Vantagens de movimento diretorial

A OANDA usa cookies para tornar nossos sites fáceis de usar e personalizados para nossos visitantes. Cookies não podem ser usados ​​para identificar você pessoalmente. Ao visitar o nosso site, você concorda com o uso de cookies pelo OANDA8217, de acordo com nossa Política de Privacidade. Para bloquear, excluir ou gerenciar cookies, visite aboutcookies. org. A restrição de cookies impedirá que você se beneficie de algumas das funcionalidades do nosso site. Baixe o nosso Mobile Apps Select conta: ampltiframe src4489469.fls. doubleclick. net/activityisrc4489469typenewsi0catoanda0u1fxtradeiddclatdcrdidtagforchilddirectedtreatmentord1num1 mcesrc4489469.fls. doubleclick. net/activityisrc4489469typenewsi0catoanda0u1fxtradeiddclatdcrdidtagforchilddirectedtreatmentord1num1 width1 height1 frameborder0 styledisplay: nenhum mcestyledisplay: noneampgtamplt / iframeampgt Lição 1: médias móveis vantagens da utilização de médias móveis médias móveis suaves flutuações nas taxas de mercado que ocorrem com frequência em cada período de relatório em um gráfico de preços. Quanto mais freqüentes forem as atualizações da taxa - ou seja, quanto mais frequentemente o gráfico de preços exibir uma taxa atualizada - maior o potencial de ruído do mercado. Para os negociantes que lidam em um mercado em movimento rápido que está variando ou oscilando para cima e para baixo, o potencial para sinais falsos é uma preocupação constante. Comparação entre a média móvel de 20 períodos e as taxas de mercado em tempo real Quanto maior o grau de volatilidade dos preços, maior a chance de gerar um sinal falso. Um sinal falso ocorre quando parece que a tendência atual está prestes a se reverter, mas o próximo período de relatório prova que o que inicialmente pareceu ser uma reversão foi, na verdade, uma flutuação de mercado. Como o número de períodos de relatório afeta a média móvel O número de períodos de relatório incluídos no cálculo da média móvel afeta a linha da média móvel, conforme exibido em um gráfico de preços. Quanto menos pontos de dados (ou seja, períodos de relatório) incluídos na média, mais próxima a média móvel permanece da taxa à vista, reduzindo assim seu valor e oferecendo um pouco mais de percepção da tendência geral do que o próprio gráfico de preços. Por outro lado, uma média móvel que inclui muitos pontos equilibra as flutuações de preço a tal ponto que você não consegue detectar uma tendência de taxa discernível. Qualquer situação pode dificultar o reconhecimento de pontos de reversão em tempo suficiente para aproveitar uma reversão da tendência da taxa. Tabela de preços de velas mostrando três linhas de médias móveis diferentes Período de relatório - Uma referência genérica usada para descrever a frequência pela qual os dados da taxa de câmbio são atualizados. Também conhecido como granularidade. Isso pode variar de um mês, um dia, uma hora - até mesmo a cada poucos segundos. A regra básica é que quanto menor o tempo que você mantém negociações abertas, mais frequentemente você deve recuperar os dados de troca de taxas. 169 1996 - 2016 OANDA Corporation. Todos os direitos reservados. A família de marcas comerciais OANDA, fxTrade e OANDAs fx é de propriedade da OANDA Corporation. Todas as outras marcas registradas que aparecem neste site são de propriedade de seus respectivos proprietários. A negociação alavancada de contratos em moeda estrangeira ou outros produtos fora de bolsa, na margem, carrega um alto nível de risco e pode não ser adequada para todos. Aconselhamos que você considere cuidadosamente se a negociação é apropriada para você em função de suas circunstâncias pessoais. Você pode perder mais do que você investe. As informações neste site são de natureza geral. Recomendamos que você procure aconselhamento financeiro independente e assegure-se de entender completamente os riscos envolvidos antes de negociar. A negociação através de uma plataforma on-line traz riscos adicionais. Consulte nossa seção legal aqui. As apostas de spread financeiro só estão disponíveis para clientes da