In diesem Artikel untersuchen wir die Anwendung digitaler Filter auf Zeitreihen, die im Frequenzbereich dargestellt werden, um einzigartige Merkmale zu extrahieren, die für Vorhersagemodelle nützlich sein können.
In dem Artikel „Praktische Implementierung digitaler Filter in MQL5 für Anfänger“ stellt der Autor digitale Filter vor, die im Zeitbereich durch Faltung angewendet werden. Die Reihe wird mit einem einzigartigen Satz von Gewichten unterschiedlicher Länge multipliziert, je nach Filtertyp und seinen Parametern. Die Anzahl der Gewichte definiert ein bewegliches Fenster, das mit den entsprechenden Serienwerten gefaltet wird, wenn der Filter über den Umfang der Daten angewendet wird. Auch gleitende Durchschnitte funktionieren auf die gleiche Weise.
In diesem Artikel werden wir Filter im Frequenzbereich anwenden. Die grundlegenden Schritte sind wie folgt:
Zunächst wird die Reihe zur Vorbereitung einer DFT-Operation vorverarbeitet.
Als Nächstes manipulieren wir die Wellenform der Reihe in der Weise, die wir für notwendig halten. Das heißt, es wird ein Filter angewandt, wodurch die ursprüngliche Wellenform der Reihe verändert wird.
Die modifizierte Wellenform wird durch eine inverse DFT-Operation in den bekannten Zeitbereich zurückverwandelt.
Schließlich werden die Auswirkungen der in der ersten Vorverarbeitungsphase durchgeführten Operationen rückgängig gemacht.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Erlauben Sie die Verwendung von Cookies, um sich auf der Website MQL5.com anzumelden.
Bitte aktivieren Sie die notwendige Einstellung in Ihrem Browser, da Sie sich sonst nicht einloggen können.
Sie sind angemeldet. Die Zwei-Faktor-Authentifizierung wurde deaktiviert. Richten Sie sie erneut ein und scannen Sie einen neuen QR-Code oder fahren Sie mit deaktivierter Zwei-Faktor-Authentifizierung fort.
Neuer Artikel Filterung und Merkmalsextraktion von Frequenzen :
In diesem Artikel untersuchen wir die Anwendung digitaler Filter auf Zeitreihen, die im Frequenzbereich dargestellt werden, um einzigartige Merkmale zu extrahieren, die für Vorhersagemodelle nützlich sein können.
In dem Artikel „Praktische Implementierung digitaler Filter in MQL5 für Anfänger“ stellt der Autor digitale Filter vor, die im Zeitbereich durch Faltung angewendet werden. Die Reihe wird mit einem einzigartigen Satz von Gewichten unterschiedlicher Länge multipliziert, je nach Filtertyp und seinen Parametern. Die Anzahl der Gewichte definiert ein bewegliches Fenster, das mit den entsprechenden Serienwerten gefaltet wird, wenn der Filter über den Umfang der Daten angewendet wird. Auch gleitende Durchschnitte funktionieren auf die gleiche Weise.
In diesem Artikel werden wir Filter im Frequenzbereich anwenden. Die grundlegenden Schritte sind wie folgt:
Autor: Francis Dube