Berechnen eines gleitenden Durchschnitts

Muss ich berechnen Sie einen gleitenden Durchschnitt über eine Daten-Serie, die innerhalb einer for-Schleife. Ich habe, um den gleitenden Mittelwert über N=9 Tage. Die array-ich bin computing im 4-Serie, 365-Werte (M), die selbst mittlere Werte von einen anderen Satz von Daten. Ich möchte, um den Verlauf der mean-Werte meine Daten mit dem gleitenden Durchschnitt in einem plot.

Ich ein wenig gegoogelt über den gleitenden durchschnitten und der "conv" - Befehl und etwas gefunden, was ich habe versucht, die Umsetzung in meinem code.:

hold on
for ii=1:4;
    M=mean(C{ii},2)
    wts = [1/24;repmat(1/12,11,1);1/24];
    Ms=conv(M,wts,'valid')
    plot(M)
    plot(Ms,'r')

end
hold off

Also im Grunde berechne ich meine meine, und zeichnen Sie es mit der (falschen) gleitender Durchschnitt. Ich nahm das "wts" Wert rechts von der mathworks-Website, so dass die falsch ist. (Quelle: http://www.mathworks.nl/help/econ/moving-average-trend-estimation.html) Mein problem ist allerdings, dass ich nicht verstehen, was das "wts" ist. Könnte jemand erklären? Wenn es etwas zu tun mit den gewichten der Werte: das ist in diesem Fall ungültig. Alle Werte werden gleich gewichtet.

Und wenn ich mache das hier völlig falsch ist, konnte ich einigen damit helfen?

Mein aufrichtiger Dank.

InformationsquelleAutor Dennis Alders | 2014-09-23

  1. 4

    Gibt es zwei weitere alternativen:

    1) - filter

    Vom doc:

    Können Sie filter zu finden, die einen Laufenden Durchschnitt, ohne die Verwendung einer for-Schleife.
    In diesem Beispiel wird der laufende Durchschnitt von einem 16-element-Vektor, unter Verwendung eines
    die Größe der Fenster des 5.

    data = [1:0.2:4]'; %'
windowSize = 5;
filter(ones(1,windowSize)/windowSize,1,data)

    2) glatt als Teil der " Curve Fitting Toolbox (die ist in den meisten Fällen)

    Vom doc:

    yy = smooth(y) glättet die Daten in der Spalte Vektor y durch die Verwendung eines beweglichen
    Mittelwert-filter. Die Ergebnisse zurückgegeben werden, in den Spalten-Vektor yy. Die
    Standard-Spanne für den gleitenden Durchschnitt 5.

    %//Create noisy data with outliers:

x = 15*rand(150,1); 
y = sin(x) + 0.5*(rand(size(x))-0.5);
y(ceil(length(x)*rand(2,1))) = 3;

%// Smooth the data using the loess and rloess methods with a span of 10%:

yy1 = smooth(x,y,0.1,'loess');
yy2 = smooth(x,y,0.1,'rloess');

    InformationsquelleAutor thewaywewalk

  2. 4

    2016 MATLAB Hinzugefügt, die movmean Funktion berechnet einen gleitenden Durchschnitt:

    N = 9;
M_moving_average = movmean(M,N)

    InformationsquelleAutor Dan

  3. 3

    Mit conv ist eine ausgezeichnete Möglichkeit zur Umsetzung eines gleitenden Durchschnitts. In dem code, den Sie verwenden, wts ist, wie viel Sie Wiegen jeder Wert (wie Sie vermutete). die Summe dieser Vektor sollte immer gleich sein. Wenn Sie möchten, Gewicht jeder Wert gleichmäßig und nicht eine Größe N, bewegliche filter, dann würden Sie wollen, zu tun

    N = 7;
wts = ones(N,1)/N;
sum(wts) % result = 1

    Verwendung der 'gültige' argument in conv führen wird, dass weniger Werte in Ms, als Sie in M. Verwenden Sie 'gleiche', wenn Sie nichts dagegen haben die Auswirkungen von zero-padding. Wenn Sie die signal processing toolbox, die Sie verwenden können cconv wenn Sie möchten, um zu versuchen, ein kreisförmiges moving average. So etwas wie

    N = 7;
wts = ones(N,1)/N;
cconv(x,wts,N);

    funktionieren sollte.

    Lesen Sie die conv und cconv - Dokumentation für weitere Informationen, wenn Sie nicht bereits getan haben.

    Danke für die Hilfe, das hat funktioniert!

    InformationsquelleAutor Trogdor

  4. 0

    Ich würde dieses:

    % does moving average on signal x, window size is w
function y = movingAverage(x, w)
   k = ones(1, w) / w
   y = conv(x, k, 'same');
end

    Riss direkt aus hier.

    Kommentar über Ihre aktuelle Umsetzung. wts ist die Gewichtung Vektor, die von the Mathworks, ist eine 13-Punkt-Durchschnitt, mit einem besonderen Augenmerk auf den ersten und letzten Punkt des Wiegens die Hälfte den rest.

    Danke, ich glaube ich habe es herausgefunden jetzt!

    InformationsquelleAutor macduff

Schreibe einen Kommentar