自适应数字滤波器 - 页 3

新评论
 
数学家，有时我也看不懂你用俄语写的东西（我得出的结论和你期望的不一样:-)）。但在这里是英语。虽然我理解这里说的是军队用来护送移动物体。我不能逐字逐句地读（我在童年时学过英语 :-() 而且重绘和FFT是不同的事情，我可以用FFT，没有什么会被重绘。我现在就去Coshi阅读。而且军队知道如何追踪目标：-）。只有干扰和诱饵可以避免保证命中，而且并不总是如此:-)(一段时间以来，一直在进行一场智慧和算法的较量，飞机上的飞行员只需要按下按钮，.....）。似乎其他都是算法）。
 
Prival:
另外重绘和FFT是不同的事情，你可以使用FFT，没有什么会被重绘。对于Cauchy，我现在要去，去读。

哦，真有意思。而我以为，所有基于 "变换--频率过滤--反向变换 "原理的伪机器都必然是重绘的......

而且不要在Cauchy上浪费任何时间，它的p.d.f。- a/（b^2+（x-m）^2）。当然，有了一的正常化。但p.d.f.乘以变量x的积分已经发散了（这就是m.o.）。

 
Mathemat:
私下 的。
是的，重绘和FFT是不同的事情，你可以使用FFT，没有什么会被重绘。对于Cauchy，我现在要去，去读。

哦，真有意思。而我以为，所有基于 "转换--频率过滤--反向转换 "原则的伪域都必然会被重新绘制......


Prival 是对的，这完全取决于使用哪种过滤器结构/方案。 如果真的很有趣，比如说，像这样。


不存在重划。我自己曾经对这些过滤器有很多乐趣。

 
关于JMA的一些东西，比如最好的、适应性强的等等，打动了我。(都吃光了，怎么会）。而且我们有一份好工作:-)。而像俄罗斯这样的左撇子已经没有了，但我不相信。
我看，看他--一些奇怪的公式，而头像不是像:-)我更喜欢它:-)。
(比较http://www.jurikres.com/catalog/ms_ama.htm#top)。我们的飞机更好:-)。

这就是为什么我建议尝试制作一个更好的指标，更具适应性。可能会有好东西出来。

其想法如下。
1.我们以这个指标为基础（"考夫曼优化AMA：佩里-考夫曼AMA优化"），很多人已经在这方面做了工作。该指标的理论在文件中描述（文件附后）。我们把这个指标的一个部分（想法）。计算ER效率比（从0到1不等）。它将确定2到N的平均（采样）周期（N在算法中被设定为输入参数）。剩下的就有点棘手了。
2 我们不使用EMA（指数移动平均线），而是使用多项式。多项式n的最大功率（也作为外部参数设置）。原则上，我们可以在测试器中停止并改变n和运行，我想我们已经可以得到很好的结果。但IHMO这只跳蚤还没有完全训练好，所以我们继续吧。
3.如果它是适应性的，那么就让它在最大程度上适应。此外，还计算了下一个--多项式的度数（按某种标准选择最佳度数）。由于我们没有关于噪音的先验信息。我建议使用标准--决定系数。根据这一标准选择最佳多项式的逻辑在文件中有所描述（见第12、13和14页）。甚至有一个用MathCade编写的程序，如何做。

如果有人感兴趣，我准备在MathCade中对第3点进行编程和重新检查。由于我能力有限，我也会帮助你在MQL中创建这样的指标。
附加的文件：
ideja_opt_filtra.zip  443 kb
 
而且也不要忘记，电感必须是非线性的。 总之，这就是Djuric团队的决定，以满足理想自适应滤波器的所有四个要求。而且还涉及到信息理论的东西......grasn，你对非线性滤波器方案有什么想法吗？
 