OANDA Europe Ltd que residem no Reino Unido ou na República da Irlanda. Os CFDs, as capacidades de cobertura MT4 e os índices de alavancagem superiores a 50: 1 não estão disponíveis para residentes nos EUA. As informações contidas neste site não são direcionadas a residentes de países onde sua distribuição, ou uso por qualquer pessoa, seria contrária à lei ou regulamentação local. A OANDA Corporation é uma empresa registrada na Bolsa de Mercados e Comércio Varejista da Futures Commission, com a Comissão de Negociação de Futuros de Commodities e é membro da National Futures Association. No: 0325821. Por favor, consulte o NFAs FOREX INVESTER ALERT quando apropriado. As contas OANDA (Canada) Corporation ULC estão disponíveis para qualquer pessoa com uma conta bancária canadense. OANDA (Canada) Corporation ULC é regulada pela Organização Reguladora da Indústria de Investimento do Canadá (IIROC), que inclui o banco de dados de verificação de conselheiros on-line IIROCs (IIROC AdvisorReport), e contas de clientes são protegidas pelo Fundo Canadense de Proteção ao Investidor dentro dos limites especificados. Um folheto descrevendo a natureza e os limites da cobertura está disponível mediante solicitação ou no site cipf. ca. A OANDA Europe Limited é uma empresa registrada na Inglaterra número 7110087, e tem sua sede registrada no andar 9a, Tower 42, 25 Old Broad St, Londres EC2N 1HQ. É autorizado e regulado pela Autoridade de Conduta Financeira. No: 542574. A OANDA Asia Pacific Pte Ltd (Reg. Co. No 200704926K) detém uma Licença de Serviços de Mercado de Capitais emitida pela Autoridade Monetária de Cingapura e também é licenciada pela International Enterprise Singapore. A OANDA Australia Pty Ltd 160 é regulamentada pela Comissão Australiana de Valores Mobiliários e Investimentos ASIC (ABN 26 152 088 349, AFSL No. 412981) e é a emissora dos produtos e / ou serviços neste website. É importante que você considere o atual Financial Service Guide (FSG). Declaração de Divulgação de Produto (PDS). Termos da Conta e quaisquer outros documentos relevantes da OANDA antes de tomar qualquer decisão de investimento financeiro. Esses documentos podem ser encontrados aqui. OANDA Japan Co. Ltd. Primeira Diretora de Negócios de Instrumentos Financeiros Tipo I do Kanto Local Financial Bureau (Kin-sho) No. 2137 Instituto Financial Futures Association número de assinante 1571. Negociação FX e / ou CFDs na margem é de alto risco e não é adequado para todos. As perdas podem exceder o investimento. Noções Básicas sobre Filtros FIR 1.1 O que são filtros FIR? Os filtros FIR são um dos dois principais tipos de filtros digitais usados ​​em aplicações de Processamento Digital de Sinal (DSP), sendo o outro tipo IIR. 1.2 O que significa "FIR" significa "FIR" significa "Resposta em Impulso Final". Se você colocar em um impulso, isto é, uma única amostra "1" seguida por muitas amostras "0", zeros sairão depois que a amostra "1" tiver percorrido a linha de atraso do filtro. 1.3 Por que a resposta ao impulso é “finita”? No caso comum, a resposta ao impulso é finita porque não há feedback no FIR. A falta de feedback garante que a resposta ao impulso será finita. Portanto, o termo respon - so de impulso finito é quase sinônimo de "feedback". No entanto, se a realimentação for empregada, mas a resposta ao impulso for finita, o filtro ainda será uma FIR. Um exemplo é o filtro de média móvel, no qual a enésima amostra anterior é subtraída (realimentada) cada vez que uma nova amostra chega. Esse filtro tem uma resposta de impulso finita, embora use feedback: após N amostras de um impulso, a saída será sempre zero. 1.4 Como faço para pronunciar quotFIR? Algumas pessoas dizem que as letras F-I-R outras pessoas pronunciam como se fosse um tipo de árvore. Nós preferimos a árvore. (A diferença é se você fala sobre um filtro F-I-R ou um filtro FIR.) 1.5 Qual é a alternativa para os filtros FIR Os filtros DSP também podem ser "Respondentes ao Impulso Infinito" (IIR). (Consulte dspGurus IIR FAQ.) Os filtros IIR usam feedback, portanto, quando você insere um impulso, a saída toca teoricamente indefinidamente. 