Pindah rata rata puncak deteksi

Deteksi Frekuensi Arduino Sebagai tindak lanjut dari tutorial Input Audio Arduino yang saya posting minggu lalu, saya menulis sebuah sketsa yang menganalisis sinyal yang masuk ke input analog Arduinos dan menentukan frekuensinya. Kode menggunakan tingkat sampling 38.5kHz dan digeneralisasi untuk waveshapes sewenang-wenang. Saya juga menyalakan LED yang menempel pada pin 13 ke dalam indikator kliping, jadi Anda tahu jika Anda perlu menyesuaikan amplitudo sinyal saat Anda mengirimkannya ke Arduino. Beberapa ide proyek untuk kode yang disajikan di sini meliputi: proyek reaktif pitch - mengubah warna LED RGB dengan nada tinggi, atau membuat kunci yang hanya terbuka saat Anda menyanyikan nada tertentu atau audio melodi ke konversi MIDI - minta Arduino untuk menerjemahkan yang masuk Sinyal ke dalam serangkaian pesan MIDI. Lihat instruksiku untuk meminta Arduino mengirim dan menerima MIDI untuk banyak contoh kode untuk memulai efek audio - gunakan informasi frekuensi untuk merekonstruksi sinyal audio dari perpustakaan nada () atau dengan beberapa contoh tersimpan untuk membuat efek keren boxsynthesizer The Langkah pertama dari proyek ini adalah menyiapkan rangkaian masukan audio. Saya menulis sebuah petunjuk rinci tentang hal itu di sini. Langkah 1: Deteksi Lereng Sinyal Pertama, saya ingin bereksperimen dengan deteksi puncak, jadi saya menulis sebuah kode (di bawah) yang mengeluarkan sinyal tinggi saat sinyal audio masuk memiliki kemiringan positif, dan mengeluarkan sinyal rendah saat audio masuk. Sinyal memiliki kemiringan negatif. Untuk gelombang sinus sederhana, ini akan menghasilkan sinyal pulsa dengan frekuensi yang sama dengan gelombang sinus dan duty cycle 50 (gelombang persegi). Dengan cara ini, puncak selalu terletak di mana gelombang denyut nadi matikan antara keadaan tinggi dan rendahnya. Bagian penting dari kode direproduksi di bawah ini. Semua kode ini berlangsung di ADC interrupt (menyela dan menjalankan setiap kali nilai analog baru siap dari A0, info lebih lanjut tentang apa interrupts dan mengapa kita menggunakannya dapat ditemukan di sini) prevData newDatastore nilai sebelumnya nilai ADCHget baru dari A0 if (newData gt prevData) PORTB B00010000set pin 12 tinggi lain jika (newData lt prevData) PORTB amp B11101111set pin 12 rendah Saya harus mencatat di sini bahwa dalam tutorial ini saya menggunakan manipulasi port langsung untuk mematikan dan pada pin output (pin 12) Dari Arduino. Saya melakukan ini karena manipulasi port adalah cara yang jauh lebih cepat untuk menangani pin Arduinos daripada perintah digitalWrite (). Karena saya harus memasukkan semua kode di atas ke dalam rutinitas interupsi yang berlangsung di 38.5kHz, saya memerlukan kode tersebut agar seefisien mungkin. Anda bisa membaca lebih lanjut tentang manipulasi port di situs Arduino. Atau lihat komentar yang telah saya tulis di atas untuk memahami apa yang dilakukan masing-masing baris. Anda juga akan memperhatikan kode di bawah ini bahwa saya menggunakan beberapa perintah yang tidak biasa dalam fungsi setup () sehingga saya bisa mendapatkan input analog Arduinos untuk sampel pada frekuensi tinggi. Info lebih lanjut tentang itu dapat ditemukan di Arduino Audio Input tutorial saya. Gambar 1 menunjukkan output pulsa dalam warna biru dan gelombang sinus berwarna kuning pada osiloskop. Perhatikan bagaimana output pulsa matikan setiap kali gelombang sinus mencapai maksimum atau minimum. Gambar 2 menunjukkan keluaran nadi berwarna biru untuk waveshape sewenang-wenang berwarna kuning. Perhatikan di sini bagaimana gelombang pulsa mengambil siklus tugas yang tidak teratur karena sinyal masuk (kuning) jauh lebih rumit daripada gelombang sinus. Ltpgthello mam Saya terpesona dengan kode anda Saat ini saya sedang mengerjakan proyek desain yang mendeteksi kendaraan darurat dengan frekuensi sirene mereka. Apakah Anda pikir mungkin dengan kode Anda sebagai dasar dari itu. Aku benar-benar butuh bantuan dengan ini. Terima kasih banyak ampquotuh-man-duhampquot. Saya telah mampu menemukan masalah ini dan bekerja dengan baik untuk rangkaian mikrofon saya. Juga terima kasih telah membuat saya mengerti menyela dengan lebih baik. ltpgt ltpgtHello Amanda, ltpgtltpgtTerima kasih banyak atas posting yang sangat informatif ini. Saat ini saya sedang mengerjakan lampu Natal LED yang dikendalikan dengan medan dan saya menggunakan kode Anda untuk deteksi nada, saya menggunakan rangkaian saya sendiri, konfigurasi smart electne dan saya membaca ampquotinf hzampquot yang berarti periode adalah ampquot0ampquot tapi ketika saya memimpin sendiri Terhubung ke a0 itu membaca beberapa frekuensi. Saya mencetak ampquotperiodampquot dan ini menunjukkan ampquot0ampquot mengkonfirmasikannya. Ide-ide mengapa periodenya adalah 0ltpgt ltpgtEdit: Saya rasa saya tahu mengapa, nilai masukan yang saya dapatkan tidak ampquotslopeyampquot cukup karena mereka tidak memiliki margin yang cukup lebar selain dari max dan Min values. ltpgt ltpgTTerima kasih untuk projectltpgtltpgtI telah membangun sirkuit masukan audio yang diuraikan di link di bagian atas halaman ini. Saya mencoba membuat perangkat yang hanya akan menyalakan Led yang terpasang pada Uno saat frekuensi tertentu terdeteksi oleh mikrofon. Saya kesulitan mengembangkan kode untuk tugas ini dan membutuhkan sedikit bimbingan. Jika ada yang bisa membantu hal itu akan bagus, ltpgtltpgtthanksltpgtltpgt - terima kasih atas info proyek yang hebat. Saya sudah mencobanya dengan menggunakan mikrofon electret dengan amplifier, tapi saya tidak mendapatkan output bersih pada monitor serial. Pada dasarnya, frekuensi yang meludah keluar ada di seluruh peta. Misalnya, jika saya memainkannya sebuah catatan sekitar 70Hz (perencanaan yang saya gunakan untuk meletakkannya di bass tegak saya, jadi saya sudah menggunakannya untuk menguji), ini akan memberi saya sekumpulan frekuensi yang bisa dari 10Hz sampai 7000Hz, lalu beri saya beberapa Di baris yang sekitar 70Hz, kemudian kembali ke seluruh, dll Bahkan ketika saya memainkan nada 440Hz dari tuner itu memberi saya jumlah yang layak keacakan. Saya kira adalah bahwa saya perlu menyesuaikan nilai slopeTol dan timerTol, karena frekuensi acak seringkali (meski sering tidak) beberapa kelipatan yang saya cari, membuat saya berpikir bahwa ini melewatkan beberapa penyeberangan. Apakah saya berpikir benar bahwa saya tidak tahu mana yang harus diubah dan seberapa banyak saya mengacaukan keduanya dan saat ini berada di lereng 2 dan timerTol 15. Gagasan tentang beberapa rentang rata-rata untuk ini jika saya ingin mengukur nada dari bass saya Apakah ada Beberapa bagian lain yang harus saya tweak Terima kasih atas bantuannya. Saya benar-benar ingin menggunakan metode Anda daripada FFT atau FHT, karena tampaknya jauh lebih efisien untuk proyek saya. LtpgtLihat posting di atas. Hal yang saya pikirkan: sekarang saya mengaktifkan Arduino melalui USB, karena saya menggunakan serial tersebut. Monitor untuk debug Apakah menggunakan USB sebagai sumber listrik akan menambahkan suara pada sinyal Proyek saya akan didukung oleh baterai 9V dan saya sudah terhubung sekarang, matikan saja. Apakah itu membantu untuk memiliki sumber 9V di samping yang terpasang ke USB saya harus tetap terhubung ke menggunakan monitor serial, tapi jika itu yang menyebabkan masalah. Id seperti Arduino untuk mengenali beberapa catatan yang saya mainkan dengan klarinet saya (jadi suara hidup), bagaimana mungkin melakukan ini tanpa harus menggunakan trackltpgttttttt yang mungkin dilakukan? Ini hanya dengan rangkaian dan code. ltpgtltpgt Saya menggunakan variasi sketsa ini untuk membaca keluaran dari pickup gitar dan menampilkan frekuensi string dan intonasi (penyesuaian yang mengoreksi harmonik).ltpgtltpgtKarena kita menggunakan instrumen, kita harus mempertimbangkan beberapa Efek samping dari harmonicsovertones. Saya telah menyertakan Filter Lulus Rendah (4.7K dan 6.8uF - pengalengan semuanya di atas 5 kHz.) Anda akan menginginkan filter yang memungkinkan nada tertinggi Anda masuk - dengan asumsi Anda tidak overblow atau bermain menggunakan harmonics. ltpgtltpgtMengubah catatan tertinggi yang dapat Anda putar, lalu konversikan Ke frekuensi - masukkan pernyataan jika tidak menampilkan semuanya di atas it. ltpgtltpgtlta hrefquotphy. mtu. edu suitetvsmean. htmlltagtltpgtltpgtUbah kode untuk membagi frekuensi sampel ke kapasitor kopling 10uF yang terdaftar. ltpgtltpgtA mendasar tidak bekerja dengan baik dengan sirkuit ini untuk saya. Aplikasi yang dimaksud Nilai 4.7uF malah memungkinkan saya untuk memiliki pembacaan cukup cairan di layar terminal saya. Saya juga telah melepas kapasitor 47nF ke ground. Semua yang dilakukan adalah berpegang pada sampel saya terlalu lama dan mencegah pembacaan yang akurat. Saya sedang dalam proses menulis sebuah header untuk perhitungan musik yang mencakup algoritma FHTFFT - tapi yang perlu Anda lakukan adalah menggunakan metode identifikasi dan penanganan yang Anda inginkan. jumlah values. ltpgtltpgtdouble noteFrequency 440 Concert 39A39 - 440 deviasi hzltpgtltpgtdouble 4 nobody39s perfectltpgtltpgtdouble hiRange, loRangeltpgtltpgthiRange noteFrequency deviationltpgtltpgtloRange noteFrequency - deviationltpgtltpgtif (frekuensi ampgt Lorange frekuensi ampampampamp amplt hiRange) ltpgtltpgt ltpgtltpgtExpand ini karena Anda akan tetapi it39s sebuah start. ltpgtltpgtThanks dasar untuk Amandaltpgt instructable sangat baik Dari menemukan komputer analog atau menggunakan komputasi kuantum, perangkat komputasi yang kita semua gunakan mengenal angka 139 dan 039-an. Dengan menggunakan sinyal digital, 10-bit mengacu pada 2101024, yaitu dengan sepuluh switch onoff, ada 1024 kombinasi. Itulah sebabnya ada beberapa langkah menuju ombak. Suara yang kita dengar adalah intensitas dari waktu ke waktu, seberapa keras suara tidak memberi tahu kita apa catatannya. FFT adalah sebuah transformasi untuk ditunjukkan pada intensitas di atas frekuensi, lalu ketika kita melihat intensitas pada frekuensi tertentu kita melihat catatan itu dimainkan. Aku melihat perpustakaan menggunakan mikrokontroler Teensy yang berjalan pada 120MHz sehingga bisa melakukan sampel dan melakukan FFT untuk menentukan catatan. Mulai cari disana Satu-satunya cara saya bisa memikirkannya menjadi mungkin sebaliknya, adalah jika itu adalah pola kecil dari catatan yang tepat, Anda mungkin bisa melakukannya dengan menggunakan seperangkat filter bandpass yang sangat spesifik, namun pendekatan itu akan memiliki masalah lain. Sebuah proyek pribadi tentang deteksi frekuensi audio menggunakan Arduino. Saya punya pertanyaan untuk bertanya kepada Anda tentang mengapa frekuensi terakhir terdeteksi oleh perangkat lunak yang diulang di monitor serial. ltpgtltpgtI berarti, sementara saya memutar suara dan kemudian saya tidak memiliki sinyal di telepon, monitor serial masih mencetak yang terakhir. Frekuensi terdeteksi Apakah Anda tahu bagaimana memperbaikinya atau apakah mungkin saya meninggalkan tangkapan layar terlampir untuk menunjukkan kepada Anda apa yang saya bicarakan. Terima kasih banyak atas proyek yang sangat jelas dan bermanfaat ini. LtbrgtI membangunnya tapi menggunakan output soundcard dari komputer (atau yang serupa, seperti telepon atau mediaplayer) sebagai masukan. Karena sinyal ini jauh lebih kuat, saya meninggalkan opamp. Selebihnya, pengaturannya serupa: satu resistor () dan potmeter (-) sebagai pembagi tegangan sebelum Cap 10uF dan dua resistor (ampamp-) sebagai pembagi tegangan di sisi lain. Dan kapasitor 47nF antara sinyal dan (-). Ltbrgt Ini bekerja dengan cukup baik namun pembacaannya menunjukkan ketidakkonsistenan f. i. Banyak garis yang hampir sempurna 80,80-82,01Hz dan tiba-tiba menjadi 25,94Hz (dan sangat sering setengah nilai sinyal) atau mengatakan arus 12820,67Hz. Dan seringkali glitches tidak menentu serupa muncul di awal dan atau pada akhir sebuah sinyal. Untuk sebuah karya seni, saya ingin mengarahkan servo dengan teknik