คง จุด เฉลี่ยเคลื่อนที่ กรอง

ค่าเฉลี่ยเคลื่อนที่ตัวอย่างนี้สอนวิธีคำนวณค่าเฉลี่ยเคลื่อนที่ของชุดเวลาใน Excel ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อทำให้เกิดความผิดปกติ (ยอดเขาและหุบเขา) เพื่อรับรู้แนวโน้มได้ง่ายขึ้น 1. ขั้นแรกให้ดูที่ซีรี่ส์เวลาของเรา 2. ในแท็บข้อมูลคลิกการวิเคราะห์ข้อมูล หมายเหตุ: ไม่สามารถหาปุ่ม Data Analysis คลิกที่นี่เพื่อโหลด Add-in Analysis ToolPak 3. เลือก Moving Average และคลิก OK 4. คลิกที่กล่อง Input Range และเลือกช่วง B2: M2 5. คลิกที่ช่อง Interval และพิมพ์ 6. 6. คลิกที่ Output Range box และเลือก cell B3 8. วาดกราฟของค่าเหล่านี้ คำอธิบาย: เนื่องจากเราตั้งค่าช่วงเป็น 6 ค่าเฉลี่ยเคลื่อนที่คือค่าเฉลี่ยของ 5 จุดข้อมูลก่อนหน้าและจุดข้อมูลปัจจุบัน เป็นผลให้ยอดเขาและหุบเขาจะเรียบออก กราฟแสดงแนวโน้มที่เพิ่มขึ้น Excel ไม่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับจุดข้อมูล 5 จุดแรกได้เนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้เพียงพอ 9. ทำซ้ำขั้นตอนที่ 2 ถึง 8 สำหรับช่วงที่ 2 และช่วงที่ 4 ข้อสรุป: ช่วงที่ใหญ่กว่ายอดเนินและหุบเขาจะยิ่งเรียบขึ้น ค่าเฉลี่ยของค่าเฉลี่ยที่เคลื่อนที่ได้ใกล้เคียงกับจุดข้อมูลที่แท้จริงยิ่งขึ้นนักวิทยาศาสตร์และวิศวกรแนะนำการประมวลผลสัญญาณดิจิตอลโดย Steven W. Smith, Ph. D. บทที่ 28: โปรเซสเซอร์สัญญาณดิจิตอลการประมวลผลสัญญาณดิจิตอลแบบ Fixed กับ Floating Point สามารถแบ่งออกเป็น 2 ประเภท ได้แก่ จุดคงที่และจุดลอยตัว เหล่านี้อ้างถึงรูปแบบที่ใช้ในการเก็บและจัดการตัวเลขภายในอุปกรณ์ DSPs จุดคงที่จะแสดงจำนวนที่น้อยที่สุด 16 บิตแม้ว่าจะใช้ความยาวที่แตกต่างกัน ตัวอย่างเช่น Motorola ผลิตตระกูล DSP แบบจุดคงที่ซึ่งใช้ 24 บิต มีสี่วิธีโดยทั่วไปที่ 2 16 65536 รูปแบบบิตเป็นไปได้นี้สามารถแสดงจำนวนได้ ใน unsigned integer จำนวนที่เก็บไว้สามารถใช้ค่าจำนวนเต็มใดก็ได้ตั้งแต่ 0 ถึง 65,535 ในทำนองเดียวกันจำนวนเต็มที่ลงนามใช้ twos เสริมเพื่อให้ช่วงรวมตัวเลขเชิงลบจาก -32,768 ถึง 32,767 ด้วยสัญกรณ์เศษที่ไม่ได้ลงชื่อระดับ 65,536 มีการกระจายอย่างสม่ำเสมอระหว่าง 0 ถึง 1 ท้ายสุดรูปแบบเศษที่เซ็นชื่อช่วยให้ตัวเลขเชิงลบเว้นระยะห่างเท่ากันระหว่าง -1 และ 1 ในการเปรียบเทียบ DSP แบบลอยตัวจะใช้ขั้นต่ำ 32 บิตในการจัดเก็บแต่ละส่วน ความคุ้มค่า ซึ่งส่งผลให้มีรูปแบบบิตมากขึ้นกว่าจุดคงที่ 2 32 4,294,967,296 เป็นที่แน่นอน จุดเด่นของสัญกรณ์จุดลอยคือจำนวนที่ระบุไม่เว้นระยะเท่า ๆ กัน ในรูปแบบที่พบมากที่สุด (ANSIIEEE Std. 754-1985) ตัวเลขที่ใหญ่ที่สุดและเล็กที่สุดคือบวกสามครั้ง 4.3.4 และ 10.28 ตามลำดับ ค่าที่แสดงเป็นระยะห่างที่ไม่เท่ากันระหว่างสองจุดสุดโต่งเช่นช่องว่างระหว่างตัวเลขสองตัวมีขนาดประมาณสิบล้านเท่าน้อยกว่าค่าของตัวเลข นี่เป็นเรื่องสำคัญเนื่องจากช่องว่างระหว่างจำนวนมากมีขนาดใหญ่ แต่มีช่องว่างเล็ก ๆ ระหว่างหมายเลขเล็ก ๆ โน้ตจุดลอยจะกล่าวถึงในรายละเอียดในบทที่ 4 DSPs จุดลอยทั้งหมดยังสามารถจัดการกับหมายเลขจุดคงที่ความจำเป็นในการใช้ตัวนับลูปและสัญญาณที่มาจาก ADC และไปที่ DAC อย่างไรก็ตามนี้ไม่ได้หมายความว่าคณิตศาสตร์จุดคงที่จะดำเนินการให้เร็วที่สุดเท่าที่การดำเนินงานจุดลอยขึ้นอยู่กับสถาปัตยกรรมภายใน ตัวอย่างเช่น DSPs SHARC ได้รับการปรับให้เหมาะสำหรับการทำงานแบบจุดลอยและแบบจุดคงที่และดำเนินการอย่างมีประสิทธิภาพเท่าเทียมกัน ด้วยเหตุนี้อุปกรณ์ SHARC มักถูกเรียกว่า DSP แบบ 32 บิตแทนที่จะเป็นเพียง Floating Point เท่านั้น รูปที่ 28-6 แสดงการค้าระหว่างกันระหว่าง DSPs แบบคงที่และแบบลอยตัว ในบทที่ 3 เราเน้นว่าค่าเลขคณิตจุดคงที่เร็วกว่าจุดลอยตัวในคอมพิวเตอร์ทั่วไป อย่างไรก็ตามด้วย DSPs ความเร็วเป็นเรื่องเดียวกันผลของฮาร์ดแวร์ที่ถูกเพิ่มประสิทธิภาพสูงสำหรับการดำเนินงานทางคณิตศาสตร์ สถาปัตยกรรมภายในของจุด DSP แบบลอยตัวมีความซับซ้อนมากกว่าอุปกรณ์จุดตายตัว ทุกรีจิสเตอร์และบัสข้อมูลต้องมีขนาด 32 บิตแทนที่จะเป็นเพียง 16 ตัวคูณและ ALU ต้องสามารถคำนวณเลขทศนิยมได้อย่างรวดเร็วชุดคำสั่งต้องมีขนาดใหญ่ (เพื่อให้สามารถจัดการกับตัวเลขจุดลอยและจุดคงที่) และ อื่น ๆ จุดลอย (32 บิต) มีความแม่นยำดีกว่าและมีช่วงไดนามิกสูงกว่าจุดคงที่ (16 บิต) นอกจากนี้โปรแกรม floating point มักจะมีวัฏจักรการพัฒนาที่สั้นกว่าเนื่องจาก programmer ไม่จำเป็นต้องกังวลเกี่ยวกับปัญหาเช่น overflow, underflow และ round-off error ในทางกลับกัน DSP จุดคงที่มีราคาถูกกว่าอุปกรณ์แบบลอยตัว