具有最小相位的FIR滤波器 - 页 5 123456789101112...20 新评论 Vladimir 2012.08.22 12:59 #41 gara: 建立一个带通滤波器库链接到作者的工作。 https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art7_i17.pdf https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art4_i18.pdf 足够详细地描述了可能的使用实例,所有这些似乎都非常合乎逻辑,但我现在认为,作者自己有点计算错误,没有说明延迟的问题,因为如果在最低频率的过滤器的中心频率是1/MN1的数量级,那么即使是几个样本的延迟也会非常大,所以我认为,在选择过滤器时,应该确定最小延迟 延迟与此无关。以一个带延迟的带通滤波器组为例,用这些滤波器的输出之和绘制价格行情。在时间轴上没有任何人为转移的情况下,一切都应该顺利进行。最主要的是,过滤器应该像Vadim描述的那样重叠在一起。实际上,这一领域的信号分解数学研究得很好,称为离散小波变换。从这里开始阅读,然后翻阅书籍。 https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%81%D0%BA%D1%80%D0%B5%D1%82%D0%BD%D0%BE%D0%B5_%D0%B2%D0%B5%D0%B9%D0%B2%D0%BB%D0%B5%D1%82-%D0%BF%D1%80%D0%B5%D0%BE%D0%B1%D1%80%D0%B0%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5 Vadim Zhunko 2012.08.22 18:09 #42 gara: 建立一个带通滤波器库链接到作者的工作。 https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art7_i17.pdf https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art4_i18.pdf 详细描述了可能的使用实例,所有这些似乎都非常合乎逻辑,但我现在认为,作者自己有点计算错误,没有说明延迟的问题,因为如果在最低频率的过滤器中,过滤器的中心频率约为1/MN1,那么即使是几个样本的延迟也会非常大,所以我认为选择过滤器时的决定因素应该是最小延迟 你没有回答这个问题。你将如何处理这些过滤器? 我在工作中假定,任何光滑的线条都可以用最原始的方式在小距离上以最小的失真推断出来。也就是说,问题可以归结为在分解后得到一个平滑和正弦的线条集合。然后,将它们推断到未来,并将它们堆放在那里。问题...相位与此有什么关系?它得到了补偿。相位和延迟并不重要。 这项工作仍未完成。 ====================== 要用FIR滤波器足够快地解决这个问题,需要成千上万台像你这样的计算机。 gara 2012.08.23 00:37 #43 gpwr: 延迟与此无关。你采取了一个延迟带通滤波器的银行,并将价格报价分散在这些滤波器的输出之和上。在时间轴上没有任何人为转移的情况下,一切都应该顺利进行。最主要的是,过滤器应该像Vadim描述的那样重叠在一起。实际上,这一领域的信号分解数学研究得很好,称为离散小波变换。从这里开始阅读,然后翻阅书籍。 https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%81%D0%BA%D1%80%D0%B5%D1%82%D0%BD%D0%BE%D0%B5_%D0%B2%D0%B5%D0%B9%D0%B2%D0%BB%D0%B5%D1%82-%D0%BF%D1%80%D0%B5%D0%BE%D0%B1%D1%80%D0%B0%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5 谢谢你,我会研究的。 竺可桢。 你没有回答这个问题。你将如何处理这些过滤器? 我在工作中假定,任何光滑的线条都可以用最原始的方式在小距离上以最小的失真推断出来。也就是说,问题可以归结为在分解后得到一个平滑和正弦的线条集合。然后,将它们推断到未来,并将它们堆放在那里。问题...相位与此有什么关系?它得到了补偿。相位和延迟并不重要。 这项工作仍未完成。 ====================== 要用FIR滤波器足够快地解决这个问题,需要成千上万台像你这样的计算机。 