1.6 Como os filtros FIR se comparam aos filtros IIR Cada um tem vantagens e desvantagens. No geral, porém, as vantagens dos filtros FIR superam as desvantagens, por isso são usadas muito mais que os IIRs. 1.6.1 Quais são as vantagens dos filtros FIR (em comparação com os filtros IIR) Em comparação com os filtros IIR, os filtros FIR oferecem as seguintes vantagens: Eles podem ser facilmente projetados para serem faseamento linear (e geralmente são). Simplificando, os filtros de fase linear atrasam o sinal de entrada, mas não distorcem sua fase. Eles são simples de implementar. Na maioria dos microprocessadores DSP, o cálculo da FIR pode ser feito através do loop de uma única instrução. Eles são adequados para aplicativos de taxas múltiplas. Por multi-taxa, queremos dizer tanto "estimativa" (reduzindo a taxa de amostragem), "interpolação" (aumentando a taxa de amostragem), ou ambos. Seja para decimação ou interpolação, o uso de filtros FIR permite que alguns dos cálculos sejam omitidos, fornecendo assim uma importante eficiência computacional. Por outro lado, se forem usados ​​filtros IIR, cada saída deve ser calculada individualmente, mesmo que essa saída seja descartada (para que o feedback seja incorporado ao filtro). Eles têm propriedades numéricas desejáveis. Na prática, todos os filtros DSP devem ser implementados usando aritmética de precisão finita, ou seja, um número limitado de bits. O uso da aritmética de precisão finita em filtros IIR pode causar problemas significativos devido ao uso de feedback, mas os filtros FIR sem feedback geralmente podem ser implementados usando menos bits, e o projetista tem menos problemas práticos para resolver relacionados à aritmética não ideal. Eles podem ser implementados usando aritmética fracionária. Ao contrário dos filtros IIR, é sempre possível implementar um filtro FIR usando coeficientes com magnitude inferior a 1,0. (O ganho geral do filtro FIR pode ser ajustado em sua saída, se desejado.) Essa é uma consideração importante ao usar DSPs de ponto fixo, porque torna a implementação muito mais simples. 1.6.2 Quais são as desvantagens dos filtros FIR (em comparação com os filtros IIR) Em comparação com os filtros IIR, os filtros FIR têm por vezes a desvantagem de necessitarem de mais memória e / ou cálculo para atingir uma determinada característica de resposta do filtro. Além disso, certas respostas não são práticas para implementar com filtros FIR. 1.7 Quais termos são usados ​​na descrição dos filtros FIR Resposta ao Impulso - A resposta negativa de um filtro FIR é, na verdade, apenas o conjunto de coeficientes FIR. (Se você colocar um filtro "FIM" em um filtro FIR que consiste em uma amostra "1" seguida por muitas amostras "0", a saída do filtro será o conjunto de coeficientes, enquanto a amostra 1 passa por cada coeficiente para formar a saída.) Tap - Um quottapquot FIR é simplesmente um par coeficiente / atraso. O número de derivações FIR, (muitas vezes designadas como "Não") é uma indicação de 1) a quantidade de memória necessária para implementar o filtro, 2) o número de cálculos necessários e 3) a quantidade de filtragem que o filtro pode fazer. mais taps significa mais atenuação de stopband, menos ripple, filtros mais estreitos, etc. Multiply-Accumulate (MAC) - Em um contexto FIR, um "MACAC" é a operação de multiplicar um coeficiente pela amostra de dados atrasada correspondente e acumular o resultado. As FIRs geralmente requerem um MAC por toque. A maioria dos microprocessadores DSP implementam a operação MAC em um único ciclo de instrução. Banda de Transição - A faixa de freqüências entre as bordas de faixa de passagem e de faixa de parada. Quanto mais estreita a faixa de transição, mais toques são necessários para implementar o filtro. (Uma faixa de transição quotsmallquot resulta em um filtro quotsharpquot.) Delay Line - O conjunto de elementos de memória que implementam os elementos de atraso quotZ-1quot do cálculo FIR. Buffer Circular - Um buffer especial que é "circular" porque o incremento no final faz com