ini, dengan sesuatu yang bergerak dalam sinc dengan sebuah video (secara langsung (frekuensi adalah posisi) atau melalui sebuah Ssc32 (frekuensi adalah posisi dan signallength adalah kecepatan) dengan charstrings melewati). Untuk itu lompatan ini cukup menyebalkan. Saya mencoba banyak mengutak-atik pengaturan di program Anda (ampThreshold, timingTol, slopeTol) dan pada hardwareside dengan kapasitor untuk mengeluarkan riak tapi sejauh ini tidak berhasil. Setiap idoino disarankan agar komputer bisa membaca bacaannya, dan saya tidak memiliki osiloskop untuk memeriksa keluaran sinyal komputer. Saya mencoba sumber lain meskipun, dengan hasil yang sama. ltpgtltpgtBanyak terima kasih untuk instruksinya yang telah banyak membantu saya dan banyak terima kasih sebelumnya. Servlet servlet dengan cara ini tampaknya semacam jalan memutar tapi secara manual meletakkan blokignals yang tepat di tempat yang tepat. Dan bermain dengan mediaplayer tampaknya lebih banyak pekerjaan. Menggunakan teknik frekuensi membuatnya jauh lebih fleksibel dan di mana-mana. Ltpgt ltpgtTerima kasih atas berbagi Amanda. Saya tidak perlu memulai dari titik nol pada proyek tuner gitar otomatis saya. Saya punya sebuah pertanyaan. Dapatkah saya menggunakan piezo untuk mengambil getaran atau suara daripada menggunakan mikrofon, yang memungkinkan tuner bekerja di lingkungan yang bising. bisa. Saya menggunakannya di biola. Pada saat ini algoritma sedikit sporadis tetapi jika Anda menolak toleransi waktu dan lereng itu bekerja sedikit lebih baik. Saya pikir jika Anda merestrukturisasi kode untuk mendapatkan resolusi 10 bit penuh, bukan 8 bit, Anda harus bisa membuat kode ini bekerja lebih baik. Tapi siklus instruksi tambahan mungkin menghalangi operasi lainnya. Aku juga punya proyek di sepanjang jalur ini, dan aku juga memikirkan hal yang sama tentang mengambil suara dari sumber lain (atau instrumen, karena aku berencana menggunakannya saat bermain). Menggunakan piezo muncul dalam pikiran, senang melihat seseorang telah melakukannya dengan sukses. Saya bertanya-tanya, apa yang Anda gunakan untuk menempelkan piezo Anda pada instrumen Anda? Saya tidak ingin melakukan apapun yang bisa merusak kayu itu. Apakah Anda menggunakan semacam perekat yang aman untuk instrumen string. Saya mencoba sebuah jembatan di bawah penjemputan, dan juga tongkat jembatan pada pickup piezo batang generik dan Shadow SH 3001. Saya menggunakannya dengan listrik khusus sehingga batang piezo sesuai dan jauh lebih murah, tapi ada tipe film di bawah pickup jembatan seperti pickup Realis yang seharusnya sesuai untuk Anda. Saya telah menemukan bahwa memadukan kedua jenis pickup (horisontal dan veritcal) melalui micromix murahan murah mx400 memberikan hasil yang sangat bagus, walaupun Anda harus bersaing dengan dua kabel, bukan hanya satu. LtpgtGotcha, terima kasih Saya akan melihat apakah saya bisa menemukan sesuatu seperti itu untuk bass tegak saya. Saya berencana menggunakannya untuk mengendalikan strip LED, jadi saya mungkin tidak memerlukan kualitas agar pickup yang tinggi itu harus melakukannya. Apakah Anda perlu memasangnya dengan seluruh konfigurasi op amp dari tutorial Input Audio, atau apakah beberapa amplifier memiliki built inltpgt ltpgtYes, Anda perlu memperkuatnya sedikit berdasarkan karakteristik respons tegangan dari elemen yang Anda gunakan. Anda harus bermain-main karena tidak ada dua piezo yang sama. Ada banyak proyek untuk arduino di luar sana tentang bagaimana melakukan ini, cukup cari masukan audio ampquotarduino audio jika skematik di atas tidak cukup deskriptif untuk Anda. Dengan kode arduino ini, saya dapat mengendalikan frekuensi cahaya dengan frekuensi Dari suara saya ingin membangun sistem pencahayaan untuk kamar dan mobil yang akan bereaksi dengan suara, tapi dengan cara itulah bassampquotcool colorsampquot, treble ampquotwarm colorsampquot (atau bahkan sebaliknya). Saya merasa seperti itu akan memberikan pengalaman yang lebih baik kepada musik Anda sehingga Anda bisa membuat ide Anda bekerja. Saya memiliki ide proyek serupa. Mari kita kerjakan pekerjaan yang sangat berguna yang telah Anda lakukan, apakah saya dapat mengukur frquency dari pertanian saya? Aplikasi yang menggunakan exciter ring. ltpgtltpgtI memiliki satu qustion bagaimana saya bisa mengganti pin analog lain di ideltpgtltpgtThanks, ltpgtltpgtRien BrandltpgtltpgtNetherlandsltpgtLtpgtTidak yakin jika Anda menemukan jawaban atas pertanyaan Anda, tetapi jika Anda mencari ADMUX mendaftar di datasheet untuk atmega khusus Anda Anda akan melihat bagaimana mengubah konverter analog ke digital. Di sini ada tautan untuk memahami ADMUXltpgtltpgtrobotplatformknowledgeADCadctutorial3.htmlltpgt ltpgtKami melakukannya, akhirnya menghadapi masalah. Kami menggunakan gitar listrik untuk keperluan ini. Thanku Amanda. Pertahankan kerja bagus ltpgtHello Amanda terima kasih atas sharingnya. Saya ingin bertanya tentang yang ini .. ltbrgtso saya mengembangkan deteksi jeritan manusia Arduino apakah mungkin bagi saya untuk mendeteksi suara jeritan bantuan manusia dengan menggunakan program Arduino semacam ini karena saya ingin membangun komponen yang terdiri dari band pass filter. Gain, dan rangkaian penyearah dan kemudian mencari pendeteksian nada dan durasi suaranya .. ltbrgtltbrgtApakah Anda tahu tentang sirkuit yang tidak perlu menyelesaikan projectltbrgtOr saya apakah cukup mungkin untuk menggunakan beberapa perpustakaan Arduino dan menulis pidato pengakuan codeltpgt ltpgtHi Amanda, Terima kasih banyak untuk sumber ini sangat menakjubkan. Ltpgtltpgtbut. Sedikit masalah arduino saya Sumber ini sangat bagus. Ltpgtltpgtbut. Arduino saya tidak bekerja ltpgtltpgtmy arduino version. aku s. Ltpgtltpgt8-bitltbrgtMicrocontrollerltbrgtwith 256K BytesltbrgtIn-SystemltbrgtProgrammableltbrgtFlashltpgtltpgtmaybe. Ltpgtltpgtversion adalah masalah yang berbeda. Ltpgt ltpgtHi Amanda, terima kasih banyak atas instruksi ini. Saya lebih suka versi kode sederhana ini (terintegrasi dengan