每个人都设定了自己的任务,定义了要解决的问题范围,我更喜欢寻找规律,即假设现在分解线的相互排列与之前多次观察到的情况一致,而且从这个位置开始价格经常上涨,我们就采取相应的行动,至于在你的问题中使用一种或另一种类型的过滤器,我相信没有人比你更清楚,我关注这些过滤器是因为它们几乎不需要花费脑力去掌握,没有微分方程式等,乘以后 Vladimir 2012.08.23 03:11 #44 gara: 谢谢,我会研究的。 我喜欢寻找规律,也就是说,假设现在分解线的相互排列与之前多次观察到的排列一致,而且价格从这个位置经常上升,我们就采取相应的行动,至于在你的问题中使用一种或另一种类型的过滤器,我想没有人比你更清楚。 几个月前,我创建了一个单层神经网络,其输入是对报价的分解,如F2、F4、F8等。F512,其中F代表一个滤波器的输出,数字代表其周期。那就是价格被你所引用的文章中描述的9个过滤器的二进制衍生物过滤了。我用内置的遗传学测试仪训练网络。但它没有成功。这张网储存了过去的模式,并在一个前进的模式上慢慢往下走。在我个人看来,基于这种过滤器的交易与基于MACD的交易是一样的。仅仅是IACD还不足以确定进入点。有必要考虑到报价中包含的所有其他信息:价格运动的历史,支持和阻力水平,波动性,一天中的时间,一周中的一天,等等。要把所有这些信息反馈给净条目是非常困难的。因此,我们需要用我们的眼睛寻找模式,并将其简化。你可能只需要2-3个过滤器,而不是9个过滤器的银行,并且忘记了分解这样的事情。 当然,你也可以用另一种方式来做。将价格精确地分解成N个平滑的过滤器,而不是识别模式,将每个过滤器推断到未来,看看它们的总和(价格)是如何表现的,正如瓦迪姆建议的那样。但我不相信这一点。自己判断:我们不知道未来的价格,它可以以同样的概率上升或下降。有了这两种不同的结果,就应该有两种不同的对过去价格的推断。对吗?但当Vadim谈到外推法时,他指的是每个过滤器的一个外推法,而不是几个。这就产生了一个悖论。为了描述不同的未来,必须有不同的推断。但我们只选择一个。为什么我们认为这个特定的推断方案是正确的? СанСаныч Фоменко 2012.08.23 03:29 #45 gpwr: 几个月前,我创建了一个单层神经网络,其输入是对报价的分解,如F2、F4、F8等。F512,其中F代表一个滤波器的输出,数字代表其周期。那就是价格被你所引用的文章中描述的9个过滤器的二进制衍生物过滤了。我用内置的遗传学测试仪训练网络。但它没有成功。这张网储存了过去的模式,并在一个前进的模式上慢慢往下走。在我个人看来,基于这种过滤器的交易与基于MACD的交易是一样的。仅仅是IACD还不足以确定进入点。有必要考虑到报价中包含的所有其他信息:价格运动的历史,支持和阻力水平,波动性,一天中的时间,一周中的一天,等等。要把所有这些信息反馈给净条目是非常困难的。因此,我们需要用我们的眼睛寻找模式,并将其简化。你可能只需要2-3个过滤器,而不是9个过滤器的银行,并且忘记了分解这样的事情。当然,你也可以用另一种方式来做。将价格精确地分解成N个平滑的过滤器,而不是识别模式,将每个过滤器推断到未来,看看它们的总和(价格)是如何表现的,正如瓦迪姆建议的那样。但我不相信这一点。自己判断:我们不知道未来的价格,它可以以同样的概率上升或下降。有了这两种不同的结果,就应该有两种不同的对过去价格的推断。对吗?但当Vadim谈到外推法时,他指的是每个过滤器的一个外推法,而不是几个。这就产生了一个悖论。为了描述不同的未来,必须有不同的推断。但我们只选择一个。为什么我们认为这个特定的推断方案是正确的?将 一个问题分解成其组成部分的想法在科学中是普遍的,并被广泛使用。 对于这个想法,有一个著名的约束,叫做 "可逆性",没有这个约束,分解就不能被认可--它是问题被分解成的部分的总和必须给出这个问题。在谐波的情况下,这意味着商被分解成的谐波之和必须得到原始商。 在我的印象中,傅立叶。如果谐波的数量等于观测值的数量,任何信号都可以被绝对精确地表示。这就是可逆性的条件。否则,原始信号的表述就会出现一些错误。在DSP中,这并不重要,因为在那里,信号被提取出来,而噪声被摆脱了。 在一个小房间里,没有信号。而人们普遍认为,对原始商的分解所产生的残余物进行分析是很重要的。决定未来预测的是残差,而不是我们从商数中提取的那组平滑曲线。 СанСаныч Фоменко 2012.08.23 03:31 #46 gara: 不费吹灰之力 ..... 我不得不让你失望:市场对人的精神要求很高,是目前最难认知的对象之一。 Vadim Zhunko 2012.08.23 06:19 #47 gpwr: 当然,我们可以用不同的方式来做。