que ele se envolva no início, ou porque decrementar desde o início faz com que ele seja encerrado até o final. Buffers circulares são frequentemente fornecidos por microprocessadores DSP para implementar o movimento cotométrico das amostras através da linha de atraso FIR sem ter que mover literalmente os dados na memória. Quando uma nova amostra é adicionada ao buffer, ela substitui automaticamente a mais antiga. Updated 12th March 2013 O que são RC Filtering e Exponential Averaging e como eles diferem A resposta para a segunda parte da pergunta é que eles são o mesmo processo Se um vem de um fundo de eletrônica, em seguida, RC Filtering (ou RC Smoothing) é a expressão usual. Por outro lado, uma abordagem baseada em estatísticas de séries temporais tem o nome Média Exponencial, ou para usar o nome completo Média Móvel Ponderada Exponencial. Isso também é conhecido como EWMA ou EMA. Uma das principais vantagens do método é a simplicidade da fórmula para calcular a próxima saída. É preciso uma fração da saída anterior e uma menos essa fração vezes a entrada atual. Algebraticamente no momento k, a saída suavizada yk é dada por Como mostrado mais adiante, essa fórmula simples enfatiza eventos recentes, suaviza variações de alta frequência e revela tendências de longo prazo. Note que existem duas formas da equação de média exponencial, a acima e uma variante ambas estão corretas. Veja as notas no final do artigo para mais detalhes. Nesta discussão, usaremos apenas a equação (1). A fórmula acima é às vezes escrita da maneira mais limitada. Como esta fórmula é derivada e qual é a sua interpretação? Um ponto chave é como nós selecionamos. Olhar para essa maneira simples é considerar um filtro RC de baixa passagem. Agora, um filtro passa baixa RC é simplesmente um resistor em série R e um capacitor paralelo C, conforme ilustrado abaixo. A equação da série temporal para este circuito é O produto RC tem unidades de tempo e é conhecido como a constante de tempo, T. para o circuito. Suponha que representemos a equação acima em sua forma digital para uma série temporal que tenha dados coletados a cada h segundos. Nós temos esta é exatamente a mesma forma que a equação anterior. Comparando os dois relacionamentos para um temos que reduz o relacionamento muito simples. Portanto, a escolha de N é guiada pela constante de tempo que escolhemos. Agora, a equação (1) pode ser reconhecida como um filtro de baixa passagem e a constante de tempo tipifica o comportamento do filtro. Para ver o significado da constante de tempo, precisamos observar a característica de freqüência desse filtro RC de baixa passagem. Em sua forma geral isto é Expressar em módulo e forma de fase nós temos onde o ângulo de fase é. A frequência é chamada de frequência nominal de corte. Fisicamente, pode-se mostrar que, nessa freqüência, a potência do sinal foi reduzida pela metade e a amplitude é reduzida pelo fator. Em termos de dB, esta frequência é onde a amplitude foi reduzida em 3dB. Claramente, à medida que a constante de tempo T aumenta, a freqüência de corte se reduz e aplicamos mais suavização aos dados, ou seja, eliminamos as freqüências mais altas. É importante notar que a resposta de freqüência é expressa em radianos / segundo. Isso é, há um fator de envolvimento. Por exemplo, escolher uma constante de tempo de 5 segundos fornece uma freqüência de corte efetiva de. Um uso popular do alisamento RC é simular a ação de um medidor como o usado em um medidor de nível de som. Estes são geralmente tipificados pela sua constante de tempo, como 1 segundo para os tipos S e 0.125 segundos para os tipos F. Para estes dois casos, as freqüências de corte efetivas são de 0,16 Hz e 1,26 Hz, respectivamente. Na verdade, não é a constante de tempo que geralmente desejamos selecionar, mas os períodos que desejamos incluir. Suponha que tenhamos um sinal onde desejamos incluir recursos com um período de P segundo. Agora um período P é uma frequência. Poderíamos então escolher uma constante de tempo T dada por. No entanto, sabemos que perdemos cerca de 30 da saída (-3dB) em. Assim, escolher uma constante de tempo que corresponda exatamente às periodicidades que desejamos manter não é o melhor esquema. Geralmente, é melhor escolher uma frequência de corte um pouco mais alta, digamos. A constante de tempo é então que, em termos práticos, é semelhante a. Isso reduz a perda para cerca de 15 nessa periodicidade. Portanto, em termos práticos, para reter eventos com uma periodicidade igual ou maior, escolha uma constante de tempo de. Isso incluirá os efeitos das periodicidades de baixo a cerca de. Por exemplo, se quisermos incluir os efeitos de eventos acontecendo com um período de 8 segundos (0,125 Hz), escolha uma constante de tempo de 0,8 segundos. Isto dá uma frequência de corte de aproximadamente 0.2Hz de modo que nosso período de 8 segundos esteja bem na faixa de passagem principal do filtro. Se estivéssemos amostrando os dados a 20 vezes / segundo (h 0,05), então o valor de N é (0,8 / 0,05) 16 e. Isso dá algumas dicas sobre como definir. Basicamente, para uma taxa de amostragem conhecida, ele tipifica o período médio e seleciona quais flutuações de alta frequência serão ignoradas. Observando a expansão do algoritmo, podemos ver que ele favorece os valores mais recentes e também por que ele é chamado de ponderação exponencial. Temos Substituir por y k-1 dá Repetir este processo várias vezes leva a Porque está no intervalo, então claramente os termos para a direita se tornam menores e se comportam como um exponencial em decomposição. Essa é a saída atual é inclinada para os eventos mais recentes, mas quanto maior nós escolhemos, então o menos viés. Em resumo, vemos que a fórmula simples enfatiza eventos recentes suaviza eventos de alta frequência (curto período) revela tendências de longo prazo Apêndice 1 8211 Formas alternativas da equação Atenção Existem duas formas da equação de média exponencial que aparecem na literatura. Ambos estão corretos e equivalentes. A primeira forma como mostrado acima é (A1) A forma alternativa é 8230 (A2) Observe o uso de na primeira equação e na segunda equação. Em ambas as equações e são valores entre zero e unidade. Anteriormente foi definido como Agora escolhendo definir. Portanto, a forma alternativa da equação de média exponencial é Em termos físicos, significa que a escolha da forma que se usa depende de como se quer pensar em tomar como equação da fração de feedback (A1) ou como a fração da equação de entrada (A2). A primeira forma é um pouco menos complicada ao mostrar o relacionamento do filtro RC e leva a um entendimento mais simples em termos de filtro. Analista Chefe de Processamento de Sinais da Prosig Dr Colin Mercer é Analista Chefe de Processamento de Sinais da Prosig e é responsável pelo processamento de sinais e suas aplicações. Ele foi anteriormente no Instituto de Pesquisa de Som e Vibração (ISVR) na Universidade de Southampton, onde fundou o Centro de Análise de Dados. Ele é um engenheiro e um membro da British Computer Society. Eu acho que você quer mudar o 8216p8217 para o símbolo de pi. Marco, obrigado por apontar isso. Eu acho que este é um dos nossos artigos mais antigos que foi transferido de um documento antigo de processamento de texto. Obviamente, o editor (eu) não conseguiu identificar que o pi não havia sido transcrito corretamente. Isso será corrigido em breve. É uma explicação muito boa sobre a média exponencial. Acredito que há um erro na fórmula para T. Deve ser Th (N-1), não T (N-1) / h. Mike, obrigado por perceber isso. Eu acabei de verificar a nota técnica original do Dr. Mercer8217 em nosso arquivo e parece que houve erro ao transferir as equações para o blog. Vamos corrigir o post. Obrigado por nos informar Obrigado obrigado obrigado. Você pode ler 100 textos DSP sem encontrar nada, dizendo que um filtro de média exponencial é o equivalente a um filtro R-C. hmm, você tem a equação para um filtro EMA correto não é Yk aXk (1-a) Yk-1 ao invés de Yk aYk-1 (1-a) Xk Alan, Ambas as formas da equação aparecem na literatura, e ambas as formas estão corretas, como mostrarei abaixo. O ponto que você faz é importante