Matlab Moving Average Filter Convolution

Usando o MATLAB, como posso encontrar a média móvel de 3 dias de uma coluna específica de uma matriz e acrescentar a média móvel a essa matriz, estou tentando calcular a média móvel de 3 dias de baixo para o topo da matriz. Eu forneci meu código: dada a seguinte matriz a e máscara: tentei implementar o comando conv, mas recebo um erro. Aqui está o comando conv que eu tentei usar na 2ª coluna da matriz a: A saída que eu desejo é dada na seguinte matriz: Se você tiver alguma sugestão, eu apreciaria muito. Obrigado Para a coluna 2 da matriz a, estou informando a média móvel de 3 dias da seguinte forma e colocando o resultado na coluna 4 da matriz a (Eu renomeado a matriz a como 39desiredOutput39 apenas para ilustração). A média de 3 dias de 17, 14 e 11 é de 14 a média de 3 dias de 14, 11, 8 é 11, a média de 3 dias de 11, 8, 5 é de 8 e a média de 3 dias de 8, 5, 2 é 5. Não há valor nas 2 linhas inferiores para a 4ª coluna porque a computação para a média móvel de 3 dias começa na parte inferior. A saída 39valid39 não será mostrada até pelo menos 17, 14 e 11. Espero que isso faça sentido ndash Aaron 12 de junho 13 às 1:28 Em geral, isso ajudaria se você mostrar o erro. Neste caso, você está fazendo duas coisas erradas: primeiro sua convolução precisa ser dividida por três (ou o comprimento da média móvel) Em segundo lugar, observe o tamanho de c. Você não pode simplesmente se encaixar em c. A maneira típica de obter uma média móvel seria usar o mesmo: mas isso não se parece com o que você deseja. Em vez disso, você é obrigado a usar algumas linhas: estou procurando um pouco de orientação ao usar CONVN para calcular as médias móveis em uma dimensão em uma matriz 3d. Estou ficando um pouco preso no lampejo da semente sob o capô e espero que alguém possa esclarecer o comportamento para mim. Uma publicação semelhante que ainda me confunde um pouco está aqui: tenho dados diários de fluxo de rio e clima para uma bacia hidrográfica em diferentes locais de origem. Assim, a matriz é tão alta, as 1 (as linhas) representam cada local dim 2 (as colunas) representam a data dim 3 (as páginas) representam o tipo de medida diferente (altura do rio, fluxo, precipitação, etc.) O objetivo É tentar usar CONVN para ter uma média móvel de 21 dias em cada site, para cada ponto de observação para cada variável. Como eu entendo, eu deveria poder usar um kernel como: Eu tentei jogar e crie outro kernel que também deveria funcionar (eu acho) e definir o ker2 como: Os resultados não coincidem e estou me perguntando se eu tenho o Dimensões incorretas aqui para o kernel. Qualquer orientação é muito apreciada. BTW, você tem um kernel simétrico e, portanto, lançar não deve ter efeito na saída da convolução. O que você especificou é um kernel de média móvel padrão, e assim convolução deve funcionar na busca da média móvel como você espera. Mas eu estou um pouco confuso porque você disse que o acima não funciona ndash rayryeng 31 de maio 15 às 20:17 Isso é completamente para você :). A questão que você possui é válida (sem trocadilhos) que atrapalhe muitas pessoas. Se você quer que ele fique, eu posso escrever uma resposta que resume o que falamos. Se você deseja retrair, exclua sua resposta, isso não tem nenhum problema. Deixe-me saber o que você quer fazer ndash rayryeng 31 de maio 15 às 20:39 A partir do contexto de sua pergunta, você possui uma matriz 3D e você deseja encontrar a média móvel de cada linha independentemente em todas as fatias 3D. O código acima deve funcionar (o primeiro caso). No entanto, a bandeira válida retorna uma matriz cujo tamanho é válido em termos dos limites da convolução. Dê uma olhada no primeiro ponto da publicação que você ligou para obter mais detalhes. Especificamente, as primeiras 21 entradas para cada linha estarão faltando devido à bandeira válida. É somente quando você chega à 22ª entrada de cada linha. O kernel de convolução se torna completamente contido dentro de uma linha da matriz e é a partir desse ponto onde você obtém resultados válidos (sem trocadilhos). Se você gostaria de ver essas entradas nos limites, então você precisará usar o mesmo sinalizador se quiser manter a mesma matriz de tamanho que a entrada ou o sinalizador completo (o padrão) que lhe dá o tamanho da saída a partir de As bordas exteriores mais extremas, mas tenha em mente que a média móvel será feita com um monte de zeros e, portanto, as 21 primeiras entradas não seriam o que você esperava de qualquer maneira. No entanto, se estou interpretando o que você está perguntando, então a bandeira válida é o que você quer, mas tenha em mente que você terá 21 entradas faltando para acomodar os casos de borda. Em suma, seu código deve funcionar, mas tenha cuidado com a interpretação dos resultados. BTW, você tem um kernel simétrico e, portanto, lançar não deve ter efeito na saída da convolução. O que você especificou é um kernel de média móvel móvel padrão e, portanto, a convolução deve funcionar na busca da média móvel conforme você esperava.29 Setembro, 2013 Média em movimento pela convolução O que é média móvel e para o que é bom Como a média móvel é feita usando Convolução A média móvel é uma operação simples usada geralmente para suprimir o ruído de um sinal: estabelecemos o valor de cada ponto para a média dos valores em sua vizinhança. Por uma fórmula: Aqui x é a entrada e y é o sinal de saída, enquanto o tamanho da janela é w, supostamente estranho. A fórmula acima descreve uma operação simétrica: as amostras são retiradas de ambos os lados do ponto real. Abaixo está um exemplo da vida real. O ponto em que a janela é colocada é realmente vermelho. Valores fora de x devem ser zeros: para brincar e ver os efeitos da média móvel, dê uma olhada nesta demonstração interativa. Como fazê-lo por convolução Como você pode ter reconhecido, o cálculo da média móvel simples é semelhante à convolução: em ambos os casos, uma janela é deslizada ao longo do sinal e os elementos na janela são resumidos. Então, tente dar o mesmo ao usar a convolução. Use os seguintes parâmetros: A saída desejada é: Como primeira abordagem, vamos tentar o que obtem ao convolver o sinal x pelo seguinte k kernel: a saída é exatamente três vezes maior do que o esperado. Também pode ser visto que os valores de saída são o resumo dos três elementos na janela. É porque durante a convolução a janela é deslizada, todos os elementos nele são multiplicados por um e depois resumidos: yk 1 cdot x 1 cdot x 1 cdot x Para obter os valores desejados de y. A saída deve ser dividida por 3: por uma fórmula que inclua a divisão: Mas não seria o ideal para fazer a divisão durante a convolução. Aqui vem a idéia ao reorganizar a equação: então, usaremos o seguinte k kernel: desta forma, vamos Obtenha o resultado desejado: Em geral: se queremos fazer uma média móvel por convolução com um tamanho de janela de w. Devemos usar o seguinte k kernel: uma função simples que faz a média móvel é: um exemplo de uso é: