Discusión sobre el artículo "Creación de filtros digitales sin retardo temporal" - página 5
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Dado que el filtro no es lineal, la respuesta al impulso en diferentes secciones es diferente. Por lo tanto, será mejor utilizar la deconvolución - una operación de convolución inversa en la sección necesaria, para ello puede utilizar la biblioteca ALGLIB.
Y trazar el espectro de la respuesta al impulso resultante. Un filtro ideal debe tener una línea vertical entre la supresión y la transmisión.
Dado que el filtro no es lineal, la respuesta al impulso en diferentes secciones es diferente. Por lo tanto, será mejor utilizar la deconvolución - una operación de convolución inversa en la sección necesaria, para ello puede utilizar la biblioteca ALGLIB.
Y trazar el espectro de la respuesta al impulso resultante. Un filtro ideal debe tener una línea vertical entre la supresión y la transmisión.
Entonces, ¿por qué no utilizar el método de aproximación local https://chaos.phys.msu.ru/loskutov/PDF/Los_Kotl_Zhur.pdf ?
No sólo permite predecir datos, sino también filtrarlos. Y, teóricamente, ¡un filtro así no debería tener ningún retraso!La idea es muy parecida. Sólo que aquí no es necesario cambiar entre diferentes filtros para diferentes partes de la serie temporal. Aquí buscamos segmentos en la historia que sean similares a los últimos recuentos de la serie, y luego estos segmentos encontrados se promedian sobre el conjunto. Este es el resultado del filtrado. Lo principal es que haya suficientes datos en el historial, de lo contrario puede que no haya parcelas similares.