自适应数字滤波器 - 页 6

 
尊敬的大会,您好。
grasn:

  • 收集基于VLF的 "波"(以极值为界的波长/通道,扫频...)的统计数据
  • 找出以前和未来波段之间的统计模式。我们所说的波浪,是指限制波浪的通道,即不是一条直线,而是一条时间线

Grasn,你对别人的统计数据进行这样的数据挖掘有多大的劳动强度?问题,可以理解为有提示:)。

关于过滤数据中极值的识别,我想我已经写过,市场尊重水平,因此用高点和低点来识别高点和低点更为可取。特别是考虑到将其压缩成柱状图时损失的信息。假极值会产生问题,但我担心LFO,即使是自适应的LFO,也不一定有帮助。下面是一个似乎是假的极值的例子:


这里的红条是我对正确标记的想法(横线 是作为支持这一观点的论据而添加的)。
 
坦率地 说,我想和你争论。你的论点是没有说服力的。这些 "虚假 "的水平也可能来自于更高的TF,因为来自不同波动的几个Fibs聚集在一起的结果。我没有证据,这只是一个假说。
 
grasn:

PS1:我只是在防空部队服役,这里我读出了我的军人证第27段的职务(为了让它更稳固:o):"防空短程导弹无线电控制设施部门指挥官"。而且我更清楚地知道(正如他们通常写的那样--而不是道听途说:o),我们被称赞的系统(不仅是我们的)甚至不能击落,它们甚至不能看到目标。


而他们为什么这么害怕,我想这对你来说是很有趣的http://www.kroufr.ru/forum/index.php/topic,6037.0.html, 而这个SAM(开发)已经超过50年了,所以他们看到的并不坏。
 
Mathemat:

整数,你是说这个JMA -'JMA'


关于她。
 
NorthernWind:

ZS,在Alpari论坛上,BQQ已经详细阐述了为什么在他看来,作为一个DSP专家,DSP方法很难在市场上应用。在我看来,相当清晰。


我BQQ在这里争论了一下http://forum.alpari-idc.ru/showthread.php?t=38804&page=16, 如果不是太麻烦的话,他在这里列出了所有的细节。我只是认为,首先一个DSP专家应该知道并理解(用他的全部灵魂)Kotelnikov的这个定理,它就像几何中的一个公理。

而对所有的人来说,如果你能使用采样率这个词,请对我来说,纽克维斯特频率是一个肮脏的词。 它来自于发明无线电的波波夫或马可尼等地区。

整数

我已经在JMA上工作了两天,但没有希望!我的工作是什么?

如果你不介意,你可以尝试做一个自适应指标,也就是我在这个主题中早先写的算法。如果你想尝试,你必须知道如何与JMA合作。

 
Integer:
关于她。
你确定这是原始的JMA吗?只是Parabellum 在讨论中贴了一张JJMA的照片,似乎更好...
 
Prival:
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。多项式的最大度数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。由于我的能力有限,我也会帮助在MQL中创建这种指标。

私人的,这个档案不包含第12-13页
 
Mathemat:
整数
关于她。
你确定这是原始的JMA吗?只是Parabellum 在讨论中贴了一张JJMA的照片,似乎更好...

我不确定。
 
Mathemat:
坦率地 说,我想和你争论。你的论点是没有说服力的。这些 "虚假 "的水平也可能来自于更高的TF,因为来自不同波动的几个Fibs的聚集结果。我没有证据,这只是一个假说。
不,Mathemat,我不打算和你争论这个问题:)。因为原则上我同意。 但我认为把问题减少到对每个等级的模式的独立搜索是非常可取的(我更喜欢 "更高的时间框架 "的概念,而不是 "更高的等级 "的概念)。但总的来说,我们正在处理某种干扰模式的想法看起来很有趣。
 
Integer:
私下 的。
关于JMA,有些东西打动了我,比如最好的、适应性强的等等。(他把它们都吃光了)。但我们并不擅长这个:-)。而像俄罗斯这样的左撇子已经灭绝了,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。也许会有好的东西出来。

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。多项式的最大度数n(也作为外部参数设置)。我们可以停止并改变n,并在测试器中运行,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。

私人的,这个档案不包含第12-13页
好的,对不起,我再补充一下(专题14,信号的逼近,第12-14页)。但我认为第3项是没有必要的,开始时可以简单地选择1度或2度的多项式。因为对于第三点,你需要回答1,但最重要的问题,这里的常规成分是什么(分为信号和噪声)?
附加的文件:
dsp.zip  1921 kb