把价格准确地分解成N个平滑的过滤器,而不是识别模式,把每个过滤器推断到未来,看看它们的总和(价格)是如何表现的,正如瓦迪姆建议的那样。但我不相信这一点。自己判断:我们不知道未来的价格,它可以以同样的概率上升或下降。有了这两种不同的结果,就应该有两种不同的对过去价格的推断。对吗?但当Vadim谈到外推法时,他指的是每个过滤器的一个外推法,而不是几个。这就产生了一个悖论。为了描述不同的未来,必须有不同的推断。但我们只选择一个。为什么我们认为这个特定的推断方案是正确的? 没有任何悖论。解释了一下。 faa1947: 将一个问题分解成其组成部分的想法在科学中是普遍的,并被广泛使用。 对于这个想法,有一个众所周知的约束,叫做 "可逆性",如果没有这个约束,分解就不能被认可--它是问题被分解成的部分的总和必须给出这个问题。在谐波的情况下,这意味着商被分解成的谐波之和必须得到原始商。 在我的印象中,傅立叶。如果谐波的数量等于观测值的数量,任何信号都可以被绝对精确地表示。这就是可逆性的条件。否则,原始信号的表述就会出现一些错误。在DSP中,这并不重要,因为在那里,信号被提取出来,而噪声被摆脱了。 在一个小房间里,没有信号。而人们普遍认为,对原始商的分解所产生的残余物进行分析是很重要的。决定未来预测的是残差,而不是我们从商数中提取的一组平滑曲线。 一者与另一者并不矛盾。我有原始系列的修复版。 这最后一点在推断方面非常正确。推断本身虽然高度准确,但并不绝对。如果我们考虑到有很多这样的线(也许是几万条),累积的误差也会影响到预测。所以,弗拉基米尔,这里没有悖论。 gara 2012.09.01 11:03 #48 我拿出matcad,这是我应用该算法后得到的结果。 是LPF变成了LPF FF现在是FF。 在P4上应用原始过滤器的结果 下面的修改后的滤波器的结果是简单地将滤波器输出的信号相加(红线),没有任何移动。 谢谢大家,这个话题可以结束了 ZZZEROXXX 2012.09.01 13:35 #49 结论是什么? keekkenen 2012.09.01 14:06 #50 结论很简单--不是胡安的斗篷! 123456789101112...20 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
建立一个带通滤波器库链接到作者的工作。
https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art7_i17.pdf
https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art4_i18.pdf
足够详细地描述了可能的使用实例,所有这些似乎都非常合乎逻辑,但我现在认为,作者自己有点计算错误,没有说明延迟的问题,因为如果在最低频率的过滤器的中心频率是1/MN1的数量级,那么即使是几个样本的延迟也会非常大,所以我认为,在选择过滤器时,应该确定最小延迟
延迟与此无关。以一个带延迟的带通滤波器组为例,用这些滤波器的输出之和绘制价格行情。在时间轴上没有任何人为转移的情况下,一切都应该顺利进行。最主要的是,过滤器应该像Vadim描述的那样重叠在一起。实际上,这一领域的信号分解数学研究得很好,称为离散小波变换。从这里开始阅读,然后翻阅书籍。
https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%81%D0%BA%D1%80%D0%B5%D1%82%D0%BD%D0%BE%D0%B5_%D0%B2%D0%B5%D0%B9%D0%B2%D0%BB%D0%B5%D1%82-%D0%BF%D1%80%D0%B5%D0%BE%D0%B1%D1%80%D0%B0%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5
建立一个带通滤波器库链接到作者的工作。
https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art7_i17.pdf
https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art4_i18.pdf
详细描述了可能的使用实例,所有这些似乎都非常合乎逻辑,但我现在认为,作者自己有点计算错误,没有说明延迟的问题,因为如果在最低频率的过滤器中,过滤器的中心频率约为1/MN1,那么即使是几个样本的延迟也会非常大,所以我认为选择过滤器时的决定因素应该是最小延迟
你没有回答这个问题。你将如何处理这些过滤器?