非滞后或低滞后指标" --- FRAMA

--- FRAMA ---

 
对私人，数学
<br / translate="no">这个想法如下。
1.作为基础，我们把这个指标（"考夫曼优化的AMA：佩里-考夫曼AMA优化"），许多人已经在这方面做了工作。该指标的理论在文件中描述（文件附后）。我们把这个指标的一个部分（想法）。计算ER效率比（从0到1不等）。它将确定2到N的平均（采样）周期（N在算法中被设定为输入参数）。剩下的就有点棘手了。
2.我们不使用EMA（指数移动平均线），而是使用多项式。多项式的最大度数是n（也作为外部参数设置）。我们可以停止和改变n，并在测试器中运行，我认为我们已经可以得到良好的结果。但IHMO这只跳蚤还没有完全训练好，所以我们继续吧。
3.如果它是适应性的，那么就让它在最大程度上适应。此外，还计算了下一个--多项式的度数（按某种标准选择最佳度数）。由于我们没有关于噪音的先验信息。我建议使用标准--决定系数。根据这一标准选择最佳多项式的逻辑在文件中有所描述（见第12、13和14页）。甚至有一个用MathCade编写的程序，如何做。


我卑微的自学成才的观点是：提议的 "自适应过滤器 "模型不会起作用，我不会在它上面浪费时间。 它不是自适应过滤。有一个连贯的、一致的、被证实的自适应过滤理论。而如果你想做的正是自适应滤波器--你最好正是使用这个理论。

如果你没有时间去理解这个理论和设计自动对焦，那么就拿MathLab来构建所需的滤波器（如果不是自适应滤波方面的专家，MathLab会做得更好）。进一步说，你有两种方法：要么生成dll，要么使用m-files将其转换为MQL，感谢上帝，它们是开放的。

 
grasn:

我卑微的自学成才的观点是：提议的 "适应性过滤 "模式不会起作用，我不会在它上面浪费时间。 这不是适应性过滤，而是任何东西。有一个连贯的、一致的、被证实的自适应过滤理论。而如果你想做的正是自适应滤波器--你最好正是使用这个理论。

如果你没有时间理解这个理论和设计自动对焦，那么就用MathLab建立必要的过滤器（如果不是自适应过滤的专家，那么MathLab会做得更好）。 然后有两种方法：要么生成dll，要么在m文件中挖掘，把它们转移到MQL，感谢上帝，它们是开放的。

很难不同意这种观点。
 
我建议，与其胡闹，希望有最好的运气，不如试试这里张贴的Djuric的感应器的克隆，并检查它们是否有那么好，首先使用一个简单的伪移动交叉系统作为例子。
 
NorthernWind:
格拉斯恩。

我卑微的自学成才的观点是：提议的 "自适应过滤器 "模型不会起作用，我不会在它上面浪费时间。它是任何东西，而不是自适应过滤。有一个连贯的、一致的、被证实的自适应过滤理论。而如果你想做的正是自适应滤波器--你最好正是使用这个理论。

如果你没有时间去理解这个理论和设计自动对焦，那么就拿MathLab来构建所需的滤波器（如果不是自适应滤波方面的专家，MathLab会做得更好）。那么你有两种方法：要么生成dll，要么通过m-files，把它们放到MQL中，感谢上帝，它们是开放的。

很难不同意这个观点。


我想知道是什么意见。那就是我不懂DSP，尤其是我曾经读过的讲座中的一个主题（自适应数字滤波器）。或者说，用Matlabe来做会更好？我认为作者在这里和那里都是错的。我在这个领域有 "一点 "知识，还有比MathLaba更好的编程语言。我不需要任何dll来发送计算结果到MT4终端（我只需要komposter）。

在我看来，写我的建议并说那里没有适应性过滤是错误的。而不会回答在什么地方、什么时候、出于什么原因，比如说有必要应用海明的窗口，以及什么时候应用它只会造成伤害。在分析它们的FFC或Butterworth滤波器和Chebyshev滤波器时，维纳自适应滤波器和Widrow-Hopf滤波器的区别是什么，什么时候有必要和可能应用第一个滤波器，什么时候应用第二个。

如果我 说得很难听，我很抱歉，但你不能把想法当作过时的东西来否定。我在MathCade中编写的所有程序最多需要1-2小时，我不需要任何人的帮助。想帮助别人指出挖掘的方向，如果他们想得到一个自适应滤波器，并准备在这种情况下帮助他们。自适应过滤器是一个海洋和一个小手推车。

为了让你不那么生气，作为MathLaba的爱好者，我给你一本关于DSP的书，里面有989页关于DSP这个东西，有很多这种编程语言的例子，但在我看来MathCad更好 :-)

附加的文件：
read_me.zip  9488 kb
12345678910...41
新评论