ไม่มีอะไรเปลี่ยนแปลงไปอย่างรวดเร็วกว่าราคาของสิ่งของอิเล็กทรอนิกส์ที่คุณพบในหนังสือจะล้าสมัยก่อนพิมพ์ อย่างไรก็ตามค่าใช้จ่ายเป็นปัจจัยสำคัญในการทำความเข้าใจว่า DSP มีการพัฒนาอย่างไรและเราจำเป็นต้องให้แนวคิดทั่วไปแก่คุณ เมื่อหนังสือเล่มนี้เสร็จสมบูรณ์ในปี 1999 DSPs แบบจุดคงที่ขายได้ระหว่าง 5 ถึง 100 ในขณะที่อุปกรณ์จุดลอยอยู่ในช่วง 10-300 ค่าใช้จ่ายนี้แตกต่างกันสามารถดูได้ว่าเป็นการวัดความซับซ้อนที่สัมพันธ์กันระหว่างอุปกรณ์ หากคุณต้องการทราบว่าวันนี้มีราคาอะไรบ้าง คุณต้องมองวันนี้ สิ่งที่สามารถทำให้ระบบจุดลอย 32 บิตสามารถทำได้โดยใช้จุดลอยตัวแบบ 16 บิตคำตอบสำหรับคำถามนี้คืออัตราส่วนสัญญาณต่อการรบกวน สมมติว่าเราเก็บหมายเลขไว้ในรูปแบบลอยตัว 32 บิต ช่องว่างระหว่างหมายเลขนี้กับเพื่อนบ้านที่อยู่ติดกันกล่าวคือประมาณหนึ่งในสิบล้านของมูลค่า ในการจัดเก็บหมายเลขต้องกลมขึ้นหรือลงโดยมีขนาดช่องว่างไม่เกินครึ่งหนึ่ง กล่าวอีกนัยหนึ่งทุกครั้งที่เราเก็บตัวเลขไว้ในสัญกรณ์ทศนิยมเราจะเพิ่มสัญญาณรบกวนให้กับสัญญาณ สิ่งเดียวกันนี้เกิดขึ้นเมื่อมีการจัดเก็บหมายเลขไว้เป็นค่าจุดคงที่ 16 บิตยกเว้นว่าเสียงที่เพิ่มจะเลวร้ายมาก เนื่องจากช่องว่างระหว่างหมายเลขที่อยู่ติดกันมีขนาดใหญ่มาก ตัวอย่างเช่นสมมติว่าเราเก็บหมายเลข 10,000 เป็นจำนวนเต็มที่ลงนาม (ทำงานตั้งแต่ -32,768 ถึง 32,767) ช่องว่างระหว่างตัวเลขเป็นหนึ่งในสิบพันของมูลค่าของจำนวนที่เราเก็บไว้ ถ้าเราต้องการเก็บหมายเลข 1000 ช่องว่างระหว่างตัวเลขจะมีเพียงหนึ่งในพันของค่าเท่านั้น สัญญาณรบกวนในสัญญาณมักจะแสดงโดยส่วนเบี่ยงเบนมาตรฐาน นี้ถูกกล่าวถึงในรายละเอียดในบทที่ 2 สำหรับที่นี่ความจริงที่สำคัญคือค่าเบี่ยงเบนมาตรฐานของเสียง quantization นี้ประมาณหนึ่งในสามของขนาดช่องว่าง ซึ่งหมายความว่าอัตราส่วนสัญญาณต่อเสียงรบกวนสำหรับการจัดเก็บหมายเลขจุดลอยอยู่ที่ประมาณ 30 ล้านต่อหนึ่งในขณะที่จำนวนจุดคงที่มีค่าเพียงประมาณหมื่นถึงหนึ่งพันตัว กล่าวอีกนัยหนึ่งจุดลอยมีเสียง quantization ประมาณ 30,000 ครั้งน้อยกว่าจุดคงที่ วิธีนี้แสดงถึงวิธีสำคัญที่ DSP ต่างจากไมโครโปรเซสเซอร์แบบเดิม สมมติว่าเราใช้ตัวกรอง FIR ในจุดคงที่ เมื่อต้องการทำเช่นนี้เราจะวนค่าสัมประสิทธิ์แต่ละตัวให้คูณด้วยตัวอย่างที่เหมาะสมจากสัญญาณขาเข้าและเพิ่มผลิตภัณฑ์ลงในตัวเก็บประจุ นี่เป็นปัญหา ในไมโครโปรเซสเซอร์แบบดั้งเดิมตัวสะสมนี้เป็นตัวแปรจุดคงที่ 16 บิตเท่านั้น เพื่อหลีกเลี่ยงการล้นเราต้องปรับค่าที่เพิ่มขึ้นและจะเพิ่มเสียง quantization ในแต่ละขั้นตอน ในกรณีที่เลวร้ายที่สุดเสียงนี้จะเพิ่ม quantization ลดอัตราส่วนสัญญาณต่อเสียงรบกวนของระบบอย่างมาก ตัวอย่างเช่นในตัวกรอง FIR แบบ 500 ค่าเสียงในแต่ละเอาท์พุทอาจมีความดังมากกว่า 500 ครั้งในแต่ละอินพุตตัวอย่าง อัตราส่วนสัญญาณต่อเสียงรบกวนของหมื่นคนต่อหนึ่งรายได้ลดลงอย่างน่ากลัวถึงยี่สิบเอ็ด แม้ว่าจะเป็นกรณีที่รุนแรง แต่ก็แสดงให้เห็นถึงประเด็นหลัก: เมื่อมีการดำเนินงานหลายอย่างในแต่ละตัวอย่างไม่ดีแย่มาก ดูบทที่ 3 สำหรับรายละเอียดเพิ่มเติม DSP จัดการกับปัญหานี้โดยใช้ตัวเก็บประจุความแม่นยำแบบขยาย นี่คือรีจีสทรีพิเศษที่มีจำนวนบิตมากถึง 2-3 เท่าของตำแหน่งหน่วยความจำอื่น ๆ ตัวอย่างเช่นใน DSP 16 บิตอาจมี 32 ถึง 40 บิตขณะที่อยู่ใน SHARC DSP จะมี 80 บิตสำหรับการใช้งานจุดคงที่ ช่วงที่ขยายนี้ช่วยลดเสียงรบกวนรอบข้างขณะที่มีการสะสมอยู่ในระหว่างดำเนินการ เฉพาะข้อผิดพลาดรอบปิดคือเมื่อสะสมจะถูกปรับขนาดและเก็บไว้ในหน่วยความจำ 16 บิต กลยุทธ์นี้ทำงานได้ดีแม้ว่าจะไม่ จำกัด ว่าอัลกอริทึมบางตัวจะต้องมีการดำเนินการอย่างไร ในการเปรียบเทียบจุดลอยตัวมีสัญญาณเสียงกระเพื่อมต่ำเช่นว่าเทคนิคเหล่านี้มักไม่จำเป็น นอกเหนือจากการลดเสียงรบกวนของ quantization แล้วระบบจุดลอยก็ง่ายกว่าในการพัฒนาอัลกอริทึมด้วย เทคนิค DSP ส่วนใหญ่จะขึ้นอยู่กับการคูณและการทำซ้ำหลายครั้ง ในจุดที่กำหนดความเป็นไปได้ที่จะเกิดความล้นหรือลดลงจะต้องพิจารณาหลังจากการดำเนินการแต่ละครั้ง โปรแกรมเมอร์ต้องเข้าใจถึงความกว้างของตัวเลขอย่างต่อเนื่องความผิดพลาดของระบบ quantization เกิดขึ้นได้อย่างไรและความต้องการในการปรับขนาดจะเกิดขึ้นอย่างไร ในการเปรียบเทียบปัญหาเหล่านี้ไม่เกิดขึ้นในจุดลอยตัวเลขจะดูแลตัวเอง (ยกเว้นในกรณีที่หายาก) เพื่อให้คุณเข้าใจปัญหานี้ได้ดียิ่งขึ้น 28-7 แสดงตารางจากคู่มือผู้ใช้ SHARC ซึ่งอธิบายถึงวิธีการคูณที่สามารถทำได้ทั้งรูปแบบจุดคงที่และแบบลอยตัว