ถัว เฉลี่ยเคลื่อนที่ matlab รหัส

ฉันมีเมทริกซ์ข้อมูลชุดเวลาสำหรับตัวแปร 8 ตัวแปรซึ่งมีจุดประมาณ 2500 (10 ปีของ mon-fri) และต้องการคำนวณค่าเฉลี่ยความแปรปรวนความเบ้และค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ สมมติว่าเฟรม 100 252 504 756 - ฉันต้องการคำนวณสี่ฟังก์ชันข้างต้นในแต่ละเฟรม (เวลา) ในแต่ละวัน - ดังนั้นการกลับมาของวัน 300 ในกรณีที่มี 100 วันเฟรมจะเป็นค่าเฉลี่ย ความแปรปรวน skurtness kurtosis จากช่วง day201-day300 (รวม 100 วัน) และอื่น ๆ ฉันรู้ว่านี่หมายความว่าฉันจะได้รับผลลัพท์อาร์เรย์และจำนวนเฟรมแรกของวันจะเป็น NaN แต่ฉันไม่สามารถคำนวณการจัดทำดัชนีที่ต้องการเพื่อทำสิ่งนี้ได้ ถาม 24 มีนาคมที่ 14 เวลา 0:07 นี่เป็นคำถามที่น่าสนใจเพราะผมคิดว่าทางออกที่ดีที่สุดแตกต่างจากค่าเฉลี่ยของสถิติตัวอย่าง Ive ให้ตัวอย่างด้านล่างที่คุณสามารถทำงานได้ ขั้นแรกเลือกพารามิเตอร์ที่กำหนดเองและจำลองข้อมูลบางอย่าง: สำหรับค่าเฉลี่ยให้ใช้ตัวกรองเพื่อให้ได้ค่าเฉลี่ยโดยเฉลี่ย: ฉันคิดว่าการแก้ปัญหานี้โดยใช้ conv เป็นดังนี้: แต่เนื่องจาก PhilGoddard ชี้ให้เห็นว่าข้อคิดเห็นวิธีการกรองจะหลีกเลี่ยง ต้องห่วง นอกจากนี้โปรดทราบว่า Ive เลือกที่จะให้วันที่ในเมทริกซ์เอาต์พุตสอดคล้องกับวันที่ใน X ดังนั้นในการทำงานในภายหลังคุณสามารถใช้ subscripts เดียวกันสำหรับทั้งสอง ดังนั้นข้อสังเกต WindowLength -1 ครั้งแรกใน MeanMA จะเป็น nan สำหรับความแปรปรวนฉันไม่สามารถดูวิธีใช้ตัวกรองหรือ Conv หรือแม้แต่ผลรวมที่ทำงานได้เพื่อให้ทุกอย่างมีประสิทธิภาพมากขึ้นดังนั้นแทนที่จะทำการคำนวณด้วยตนเองในแต่ละครั้ง: เราสามารถเพิ่มความเร็วขึ้นเล็กน้อยโดยใช้ประโยชน์จากข้อเท็จจริงที่เรามีอยู่แล้ว คำนวณค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย เพียงแค่แทนที่วงในบรรทัดด้านบนด้วย: อย่างไรก็ตามฉันสงสัยนี้จะสร้างความแตกต่างมาก ถ้ามีใครสามารถดูวิธีที่ชาญฉลาดในการใช้ตัวกรองหรือ conv เพื่อรับรหัสความแปรปรวนของหน้าต่างเคลื่อนที่ได้ให้ความสนใจที่จะดู ฉันจะปล่อยให้กรณีของ skewness และ kurtosis เพื่อ OP เนื่องจากพวกเขาเป็นหลักเพียงเช่นเดียวกับตัวอย่างความแปรปรวน แต่มีฟังก์ชั่นที่เหมาะสม จุดสุดท้าย: ถ้าคุณแปลงค่าข้างต้นให้เป็นฟังก์ชันทั่วไปคุณสามารถส่งผ่านฟังก์ชันที่ไม่ระบุตัวตนเป็นหนึ่งในอาร์กิวเมนต์จากนั้นคุณจะมีขั้นตอนการย้ายโดยเฉลี่ยซึ่งทำงานได้โดยอิสระสำหรับการแปลงข้อมูล Final, final point: สำหรับลำดับความยาวของหน้าต่างเพียงแค่วนรอบการบล็อกโค้ดทั้งหมดสำหรับความยาวของแต่ละหน้าต่าง