我读了一些关于stats:filter的答案,它们使卷积的工作原理(与系数排列有关的部分)变得很清楚,但是还有其他一些内容。
示例:
# convolution with 3 coefficients in filter filter(1:5,c(f1,f2,f3),method="convolution") [1] NA 6 9 12 NA #equivalent to: NA * f3 + x[1] * f2 + x[2] * f1 #x[0] = doesn't exist/NA x[1] * f3 + x[2] * f2 + x[3] * f1 x[2] * f3 + x[3] * f2 + x[4] * f1 x[3] * f3 + x[4] * f2 + x[5] * f1 x[4] * f3 + x[5] * f2 + x[6] * f1 #x[6] also doesn't exist
我不知道X [0]的来源;我以为我们将从x [1]开始。我怀疑这可能与
stats::filter
帮助文档中提到的偏移量有关。
卷积过滤器是
y [i] = f [1] * x [i + o] +…+ f [p] * x [i + o-(p-1)]
其中o是偏移量:有关如何确定偏移量,请参见侧面。
sides:仅用于卷积过滤器。如果侧面= 1,则过滤器系数仅用于过去的值;如果边= 2,则它们居中大约滞后0。在这种情况下,滤波器的长度应为奇数,但如果是偶数,则及时过滤的过滤器将比向前过滤的过滤器多。
我仍然感到困惑。我看不到边如何解释偏移量,也不确定
x[0]
'是否由偏移量引起。
卷积实际上如何在stats :: filter中起作用?
我读了一些关于stats:filter的答案,它们使卷积的工作原理(与系数排列有关的部分)变得很清楚,但是还有其他一些内容。例如:#...
可能您应该了解什么是卷积。从最简单的开始。即卷积两个信号。我只描述细节。但是您可以在线搜索WHY。