amp treshold), karena saya ingin membuat penganalisis suara. Di mana Anda bersiul atau menyanyikan ampquotooohampquot note dan kemudian Anda memiliki frekuensi. Membuat portabel yang dibangun dengan layar 4 digit dan ada gadget yang sempurna untuk insinyur suara atau pemusik, yang ingin mengetahui frekuensi mana yang menyebabkan mikrofon feedbacks. ltpgtltpgtApakah masuk akal untuk mengumpulkan sejumlah pengukuran dan membuat rata-rata matematika seperti saya Tidak memerlukan proses yang cepat, tapi yang lebih lambat dan lebih padat (tanpa pengukuran ampquotgarbageampquot) Saya mencoba beberapa siklus ampquotforampquot dengan array sederhana, tapi sepertinya tidak menambahkan ketepatan (mungkin saya tidak tahu harus meletakkannya di sana). Ltpgt Hai amanda Instruksional Anda pada arduino yang besar. Namun saya ingin tahu apakah mungkin untuk mengukur amplitudo gelombang sinus pada arduino ltpgtTerima kasih untuk instruksi saya hanya mengumpulkan sirkuit dengan sinyal electret mic diperkuat menggunakan makan opamp ke dalamnya. Namun, ketika saya melihat output serial, sepertinya hanya bekerja untuk detik pertama atau 2, maka berhenti bekerja dengan garis terakhir terlihat seperti gambar terlampir. Tahu apa yang bisa menjadi penyebabnya. Ini adalah proyek yang sangat bagus. Ini bekerja dengan baik di unduino uno saya. Namun, saya membutuhkannya untuk berjalan di mega arduino dengan perisai ethernet. Saat menambahkan kode ke proyek ethernet saya, koneksi ke internet adalah brocken (mengupload data ke server xively). Any suggestionltpgt HiiiltbrgtBagaimana kita meaured frekuensi. Saya ingin mendeteksi rentang frequncy 60Hz sampai 100Hz. Bisakah saya menggunakan ucapan selamat ulang tahun ini dan jawaban cepat dari Anda? Ini sangat mengagumkan saat mencari pedal gitar-MIDI, tapi solusi DIY lebih murah dan lebih keren. Props untuk Anda untuk ini awesome bit codeltpgt ltpgtHi, ada yang menyelesaikan proyek ini (mungkin, dengan diff semacam mic) dan tidak keberatan berbagi tentang hal itu Am a pemula dan benar-benar ingin mencoba ini jadi. Langkah-langkah yang sedikit lebih rinci akan sangat membantu: Dltpgt ltpgtHi amanda, saya ingin mengucapkan selamat kepada Anda atas instruksi ini, sangat hebat: DI memiliki sebuah pertanyaan, yaitu apakah mungkin untuk memeriksa frekuensi lagu yang dimainkan dengan cara ini, melalui sebuah Aux sinyal dari yaitu MP3 player atau output headphone audio notebook (setelah manajemen yang tepat dari sinyal seperti yang Anda instruksikan pada input auo arduino) ltpgtltpgtTerima kasih telah membuat proyek ini dengan ChipKit Uno32. Saya benar-benar mencari proyek seperti itu untuk papan pengembangan Uno32 saya karena saya perlu membaca frekuensi sinyal analog yang berasal dari sensor rotasi optik. ltpgt Pekerjaan hebat yang mencoba menggunakan kode ini untuk osiloskop laser otomatis yang saya rancang. Ltbrgt ltbrgtSaya telah menemukan bahwa kode tersebut berhenti mengukur frekuensi begitu saya mencoba analogRead () dari pin analog yang berbeda. Saat ini saya sama sekali tidak mengerti pemrograman tingkat rendah ADC yang telah Anda lakukan. Apakah ada cara untuk membaca dari pin analog lainnya tanpa mengganggu pengukuran nada ya, cara pemasangannya ini, semua pin analog lainnya dinonaktifkan. Anda dapat membaca nilai analog dari pin digital dengan menggunakan RCTime: ltbr gtarduino. ccenTutorialRCtime ltbr gtinstructablesidArduino-Basics-RCtime ltbr gthope yang bekerja untuk apa yang Anda lakukan. LtpgtTerima kasih atas artikel hebatnya. Aku hanya ingin tahu apakah saya bisa menggunakan mikrofon dengan preamp untuk membuat deteksi. ltpgtltpgtI memiliki: ltpgtltpgtlta hrefquotfreetronicsproductsmicrophone-sound-input-modulequot relquotnofollowquotgtfreetronicsproductsmicrophone-sou. LtagtltpgtltpgtThank Anda sangat banyak mencoba membuat tuner gitar lta hrefquotinstructablesidArduino-Guitar-TunerALLSTEPSquot relquotnofollowquotgtinstructablesidArduino-Guitar-Tun. Ltagtltpgtltpgtapi arduino tidak bisa membaca masukan dari gitar saya. Anda bisa membantu saya untuk memecahkan masalah ini. Anda punya osiloskop yang tidak memiliki osiloskop. Masalah menjadi masalah jika menggunakan 100nF Cap di offset DC ltpgtltpgti lihat proyek Anda menggunakan 47nF Cap. Ltklgtltpgt ltpgtno itu seharusnya baik-baik saja. Anda akan memerlukan sebuah osiloskop untuk men-debug ini, mungkin melihat apakah ada target dari target yang ada pada komputer saya atau sekolah di dekat Anda di mana Anda dapat menggunakannya secara gratis. Ini adalah masalah utama bahwa masukan dari gitar tidak dapat mencapai proyek Arduinoltbrgtltcgg apakah proyek itu bisa Selesaikan jika ada osiloskop Anda bisa mencoba menggunakan komputer yang menjalankan audacity sebagai osiloskop sementara, untuk mengetahui di mana sinyal hilang. Apakah Anda memiliki input audio di komputer Anda, saya harus mulai membuat output audio dari amplifier dan rangkaian offset DC ke komputer saya. Ada 3 keluaran ampquotA0. 5V dan GNDampquotltpgt baru di Arduino, saya ingin membuat ini tapi dengan Mikrofon Electret, saya pikir ini sangat berbeda dari mikrofon yang Anda gunakan. Bagaimana saya bisa membuat rangkaian dengan Electret Microphoneltpgt ltpgtit seharusnya tidak terlalu berbeda, tapi Anda mungkin perlu mengubah gain pada penguat yang masuk ke pin analog Arduino. Anda mungkin ingin sebuah osiloskop berguna sehingga Anda dapat melihat apa yang Anda lakukan. Anda tahu apakah ada osiloskop virtual yang bisa saya gunakan Seperti program PC. Ltpgtltpgt Tentang mikrofon, saya menggunakan Mikrofon Elecret dengan Dewan Pelepas (penguat disertakan), saya menghubungkannya langsung ke Arduino, apakah semuanya baik-baik saja, Anda bisa menggunakan input audio pada perangkat dan rekaman Anda menggunakan Audacity atau something. ltpgtBagaimana menyetir Di jalan raya yang cerdas Jalan raya cerdas menggunakan teknologi untuk secara aktif mengelola arus lalu lintas. Teknologi ini dikendalikan dari pusat kontrol