ใช่ฟังก์ชั่นการกรองเป็นสิ่งที่ดีกว่าสำหรับค่าเฉลี่ย แต่ฉันต้องการทำเช่นนี้สำหรับฟังก์ชันที่แตกต่างกันไม่ใช่แค่ค่าเฉลี่ยเท่านั้น โพสต์คำตอบของฉันเพราะมันทำงานให้ฉันและฉันคิดว่ามันอาจจะช่วยคนอื่นด้วย ndash Dexter Morgan 15 เม. ย. 15 ที่ 12: 40 ฉันจำเป็นต้องคำนวณค่าเฉลี่ยเคลื่อนที่ของข้อมูลชุดข้อมูลภายในลูปสำหรับ ฉันต้องได้รับค่าเฉลี่ยเคลื่อนที่มากกว่า N9 วัน การคำนวณ Im array เป็นค่า 365 ค่า (M) ซึ่งเป็นค่าเฉลี่ยของชุดข้อมูลอื่น ฉันต้องการคำนวณค่าเฉลี่ยของข้อมูลโดยมีค่าเฉลี่ยเคลื่อนที่ในพล็อตเดียว ฉัน googled เล็กน้อยเกี่ยวกับการย้ายเฉลี่ยและคำสั่ง conv และพบสิ่งที่ฉันพยายามใช้ในรหัสของฉัน: ดังนั้นโดยทั่วไปฉันคำนวณค่าเฉลี่ยของฉันและพล็อตมันด้วยค่าเฉลี่ยเคลื่อนที่ (ผิด) ฉันเลือกค่า wts จากเว็บไซต์ mathworks เพื่อที่ไม่ถูกต้อง (source: mathworks. nlhelpeconmoving-average-trend-estimation. html) ปัญหาของฉันแม้ว่าเป็นที่ฉันไม่เข้าใจสิ่งที่เป็น wts นี้ ทุกคนสามารถอธิบายได้ถ้ามีบางอย่างที่เกี่ยวข้องกับน้ำหนักของค่า: นั่นคือไม่ถูกต้องในกรณีนี้ ค่าทั้งหมดมีน้ำหนักเท่ากัน ถ้าฉันทำผิดอย่างนี้ฉันขอความช่วยเหลือด้วยความจริงใจขอบคุณ ถาม 23 กันยายนเวลา 14.00 น. เวลา 19:05 น. การใช้ Conv คือวิธีที่ยอดเยี่ยมในการใช้ค่าเฉลี่ยเคลื่อนที่ ในรหัสที่คุณกำลังใช้ wts คือจำนวนที่คุณชั่งน้ำหนักแต่ละค่า (ตามที่คุณคาดเดา) ผลรวมของเวกเตอร์นั้นควรมีค่าเท่ากับหนึ่ง ถ้าคุณต้องการที่จะให้น้ำหนักแต่ละค่าเท่ากันและทำตัวกรองการเคลื่อนย้าย N ขนาดแล้วคุณจะต้องการใช้การใช้อาร์กิวเมนต์ที่ถูกต้องใน conv จะทำให้มีค่าน้อยกว่า Ms มากกว่าที่คุณมีใน M. ใช้เหมือนกันถ้าคุณไม่ทราบผลกระทบของ ศูนย์ padding หากคุณมีกล่องเครื่องมือในการประมวลผลสัญญาณคุณสามารถใช้ cconv ถ้าต้องการลองใช้ค่าเฉลี่ยเคลื่อนที่แบบวงกลม สิ่งที่คุณควรอ่านเอกสาร conv และ cconv สำหรับข้อมูลเพิ่มเติมหากคุณไม่ได้ใช้เทคนิคการถ่วงดุลในการใช้ความถี่สูงแล้วเทคนิคการถ่วงน้ำหนักเฉลี่ยของเทคนิคการย้ายความถี่สูงเทคนิคการปรับค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนัก CSI 300 index futures ประมวลผลข้อมูลความถี่สูงขึ้น บรรลุการซื้อขายแบบจำลอง เข้าร่วมกำไรภาพและง่ายในการศึกษาเพื่อระบุโอกาสทางการตลาดจับโอกาสทางการค้าการเปลี่ยนแปลงกลยุทธ์เรียลไทม์เพื่อให้ได้กำไรสูงสุด แต่สัญญาณการซื้อขาย ค่าเฉลี่ยของการเคลื่อนที่เฉลี่ยถ่วงน้ำหนักเทคนิคการเคลื่อนย้ายความถี่สูงการเคลื่อนย้ายความถี่สูงการเคลื่อนที่ด้วยความถี่สูงการกรองความถี่สูงการกำหนดเป้าหมายโดยการย้ายตัวกรอง