ขั้นแรกให้ดูว่าตัวเลขจุดลอยตัวสามารถคูณได้แค่ทางเดียวนั่นคือ Fn Fx Fy โดยที่ Fn, Fx และ Fy มีการบันทึกข้อมูล 16 รายการ ไม่ง่ายเลย ในการเปรียบเทียบให้ดูคำสั่งที่เป็นไปได้ทั้งหมดสำหรับการคูณจุดคงที่ นี่คือทางเลือกมากมายที่จำเป็นในการจัดการกับปัญหาของการปัดเศษการปรับขนาดและรูปแบบได้อย่างมีประสิทธิภาพ ในรูปที่ 28-7, Rn, Rx และ Ry อ้างถึงการลงทะเบียนข้อมูล 16 ชุดและ MRF และ MRB เป็นตัวเก็บประจุ 80 บิต เส้นแนวตั้งระบุตัวเลือก ตัวอย่างเช่นรายการด้านซ้ายบนในตารางนี้หมายความว่าต่อไปนี้ทั้งหมดเป็นคำสั่งที่ถูกต้อง: Rn Rx Ry, MRF Rx Ry และ MRB Rx Ry กล่าวอีกนัยหนึ่งค่าของสองรีจิสเตอร์สามารถคูณและวางลงในรีจิสเตอร์อื่นหรือเป็นหนึ่งในเครื่องขยายความแม่นยำแบบขยายได้ ตารางนี้ยังแสดงให้เห็นว่าตัวเลขอาจมีการเซ็นชื่อหรือไม่ได้ลงชื่อ (S หรือ U) และอาจเป็นเศษหรือเป็นจำนวนเต็ม (F หรือ I) ตัวเลือก RND และ SAT เป็นวิธีการควบคุมการปัดเศษและลงทะเบียนล้น มีรายละเอียดและตัวเลือกอื่น ๆ ในตาราง แต่พวกเขาไม่สำคัญสำหรับการสนทนาในปัจจุบันของเรา ความคิดที่สำคัญคือโปรแกรมเมอร์จุดคงต้องเข้าใจหลายสิบวิธีในการดำเนินงานขั้นพื้นฐานของการคูณ ในทางตรงกันข้ามโปรแกรมเมอร์จุดลอยสามารถใช้เวลาของเขามุ่งเน้นที่อัลกอริทึม ให้ความสมดุลระหว่างจุดคงที่และลอยตัวคุณจะเลือกสิ่งที่จะใช้อย่างไรต่อไปนี้เป็นสิ่งที่ต้องพิจารณา ขั้นแรกให้ดูจำนวนบิตที่ใช้ใน ADC และ DAC ในหลาย ๆ แอพพลิเคชัน 12-14 บิตต่อตัวอย่างคือ crossover สำหรับใช้ fixed กับ floating point ตัวอย่างเช่นสัญญาณโทรทัศน์และสัญญาณวิดีโออื่น ๆ มักใช้ ADC 8 บิตและ DAC และความแม่นยำของจุดตายตัวเป็นที่ยอมรับได้ ในการเปรียบเทียบแอพพลิเคชันเสียงระดับมืออาชีพสามารถสุ่มตัวอย่างได้สูงถึง 20 หรือ 24 บิตและเกือบจะต้องมีจุดลอยตัวเพื่อจับภาพช่วงไดนามิกที่มีขนาดใหญ่ สิ่งต่อไปที่จะดูคือความซับซ้อนของอัลกอริทึมที่จะเรียกใช้ ถ้ามันค่อนข้างง่ายคิดว่าจุดคงที่ถ้ามันมีความซับซ้อนมากขึ้นคิดว่าจุดลอย ตัวอย่างเช่นการกรอง FIR และการดำเนินงานอื่น ๆ ในโดเมนเวลาต้องการเพียงไม่กี่โหลบรรทัดของรหัสทำให้เหมาะสำหรับจุดคงที่ ในทางตรงกันข้ามอัลกอริทึมโดเมนความถี่เช่นการวิเคราะห์สเปกตรัมและการชักนำ FFT มีรายละเอียดมากและอาจเป็นเรื่องที่ยากมากสำหรับโปรแกรม