我在工作中假定,任何光滑的线条都可以用最原始的方式在小距离上以最小的失真推断出来。也就是说,问题可以归结为在分解后得到一个平滑和正弦的线条集合。然后,将它们推断到未来,并将它们堆放在那里。问题...相位与此有什么关系?它得到了补偿。相位和延迟并不重要。
这项工作仍未完成。
======================
要用FIR滤波器足够快地解决这个问题,需要成千上万台像你这样的计算机。
延迟与此无关。你采取了一个延迟带通滤波器的银行,并将价格报价分散在这些滤波器的输出之和上。在时间轴上没有任何人为转移的情况下,一切都应该顺利进行。最主要的是,过滤器应该像Vadim描述的那样重叠在一起。实际上,这一领域的信号分解数学研究得很好,称为离散小波变换。从这里开始阅读,然后翻阅书籍。
https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%81%D0%BA%D1%80%D0%B5%D1%82%D0%BD%D0%BE%D0%B5_%D0%B2%D0%B5%D0%B9%D0%B2%D0%BB%D0%B5%D1%82-%D0%BF%D1%80%D0%B5%D0%BE%D0%B1%D1%80%D0%B0%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5
谢谢你,我会研究的。
你没有回答这个问题。你将如何处理这些过滤器?
我在工作中假定,任何光滑的线条都可以用最原始的方式在小距离上以最小的失真推断出来。也就是说,问题可以归结为在分解后得到一个平滑和正弦的线条集合。然后,将它们推断到未来,并将它们堆放在那里。问题...相位与此有什么关系?它得到了补偿。相位和延迟并不重要。
这项工作仍未完成。
======================
要用FIR滤波器足够快地解决这个问题,需要成千上万台像你这样的计算机。
谢谢,我会研究的。
我喜欢寻找规律,也就是说,假设现在分解线的相互排列与之前多次观察到的排列一致,而且价格从这个位置经常上升,我们就采取相应的行动,至于在你的问题中使用一种或另一种类型的过滤器,我想没有人比你更清楚。
几个月前,我创建了一个单层神经网络,其输入是对报价的分解,如F2、F4、F8等。F512,其中F代表一个滤波器的输出,数字代表其周期。那就是价格被你所引用的文章中描述的9个过滤器的二进制衍生物过滤了。我用内置的遗传学测试仪训练网络。但它没有成功。这张网储存了过去的模式,并在一个前进的模式上慢慢往下走。在我个人看来,基于这种过滤器的交易与基于MACD的交易是一样的。仅仅是IACD还不足以确定进入点。有必要考虑到报价中包含的所有其他信息:价格运动的历史,支持和阻力水平,波动性,一天中的时间,一周中的一天,等等。要把所有这些信息反馈给净条目是非常困难的。因此,我们需要用我们的眼睛寻找模式,并将其简化。你可能只需要2-3个过滤器,而不是9个过滤器的银行,并且忘记了分解这样的事情。
当然,你也可以用另一种方式来做。将价格精确地分解成N个平滑的过滤器,而不是识别模式,将每个过滤器推断到未来,看看它们的总和(价格)是如何表现的,正如瓦迪姆建议的那样。但我不相信这一点。自己判断:我们不知道未来的价格,它可以以同样的概率上升或下降。有了这两种不同的结果,就应该有两种不同的对过去价格的推断。对吗?但当Vadim谈到外推法时,他指的是每个过滤器的一个外推法,而不是几个。这就产生了一个悖论。为了描述不同的未来,必须有不同的推断。但我们只选择一个。为什么我们认为这个特定的推断方案是正确的?