AVG ใช้วิธีการนี้ในการประมวลผลภาพและใช้สำหรับการแรเงาการแรเงา รหัสและผลที่แนบมาในโฟลเดอร์ที่คุณใช้และเห็นถังผลลัพธ์สำหรับเว็บไซต์ของคุณ tolou nb ย้ายตัวกรอง AVG กรองเป้าหมายการย้ายตัวกรอง AVG targetblank ย้ายนำการแสดงผลเมทริกซ์ targetblank การย้ายการแสดงผลการแสดงผลเมทริกซ์ของไมโครคอนโทรลเลอร์ 8051 โดยใช้ AT89S51 ซึ่งมีข้อความเคลื่อนย้ายอยู่บน matrix นำ การเคลื่อนย้ายนำการแสดงผลเมทริกซ์ targetblank ย้ายนำการแสดงผลเมทริกซ์ targetblank การย้ายโครงการเป้าหมายรถบรรทุกการเคลื่อนย้ายโครงการรถยนต์โครงการนี้เป็นโครงการ java ซึ่งรถยนต์เคลื่อนที่จากขวาไปซ้ายโดยการลดเส้นทางทั่วไปโดย 60 หน่วยซึ่งระบุว่ารถและดวงไฟแฟลชมีรูปหลายเหลี่ยม วัตถุเป็นอาร์เรย์จากสีเทาเป็นสีเหลืองโดยใช้พื้นหลังเป็นสีดำโดยใช้วิธีการวาดและวาดเส้นเป็นรูปสี่เหลี่ยมผืนผ้าที่มีสีเทา การเคลื่อนย้ายเป้าหมายโครงการรถเป้าหมายการย้ายรถเป้าหมายรถเป้าหมายกรองข้อมูลค่ามัธยฐานตัวกรองมัธยฐานกรองน้ำหนักถ่วงน้ำหนักมัธยฐานกรอง: เหมือนกับตัวกรองมัธยฐานความแตกต่างเพียงอย่างเดียวคือหน้ากากไม่ว่างเปล่า มันจะมีน้ำหนัก (หรือค่า) บางส่วนและค่าเฉลี่ย d. ขั้นตอนในการกรองค่ามัธยฐานที่ถ่วงน้ำหนักมีดังนี้ 1) สมมติว่ามีหน้ากากแบบถ่วงน้ำหนัก 3x3 2) วางหน้ากากไว้ทางซ้ายมือ ตัวกรองค่ามัธยฐาน (weighted median filter) targetblank ตัวกรองค่ามัธยฐานค่ามัธยฐานค่า targetblank average ค่าเฉลี่ยเคลื่อนที่ filter ค่าเฉลี่ยเคลื่อนที่ filter filter ฟังก์ชันถูกเรียกโดยการระบุ input ที่ต้องการเช่นภาพที่อ่านโดย imread () หรืออาจเป็นเวกเตอร์ง่ายๆที่เกิดขึ้นจากไฟล์เสียงหรือข้อมูลจากแหล่งอื่น ๆ พร้อมกับอินพุตฟังก์ชันจะต้องมีระยะขอบหน้าต่างเช่น M1 และ M2 ตามที่ใช้ในฟังก์ชัน ตัวกรองหรือมาสก์หมายถึงตัวกรองหรือตัวกรองเฉลี่ยเป็นตัวกรองหน้าต่างของคลาสเชิงเส้นซึ่งจะทำให้ได้สัญญาณ (ภาพ) อย่างราบรื่น ตัวกรองทำงานเป็น low-pass one แนวคิดพื้นฐานที่อยู่เบื้องหลังตัวกรองคือองค์ประกอบใด ๆ ของสัญญาณ (ภาพ) ใช้ค่าเฉลี่ยทั่วบริเวณใกล้เคียง เพื่อให้เข้าใจถึงวิธีการที่เกิดขึ้นในทางปฏิบัติให้เรา s เฉลี่ยกรองหรือหน้ากาก targetblank เฉลี่ยกรองหรือหน้ากาก targetblank ย้ายเทคนิคการทดสอบ t - testblank ย้ายเทคนิค t - Test การวิเคราะห์ความแปรปรวนของการวิเคราะห์แนวโน้มลำดับเวลา เทคนิคการทดสอบ t - test targetblank ย้ายเทคนิคการทดสอบ t - targetblank