ในขณะที่สามารถเขียนได้ในจุดคงที่เวลาในการพัฒนาจะลดลงอย่างมากหากใช้จุดลอยตัว สุดท้ายคิดเกี่ยวกับเงิน: ความสำคัญของต้นทุนของผลิตภัณฑ์และความสำคัญของต้นทุนการพัฒนาเมื่อเลือกจุดคงที่ต้นทุนของผลิตภัณฑ์จะลดลง แต่ต้นทุนการพัฒนาอาจสูงขึ้นเนื่องจาก อัลกอริธึมที่ยากขึ้น ในลักษณะย้อนกลับจุดลอยโดยทั่วไปจะส่งผลให้วัฏจักรการพัฒนารวดเร็วและถูกกว่า แต่เป็นผลิตภัณฑ์ขั้นสุดท้ายที่มีราคาแพงกว่า รูปที่ 28-8 แสดงแนวโน้มที่สำคัญใน DSP บางส่วน ภาพ (a) แสดงให้เห็นถึงผลกระทบที่โปรเซสเซอร์สัญญาณดิจิทัลมีอยู่ในตลาดที่ฝังตัว เหล่านี้คือแอ็พพลิเคชันที่ใช้ไมโครโปรเซสเซอร์เพื่อควบคุมและควบคุมระบบขนาดใหญ่บางส่วนเช่นโทรศัพท์มือถือเตาไมโครเวฟหรือแผงแสดงผลของยานยนต์ ไมโครคอนโทรลเลอร์ชื่อมักถูกใช้เพื่ออ้างถึงอุปกรณ์เหล่านี้เพื่อแยกความแตกต่างจากไมโครโพรเซสเซอร์ที่ใช้ในคอมพิวเตอร์ส่วนบุคคล ดังที่แสดงใน (a) ประมาณ 38 นักออกแบบระบบฝังตัวได้เริ่มใช้ DSP แล้วอีก 49 รายกำลังพิจารณาการเปลี่ยน กำลังการผลิตสูงและการคำนวณของ DSPs มักจะทำให้พวกเขาเป็นตัวเลือกที่เหมาะสำหรับการออกแบบที่ฝังตัว ดังที่แสดงใน (b) ประมาณสองเท่าของวิศวกรจำนวนมากใช้จุดคงที่เป็นจุด DSP แบบลอยตัว อย่างไรก็ตามเรื่องนี้ขึ้นอยู่กับโปรแกรม จุดคงที่เป็นที่นิยมมากในผลิตภัณฑ์อุปโภคบริโภคที่แข่งขันกันซึ่งต้องเสียค่าใช้จ่ายในด้านอุปกรณ์อิเล็กทรอนิกส์ต่ำมาก ตัวอย่างที่ดีของเรื่องนี้คือโทรศัพท์มือถือ เมื่อคุณอยู่ในการแข่งขันที่จะขายสินค้านับล้านของคุณความแตกต่างของค่าใช้จ่ายเพียงไม่กี่ดอลลาร์อาจเป็นความแตกต่างระหว่างความสำเร็จและความล้มเหลว ในการเปรียบเทียบจุดลอยเป็นเรื่องปกติมากขึ้นเมื่อจำเป็นต้องมีสมรรถนะสูงขึ้นและค่าใช้จ่ายก็ไม่สำคัญ ตัวอย่างเช่นสมมติว่าคุณกำลังออกแบบระบบภาพทางการแพทย์เช่นเครื่องสแกนเอกซเรย์คอมพิวเตอร์ มีเพียงไม่กี่ร้อยรุ่นเท่านั้นที่จะขายได้ในราคาหลายแสนดอลลาร์ สำหรับแอ็พพลิเคชันนี้ค่าใช้จ่ายของ DSP ไม่มีนัยสำคัญ แต่ประสิทธิภาพเป็นสิ่งสำคัญ แม้ว่าจะมีการใช้ DSPs แบบจุดคงที่จำนวนมากขึ้นตลาดแบบลอยตัวก็เป็นกลุ่มที่เติบโตเร็วที่สุด ดังที่แสดงไว้ใน (c) วิศวกรกว่าครึ่งหนึ่งที่ใช้อุปกรณ์ 16 บิตวางแผนที่จะย้ายข้อมูลไปยังจุดลอยตัวในบางเวลาในอนาคตอันใกล้นี้ ก่อนที่จะออกจากหัวข้อนี้เราควรเน้นย้ำว่าจุดลอยและจุดคงที่ใช้ 32 บิตและ 16 บิตตามลำดับ แต่ไม่เสมอไป ตัวอย่างเช่นตระกูล SHARC สามารถแสดงตัวเลขในจุดคงที่แบบ 32 บิตซึ่งเป็นโหมดที่ใช้กันทั่วไปในแอปพลิเคชันระบบเสียงดิจิตอล ซึ่งทำให้ระดับ quantization 2 32 มีระยะเว้นระยะเท่า ๆ กันในช่วงที่ค่อนข้างเล็กกล่าวคือระหว่าง -1 และ 1 ในการเปรียบเทียบสัญกรณ์ floating point จะทำให้ระดับ quantization 2 32 เป็นลอการิทึมในช่วงใหญ่ ๆ โดยปกติแล้วจะมีค่าเท่ากับ 4.3 ความแม่นยำสูงกว่าจุดคงที่ นั่นคือข้อผิดพลาดเกี่ยวกับ quantization ในตัวอย่างใด ๆ จะลดลง อย่างไรก็ตามจุดลอยตัว 32 บิตมีช่วงไดนามิกสูงกว่า ความหมายมีความแตกต่างระหว่างหมายเลขที่ใหญ่ที่สุดและจำนวนน้อยที่สุดที่สามารถแสดงได้เอกสารสำคัญ dfilt. latticemamin สิ่งที่สำคัญที่สุดคือตำแหน่งป้ายกำกับในไดอะแกรมซึ่งระบุตำแหน่งที่ใช้รูปแบบ เป็นตัวอย่างหนึ่งให้ดูที่ ProductFormat ของฉลากซึ่งจะเป็นไปตามองค์ประกอบคูณค่าสัมประสิทธิ์ในการไหลของสัญญาณ ป้ายระบุว่าค่าสัมประสิทธิ์การปล่อยให้องค์ประกอบการคูณมีความยาวของคำและความยาวเศษที่เกี่ยวข้องกับการดำเนินงานของผลิตภัณฑ์ที่มีค่าสัมประสิทธิ์ จากการตรวจสอบตารางคุณจะเห็นว่า ProductFormat หมายถึงคุณสมบัติ ProductFracLength ProductWordLength และ ProductMode ที่กำหนดรูปแบบค่าสัมประสิทธิ์อย่างเต็มที่หลังจากการคูณ (หรือผลิตภัณฑ์) คุณสมบัติในตารางนี้คุณจะเห็นพร็อพเพอร์ตี้ที่เกี่ยวข้องกับเฟสต่ำสุดการเคลื่อนย้ายค่าเฉลี่ยของวัตถุ dfilt หมายเหตุ: ตารางแสดงคุณสมบัติทั้งหมดที่ตัวกรองสามารถมีได้ หลายคุณสมบัติเป็นแบบไดนามิกซึ่งหมายความว่ามีอยู่เฉพาะในการตอบสนองต่อการตั้งค่าคุณสมบัติอื่น ๆ คุณอาจไม่เห็นพร็อพเพอร์ตี้ทั้งหมดที่แสดงอยู่ตลอดเวลา หากต้องการดูพร็อพเพอร์ตี้ทั้งหมดสำหรับตัวกรองเมื่อใดก็ได้ให้ใช้ตำแหน่งที่ hd เป็นตัวกรอง สำหรับข้อมูลเพิ่มเติมเกี่ยวกับคุณสมบัติของตัวกรองนี้หรือวัตถุ dfilt ใด ๆ ให้ดูที่คุณสมบัติตัวกรองจุดคงที่ ตั้งค่าโหมดที่ใช้เพื่อตอบสนองต่อเงื่อนไขการล้นในการคำนวณทางคณิตศาสตร์แบบจุดคงที่ เลือกจากอิ่มตัว (limit output ไปเป็นค่าที่เป็นบวกหรือลบที่ใหญ่ที่สุดที่เป็นตัวแทน) หรือ wrap (กำหนดค่าที่ล้นไปเป็นค่าที่แสดงได้ใกล้เคียงที่สุดโดยใช้ modular arithmetic) ทางเลือกที่คุณทำจะมีผลกับการสะสมและเลขที่ออกเท่านั้น ค่าสัมประสิทธิ์และการคำนวณค่าการป้อนข้อมูลเสมออิ่มตัว สุดท้ายผลิตภัณฑ์ที่ไม่เคยล้น 8212 พวกเขารักษาความแม่นยำเต็มรูปแบบ สำหรับผลลัพธ์จากการดำเนินการของผลิตภัณฑ์นี้จะตั้งค่าความยาวเศษที่ใช้ในการตีความข้อมูล คุณสมบัตินี้จะสามารถเขียนได้ (คุณสามารถเปลี่ยนค่าได้) เมื่อคุณตั้งค่า ProductMode เป็น SpecifyPrecision กำหนดวิธีที่ตัวกรองจัดการกับผลลัพธ์ของการดำเนินงานของผลิตภัณฑ์ เลือกจากความแม่นยำเต็ม (FullPrecision) หรือว่าจะเก็บบิตที่สำคัญที่สุด (KeepMSB) หรือบิตอย่างน้อยอย่างน้อย (KeepLSB) ในผลลัพธ์เมื่อคุณต้องการย่อคำข้อมูล เพื่อให้คุณสามารถกำหนดความแม่นยำ (ความยาวเศษ) ที่ใช้โดยเอาท์พุทจาก multiplies ให้ตั้งค่า ProductMode เป็น SpecifyPrecision ระบุความยาวของคำที่จะใช้สำหรับผลลัพธ์การดำเนินการคูณ คุณสมบัตินี้จะสามารถเขียนได้ (คุณสามารถเปลี่ยนค่าได้) เมื่อคุณตั้งค่า ProductMode เป็น SpecifyPrecision ระบุว่าจะรีเซ็ตสถานะของตัวกรองและหน่วยความจำก่อนที่จะดำเนินการกรองแต่ละครั้ง ช่วยให้คุณตัดสินใจได้ว่าตัวกรองจะเก็บสถานะจากการกรองก่อนหน้านี้หรือไม่ เท็จคือการตั้งค่าเริ่มต้น ตั้งค่าโหมดที่ตัวกรองใช้เพื่อคานวณค่าตัวเลขเมื่อค่าอยู่ระหว่างค่าที่แสดงได้สำหรับรูปแบบข้อมูล (ความยาวของคำและส่วน) เพดาน - กลมไปสู่อนันต์บวก convergent - รอบเป็นจำนวนเต็มที่แสดงได้ใกล้เคียงที่สุด ผูกติดกับจำนวนเต็มที่เก็บได้ใกล้ที่สุด นี่คืออย่างน้อยลำเอียงของวิธีการที่มีอยู่ในซอฟต์แวร์นี้ แก้ไข - หมุนไปทางศูนย์ ชั้น - กลมไปสู่อินฟินิตี้เชิงลบ ใกล้ที่สุด - ไปทางที่ใกล้ที่สุด ผูกติดกับอินฟินิตี้บวก รอบ - ไปทางที่ใกล้ที่สุด ผูกติดกับลบอินฟินิตี้สำหรับตัวเลขลบและไปสู่อินฟินิตี้เป็นบวกสำหรับตัวเลขบวก ทางเลือกที่คุณทำจะมีผลกับการสะสมและเลขที่ออกเท่านั้น ค่าสัมประสิทธิ์และการคำนวณค่าการป้อนข้อมูลตลอดเวลา สุดท้ายผลิตภัณฑ์ที่ไม่เคยล้น 8212 พวกเขารักษาความแม่นยำเต็มรูปแบบ ระบุว่าตัวกรองใช้ค่าสัมประสิทธิ์จุดคงที่ที่ลงชื่อหรือ unsigned? เฉพาะค่าสัมประสิทธิ์การสะท้อนถึงการตั้งค่าคุณสมบัตินี้ เลือกประเทศของคุณ