简单。但基本上不允许电压在时间上比RC时间常数所允许的更快地改变，RC时间常数是与时间或频率相关的超越函数。引起限制SLEW率的自然力量似乎永远不会成为此类讨论的主题。

c＃中的低通滤波器泛化

2 个答案: