Filtros digitais adaptativos - página 3

Novo comentário
 
Matemático, às vezes eu não leio o que você escreve também em russo (não tiro as mesmas conclusões que você espera :-))). Mas aqui em inglês. Embora eu entenda o que diz aqui que é usado pelos militares para escoltar objetos em movimento. Não consigo ler literalmente (aprendi inglês na minha infância :-() E redesenhar e FFT são coisas diferentes, posso usar FFT e nada será redesenhado. Vou agora à Coshi e vou lê-lo. E os militares sabem como rastrear o alvo :-). Somente o jamming e o decoys poupam do golpe garantido, e nem sempre :-) (Já há algum tempo que há uma batalha de inteligência e algoritmos, o piloto da aeronave só precisa apertar o botão e ..... Parece que tudo mais são algoritmos).
 
Prival:
Também redesenhar e FFT são coisas diferentes, você pode usar FFT e nada será redesenhado. Para Cauchy irei agora, para ler.

Oh, que interessante. E eu pensei que todas as pseudo-máquinas baseadas no princípio de "conversão - filtragem de freqüência - conversão inversa" são necessariamente redesenhadas...

E não perca tempo com Cauchy, seu p.d.f. - a/(b^2 + (x-m)^2). Com a normalização por um, é claro. Mas o integral do p.d.f. multiplicado pela variável x já é divergente (isto é m.o.).

 
Mathemat:
Prival:
Sim, também redesenhar e FFT são coisas diferentes, você pode usar FFT e nada será redesenhado. Para Cauchy, vou agora, para ler.

Oh, que interessante. E eu pensei que todos os pseudo-domínios baseados no princípio de "conversão - filtragem de freqüência - conversão reversa" são necessariamente redesenhados...


Prival está certo, tudo depende de qual estrutura/scheme de filtro usar. Se realmente interessante, por exemplo, como este:


Não há redesenho. Eu mesmo costumava me divertir muito com estes filtros.

 
Algo sobre o JMA, como o melhor, adaptativo, etc., me atingiu. (todos consumidos, como). E nós temos um bom trabalho :-). E os canhotos como a Rússia não são mais, mas eu não acredito nisso.
Eu olho, olho para ele - algumas fórmulas estranhas, e o avatar não é algo como :-) Eu gosto mais :-).
(Compare http://www.jurikres.com/catalog/ms_ama.htm#top). Nosso avião é melhor :-).

É por isso que eu sugiro tentar fazer um indicador melhor, mais adaptável. Talvez algo de bom venha à tona.

A idéia é a seguinte.
1. Tomamos este indicador como base ("Kaufman otimizado AMA: Perry Kaufman AMA otimizado"), muitas pessoas já trabalharam nele. A teoria deste indicador está descrita no arquivo (arquivo anexo). Nós tomamos uma parte deste indicador (idéia). Cálculo da taxa de eficiência do ER (varia de 0 a 1). Ele determinará o período médio (amostragem) de 2 a N (N é definido como um parâmetro de entrada no algoritmo). O resto é um pouco mais complicado.
2 Nós não usamos EMA (média móvel exponencial), mas um polinômio. A potência máxima do polinômio n (também definido como um parâmetro externo). Em princípio, podemos parar e variar n e correr no testador, eu acho que já podemos obter bons resultados. Mas IHMO a pulga ainda não está totalmente treinada, então vamos seguir em frente.
3. Se for adaptável, então que seja adaptável em toda a sua extensão. Além disso, o próximo - o grau de polinômio também é calculado (escolhido o melhor por algum critério). Como não temos informações a priori sobre ruído. Sugiro o uso do critério - o coeficiente de determinação. A lógica de selecionar o polinômio ideal de acordo com este critério está descrita no arquivo (ver pp. 12, 13 e 14). Há até mesmo um programa escrito em MathCade, como fazê-lo.

Se alguém estiver interessado, estou pronto para programar e verificar novamente o ponto 3 em MathCade. Também o ajudarei a criar tal indicador na MQL devido às minhas modestas capacidades.
Arquivos anexados:
ideja_opt_filtra.zip  443 kb
 
E também não esqueça que o indutor simplesmente tem que ser não linear. De qualquer forma, foi isso que a equipe da Djuric decidiu a fim de satisfazer todas as quatro exigências de um filtro adaptativo ideal. E também há algo de teoria da informação envolvido... grasn, você tem alguma idéia sobre um esquema de filtro não-linear?
 
para Prival, Mathemat
<br / translate="no">A idéia é a seguinte.
1. Como base para este indicador ("Kaufman otimizado AMA: Perry Kaufman AMA otimizado"), muitas pessoas já trabalharam nele. A teoria deste indicador está descrita no arquivo (arquivo anexo). Nós tomamos uma parte deste indicador (idéia). Cálculo da taxa de eficiência do ER (varia de 0 a 1). Ele determinará o período médio (amostragem) de 2 a N (N é definido como um parâmetro de entrada no algoritmo). O resto é um pouco mais complicado.
2. não usamos EMA (média móvel exponencial), mas um polinômio. o grau máximo do polinômio é n (também definido como um parâmetro externo). podemos parar e variar n e executá-lo no testador, acho que já podemos obter bons resultados. Mas IHMO a pulga ainda não está totalmente treinada, então vamos seguir em frente.
3. Se for adaptável, então que seja adaptável em toda a sua extensão. Além disso, o próximo - o grau de polinômio também é calculado (escolhido o melhor por algum critério). Como não temos informações a priori sobre ruído. Sugiro o uso do critério - o coeficiente de determinação. A lógica de selecionar o polinômio ideal de acordo com este critério está descrita no arquivo (ver pp. 12, 13 e 14). Há até mesmo um programa escrito em MathCade, como fazê-lo.


Minha humilde opinião autodidata é a seguinte: o modelo proposto de "filtro adaptativo" não funcionará, não vou perder meu tempo com ele. É tudo menos filtragem adaptável. Existe uma teoria coerente, coerente e comprovada de filtragem adaptável. E se você quiser fazer um filtro exatamente adaptativo - é melhor usar exatamente esta teoria.

Se você não tiver tempo para entender esta teoria e projetar o AF, então pegue o MathLab e construa o filtro necessário (se não for um especialista em filtragem adaptável, o MathLab o fará muito melhor). Além disso, você tem duas maneiras: ou gerar dll ou usar m-files para convertê-los para MQL, graças a Deus eles estão abertos.

 
grasn:

Minha humilde opinião autodidata é a seguinte: o modelo proposto de "filtro adaptativo" não funcionará, não vou perder meu tempo com ele. Isto é tudo menos filtragem adaptativa. Existe uma teoria coerente, coerente e comprovada de filtragem adaptável. E se você quiser fazer um filtro exatamente adaptável - é melhor usar exatamente esta teoria.

Se você não tem tempo para entender esta teoria e projetar AF, então pegue o MathLab e construa o filtro necessário (se não for um especialista em filtragem adaptável, então o MathLab o fará muito melhor). Então há duas maneiras: ou gerar dll ou cavar em arquivos m, transferindo-os para MQL, graças a Deus eles estão abertos.

É difícil não concordar com esta opinião.
 
Sugiro que em vez de brincarmos, esperando a melhor das sortes, experimentemos os clones dos indutores do Juric que postamos e ver se eles são tão bons assim, primeiro usando como exemplo um simples sistema de cruzamento pseudo-movedor.
 
NorthernWind:
grasn:

Minha humilde opinião autodidata é a seguinte: o modelo proposto de "filtro adaptativo" não funcionará, não vou perder meu tempo com ele. É tudo menos uma filtragem adaptável. Existe uma teoria coerente, coerente e comprovada de filtragem adaptável. E se você quiser fazer um filtro exatamente adaptável - é melhor usar exatamente esta teoria.

Se você não tiver tempo para entender esta teoria e projetar o AF, então pegue o MathLab e construa o filtro necessário (se não for um especialista em filtragem adaptativa, o MathLab o fará muito melhor). Então você tem duas maneiras: ou gerar dll ou passar por arquivos m e colocá-los em MQL, graças a Deus eles estão abertos.

É difícil discordar dessa opinião.


Qual será a opinião? Que eu não conheço DSP e em particular um dos tópicos sobre os quais eu costumava ler palestras (filtros digitais adaptativos). Ou que é melhor fazer isso em Matlabe? Acho que o autor está errado ali e ali. Tenho um "pouco" de conhecimento neste campo, e existe uma linguagem de programação melhor do que MathLaba. Eu não preciso de nenhuma dll para enviar os resultados dos cálculos para o terminal MT4 (eu só preciso do komposter).

Parece-me que escrever sobre minha sugestão e dizer que não há nenhuma filtragem adaptável lá entendeu mal. E não poderá responder onde, quando e por que razão, digamos, é necessário aplicar a janela de Hemming, e quando sua aplicação só prejudica. Qual é a diferença entre o filtro adaptável Wiener e o filtro Widrow-Hopf ao analisar seus filtros FFC ou Butterworth e Chebyshev, quando é necessário e possível aplicar o primeiro filtro, e quando o segundo filtro.

Desculpe se me deparei duramente, mas você não pode simplesmente descartar as idéias como passé. Levo no máximo 1-2 horas para programar tudo o que tenho escrito em MathCade e não preciso da ajuda de ninguém para isso. Quis ajudar os outros a mostrar a direção a ser seguida, se eles quiserem obter um filtro adaptável, e pronto para ajudá-los neste caso. Os filtros adaptativos são um mar e um pequeno carrinho deles.

Que você não esteja tão zangado, deixe-me dar-lhe como amante de MathLaba um livro sobre DSP, há 989 páginas sobre esta coisa DSP, muitos exemplos nesta linguagem de programação, mas na minha humilde opinião MathCad é melhor :-)

Arquivos anexados:
read_me.zip  9488 kb
12345678910...41
Novo comentário