lalu lintas regional. Pusat kontrol memantau lalu lintas dengan hati-hati dan dapat mengaktifkan dan mengubah tanda dan batas kecepatan. Ini membantu menjaga lalu lintas mengalir dengan bebas. Jalan raya yang cerdas meningkatkan kapasitas jalan, tanpa biaya dan kerumitan pelebaran jalan, dengan sementara atau secara permanen membuka bahu yang sulit untuk lalu lintas. Jalan Raya Inggris bertanggung jawab atas jalan raya yang cerdas di Inggris. Kiat cepat Di jalan raya yang cerdas: tidak pernah berkendara di jalur yang ditutup oleh lampu merah X sampai batas kecepatan yang ditunjukkan pada gantries, garis putih yang solid menunjukkan bahu yang keras - jangan mengemudi di dalamnya kecuali jika diarahkan. Garis putih yang rusak menunjukkan jalur jalan normal jika kendaraan Anda mengalami kesulitan, misalnya lampu peringatan, keluar dari jalan raya cerdas segera jika memungkinkan menggunakan area pengungsian untuk keadaan darurat jika tidak ada bahu yang keras yang membahayakan lampu Anda jika Anda mogok. Jalan raya cerdas Lihat simulasi drive-through kami: Gambaran singkat tentang jalan raya yang cerdas: Salah satu tanda yang paling penting untuk diketahui di jalan raya cerdas adalah lampu merah X. Ini menunjukkan bahwa jalur tertutup. Jika Anda melihat X merah menutup jalur, segera keluar dari jalur itu. Jika Anda tidak, Anda mungkin akan menerima denda. Sebuah jalur mungkin ditutup karena ada puing-puing di jalan, atau karena seseorang atau binatang di jalan. Mungkin ada kecelakaan atau kerusakan di depan. Kami mungkin menjaga agar jalur tidak jelas untuk layanan darurat, seperti ambulans. Jadi untuk keselamatan Anda sendiri dan keselamatan orang lain, jangan pernah berkendara di jalur yang ditutup oleh X merah. PDF. 2.1MB. 3 halaman File ini mungkin tidak sesuai untuk pengguna teknologi bantu. Meminta format yang mudah diakses Jika Anda menggunakan teknologi bantu (misalnya pembaca layar) dan memerlukan versi dokumen ini dalam format yang lebih mudah diakses, silakan email infohighwaysengland. co. uk. Tolong beritahu kami format apa yang anda butuhkan. Ini akan membantu kita jika Anda mengatakan teknologi bantu apa yang Anda gunakan. Dalam keadaan darurat Pencegahan lebih baik daripada mengobati: jaga agar mobil tetap terpelihara dengan baik, periksa ban Anda dan pastikan Anda memiliki cukup bahan bakar untuk perjalanan Anda. Semua pengendara harus bisa membuat pengaturan pemulihan mereka sendiri jika terjadi gangguan. Kami menyarankan agar Anda memiliki penutup kerusakan dan membawa rincian ini dengan Anda. Selalu mencoba untuk keluar dari jalan tol pintar segera jika kendaraan Anda rusak atau mengalami kesulitan. Jika itu tidak memungkinkan, pindahlah ke tempat yang terdekat dengan keamanan relatif. Di sebagian besar jalan raya ini akan menjadi bahu yang sulit. Tapi di jalan tol yang cerdas mungkin tidak selalu ada bahu yang keras, atau bahu keras bisa terbuka terhadap lalu lintas. Dalam kasus ini Anda akan melihat area pengungsian darurat (ERA) yang berjarak secara teratur di sepanjang jalan tol. Buat jalan menuju yang terdekat. Anda harus mengikuti langkah-langkah ini: Gunakan area pengungsian darurat jika Anda dapat mencapainya dengan aman. Ini ditandai dengan tanda biru yang menampilkan simbol telepon SOS oranye pada mereka. Jika Anda dapat meninggalkan kendaraan dengan aman, hubungi Jalan Raya Inggris melalui telepon darurat pinggir jalan yang disediakan di semua tempat perlindungan darurat. Kami akan mengirim petugas lalu lintas untuk membantu Anda, atau menyetel tanda jalan tol untuk sementara membersihkan jalur 1 untuk membantu Anda bergabung kembali dengan jalan tol. Jika Anda tidak bisa sampai ke tempat perlindungan darurat namun kendaraan dapat digerakkan, pindahkan ke bahu keras (jika disediakan) atau sedekat mungkin dengan ambang nearside atau batas nearside lainnya. Dalam semua kasus, aktifkan lampu peringatan bahaya Anda. Jika Anda berhenti di jalur nearside di samping bahu atau ambang yang keras dan merasa bisa keluar dengan aman dengan penghuni manapun, pertimbangkan untuk keluar dari kendaraan Anda melalui pintu belakang (tangan kiri), dan tunggu di belakang penghalang keselamatan, jika ada satu Dan aman untuk melakukannya Jika tidak memungkinkan untuk keluar dari kendaraan Anda dengan aman, atau tidak ada tempat lain yang relatif aman untuk ditunggu maka Anda harus tetap berada di dalam kendaraan dengan sabuk pengaman dan telepon 999 jika Anda memiliki akses ke ponsel yang berfungsi. Begitu pusat kontrol lalu lintas regional mengetahui situasi Anda, melalui teknologi polisi atau pinggir jalan seperti CCTV, mereka dapat menggunakan teknologi jalan raya pintar untuk mengatur tanda overhead dan menutup jalur untuk membantu menjaga lalu lintas menjauh dari Anda. Mereka juga akan mengirim petugas lalu lintas atau polisi untuk membantu Anda. Batas kecepatan Di jalan raya yang cerdas, batas kecepatan mungkin tampak menyala pada sinyal di atas kepala. Batasan ini dapat diubah untuk membantu mengelola lalu lintas pada masa sibuk. Ini membantu memperlancar arus lalu lintas dan mencegah lalu lintas berhenti-start yang disebabkan oleh kemacetan lalu lintas yang meledak: Jika tidak ada batas kecepatan khusus yang ditampilkan maka batas kecepatan nasional berlaku. Batas kecepatan yang ditampilkan di dalam lingkaran merah dapat ditegakkan secara hukum. Jika Anda tidak mengikuti batas kecepatan ini, Anda melanggar hukum. Kamera kecepatan sedang beroperasi di jalan raya yang cerdas. Jika Anda tidak mengikuti batas kecepatan, Anda mungkin akan menerima denda. Penggunaan bahu keras Di jalan raya yang cerdas Anda akan melihat area pengungsian yang berjarak secara teratur di sepanjang jalan tol. Anda harus menggunakan ini dalam keadaan darurat. Ini karena di beberapa jalan raya yang cerdas bahu yang keras bisa dibuka agar bisa digunakan lalu lintas pada saat sibuk. Jika terbuka untuk penggunaan Anda akan melihat batas kecepatan yang ditampilkan di atasnya. Jika