Für einen anderen Ansatz kannst du das exponentielle gleitende Durchschnittsfenster abschneiden und dann dein gefiltertes Signal berechnen, indem du eine Faltung zwischen deinem Signal und dem fensterförmigen Exponential machst. Die Faltung kann unter Verwendung der freien CUDA-FFT-Bibliothek (cuFFT) berechnet werden, da, wie Sie vielleicht wissen, die Faltung als die punktuelle Multiplikation der beiden Signale in der Fourier-Domäne ausgedrückt werden kann (Dies ist der treffende Name Faltungs-Theorem, Die mit einer Komplexität von O (n log (n)) läuft). Diese Art von Ansatz minimiert Ihren CUDA-Kernel-Code und läuft sehr sehr schnell, auch auf einer GeForce 570 Besonders wenn Sie alle Ihre Berechnungen in Single (Float) Präzision machen können. Ich würde vorschlagen, die oben genannte Differenzen Gleichung wie unten angegeben zu manipulieren und dann mit CUDA Thrust Primitiven. DIFFERENCE EQUATION MANIPULATION - EXPLICIT FORM DER UNTERSCHIEDLICHEN GLEICHUNG Durch einfache Algebra finden Sie folgendes: Dementsprechend ist die explizite Form folgendermaßen: CUDA THRUST IMPLEMENTATION Sie können das oben genannte Formular durch die folgenden Schritte implementieren: Initialisieren Sie eine Eingabefolge dinput to Alpha mit Ausnahme von dinput0 1. Definieren Sie einen Vektor d1overbetatothen gleich 1, 1beta, 1beta2, 1beta3. Multiplizieren Sie elementares Dinput durch d1overbetatothen Führen Sie einen Inklusivkanal aus, um die Sequenz des yn betan zu erhalten. Teilen Sie die obige Sequenz mit 1, 1beta, 1beta2, 1beta3 auf. Der oben genannte Ansatz kann für Linear Time-Varying (LTV) - Systeme empfohlen werden. Für Linear Time-Invariante (LTI) - Systeme kann der von Paul erwähnte FFT-Ansatz empfohlen werden. Ich stelle ein Beispiel für diesen Ansatz unter Verwendung von CUDA Thrust und cuFFT in meiner Antwort auf FIR Filter in CUDA. Moving Average Dieses Beispiel lehrt Sie, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen. Ein gleitender Durchschnitt wird verwendet, um Unregelmäßigkeiten (Gipfel und Täler) zu glätten, um Trends leicht zu erkennen. 1. Zuerst schauen wir uns unsere Zeitreihen an. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Kann die Schaltfläche Datenanalyse nicht finden Hier klicken, um das Analysis ToolPak-Add-In zu laden. 3. Wählen Sie Moving Average und klicken Sie auf OK. 4. Klicken Sie in das Feld Eingabebereich und wählen Sie den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3. 8. Zeichnen Sie einen Graphen dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der bisherigen 5 Datenpunkte und der aktuelle Datenpunkt. Dadurch werden Gipfel und Täler geglättet. Die Grafik zeigt einen zunehmenden Trend. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da es nicht genügend vorherige Datenpunkte gibt. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Gipfel und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte auf die tatsächlichen Datenpunkte. Moving-Average Filter der Traffic Daten Dieses Beispiel zeigt, wie man Verkehrsdaten mit einem gleitenden Durchschnitt mit einem 4-Stunden-Schiebefenster reibungslos vermittelt. Die folgende Differenzgleichung beschreibt einen Filter, der die aktuelle Stunde und die drei vorherigen Datenstunden mittelt. Importieren Sie die Verkehrsdaten und ordnen Sie dem Vektor x die erste Spalte der Fahrzeugzählungen zu. Erstellen Sie die Filterkoeffizientenvektoren. Berechnen Sie den 4-stündigen gleitenden Durchschnitt der Daten und zeichnen Sie sowohl die ursprünglichen Daten als auch die gefilterten Daten auf. MATLAB und Simulink sind eingetragene Warenzeichen von The MathWorks, Inc. Bitte sehen Sie mathworkstrademarks für eine Liste anderer Marken, die im Besitz von The MathWorks, Inc. sind. Andere Produkt - oder Markennamen sind Warenzeichen oder eingetragene Warenzeichen der jeweiligen Eigentümer. Wähle dein Land
No comments:
Post a Comment