이 그림을 FFT와 유사한 복소수 함수와 비교하면 f -1 에서 f -N / 2 + 1 까지의 주파수가 어딘가에서 사라지고 주파수 f 0 및 f N 의 실수 부분만 있음을 알 수 있습니다. / 2 복소 주파수 f 0 의 이전 자리를 차지했습니다. 그 이유는 푸리에 변환의 대칭 속성입니다. 실수 함수 h(t) 의 경우 H(-f) = H * (f) 인 것이 사실입니다.
따라서 f -1 에서 f -N/2+1 까지의 주파수는 더 이상 새로운 정보를 전달하지 않습니다. 대칭 쌍의 복소 켤레에 의해 얻어지며 주파수 f 0 및 f N/2 는 허수부가 0입니다.
===================================================== ======== 복소수는 2개의 독립 구성요소를 포함하며, 허수부가 0인 복소수는 1개의 독립 성분을 포함합니다.
입력이 일련의 복소수이면 K 주파수를 얻습니다. 입력이 일련의 실수이면 주파수의 절반이 남습니다.
나는 더 간단하게 추론한다. 그런 정리가 있지만 그것을 증명한 사람의 이름은 기억나지 않는다: 아날로그 신호를 디지털로 변환하기 위해, 특정 주파수를 저장하기 위해, 저장된 주파수보다 2배 많은 샘플이 필요하다 . 우리의 경우 8개의 샘플이 있으므로 4주기 이상 주파수 정보를 저장할 수 없습니다.
토론으로 판단하면 이 푸리에가 흥미로운 것이지만 불행히도 나는 그것이 무엇인지 이해하지 못합니다. 누군가 그것이 무엇이며 어떻게 조언자를 만들 수 있는지 간단히 설명할 수 있습니까?
나는 약간의 부정확성을 인정할 수 있습니다.... 결론은 주기적인 함수는 다른 주파수의 사인파 성분의 합으로 표현될 수 있다는 것입니다. 푸리에 급수로 전개한다. 푸리에 급수는 주파수(고조파)가 배가되는 사인파와 코사인파의 합입니다. 푸리에 변환을 사용하는 몇 가지 수학적 조작을 통해 데이터 시리즈는 균일하게 변화하는 주파수의 정현파의 합으로 나타낼 수 있으며 각 구성 요소가 진폭을 얻음으로써 간단히 말해서 신호의 주파수 응답(정현파의 진폭 1Hz, 2, 3 등의 주파수). 그런 다음 각 주파수 성분을 조작하여 신호 등을 필터링할 수 있습니다. 등. 모든 것이 좋지만 한 가지 - 함수는 주기적이어야 합니다. 주기적이 아니더라도 이러한 변환은 주기적임을 의미합니다. 누가 알지만... 아마도 그것으로부터 약간의 이점이 있을 것입니다.
Integer писал (а): 결론은 모든 주기적 함수는 다음과 같이 나타낼 수 있다는 것입니다 ...
그럼, 어렵지 않다면 - 찻주전자 수준에서 조금 더:
내가 틀릴 수도 있지만 작은 TF가이 조건에 충분히 맞는 것 같습니다. 지금 저는 prevBars!=Bars를 전역 변수로 사용하여 M1에서 값을 전달하고 1분 간격으로 M15 및 H1으로 읽어서 이것을 관찰하고 있습니다. 이것이 막대 내부의 진입점에 큰 영향을 미칠 수 있는지 확인합니다. 오래된 TF. 아마도 재미를 위해, 또는 아마도 - "각 시간당 바에는 10p의 이익이 있습니다. :) 또는 15p 큰사슴 :(." 사인/코사인이 실제로 떨어지면 일중의 실제 부속물이 될 것입니다.
다시 시도하겠습니다
진폭과 위상은 하나의 복소수이고 1 bar도 허수부가 0인 1 숫자입니다. 따라서 8개의 막대 - 8개의 주파수입니다. klot 에게 이에 대해 어떻게 생각하는지 물어봅시다.
복소수를 사용하여 다음을 수행했습니다.