แจกแจงชี้แจงของเครื่องกำเนิดไฟฟ้าความยาวแพ็คเก็ต targetblank จำนวนแพ็คเก็ตที่สร้างการกระจาย Poisson กับการกระจายตัวชี้แจงของเครื่องกำเนิดไฟฟ้าความยาวแพ็คเก็ตตนเองเขียนโปรแกรมขนาดเล็กรวมทั้งระบบการสื่อสารคิว FIFO ของโปรแกรมและ จำนวนแพ็คเก็ตที่สร้างการกระจาย Poisson กับการกระจายตัวชี้แจงของเครื่องกำเนิดไฟฟ้าความยาวแพ็คเก็ต, การปฏิบัติอย่างแน่นอน การแจกแจงแบบทวีคูณของเครื่องวัดความยาวของแพ็คเก็ต targetblank การแจกแจงแบบทวีคูณของเครื่องวัดความยาวของแพ็คเก็ต targetblank เวลาที่ใช้: 29.007ms - init: 0.8b: 1.7r: 28.5 5.199 CodeForge Chinese Version CodeForge English Version คุณจะไปที่ CodeForge usercenter ทำโปรไฟล์ของคุณให้สมบูรณ์ Sec พักที่นี่โอ๊ะ ขออภัยคนที่แต่งตัวประหลาดนี้ลึกลับบล็อกของคุณไม่ได้เปิดให้ลองอีกโปรด OKDownload movAv. m คำอธิบาย Matlab ประกอบด้วยฟังก์ชันที่เรียกว่า movavg และ tsmovavg (Time-series moving average) ในกล่องเครื่องมือทางการเงิน (Financial Toolbox) movAv ได้รับการออกแบบมาเพื่อจำลองการทำงานพื้นฐานของเหล่านี้ โค้ดที่นี่เป็นตัวอย่างที่ดีในการจัดการดัชนีภายในลูปซึ่งอาจทำให้เกิดความสับสนในการเริ่มต้นด้วย Ive จงใจเก็บรหัสสั้นและง่ายเพื่อให้ขั้นตอนนี้ชัดเจน movAv มีค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยที่สามารถใช้เพื่อกู้คืนข้อมูลที่มีเสียงดังได้ในบางสถานการณ์ มันทำงานโดยการใช้ค่าเฉลี่ยของอินพุท (y) ในหน้าต่างเวลาเลื่อนซึ่งมีขนาดระบุโดย n n มีค่ามากยิ่งขึ้นจำนวนของการทำให้ราบเรียบผลของ n สัมพันธ์กับความยาวของเวคเตอร์อินพุต y และมีประสิทธิภาพ (ดีจัดเรียง) สร้างตัวกรองความถี่ต่ำ - ดูตัวอย่างและส่วนพิจารณา เนื่องจากจำนวนการทำให้ราบเรียบที่ให้มาโดยแต่ละค่าของ n สัมพันธ์กับความยาวของเวกเตอร์อินพุตค่าของค่าที่ทดสอบจะแตกต่างกันไปเพื่อดูว่าอะไรเหมาะสม จำไว้ว่าจุด n จะสูญหายไปในแต่ละค่าเฉลี่ยหาก n เท่ากับ 100 จุดแรกของเวกเตอร์อินพุท dont มีข้อมูลเพียงพอสำหรับค่าเฉลี่ย 100pt ซึ่งสามารถหลีกเลี่ยงได้โดยการวางซ้อนค่าเฉลี่ยตัวอย่างเช่นโค้ดและกราฟด้านล่างจะเปรียบเทียบค่าเฉลี่ยของหน้าต่างความยาวที่ต่างกัน แจ้งให้ทราบว่าเปรียบเทียบ 1010pt กับค่าเฉลี่ย 20pt เพียงอย่างเดียว ในทั้งสองกรณี 20 จุดของข้อมูลจะสูญหายไปทั้งหมด สร้าง xaxis x1: 0.01: 5 ก่อให้เกิด noise noise เกิดสัญญาณรบกวน 4 noise repmat (randn (1, ceil (numel (x) noiseReps)), noiseReps, 1) noise reshape (noise, 1, noise) noiseReps) สร้าง ydata noise yexp (y, 10) 10 pt y3 movAv (y2, 10) 1010 pt y4 movAv (y, 20) 20 pt y5 movAv (y, 40) 40 pt. 10noise (1: length (x)) รายละเอียดขั้นสูง: y2 movAv y6 movAv (y, 100) 100 pt พล็อตตัวเลขพล็อต (x, y, y2, y3, y4, y5, y6) (ข้อมูลดิบ, 10pt เฉลี่ยเคลื่อนที่, 1010pt, 20pt, 40pt, 100pt) xlabel (x) ylabel y) title (การเปรียบเทียบค่าเฉลี่ยเคลื่อนที่) movAv. m code run-through function output movAv (y, n) บรรทัดแรกกำหนดชื่อฟังก์ชันอินพุตและเอาต์พุต อินพุท x ควรเป็นเวกเตอร์ของข้อมูลที่จะใช้ค่าเฉลี่ยเมื่อ n ควรเป็นจำนวนจุดที่จะทำค่าเฉลี่ยมากกว่าเอาท์พุทจะมีข้อมูลเฉลี่ยที่ส่งกลับโดยฟังก์ชัน หาจุดกึ่งกลางของ n midPoint round (n2) งานหลักของฟังก์ชันจะทำในลูป for แต่ก่อนที่จะเริ่มเตรียมสองสิ่ง ประการแรกเอาต์พุตถูกจัดสรรล่วงหน้าเป็น NaN ซึ่งทำหน้าที่สองประการ preallocation แรกคือการปฏิบัติที่ดีโดยทั่วไปเนื่องจากลดการเล่นกลของหน่วยความจำ Matlab ต้องทำประการที่สองทำให้ง่ายในการวางข้อมูลเฉลี่ยเป็นเอาต์พุตขนาดเดียวกับเวกเตอร์อินพุท ซึ่งหมายความว่า xaxis เดียวกันสามารถใช้งานได้ในภายหลังทั้งสองแบบซึ่งเหมาะสำหรับการวางแผนหรือสามารถถอด NaN ออกได้ในหนึ่งบรรทัดของรหัส (เอาท์พุทเอาต์พุต (midpoint แบบแปรผันจะใช้เพื่อจัดตำแหน่งข้อมูลในเวกเตอร์การส่งออกถ้า n 10, 10 จุดจะหายไปเนื่องจากสำหรับ 9 จุดแรกของเวกเตอร์อินพุตมีข้อมูลไม่เพียงพอที่จะใช้ค่าเฉลี่ย 10 จุดเนื่องจากเอาท์พุทจะสั้นกว่าข้อมูลอินพุตจะต้องมีการจัดตำแหน่งอย่างถูกต้อง midPoint จะ ถูกนำมาใช้เพื่อให้จำนวนข้อมูลที่เท่ากันจะหายไปเมื่อเริ่มต้นและสิ้นสุดและอินพุตจะถูกจัดเก็บให้สอดคล้องกับผลลัพธ์โดยบัฟเฟอร์ NaN ที่สร้างขึ้นเมื่อตั้งค่าเอาต์พุตล่วงหน้าสำหรับความยาว 1: (y) - n ค้นหาช่วงของดัชนีโดยเฉลี่ย over (a: b) ห้ามคำนวณหาค่าเฉลี่ยเอาท์พุท (amidPoint) mean (y (a: b)) end ในลูปสำหรับตัวมันเองค่าเฉลี่ยจะถูกยึดเอาส่วนที่ต่อเนื่องกันของ input ห่วงจะทำงานสำหรับ a. ซึ่งเป็น หมายถึง 1 ถึงความยาวของอินพุท (y) ลบข้อมูลที่จะสูญหาย (n) ถ้าอินพุทมีค่าเท่ากับ 100 จุด ng และ n คือ 10 ลูปจะทำงานจาก (a) 1 ถึง 90 ซึ่งหมายถึงมีดัชนีแรกของกลุ่มที่จะได้รับค่าเฉลี่ย ดัชนีที่สอง (b) เป็นเพียง -1 ดังนั้นในการทำซ้ำครั้งแรก a1 n10 ดังนั้นข 11-1 10. ค่าเฉลี่ยแรกจะได้รับมากกว่า y (a: b) หรือ x (1:10) ค่าเฉลี่ยของกลุ่มนี้ซึ่งเป็นค่าเดียวจะถูกเก็บไว้ในผลลัพธ์ที่ดัชนี amidPoint หรือ 156 เมื่อทำซ้ำที่สอง a2 b 210-1 11 ดังนั้นค่าเฉลี่ยจะถูกนำไป