Moving Genomsnittet 2d

Jag har en matris där diskreta senvågsvärden spelas in och lagras Jag vill hitta max och min av vågformen Eftersom sinusvågsdata är inspelade spänningar med en DAQ kommer det att bli lite brus, så jag vill göra ett vägt genomsnitt. mina sinusvågor, här är min kod hittills. Mitt problem verkar vara i sekunden för slinga, där beroende på min genomsnittliga fönsterstorlek filtreras, vill jag summera värdena i fönstret för att ta medeltalet av dem jag får en felmeddelande. Jag är en EE med mycket liten erfarenhet av programmering, så någon hjälp skulle uppskattas mycket. Skal den 29 maj 13 på 18 09. Paul, tack för rekommendationen Det bör noteras att även om xy inte skapar ett fel , Det vunnit t ge det förväntade resultatet i OP s-koden Endera OP skulle behöva använda din korrigering, men med yx filtrera och tas ur slingan eller summan ska tas bort, med xy indexering kvar på plats tom10 maj 30 13 klockan 17 18. tom10, jag är säker på att du har rätt min answ Var för det mesta av en viss intuition om vad problemet troligen var, jag är inte kunskap om problemdomänen för att veta exaktheten av den faktiska algoritmen. Därför hänvisade jag OP till ditt svar Paul Woolcock 30 maj 13 kl 17.22. Den andra svaren beskriver ditt fel korrekt, men den här typen av problem kräver verkligen att du använder numpy Numpy kommer att springa fortare, vara mer minneseffektiv och är mer uttrycksfull och lämplig för den här typen av problem. Här är ett exempel. Om du inte vill Att använda numpy bör det också noteras att det finns ett logiskt fel i ditt program som resulterar i TypeError Problemet är det i linjen. Du använder summa inom slingan där du också beräknar summan. Så du måste antingen använda summan utan slingan, eller loopa genom matrisen och lägga till alla element, men inte båda och det gör både, dvs att ange summan till det indexerade matriselementet, vilket leder till felet i första hand. Det är här två lösningar. Köpt på onsdag, 0 8 oktober 2008 20 04 Senast uppdaterad den torsdag 14 mars 2013 01 29 Skrivet av Batuhan Osmanoglu Hits 41542.Moving Average I Matlab. Ofta befinner jag mig själv i behov av att medelvärda data som jag måste minska bullret lite jag skrev några funktioner Att göra exakt vad jag vill, men matlabs inbyggda filterfunktion fungerar också bra Här skriver jag om 1D - och 2D-medelvärdesdata.1D-filteret kan realiseras med hjälp av filterfunktionen Filterfunktionen kräver minst tre ingångsparametrar Täljare koefficient för filtret b, nämnarkoefficienten för filtret a och data X naturligtvis. Ett löpande medelfilter kan definieras helt enkelt av. För 2D-data kan vi använda funktionen Matlab s filter2 För mer information om hur filtret fungerar, du kan skriva. Här är en snabb och smutsig implementering av ett 16 med 16 glidande medelfilter. Först måste vi definiera filtret Eftersom allt vi vill ha är lika stort bidrag från alla grannar kan vi bara använda dem Funktionen Vi delar varje ing med 256 16 16 eftersom vi inte vill ändra signalets generella nivå amplitude. För att applicera filtret kan vi helt enkelt säga följande. När är resultaten för fas av ett SAR-interferogram I detta fall är området i Y-axeln och Azimuth är mappad på X-axeln Filtret var 4 pixlar brett i Räckvidd och 16 pixlar vid Azimuth. Beräkningsrörande medelvärde. Denna VI beräknar och visar det glidande medlet med ett förinställt nummer. Först initierar VI två skiftregister. Register initieras med ett element och lägger sedan kontinuerligt det föregående värdet med det nya värdet. Detta skiftregister håller summan av de sista x-mätningarna Efter att ha delat resultaten av add-funktionen med det förinställda värdet beräknar VI det glidande medelvärdet Botten Skiftregister innehåller en matris med dimensionen medelvärdet. Detta skiftregister håller alla värden av mätningen. Ersättningsfunktionen ersätter det nya värdet efter varje slinga. Detta VI är mycket effektivt en D snabbt eftersom det använder funktionen ersättningselement inuti mellanslingan och det initialiserar arrayen innan den går in i loop. This VI skapades i LabVIEW 6 1.Bookmark Share.