//--- 스펙트로그램을 화면에 표시
for( i=0; i<=N-1; i++)
{
// 복소수 모듈
SpecktrBuffer[i]=MathSqrt(aa[i*2]*aa[i*2]+aa[i*2+1]*aa[i*2+1]);
}
//---
진폭과 위상은 하나의 복소수이고 1 bar도 허수부가 0인 1 숫자입니다. 따라서 8개의 막대 - 8개의 주파수입니다. klot 에게 이에 대해 어떻게 생각하는지 물어봅시다.
몇 년 전부터 이 일을 하고 있어요 :)
내 웹사이트에도 디지털 필터에 대한 페이지가 많이 있습니다.
http://www.may.nnov.ru/mak/DSP/Contents.shtml
아니면 구글링..
다음은 첫 번째 링크입니다.
http://alglib.sources.ru/fft/realfft.php
페이지 끝:
이 그림을 FFT와 유사한 복소수 함수와 비교하면 f -1 에서 f -N / 2 + 1 까지의 주파수가 어딘가에서 사라지고 주파수 f 0 및 f N 의 실수 부분만 있음을 알 수 있습니다. / 2 복소 주파수 f 0 의 이전 자리를 차지했습니다. 그 이유는 푸리에 변환의 대칭 속성입니다. 실수 함수 h(t) 의 경우 H(-f) = H * (f) 인 것이 사실입니다.
따라서 f -1 에서 f -N/2+1 까지의 주파수는 더 이상 새로운 정보를 전달하지 않습니다. 대칭 쌍의 복소 켤레에 의해 얻어지며 주파수 f 0 및 f N/2 는 허수부가 0입니다.
===================================================== ========복소수는 2개의 독립 구성요소를 포함하며,
허수부가 0인 복소수는 1개의 독립 성분을 포함합니다.
입력이 일련의 복소수이면 K 주파수를 얻습니다.
입력이 일련의 실수이면 주파수의 절반이 남습니다.
토론으로 판단하면 이 푸리에가 흥미로운 것이지만 불행히도 나는 그것이 무엇인지 이해하지 못합니다.
누군가 그것이 무엇이며 어떻게 조언자를 만들 수 있는지 간단히 설명할 수 있습니까?
토론으로 판단하면 이 푸리에가 흥미로운 것이지만 불행히도 나는 그것이 무엇인지 이해하지 못합니다.
누군가 그것이 무엇이며 어떻게 조언자를 만들 수 있는지 간단히 설명할 수 있습니까?
나는 약간의 부정확성을 인정할 수 있습니다.... 결론은 주기적인 함수는 다른 주파수의 사인파 성분의 합으로 표현될 수 있다는 것입니다. 푸리에 급수로 전개한다. 푸리에 급수는 주파수(고조파)가 배가되는 사인파와 코사인파의 합입니다. 푸리에 변환을 사용하는 몇 가지 수학적 조작을 통해 데이터 시리즈는 균일하게 변화하는 주파수의 정현파의 합으로 나타낼 수 있으며 각 구성 요소가 진폭을 얻음으로써 간단히 말해서 신호의 주파수 응답(정현파의 진폭 1Hz, 2, 3 등의 주파수). 그런 다음 각 주파수 성분을 조작하여 신호 등을 필터링할 수 있습니다. 등. 모든 것이 좋지만 한 가지 - 함수는 주기적이어야 합니다. 주기적이 아니더라도 이러한 변환은 주기적임을 의미합니다. 누가 알지만... 아마도 그것으로부터 약간의 이점이 있을 것입니다.
결론은 모든 주기적 함수는 다음과 같이 나타낼 수 있다는 것입니다 ...
그럼, 어렵지 않다면 - 찻주전자 수준에서 조금 더:
내가 틀릴 수도 있지만 작은 TF가이 조건에 충분히 맞는 것 같습니다. 지금 저는 prevBars!=Bars를 전역 변수로 사용하여 M1에서 값을 전달하고 1분 간격으로 M15 및 H1으로 읽어서 이것을 관찰하고 있습니다. 이것이 막대 내부의 진입점에 큰 영향을 미칠 수 있는지 확인합니다. 오래된 TF. 아마도 재미를 위해, 또는 아마도 - "각 시간당 바에는 10p의 이익이 있습니다. :) 또는 15p 큰사슴 :(." 사인/코사인이 실제로 떨어지면 일중의 실제 부속물이 될 것입니다.