porque usar a forma alternativa significa que a relação física com um filtro RC é menos aparente, além disso, a interpretação do significado de uma mostrada no artigo não é apropriada para a forma alternativa. Primeiro, vamos mostrar que ambas as formas estão corretas. A forma da equação que eu usei e a forma alternativa que aparece em muitos textos é Nota acima eu usei latex 1 / latex na primeira equação e latex 2 / latex na segunda equação. A igualdade de ambas as formas da equação é mostrada matematicamente abaixo, tomando passos simples de cada vez. O que não é o mesmo é o valor usado para latex / latex em cada equação. Em ambas as formas, latex / latex é um valor entre zero e unidade. Primeiro reescreva a equação (1) substituindo látex 1 / látex por látex / látex. Isto dá latexyk y (1 - beta) xk / látex 8230 (1A) Agora defina latexbeta (1 - 2) / latex e assim também temos látex 2 (1 - beta) / latex. Substituindo estes na equação (1A) dá latexyk (1 - 2) y 2xk / látex 8230 (1B) E finalmente re-arranjos dá Essa equação é idêntica à forma alternativa dada na equação (2). Coloque mais simplesmente latex 2 (1 - 1) / látex. Em termos físicos, isso significa que a escolha da forma que se usa depende de como se quer pensar em tomar latexalpha / latex como a equação da fração de retorno (1) ou como a fração da equação de entrada (2). Como mencionado acima, usei o primeiro formulário, pois ele é um pouco menos complicado ao mostrar o relacionamento do filtro RC e leva a um entendimento mais simples em termos de filtro. No entanto omitindo o acima exposto é, na minha opinião, uma deficiência no artigo, como outras pessoas poderiam fazer uma inferência incorreta para que uma versão revisada apareça em breve. Eu sempre me perguntei sobre isso, obrigado por descrever isso com tanta clareza. Eu acho que outra razão pela qual a primeira formulação é boa é mapas alfa para 8216 suavidade8217: uma escolha maior de alfa significa uma saída mais suave. Michael Obrigado pela observação 8211 Vou acrescentar ao artigo algo sobre essas linhas, pois é sempre melhor, na minha opinião, relacionar-se com os aspectos físicos. Dr. Mercer, excelente artigo, obrigado. Eu tenho uma pergunta sobre a constante de tempo quando usado com um detector de rms como em um medidor de nível de som que você se refere no artigo. Se eu usar suas equações para modelar um filtro exponencial com tempo constante de 125 ms e usar um sinal de entrada de entrada, de fato recebo uma saída que, depois de 125 ms, é 63,2 do valor final. No entanto, se eu quadrar o sinal de entrada e colocar isso através do filtro, então eu vejo que eu preciso dobrar a constante de tempo para que o sinal atinja 63,2 de seu valor final em 125ms. Você pode me deixar saber se isso é esperado. Muito Obrigado. Ian Ian, Se você marcar um sinal como uma onda senoidal, basicamente estará duplicando a frequência de seus fundamentos, além de introduzir muitas outras frequências. Como a freqüência foi dobrada, ela está sendo reduzida em 8217 por uma quantidade maior pelo filtro de baixa passagem. Em conseqüência, leva mais tempo para atingir a mesma amplitude. A operação de quadratura é uma operação não linear, então não acho que ela sempre dobrará com precisão em todos os casos, mas tenderá a dobrar se tivermos uma baixa frequência dominante. Observe também que o diferencial de um sinal quadrado é o dobro do diferencial do sinal 8220un-squared8221. Eu suspeito que você esteja tentando obter uma forma de suavização quadrada média, que é perfeitamente boa e válida. Pode ser melhor aplicar o filtro e, em seguida, esquadrar como você sabe o corte efetivo. Mas se tudo o que você tem é o sinal quadrado, então usar um fator de 2 para modificar o valor do filtro irá aproximar você de volta à frequência de corte original, ou definir um pouco mais simples para definir sua frequência de corte no dobro do original. Obrigado pela sua resposta Dr. Mercer. Minha pergunta foi realmente tentar chegar ao que realmente é feito em um detector de um medidor de nível de som. Se a constante de tempo estiver configurada