적응형 디지털 필터
http://prodav.narod.ru/dsp/index.html (섹션 "디지털 데이터의 적응 필터링")과 같이 이 주제에 대한 많은 정보가 있습니다.
Prival 에게도 물어보세요. 그는 우리 중 유일한 DSP 전문가인 것 같습니다. 이론상으로는 그가 도움이 될 것이라고 생각합니다.
추신: JMA가 무엇입니까?
기꺼이 도와드리겠습니다. 그러나 불행히도 저는 책에서 보던 것처럼 공식이 작성된 MathCad만큼 자유롭게 MQL 코드를 읽을 수 없습니다. 나에게 보이는 유일한 것은 (확실하지는 않지만) 회귀 유형 중 하나가 더 명확하게 만드는 데 사용된다는 것입니다.
y(x)=ax+b와 같은 선형 회귀 가 있습니다. 계수 a와 b를 다른 방식으로 계산할 수 있고, LSM을 사용할 수도 있고(거기에서는 사용되지 않는 것 같습니다), 재귀를 사용할 수도 있지만 이것을 이해하려면 주기를 명확하게 이해해야 합니다(여기서 I 어디에서 무엇을 위해 무엇을 계산했는지 이미 혼란스러워합니다.) 비선형 회귀가 있을 가능성이 가장 높기 때문에 계산할 때 + 회귀식 자체의 형태가 명확하지 않은 경우()가 있는데, 이러한 계수가 몇 개나 있습니다.
원칙적으로 거의 모든 지표는 디지털 필터로 간주될 수 있으며 동일한 일반 MA는 디지털 필터입니다. 그리고 적응이라는 단어는 일반적으로 입력의 특성에 따라 일부 매개변수(필터 내부의 계수)가 변경되어야 함을 의미합니다. 신호. 따라서 우선 AMA, FRAMA 등을 적응형 디지털 필터(ADF)(평균 매개변수(n)는 입력 프로세스의 분산 추정치에 따라 다름), 웨이블릿이 사용하는 거의 모든 FFT 필터에 귀속합니다. 임계값(디지털 필터 매개변수를 입력 유용한 신호의 스펙트럼과 일치시키려는 시도).
그러나 SATL, FATL은 적응형이 아닙니다. 설계 중 1회 디지털 필터의 계수를 계산하여 필터의 과도 응답을 입력 신호의 스펙트럼(주파수 응답 및 위상 응답)과 일치시킬 수 있었으며 이러한 계수는 작동 중에 변경되지 않습니다. . 이들은 소위 일치 필터입니다. 그러나 DSP에 최적의 필터라고 하는 이상적인 것이 있습니다. 만들기는 어렵지만 가능합니다. 이를 위해서는 유용한 신호와 노이즈의 스펙트럼을 알아야 합니다.
도움이 되었는지 헷갈렸는지 모르겠습니다 :-) 하지만 어쨌든 행운을 빕니다.
2grasn - 링크에 대해 대단히 감사합니다. 자료는 매우 잘 선택되었습니다)
2 Prival - 나는 이런 종류의 디지털 필터에 대해 약간의 경험이 있지만 "이론에서 실제까지"(Kaufman 필터)의 원칙에 따르면 시각적으로 결과는 매우 좋았지만 통계에서는 특별한 이점을 나타내지 않았습니다. JMA를 사용하면 내가 보기에 일부 독창적인 솔루션이 알고리즘에 도입되었기 때문에 통계가 다소 향상되었습니다. 내가 이해하고 싶은 것은 바로 그 본질입니다. 이제 이론을 바탕으로 코드를 분해하고 차이점을 찾아야합니다))
그리고 AMA(Kaufman)를 기본으로 하되 단순 평균이 아닌 회귀 모델 을 사용하여 다음과 같이 해보세요. 아마도 이 방법이 더 쉬울 것입니다. + 모든 것이 명확해질 것입니다. + 코드를 직접 만드십시오. IMHO와 같은 방법의 조합은 꽤 좋을 수 있습니다.
Prival, 코드를 수식으로 다시 작성하면 설명하겠습니다.
무엇의 코드, JMA. 아니면 AMA를 리메이크하는 공식을 작성해야 하나요? 내 프로그래밍 경험이 말해 주는 한, 다른 사람의 코드를 처리하고 같은 것(글쎄, 또는 매우 유사한 것)을 작성하는 것보다 자신의 코드를 작성하는 것이 더 낫고 더 빠릅니다.
동료들이여, 나를 너무 방해한다고 생각하지 마십시오. 그러나 여전히 JMA가 무엇입니까? Widrow-Hopf 최소제곱 알고리즘을 기반으로 한 적응형 필터를 직접 만들려고 시도한 적이 있는데 가장 간단한 것 같습니다. 실험 후 나는 Forex 시계열 에 대한 적응 필터를 만드는 것이 원칙적으로 불가능하다는 것을 300% 확신했습니다. 세상에 기적은 없고 정말 마법사가 있기 때문입니다. 주된 이유는 비정상성 효과의 큰 영향입니다. 필터 성능 표면은 항상 변경되므로 이 표면의 최소값이 변경되고 가중치 계수의 수렴에도 문제가 있습니다. 그러나 일반적으로 - 저는 전문가가 아니라 DSP에서 독학했습니다.
추신: 정말 적응형 필터 를 만들면 한 눈으로 볼 수 있게 해주세요:o)
괜찮으시다면 이 기사 '효율적인 최소 지연 평균 알고리즘 및 지표에서의 사용' 에서 JJMASeries 코드를 분석하는 것이 좋습니다.
2 그라쉬
다음은 저자가 JMA에 대해 작성한 내용입니다. - http://www.jurikres.com/catalog/ms_ama.htm#top
이 모든 것이 판매용이기 때문에 우리는 디스어셈블된 코드만 얻습니다. 내가 직접 이해하지만 하이라이트가 무엇인지 정말로 이해하고 싶습니다)
그건 그렇고, Kalman 필터를 사용하면 쉽게 시작할 수 있습니다( Prival , 이것은 특히 당신을 위한 것입니다):
JMA는 다음을 포함하여 다른 정교한 방법보다 더 나은 성능을 제공합니다.
페이딩 메모리가 있거나 없는 칼만의 g, gh, ghk 필터
페이딩 메모리가 있거나 없는 Savitzky-Golay 필터
카우프만의 적응 이동 평균(KAMA)
Chande의 가변 지수 동적 평균(VIDYA)
이중 지수 이동 평균 (DEMA)
삼중 지수 이동 평균(T3)
브라운 수정 이동 평균(MMA)
Ehler의 수정된 광학 타원형 필터(MEF)
Ehler의 대칭 가중 FIR 필터
선체 이동 평균(HMA)
PS 그건 그렇고, 이 페이지 하단에 Kalman 필터에 대한 링크가 있습니다.