x (2:11) และเก็บไว้ในเอาต์พุต (7) เมื่อทำซ้ำครั้งสุดท้ายของลูปสำหรับอินพุทความยาว 100, a91 b 9010-1 100 ดังนั้นค่าเฉลี่ยจะถูกนำมาใช้ x (91: 100) และเก็บไว้ในเอาต์พุต (95) ใบนี้ให้ผลรวม n (10) ค่า NaN ที่ดัชนี (1: 5) และ (96: 100) ตัวอย่างและข้อควรคำนึงการย้ายค่าเฉลี่ยจะเป็นประโยชน์ในบางสถานการณ์ แต่ก็ไม่ใช่ทางเลือกที่ดีเสมอไป ต่อไปนี้คือตัวอย่างสองส่วนที่พวกเขาไม่จำเป็นต้องมีประสิทธิภาพสูงสุด การปรับเทียบไมโครโฟนชุดข้อมูลนี้แสดงถึงระดับของแต่ละความถี่ที่ผลิตโดยลำโพงและบันทึกโดยไมโครโฟนโดยมีการตอบสนองเชิงเส้นที่เป็นที่รู้จัก เอาท์พุทของลำโพงจะแตกต่างกันไปตามความถี่ แต่เราสามารถแก้ไขรูปแบบนี้ได้ด้วยข้อมูลการปรับเทียบ - เอาท์พุทสามารถปรับระดับให้เหมาะสมกับความผันผวนของการสอบเทียบได้ สังเกตว่าข้อมูลดิบมีเสียงดัง - นั่นหมายความว่าการเปลี่ยนแปลงเล็กน้อยในความถี่ดูเหมือนจะต้องมีการเปลี่ยนแปลงระดับที่มากผิดปกติ นี้สมจริงหรือเป็นผลิตภัณฑ์ของสภาพแวดล้อมการบันทึกที่สมเหตุสมผลในกรณีนี้เพื่อใช้ค่าเฉลี่ยเคลื่อนที่ที่คลี่ออกโค้งระดับความสูงเพื่อให้เส้นโค้งการปรับเทียบที่น้อยผิดปกติ แต่นี่ไม่ใช่เหตุผลที่ดีที่สุดในตัวอย่างนี้ข้อมูลเพิ่มเติมจะดีกว่า - การสอบเทียบหลายครั้งทำงานโดยเฉลี่ยจะทำลายเสียงในระบบ (ตราบเท่าที่มีการสุ่ม) และให้เส้นโค้งที่มีรายละเอียดน้อยลง ค่าเฉลี่ยเคลื่อนที่สามารถประมาณค่านี้ได้เท่านั้นและอาจลบส่วนที่ลดลงและยอดที่สูงกว่าออกจากเส้นโค้งที่มีอยู่จริง คลื่นไซน์การใช้ค่าเฉลี่ยเคลื่อนที่บนคลื่นซายน์ไฮไลต์สองจุด: ประเด็นทั่วไปในการเลือกคะแนนที่เหมาะสมเพื่อให้มีค่าเฉลี่ยมากกว่า ง่าย แต่มีวิธีการวิเคราะห์สัญญาณที่มีประสิทธิภาพมากขึ้นกว่าค่าเฉลี่ยสัญญาณสั่นในโดเมนเวลา ในกราฟนี้คลื่นไซน์ดั้งเดิมจะถูกวาดด้วยสีฟ้า มีการเพิ่มเสียงรบกวนและวางแผนเป็นเส้นโค้งสีส้ม ค่าเฉลี่ยเคลื่อนที่จะถูกดำเนินการที่จุดต่างกันเพื่อดูว่าคลื่นต้นฉบับสามารถกู้คืนได้หรือไม่ 5 และ 10 จุดให้ผลลัพธ์ที่สมเหตุสมผล แต่อย่าเอาเสียงออกทั้งหมดซึ่งเป็นจุดเริ่มต้นของการสูญเสียรายละเอียดแอมพลิจูดมากขึ้นเมื่อค่าเฉลี่ยขยายไปในช่วงต่างๆ (จำ wave oscilates รอบศูนย์และ -1 หมายถึง 0) อีกทางเลือกหนึ่งคือการสร้างตัวกรองสัญญาณลอมพนด์ต่ำกว่าที่สามารถใช้กับสัญญาณในโดเมนความถี่ได้ ฉันจะไม่ไปลงในรายละเอียดตามที่ไปเกินขอบเขตของบทความนี้ แต่เป็นเสียงเป็นความถี่สูงกว่าคลื่นความถี่พื้นฐานก็จะค่อนข้างง่ายในกรณีนี้เพื่อสร้างตัวกรอง lowpass กว่าจะเอาความถี่สูง สัญญาณรบกวน