tidak ada tanda, atau X merah akan ditampilkan, maka aturan bahu keras normal berlaku. Dengan kata lain, jangan menggunakannya kecuali dalam situasi darurat. Bahunya yang keras selalu teridentifikasi dengan garis putih yang tidak terputus. Pada jenis motorway pintar lainnya, bahu keras telah diubah secara permanen menjadi jalur ekstra. Dimana ini adalah jalur yang terlihat seperti jalur lainnya, yaitu ditandai dengan garis putih yang pecah. PDF. 520KB. 4 halaman File ini mungkin tidak sesuai untuk pengguna teknologi bantu. Meminta format yang mudah diakses Jika Anda menggunakan teknologi bantu (misalnya pembaca layar) dan memerlukan versi dokumen ini dalam format yang lebih mudah diakses, silakan email infohighwaysengland. co. uk. Tolong beritahu kami format apa yang anda butuhkan. Ini akan membantu kita jika Anda mengatakan teknologi bantu apa yang Anda gunakan. Materi kampanye Jika Anda ingin membantu mendukung pesan keselamatan tentang jalan raya cerdas, mohon gunakan sumber daya ini. PDF. 736KB. 5 halaman File ini mungkin tidak cocok untuk pengguna teknologi bantu. Meminta format yang mudah diakses Jika Anda menggunakan teknologi bantu (misalnya pembaca layar) dan memerlukan versi dokumen ini dalam format yang lebih mudah diakses, silakan email infohighwaysengland. co. uk. Tolong beritahu kami format apa yang anda butuhkan. Ini akan membantu kita jika Anda mengatakan teknologi bantu apa yang Anda gunakan. PDF. 222KB. 1 halaman File ini mungkin tidak cocok untuk pengguna teknologi bantu. Meminta format yang mudah diakses Jika Anda menggunakan teknologi bantu (misalnya pembaca layar) dan memerlukan versi dokumen ini dalam format yang lebih mudah diakses, silakan email infohighwaysengland. co. uk. Tolong beritahu kami format apa yang anda butuhkan. Ini akan membantu kita jika Anda mengatakan teknologi bantu apa yang Anda gunakan. PDF. 604KB. 1 halaman File ini mungkin tidak cocok untuk pengguna teknologi bantu. Meminta format yang mudah diakses Jika Anda menggunakan teknologi bantu (misalnya pembaca layar) dan memerlukan versi dokumen ini dalam format yang lebih mudah diakses, silakan email infohighwaysengland. co. uk. Tolong beritahu kami format apa yang anda butuhkan. Ini akan membantu kita jika Anda mengatakan teknologi bantu apa yang Anda gunakan. Saya bekerja dengan sejumlah besar deret waktu. Seri waktu ini pada dasarnya adalah pengukuran jaringan yang datang setiap 10 menit, dan beberapa di antaranya bersifat periodik (yaitu bandwidth), sementara beberapa arent lainnya (yaitu jumlah lalu lintas perutean). Saya ingin algoritma sederhana untuk melakukan deteksi outlier online. Pada dasarnya, saya ingin menyimpan memori (atau disk) keseluruhan data historis untuk setiap rangkaian waktu, dan saya ingin mendeteksi outlier apapun dalam skenario hidup (setiap kali sampel baru ditangkap). Apa cara terbaik untuk mencapai hasil ini? Saat ini saya menggunakan rata-rata bergerak untuk menghilangkan beberapa kebisingan, tapi lalu apa hal-hal sederhana berikut seperti standar deviasi, gila. Terhadap seluruh data set doesnt bekerja dengan baik (I cant menganggap deret waktu itu stasioner), dan saya ingin sesuatu yang lebih akurat, idealnya kotak hitam seperti: double outlierdetection (double vector, double value) dimana vektor adalah array berisi ganda Data historis, dan nilai kembalian adalah skor anomali untuk nilai sampel baru. Tanya 2 Agustus pukul 20:37 Ya, saya telah mengasumsikan frekuensi diketahui dan ditentukan. Ada metode untuk memperkirakan frekuensi secara otomatis, tapi itu akan mempersulit fungsinya. Jika Anda perlu memperkirakan frekuensi, cobalah mengajukan pertanyaan terpisah tentangnya - dan mungkin saya akan memberikan jawaban. Tetapi, ini memerlukan lebih banyak ruang daripada yang ada dalam komentar. Ndash Rob Hyndman Aug 3 10 at 23:40 Solusi yang bagus akan memiliki beberapa bahan, termasuk: Gunakan jendela yang tahan dan bergerak dengan mulus untuk menghilangkan ketidakstabilan. Mengungkapkan ulang data asli sehingga residu yang berkaitan dengan kelancaran kira-kira terdistribusi secara simetris. Mengingat sifat data Anda, kemungkinan akar kuadrat atau logaritma mereka akan memberi residu simetris. Terapkan metode diagram kontrol, atau paling tidak bagan kontrol berpikir, ke residu. Sejauh yang terakhir berjalan, pemikiran bagan kontrol menunjukkan bahwa ambang konvensional seperti 2 SD atau 1,5 kali IQR di luar kuartil bekerja dengan buruk karena mereka memicu terlalu banyak sinyal out-of-control yang salah. Orang biasanya menggunakan 3 SD dalam pekerjaan bagan kontrol, dari mana 2,5 (atau bahkan 3) kali IQR di luar kuartil akan menjadi titik awal yang baik. Saya memiliki sedikit banyak hal yang menggarisbawahi sifat solusi Rob Hyndmans sambil menambahkan dua hal utama: kebutuhan potensial untuk mengungkapkan kembali data dan kebijaksanaan menjadi lebih konservatif dalam menandakan outlier. Saya tidak yakin bahwa Loess bagus untuk detektor online, karena itu tidak bekerja dengan baik pada titik akhir. Anda mungkin malah menggunakan sesuatu yang sederhana seperti filter median yang bergerak (seperti pada penghindaran tahan Tukeys). Jika outliers tidak masuk semburan, Anda dapat menggunakan jendela yang sempit (5 titik data, mungkin, yang akan rusak hanya dengan semburan 3 atau lebih penghenti dalam kelompok 5). Setelah Anda melakukan analisis untuk menentukan ekspresi ulang data yang baik, kemungkinan Anda tidak perlu mengubah ekspresi ulang. Oleh karena itu, detektor online Anda benar-benar hanya perlu referensi nilai terbaru (jendela terbaru) karena tidak menggunakan data sebelumnya sama sekali. Jika Anda memiliki rangkaian waktu yang sangat lama, Anda bisa melangkah lebih jauh untuk menganalisis autokorelasi dan musiman (seperti fluktuasi harian atau mingguan berulang) untuk memperbaiki prosedur. Menjawab 26 Agu 10 at 18:02 John, 1.5 IQR adalah rekomendasi asli Tukey untuk kumis terpanjang di boxplot dan 3 IQR adalah rekomendasinya