Função de transferência média de transferência

Média Móvel Exponencial - EMA BREAKING DOWN Média Móvel Exponencial - EMA As EMAs de 12 e 26 dias são as médias de curto prazo mais populares e são usadas para criar indicadores como a divergência de convergência média móvel (MACD) eo oscilador de preço percentual (PPO). Em geral, as EMA de 50 e 200 dias são usadas como sinais de tendências de longo prazo. Traders que empregam análise técnica encontrar médias móveis muito útil e perspicaz quando aplicado corretamente, mas criar havoc quando usado de forma inadequada ou são mal interpretados. Todas as médias móveis normalmente utilizadas na análise técnica são, pela sua própria natureza, indicadores atrasados. Conseqüentemente, as conclusões tiradas da aplicação de uma média móvel a um gráfico de mercado específico devem ser para confirmar um movimento de mercado ou para indicar sua força. Muitas vezes, quando uma linha de indicadores de média móvel fez uma alteração para refletir uma mudança significativa no mercado, o ponto ótimo de entrada no mercado já passou. Um EMA serve para aliviar este dilema em certa medida. Porque o cálculo EMA coloca mais peso sobre os dados mais recentes, ele abraça a ação de preço um pouco mais apertado e, portanto, reage mais rápido. Isto é desejável quando um EMA é usado para derivar um sinal de entrada de negociação. Interpretando a EMA Como todos os indicadores de média móvel, eles são muito mais adequados para mercados de tendências. Quando o mercado está em uma tendência de alta forte e sustentada. A linha de indicador EMA também mostrará uma tendência de alta e vice-versa para uma tendência de baixa. Um comerciante vigilante não só prestar atenção à direção da linha EMA, mas também a relação da taxa de mudança de uma barra para a próxima. Por exemplo, à medida que a ação de preço de uma forte tendência de alta começar a se nivelar e reverter, a taxa de mudança da EMA de uma barra para a próxima começará a diminuir até que a linha de indicador se aplana ea taxa de mudança seja zero. Devido ao efeito retardado, por este ponto, ou mesmo algumas barras antes, a ação do preço deve já ter invertido. Portanto, segue-se que a observação de uma diminuição consistente da taxa de variação da EMA poderia ser utilizada como um indicador que pudesse contrariar o dilema causado pelo efeito retardado das médias móveis. Usos comuns do EMA EMAs são comumente usados ​​em conjunto com outros indicadores para confirmar movimentos significativos do mercado e para avaliar a sua validade. Para os comerciantes que negociam intraday e mercados em rápido movimento, o EMA é mais aplicável. Muitas vezes os comerciantes usam EMAs para determinar um viés de negociação. Por exemplo, se um EMA em um gráfico diário mostra uma forte tendência de alta, uma estratégia de comerciantes intraday pode ser a negociação apenas a partir do lado longo em um gráfico intraday. Um Easy-to-Use Digital Filter A média móvel exponencial (EMA) é Um tipo de filtro de resposta de impulso infinito (IIR) que pode ser usado em muitas aplicações DSP incorporadas. Ele requer apenas uma pequena quantidade de RAM e poder de computação. O que é um Filtro Os filtros vêm em formas analógicas e digitais e existem para remover freqüências específicas de um sinal. Um filtro analógico comum é o filtro RC de baixa passagem mostrado abaixo. Os filtros analógicos são caracterizados pela sua resposta em frequência que é o quanto as frequências são atenuadas (resposta de magnitude) e deslocadas (resposta de fase). A resposta de frequência pode ser analisada utilizando uma transformada de Laplace que define uma função de transferência no domínio S. Para o circuito acima, a função de transferência é dada por: Para R igual a um quilo-ohm e C igual a um microfarad, a resposta de magnitude é mostrada abaixo. Observe que o eixo x é logarítmico (cada marca é 10 vezes maior do que a última). O eixo y é em decibéis (que é uma função logarítmica da saída). A frequência de corte para este filtro é de 1000 rads ou 160 Hz. Este é o ponto em que menos da metade da potência em uma dada freqüência é transferida da entrada para a saída do filtro. Filtros analógicos devem ser usados ​​em projetos incorporados ao amostragem de um sinal usando um conversor analógico-digital (ADC). O ADC apenas captura freqüências que são até a metade da freqüência de amostragem. Por exemplo, se o ADC adquire 320 amostras por segundo, o filtro acima (com uma frequência de corte de 160Hz) é colocado entre o sinal e a entrada ADC para evitar aliasing (que é um fenômeno onde as freqüências mais altas aparecem no sinal amostrado como Frequências mais baixas). Filtros digitais Os filtros digitais atenuam as frequências do software em vez de utilizar componentes analógicos. Sua implementação inclui a amostragem dos sinais analógicos com um ADC, em seguida, aplicar um algoritmo de software. Duas abordagens de projeto comuns para a filtragem digital são filtros FIR e filtros IIR. Filtros FIR Os filtros de