基于Numpy.convolve使用Python实现滑动平均滤波的思路详解

​

1.滑动平均概念

滑动平均滤波法（又称递推平均滤波法），时把连续取N个采样值看成一个队列%20，队列的长度固定为N%20，每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则) %20把队列中的N个数据进行算术平均运算,就可获得新的滤波结果。N值的选取：流量，N=12；压力：N=4；液面，N=4~12；温度，N=1~4

优点： %20对周期性干扰有良好的抑制作用，平滑度高 %20适用于高频振荡的系统 

缺点： %20灵敏度低 %20对偶然出现的脉冲性干扰的抑制作用较差 %20不易消除由于脉冲干扰所引起的采样值偏差 %20不适用于脉冲干扰比较严重的场合 %20比较浪费RAM 

2.解决思路

可以发现滑动平均滤波法计算很类似与一维卷积的工作原理，滑动平均的N就对应一维卷积核大小（长度）。

步长会有些区别，滑动平均滤波法滑动步长为1，而一维卷积步长可以自定义。还有区别就是一维卷积的核参数是需要更新迭代的，而滑动平均滤波法核参数都是一。

我们应该怎么利用这个相似性呢？其实也很简单，只需要把一维卷积核大小（长度）和N相等，步长设置为1，核参数都初始为1就可以了。由于一维卷积具备速度快，然后我们就可以使用一维卷积来实现这个功能了，快速高效。

使用深度学习框架实现这个功能是否有些大材小用了？是有些大材小用了，因为这里使用卷积的核参数不用更新，其实没必要使用复杂的深度学习框架，如果Numpy中可以实现这些功能就更简单方便了。

说干就干，经过查找发现Numpy.convolve可以实现我们想要的功能。

3.Numpy.convolve介绍

numpy.convolve(a,%20v,%20mode=‘full')

参数： 　　　　a:(N,)输入的一维数组 　　　　v:(M,)输入的第二个一维数组 　　　　mode:{‘full',%20‘valid',%20‘same'}参数可选 　　　　　　‘full'　默认值，返回每一个卷积值，长度是N+M-1,在卷积的边缘处，信号不重叠，存在边际效应。 　　　　　　‘same'　返回的数组长度为max(M,%20N),边际效应依旧存在。 　　　　　　‘valid'%20　返回的数组长度为max(M,N)-min(M,N)+1,此时返回的是完全重叠的点。边缘的点无效。

和一维卷积参数类似，a就是被卷积数据，v是卷积核大小。

4.算法实现

def%20np_move_avg(a,n,mode="same"): %20%20return(np.convolve(a,%20np.ones((n,))/n,%20mode=mode))

原理说明

运行平均值是卷积数学运算的一个例子。对于运行平均值，沿着输入滑动窗口并计算窗口内容的平均值。对于离散的1D信号，卷积是相同的，除了代替计算任意线性组合的平均值，即将每个元素乘以相应的系数并将结果相加。那些系数，一个用于窗口中的每个位置，有时称为卷积核。现在，N值的算术平均值是(x_1%20+%20x_2%20+%20...%20+%20x_N)%20/%20N，所以相应的内核是(1/N,%201/N,%20...,%201/N)，这正是我们通过使用得到的np.ones((N,))/N。

边缘处理

该mode的参数np.convolve指定如何处理边缘。在这里选择了same模式，这样可以保证输出长度一种，但你可能还有其他优先事项。这是一个说明模式之间差异的图：

import%20numpy%20as%20np import%20matplotlib.pyplot%20as%20plt def%20np_move_avg(a,n,mode="same"): %20%20return(np.convolve(a,%20np.ones((n,))/n,%20mode=mode)) modes%20=%20['full',%20'same',%20'valid'] for%20m%20in%20modes: %20%20plt.plot(np_move_avg(np.ones((200,)),%2050,%20mode=m)); plt.axis([-10,%20251,%20-.1,%201.1]); plt.legend(modes,%20loc='lower%20center'); plt.show()%20​ ​

5.参考

1. https://stackoverflow.com/questions/13728392/moving-average-or-running-mean

总结

以上所述是小编给大家介绍的Python实现滑动平均滤波的思路详解（基于Numpy.convolve），希望对大家有所帮助，如果大家有任何疑问欢迎给我留言，小编会及时回复大家的！