untuk menandai poin sebagai outlierquot quotfar (riff pada frase 6039 yang populer). Ini dibangun ke dalam banyak algoritma boxplot. Rekomendasi tersebut dianalisis secara teoritis di Hoaglin, Mosteller, amp Tukey, Understanding robust and Exploratory Data Analysis. Ndash w huber 9830 9 Okt 12 at 21:38 Ini mengonfirmasi data deret waktu yang telah saya coba analisa. Jendela rata-rata dan juga standar deviasi jendela. ((X - avg) sd) gt 3 nampaknya menjadi poin yang ingin saya tandai sebagai outlier. Yah setidaknya memperingatkan sebagai outlier, saya bendera apapun lebih tinggi dari 10 sd sebagai outlier error ekstrim. Masalah yang saya hadapi adalah berapa lama jendela ideal yang dimainkan dengan apa saja antara 4-8 titik data. Ndash NeoZenith Jun 29 16 at 8:00 Neo Taruhan terbaik Anda mungkin bereksperimen dengan subkumpulan data Anda dan konfirmasikan kesimpulan Anda dengan tes sisanya. Anda bisa melakukan validasi lintas yang lebih formal juga (tapi perawatan khusus dibutuhkan dengan data deret waktu karena saling ketergantungan semua nilai). Ndash w huber 9830 29 Jun 16 at 12:10 (Jawaban ini merespons pertanyaan duplikat (sekarang ditutup) pada Mendeteksi kejadian yang luar biasa, yang menyajikan beberapa data dalam bentuk grafis) Deteksi pendahuluan bergantung pada sifat data dan pada apa yang Anda inginkan. Bersedia berasumsi tentang mereka. Metode tujuan umum mengandalkan statistik yang kuat. Semangat pendekatan ini adalah untuk mengkarakterisasi sebagian besar data dengan cara yang tidak dipengaruhi oleh outlier manapun dan kemudian menunjukkan nilai individu yang tidak sesuai dengan karakterisasi tersebut. Karena ini adalah deret waktu, ia menambahkan komplikasi perlu (re) mendeteksi outlier secara terus menerus. Jika ini harus dilakukan saat seri terbentang, maka kita diperbolehkan hanya menggunakan data yang lebih tua untuk deteksi, bukan data masa depan. Selain itu, sebagai perlindungan terhadap banyak pengujian berulang, kita ingin menggunakan metode yang memiliki false sangat rendah. Tingkat positif Pertimbangan ini menyarankan untuk melakukan pengujian outlier outlier yang sederhana dan kuat terhadap data. Ada banyak kemungkinan, tapi satu yang sederhana, mudah dipahami dan mudah diterapkan seseorang didasarkan pada MAD yang berjalan: rata-rata penyimpangan absolut dari median. Ini adalah ukuran variasi kuat dalam data, mirip dengan standar deviasi. Puncak terluar adalah beberapa MAD atau lebih besar dari median. Masih ada beberapa tuning yang harus dilakukan. Berapa banyak penyimpangan dari sebagian besar data harus dipertimbangkan di luar dan seberapa jauh waktu yang dibutuhkan seseorang untuk meninggalkannya sebagai parameter untuk eksperimen. Heres sebuah implementasi R diterapkan pada data x (1,2, ldot, n) (dengan n1150 untuk meniru data) dengan nilai yang sesuai y: Diterapkan ke dataset seperti kurva merah yang diilustrasikan dalam pertanyaan, menghasilkan hasil ini: Data Ditunjukkan dalam warna merah, jendela 30 hari batas median5MAD berwarna abu-abu, dan outlier - yang hanya merupakan nilai data di atas kurva abu-abu - berwarna hitam. (Ambang batas hanya dapat dihitung mulai dari akhir jendela awal. Untuk semua data di dalam jendela awal ini, ambang pertama digunakan: mengapa kurva abu-abu rata antara x0 dan x30). Efek dari perubahan parameter adalah (A) meningkatkan nilai jendela akan cenderung menghaluskan kurva abu-abu dan (b) ambang kenaikan akan menaikkan kurva abu-abu. Mengetahui hal ini, seseorang dapat mengambil segmen data awal dan dengan cepat mengidentifikasi nilai parameter yang paling sesuai memisahkan puncak terluar dari data lainnya. Terapkan nilai parameter ini untuk memeriksa sisa data. Jika sebuah plot menunjukkan metode ini memburuk dari waktu ke waktu, itu berarti sifat data berubah dan parameternya mungkin perlu disetel ulang. Perhatikan betapa sedikit metode ini mengasumsikan tentang data: mereka tidak harus terdistribusi secara normal sehingga mereka tidak perlu menunjukkan periodisitas apapun yang mereka tidak perlu non-negatif. Yang diasumsikan adalah bahwa data berperilaku dengan cara yang cukup mirip dari waktu ke waktu dan bahwa puncak terluar tampak lebih tinggi daripada data lainnya. Jika ada yang ingin bereksperimen (atau bandingkan beberapa solusi lain dengan yang ditawarkan di sini), inilah kode yang saya gunakan untuk menghasilkan data seperti yang ditunjukkan dalam pertanyaan. Saya menebak model deret waktu yang canggih tidak akan bekerja untuk Anda karena waktu yang dibutuhkan untuk mendeteksi outlier menggunakan metodologi ini. Oleh karena itu, berikut ini adalah solusinya: Pertama buat pola lalu lintas normal dasar untuk setahun berdasarkan analisis manual data historis yang memperhitungkan waktu, minggu, akhir pekan, bulan, dll. Gunakan baseline ini bersama dengan beberapa mekanisme sederhana. (Misalnya moving average yang disarankan oleh Carlos) untuk mendeteksi outlier. Anda mungkin juga ingin meninjau literatur kontrol proses statistik untuk beberapa gagasan. Ya, inilah yang saya lakukan: sampai sekarang saya membagi sinyal menjadi periode secara manual, sehingga untuk masing-masing dari mereka, saya dapat menentukan interval kepercayaan di mana sinyal seharusnya tidak bergerak, dan oleh karena itu saya dapat menggunakan metode standar seperti Sebagai standar deviasi. Masalah sebenarnya adalah saya tidak dapat menentukan pola yang diharapkan untuk semua sinyal yang harus saya analisis, dan itulah mengapa saya mencari sesuatu yang lebih cerdas. Ndash gianluca 2 Agustus pukul 21:37 Inilah satu ide: Langkah 1: Melaksanakan dan memperkirakan model rangkaian waktu generik secara satu kali berdasarkan data historis. Hal ini bisa dilakukan secara offline. Langkah 2: Gunakan model yang dihasilkan untuk mendeteksi outlier. Langkah 3: Pada beberapa frekuensi (mungkin setiap bulan), ulang kalibrasi model deret waktu (ini bisa dilakukan secara offline) sehingga langkah 2 deteksi outlier Anda tidak