Untuk pendekatan lain, Anda dapat memotong jendela rata-rata bergerak eksponensial dan kemudian menghitung sinyal tersaring Anda dengan melakukan konvolusi antara sinyal Anda dan eksponensial berjendela. Konvolusi dapat dihitung dengan menggunakan perpustakaan CUDA FFT gratis (cuFFT) karena, seperti yang Anda ketahui, konvolusi dapat dinyatakan sebagai perkalian point-wise dari dua sinyal di domain Fourier (Ini adalah Teorema Konvolusi yang tepat, Yang berjalan dengan kompleksitas O (n log (n))). Pendekatan jenis ini akan meminimalkan kode kernel CUDA Anda dan berjalan sangat cepat, bahkan di GeForce 570 Khususnya, jadi jika Anda dapat melakukan semua perhitungan Anda dengan presisi tunggal (float). Dijawab Apr 30 14 at 17:04 Saya akan mengusulkan untuk memanipulasi persamaan perbedaan di atas seperti yang ditunjukkan di bawah ini dan kemudian menggunakan primitif CUDA Thrust. PERBEDAAN PERBEDAAN MANIPULASI - FORMULIR EXPLIKIT DARI PERIKSA PERBEDAAN Dengan aljabar sederhana, Anda dapat menemukan yang berikut: Dengan demikian, bentuk eksplisitnya adalah sebagai berikut: IMPLEMENTASI CUDA THRUST Anda dapat menerapkan bentuk eksplisit di atas dengan langkah-langkah berikut: Menginisialisasi urutan input dinput ke Alfa kecuali dinput0 1. Tentukan vektor d1overbetatothen sama dengan 1, 1beta, 1beta2, 1beta3. Kalikan elementwise dinput oleh d1overbetatothen Lakukan inclusivescan untuk mendapatkan urutan yn betan Bagilah urutan di atas dengan 1, 1beta, 1beta2, 1beta3. Pendekatan di atas dapat direkomendasikan untuk sistem Linear Time-Varying (LTV). Untuk sistem Linear Time-Invarian (LTI), pendekatan FFT yang disebutkan oleh Paul dapat direkomendasikan. Im memberikan contoh pendekatan tersebut dengan menggunakan CUDA Thrust dan cuFFT dalam jawaban saya terhadap filter FIR di CUDA. Rata-rata Sedang Contoh ini mengajarkan cara menghitung rata-rata pergerakan deret waktu di Excel. Rata-rata bergerak digunakan untuk memperlancar penyimpangan (puncak dan lembah) agar mudah mengenali tren. 1. Pertama, mari kita lihat rangkaian waktu kita. 2. Pada tab Data, klik Analisis Data. Catatan: cant menemukan tombol Analisis Data Klik disini untuk memuat add-on Analisis ToolPak. 3. Pilih Moving Average dan klik OK. 4. Klik pada kotak Input Range dan pilih range B2: M2. 5. Klik di kotak Interval dan ketik 6. 6. Klik pada kotak Output Range dan pilih sel B3. 8. Plot grafik nilai-nilai ini. Penjelasan: karena kita tetapkan interval ke 6, rata-rata bergerak adalah rata-rata dari 5 titik data sebelumnya dan titik data saat ini. Akibatnya, puncak dan lembah dihaluskan. Grafik menunjukkan tren yang meningkat. Excel tidak bisa menghitung moving average untuk 5 poin data pertama karena tidak ada cukup data point sebelumnya. 9. Ulangi langkah 2 sampai 8 untuk interval 2 dan interval 4. Kesimpulan: Semakin besar interval, semakin puncak dan lembah dihaluskan. Semakin kecil interval, semakin dekat rata-rata bergerak ke titik data aktual. Filter Rata-Rata Data Lalu Lintas Contoh ini menunjukkan bagaimana memperlancar arus lalu lintas menggunakan filter rata-rata bergerak dengan jendela geser 4 jam. Persamaan perbedaan berikut ini menggambarkan filter yang rata-rata jam saat ini dan tiga jam sebelumnya data. Impor data lalu lintas dan tetapkan kolom pertama jumlah kendaraan ke vektor x. Buat vektor koefisien filter. Hitunglah rata-rata pergerakan 4 jam data, dan plot data asli dan data yang disaring. MATLAB dan Simulink adalah merek dagang terdaftar dari The MathWorks, Inc. Silakan lihat mathworkstrademarks untuk daftar merek dagang lain yang dimiliki oleh The MathWorks, Inc. Produk atau merek lain adalah merek dagang atau merek dagang terdaftar dari pemiliknya masing-masing. Pilih negaramu
No comments:
Post a Comment