para 8216fast8217 (125ms) eu teria pensado que intuitivamente você esperaria que um sinal de entrada senoidal produzisse uma saída de 63,2 de seu valor final depois de 125ms, mas como o sinal está sendo quadrado antes de chegar ao 8216mean8217 detecção, ele realmente levará o dobro do tempo que você explicou. O objetivo principal do artigo é mostrar a equivalência da filtragem RC e da média exponencial. Se estivermos discutindo o tempo de integração equivalente a um integrador retangular verdadeiro, então você está certo de que há um fator de dois envolvidos. Basicamente, se tivermos um integrador retangular verdadeiro que integre Ti segundos, o tempo do integrador RC equivalente para obter o mesmo resultado é de 2 segundos. Ti é diferente da RC 8216time constant8217 T que é RC. Assim, se temos uma constante de tempo 8216Fast8217 de 125 ms, isto é, RC 125 ms, então isso é equivalente a um verdadeiro tempo de integração de 250 msec. Obrigado pelo artigo, foi muito útil. Há alguns artigos recentes em neurociência que usam uma combinação de filtros EMA (EMA de janela longa EMA 8211 com janelas curtas) como um filtro passa-banda para análise de sinal em tempo real. Eu gostaria de aplicá-las, mas estou lutando com os tamanhos de janela que diferentes grupos de pesquisa usaram e sua correspondência com a frequência de corte. Let8217s dizem que eu quero manter todas as freqüências abaixo de 0.5Hz (aprox) e que eu adquiro 10 amostras / segundo. Isso significa que fp 0.5Hz P 2s T P / 100.2 h 1 / fs0.1 Portanto, o tamanho da janela que eu deveria estar usando deveria ser N3. Este raciocínio está correto? Antes de responder à sua pergunta, devo comentar sobre o uso de dois filtros de alta freqüência para formar um filtro de passagem de banda. Presumivelmente, eles operam como dois fluxos separados, então um resultado é o conteúdo de, digamos, latexf / latex para metade da taxa de amostragem e o outro é o conteúdo de, digamos, latexf / latex para metade da taxa de amostragem. Se tudo o que está sendo feito é a diferença nos níveis médios do quadrado indicando a potência na banda de latexf / latex para latexf / latex, então pode ser razoável se as duas frequências de corte estiverem suficientemente afastadas, mas eu espero que as pessoas usando esta técnica está tentando simular um filtro de banda mais estreita. Na minha opinião, isso não seria confiável para o trabalho sério, e seria uma fonte de preocupação. Apenas para referência, um filtro passa banda é uma combinação de um filtro High Pass de baixa frequência para remover as baixas frequências e um filtro Low pass de alta frequência para remover as altas frequências. Existe, é claro, uma forma de baixa passagem de um filtro RC e, portanto, um EMA correspondente. Talvez o meu julgamento esteja sendo excessivamente crítico sem conhecer todos os fatos. Então, você poderia me enviar algumas referências aos estudos que mencionou para que eu possa criticar, conforme apropriado. Talvez eles estejam usando um passe baixo e um filtro de alta freqüência. Agora, voltando à sua pergunta atual sobre como determinar N para uma determinada frequência de corte de alvo, acho que é melhor usar a equação básica T (N-1) h. A discussão sobre os períodos tinha como objetivo dar às pessoas uma ideia do que estava acontecendo. Então, por favor, veja a derivação abaixo. Temos as relações latexT (N-1) h / latex e latexT1 / 2 / latex onde latexfc / latex é a frequência de corte teórica eh é o tempo entre as amostras, claramente latexh 1 / / látex onde latexfs / latex é o taxa de amostragem em amostras / seg. Rearranjando T (N-1) h em uma forma adequada para incluir a freqüência de corte, latexfc / latex e a taxa de amostragem, latexfs / latex, é mostrada abaixo. Então, usando latexfc 0.5Hz / latex e latexfs 10 / latex samples / seg para que latex (fc / fs) 0.05 / latex dê So o valor inteiro mais próximo é 4. Reorganizando o anterior nós temos So com N4 temos latexfc 0.5307 Hz /látex. Usando o N3 fornece um latexfc / látex de 0,318 Hz. Observe com N1 que temos uma cópia completa sem filtragem.