berjalan terlalu jauh dari langkah dengan pola lalu lintas saat ini. Apakah itu bekerja untuk konteks Anda ndash user28 2 Agustus 10 di 22:24 Ya, ini mungkin berhasil. Saya sedang memikirkan pendekatan serupa (menghitung ulang baseline setiap minggu, yang bisa sangat intensif jika Anda memiliki ratusan rangkaian waktu univariat untuk dianalisis). BTW pertanyaan yang sulit sebenarnya adalah algoritma blackbox-style terbaik untuk memodelkan sinyal yang sama sekali generik, mengingat noise, estimasi tren dan seasonalityquot. AFAIK, setiap pendekatan dalam literatur memerlukan fase tuningquot yang benar-benar keras, dan satu-satunya metode otomatis yang saya temukan adalah model ARIMA oleh Hyndman (robjhyndmansoftwareforecast). Apakah saya kehilangan sesuatu ndash gianluca 2 Agustus 22:38 Sekali lagi, ini bekerja dengan cukup baik jika sinyal seharusnya memiliki musiman seperti itu, tapi jika saya menggunakan rangkaian waktu yang sama sekali berbeda (yaitu rata-rata waktu perjalanan TCP sepanjang waktu ), Metode ini tidak akan berhasil (karena akan lebih baik menangani yang satu dengan mean global dan deviasi standar sederhana menggunakan jendela geser yang berisi data historis). Ndash gianluca 2 Agustus 10 at 22:02 Kecuali Anda bersedia menerapkan model deret waktu umum (yang membawa kontra dalam hal latency dll), saya pesimis bahwa Anda akan menemukan penerapan umum yang pada saat bersamaan cukup sederhana. Untuk bekerja untuk segala macam deret waktu. Ndash user28 2 Agustus 10 at 22:06 Komentar lain: Saya tahu jawaban yang bagus mungkin mungkin Anda memperkirakan periodisitas sinyal, dan memutuskan algoritma yang akan digunakan sesuai dengan itquot, tapi saya tidak menemukan solusi bagus untuk yang lain ini. Masalah (saya bermain sedikit dengan analisis spektral menggunakan DFT dan analisis waktu menggunakan fungsi autokorelasi, tapi deret waktu saya mengandung banyak suara dan metode semacam itu memberikan beberapa hasil gila sebagian besar waktu) ndash gianluca 2 Agustus 10 di 22:06 A Komentari komentar terakhir Anda: itu sebabnya saya mencari pendekatan yang lebih umum, tapi saya memerlukan semacam kotak komik quotblack karena saya tidak dapat membuat asumsi tentang sinyal yang dianalisis, dan karena itu saya tidak dapat membuat parameter kuukur yang ditetapkan untuk algoritma pembelajaran. Ndash gianluca 2 Agustus at 22:09 Karena ini adalah data deret waktu, filter eksponensial sederhana en. wikipedia. orgwikiExponentialsmoothing akan memperlancar data. Ini adalah filter yang sangat bagus karena Anda tidak perlu mengumpulkan data titik lama. Bandingkan setiap nilai data yang baru diratakan dengan nilai unsmoothed-nya. Begitu deviasi melebihi ambang batas yang telah ditentukan sebelumnya (tergantung pada apa yang Anda yakini sebagai outlier dalam data Anda), maka outlier Anda dapat dengan mudah dideteksi. Dijawab Apr 30 15 at 8:50 Anda bisa menggunakan standar deviasi dari pengukuran N terakhir (Anda harus memilih N yang sesuai). Skor anomali yang bagus adalah berapa banyak standar deviasi yang diukur dari moving average. Menjawab 2 Agustus 20:48 Terima kasih atas tanggapan Anda, tapi bagaimana jika sinyal menunjukkan musim tinggi (yaitu banyak pengukuran jaringan ditandai dengan pola harian dan mingguan pada saat yang bersamaan, misalnya malam vs hari atau akhir pekan Vs hari kerja) Pendekatan berdasarkan standar deviasi tidak akan bekerja dalam kasus itu. Ndash gianluca 2 Agustus pukul 20:57 Misalnya, jika saya mendapatkan sampel baru setiap 10 menit, dan saya melakukan deteksi outlier penggunaan bandwidth jaringan perusahaan, pada dasarnya jam 6:00, ukuran ini akan jatuh (ini adalah perkiraan Pola normal total), dan standar deviasi yang dihitung di atas jendela geser akan gagal (karena akan memicu peringatan pasti). Pada saat bersamaan, jika ukurannya turun pada jam 4 sore (menyimpang dari garis dasar yang biasa), ini adalah outlier nyata. Ndash gianluca 2 Agustus pukul 20:58 apa yang saya lakukan adalah mengelompokkan pengukuran menurut jam dan hari dalam seminggu dan bandingkan standar deviasi itu. Masih tidak benar untuk hal-hal seperti liburan dan musim panas musim panas tapi benar sebagian besar waktu. Kelemahannya adalah Anda benar-benar perlu mengumpulkan data sekitar setahun agar cukup sehingga stddev mulai masuk akal. Analisis spektral mendeteksi periodisitas dalam rangkaian waktu stasioner. Pendekatan domain frekuensi berdasarkan perkiraan kerapatan spektral adalah pendekatan yang akan saya rekomendasikan sebagai langkah pertama Anda. Jika untuk periode tertentu ketidakteraturan berarti puncak yang jauh lebih tinggi daripada yang khas untuk periode itu maka rangkaian dengan penyimpangan semacam itu tidak akan menjadi anjuran stasioner dan spektral tidak sesuai. Tapi dengan asumsi Anda telah mengidentifikasi periode yang memiliki penyimpangan, Anda harus dapat menentukan kira-kira berapa tinggi puncak normal dan kemudian dapat menetapkan ambang batas pada tingkat tertentu di atas rata-rata untuk menunjuk kasus tidak beraturan. Jawab 3 September pukul 14:59 Saya sarankan skema di bawah ini, yang seharusnya bisa diimplementasikan dalam satu hari atau lebih: Kumpulkan sampel sebanyak yang dapat Anda simpan di memori Hapus outlier yang jelas menggunakan standar deviasi untuk setiap atribut Hitung dan simpan matriks korelasi Dan juga rata-rata dari masing-masing atribut Hitung dan simpan jarak Mahalanobis dari semua sampel Anda. Menghitung tingkat tinggi: Untuk sampel tunggal yang ingin Anda ketahui dengan sungguh-sungguh: Ambil matrik matrik kovarian dan jarak Mahalanobis dari pelatihan Hitung jarak Mahalanobis d Untuk sampel Anda Mengembalikan persentil di mana d jatuh (menggunakan jarak Mahalanobis dari pelatihan) Itu akan menjadi skor outlier Anda: 100 adalah outlier yang ekstrem. PS. Dalam menghitung jarak Mahalanobis. Gunakan matriks korelasi, bukan matriks kovarians. Ini lebih kuat jika pengukuran sampel bervariasi dalam satuan dan angka.