几个月前,我创建了一个单层神经网络,其输入是对报价的分解,如F2、F4、F8等。F512,其中F代表一个滤波器的输出,数字代表其周期。那就是价格被你所引用的文章中描述的9个过滤器的二进制衍生物过滤了。我用内置的遗传学测试仪训练网络。但它没有成功。这张网储存了过去的模式,并在一个前进的模式上慢慢往下走。在我个人看来,基于这种过滤器的交易与基于MACD的交易是一样的。仅仅是IACD还不足以确定进入点。有必要考虑到报价中包含的所有其他信息:价格运动的历史,支持和阻力水平,波动性,一天中的时间,一周中的一天,等等。要把所有这些信息反馈给净条目是非常困难的。因此,我们需要用我们的眼睛寻找模式,并将其简化。你可能只需要2-3个过滤器,而不是9个过滤器的银行,并且忘记了分解这样的事情。
当然,你也可以用另一种方式来做。将价格精确地分解成N个平滑的过滤器,而不是识别模式,将每个过滤器推断到未来,看看它们的总和(价格)是如何表现的,正如瓦迪姆建议的那样。但我不相信这一点。自己判断:我们不知道未来的价格,它可以以同样的概率上升或下降。有了这两种不同的结果,就应该有两种不同的对过去价格的推断。对吗?但当Vadim谈到外推法时,他指的是每个过滤器的一个外推法,而不是几个。这就产生了一个悖论。为了描述不同的未来,必须有不同的推断。但我们只选择一个。为什么我们认为这个特定的推断方案是正确的?
将 一个问题分解成其组成部分的想法在科学中是普遍的,并被广泛使用。
对于这个想法,有一个著名的约束,叫做 "可逆性",没有这个约束,分解就不能被认可--它是问题被分解成的部分的总和必须给出这个问题。在谐波的情况下,这意味着商被分解成的谐波之和必须得到原始商。
在我的印象中,傅立叶。如果谐波的数量等于观测值的数量,任何信号都可以被绝对精确地表示。这就是可逆性的条件。否则,原始信号的表述就会出现一些错误。在DSP中,这并不重要,因为在那里,信号被提取出来,而噪声被摆脱了。
在一个小房间里,没有信号。而人们普遍认为,对原始商的分解所产生的残余物进行分析是很重要的。决定未来预测的是残差,而不是我们从商数中提取的那组平滑曲线。
不费吹灰之力 .....
当然,我们可以用不同的方式来做。把价格准确地分解成N个平滑的过滤器,而不是识别模式,把每个过滤器推断到未来,看看它们的总和(价格)是如何表现的,正如瓦迪姆建议的那样。但我不相信这一点。自己判断:我们不知道未来的价格,它可以以同样的概率上升或下降。有了这两种不同的结果,就应该有两种不同的对过去价格的推断。对吗?但当Vadim谈到外推法时,他指的是每个过滤器的一个外推法,而不是几个。这就产生了一个悖论。为了描述不同的未来,必须有不同的推断。但我们只选择一个。为什么我们认为这个特定的推断方案是正确的?
将一个问题分解成其组成部分的想法在科学中是普遍的,并被广泛使用。
对于这个想法,有一个众所周知的约束,叫做 "可逆性",如果没有这个约束,分解就不能被认可--它是问题被分解成的部分的总和必须给出这个问题。在谐波的情况下,这意味着商被分解成的谐波之和必须得到原始商。
在我的印象中,傅立叶。如果谐波的数量等于观测值的数量,任何信号都可以被绝对精确地表示。这就是可逆性的条件。否则,原始信号的表述就会出现一些错误。在DSP中,这并不重要,因为在那里,信号被提取出来,而噪声被摆脱了。
在一个小房间里,没有信号。而人们普遍认为,对原始商的分解所产生的残余物进行分析是很重要的。决定未来预测的是残差,而不是我们从商数中提取的一组平滑曲线。
一者与另一者并不矛盾。我有原始系列的修复版。
这最后一点在推断方面非常正确。推断本身虽然高度准确,但并不绝对。如果我们考虑到有很多这样的线(也许是几万条),累积的误差也会影响到预测。所以,弗拉基米尔,这里没有悖论。
我拿出matcad,这是我应用该算法后得到的结果。
是LPF变成了LPF
FF现在是FF。
在P4上应用原始过滤器的结果
下面的修改后的滤波器的结果是简单地将滤波器输出的信号相加(红线),没有任何移动。
谢谢大家,这个话题可以结束了