Resposta de Impulso Finito (FIR) utilizam um número finito de amostras para gerar a saída. Uma média móvel simples é um exemplo de um filtro FIR de passa baixa. Freqüências mais altas são atenuadas porque a média suaviza o sinal. O filtro é finito porque a saída do filtro é determinada por um número finito de amostras de entrada. Como um exemplo, um filtro de média móvel de 12 pontos adiciona as 12 amostras mais recentes e depois divide por 12. A saída de filtros IIR é determinada por (até) um número infinito de amostras de entrada. Filtros IIR Filtros de resposta de impulso infinito (IIR) são um tipo de filtro digital onde a saída é inifinetelyin teoria anywayinfluenced por uma entrada. A média móvel exponencial é um exemplo de um filtro IIR de passagem baixa. Filtro de média móvel exponencial Uma média móvel exponencial (EMA) aplica pesos exponenciais a cada amostra para calcular uma média. Embora isto pareça complicado, a equação conhecida na linguagem de filtragem digital como a equação de diferença para calcular a saída é simples. Na equação abaixo, y é a saída x é a entrada e alfa é uma constante que define a freqüência de corte. Para analisar como este filtro afeta a freqüência da saída, a função de transferência de domínio Z é usada. A resposta de magnitude é mostrada abaixo para alfa igual a 0,5. O eixo y é, novamente, mostrado em decibéis. O eixo x é logarítmico de 0,001 a pi. A freqüência do mundo real mapeia para o eixo x com zero sendo a tensão DC e pi sendo igual a metade da freqüência de amostragem. Quaisquer frequências que sejam maiores que a metade da freqüência de amostragem serão alias. Como mencionado, um filtro analógico pode garantir praticamente todas as freqüências no sinal digital estão abaixo da metade da freqüência de amostragem. O filtro EMA é benéfico em projetos incorporados por duas razões. Primeiro, é fácil ajustar a freqüência de corte. Diminuir o valor de alfa irá diminuir a frequência de corte do filtro, como ilustrado pela comparação do gráfico acima alfa 0,5 para o gráfico abaixo, onde alfa 0,1. Em segundo lugar, o EMA é fácil de codificar e requer apenas uma pequena quantidade de poder de computação e memória. A implementação de código do filtro usa a equação de diferença. Existem duas operações de multiplicação e uma operação de adição para cada saída, que ignora as operações necessárias para arredondar matemática de ponto fixo. Somente a amostra mais recente deve ser armazenada na RAM. Isto é substancialmente menor do que usando um filtro de média móvel simples com N pontos que requer N operações de multiplicação e adição bem como N amostras para serem armazenadas na RAM. O código a seguir implementa o filtro EMA usando matemática de ponto fixo de 32 bits. O código abaixo é um exemplo de como usar a função acima. Conclusão Filtros, tanto analógicos e digitais, são uma parte essencial dos projetos incorporados. Eles permitem que os desenvolvedores se livrar de freqüências indesejadas ao analisar a entrada do sensor. Para que os filtros digitais sejam úteis, os filtros analógicos devem remover todas as freqüências acima da metade da freqüência de amostragem. Digital IIR filtros podem ser ferramentas poderosas em design incorporado, onde os recursos são limitados. A média móvel exponencial (EMA) é um exemplo de tal filtro que funciona bem em projetos embutidos por causa da baixa memória e requisitos de energia de computação. Resposta de freqüência do Filtro Média Corrente A resposta de freqüência de um sistema LTI é a DTFT do impulso A resposta de impulso de uma média móvel de L é uma média móvel. Uma vez que o filtro de média móvel é FIR, a resposta de frequência reduz-se à soma finita. Podemos usar a identidade muito útil para escrever a resposta de frequência como onde deixamos ae menos jomega. N 0 e M L menos 1. Podemos estar interessados ​​na magnitude desta função para determinar quais freqüências passam pelo filtro sem atenuação e quais são atenuadas. Abaixo está um gráfico da magnitude desta função para L 4 (vermelho), 8 (verde) e 16 (azul). O eixo horizontal varia de zero a pi radianos por amostra. Observe que, em todos os três casos, a resposta de freqüência tem uma característica de passagem baixa. Uma componente constante (frequência zero) na entrada passa através do filtro sem ser atenuada. Determinadas frequências mais elevadas, tais como pi 2, são completamente eliminadas pelo filtro. No entanto, se a intenção era projetar um filtro lowpass, então não temos feito muito bem. Algumas das freqüências mais altas são atenuadas apenas por um fator de cerca de 110 (para a média móvel de 16 pontos) ou 13 (para a média móvel de quatro pontos). Podemos fazer muito melhor do que isso. O gráfico acima foi criado pelo seguinte código Matlab: omega 0: pi400: pi H4 (14) (1-exp (-iomega4)) (1-exp (-iomega)) H8 (18) (1-exp (- (1-exp (-iomega)) (1-exp (-iomega)) traço (omega, abs (H4) abs (H8) abs ( H16)) eixo (0, pi, 0, 1) Cópia de direitos autorais 2000 - Universidade da Califórnia, Berkeley