IIR-filter

Belangrijk

De ondersteuning voor Azure Machine Learning-studio (klassiek) eindigt op 31 augustus 2024. U wordt aangeraden om vóór die datum over te stappen naar Azure Machine Learning.

Vanaf 1 december 2021 kunt u geen nieuwe resources voor Azure Machine Learning-studio (klassiek) meer maken. Tot en met 31 augustus 2024 kunt u de bestaande resources van Azure Machine Learning-studio (klassiek) blijven gebruiken.

• Zie informatie over het verplaatsen van machine learning-projecten van ML Studio (klassiek) naar Azure Machine Learning.
• Meer informatie over Azure Machine Learning.

De documentatie van ML-studio (klassiek) wordt buiten gebruik gesteld en wordt in de toekomst mogelijk niet meer bijgewerkt.

Hiermee maakt u een oneindig impulsresponsfilter voor signaalverwerking

Categorie: Gegevenstransformatie/filter

Notitie

Van toepassing op: alleen Machine Learning Studio (klassiek)

Vergelijkbare modules voor slepen en neerzetten zijn beschikbaar in Azure Machine Learning designer.

Moduleoverzicht

In dit artikel wordt beschreven hoe u de module IIR Filter in Machine Learning Studio (klassiek) gebruikt om een IIR-filter (Infinite Impuls Response) te maken.

Filters zijn een belangrijk hulpmiddel bij digitale signaalverwerking en worden gebruikt om de resultaten van beeld- of spraakherkenning te verbeteren. Over het algemeen is een filter een overdrachtsfunctie die een invoersignaal gebruikt en een uitvoersignaal maakt op basis van de filterkenmerken. Zie Filter voor meer algemene informatie over de gebruiker van filters in digitale signaalverwerking.

Een IIR-filter is een bepaald type filter; typische toepassingen van een IIR-filter zijn om cyclische gegevens te vereenvoudigen die willekeurige ruis bevatten over een steeds toenemende of dalende trend. Het IIR-filter dat u met deze module maakt, definieert een set constanten (of coëfficiënten) die het signaal wijzigen dat wordt doorgegeven. Het woord oneindig in de naam verwijst naar de feedback tussen de uitvoer en de reekswaarden.

Nadat u een filter hebt gedefinieerd dat aan uw behoeften voldoet, kunt u het filter toepassen op gegevens door een gegevensset en het filter te verbinden met de module Filter toepassen .

Tip

Een filter is een overdrachtsfunctie die een invoersignaal gebruikt en een uitvoersignaal maakt op basis van de filterkenmerken. Zie Filter voor meer algemene informatie over de gebruiker van filters in digitale signaalverwerking.

Nadat u een filter hebt gedefinieerd dat aan uw behoeften voldoet, kunt u het filter toepassen op gegevens door een gegevensset en het filter te verbinden met de module Filter toepassen .

Tip

Wilt u gegevens uit een gegevensset filteren of ontbrekende waarden verwijderen? Gebruik in plaats daarvan deze modules:

• Ontbrekende gegevens opschonen: gebruik deze module om ontbrekende waarden te verwijderen of ontbrekende waarden te vervangen door tijdelijke aanduidingen.
• Partitie en voorbeeld: Gebruik deze module om uw gegevensset te delen of te filteren op criteria zoals een datumbereik, een specifieke waarde of reguliere expressies.
• Clipwaarden: Gebruik deze module om een bereik in te stellen en alleen de waarden binnen dat bereik te behouden.

IIR-filter configureren

1. Voeg de module IIR Filter toe aan uw experiment. U vindt deze module onder Gegevenstransformatie in de categorie Filter .

2. Voor Order typt u een geheel getal dat het aantal actieve elementen definieert dat wordt gebruikt om het antwoord van het filter te beïnvloeden. De volgorde van het filter geeft de lengte van het filtervenster aan.

   Voor een IIR-filter is de minimumvolgorde 4.

3. Kies voor filtersoort het algoritme dat wordt gebruikt om filtercoëfficiënten te berekenen. Het filtertype wijst de wiskundige overdrachtsfunctie aan waarmee frequentierespons en frequentieonderdrukking worden bepaald. Machine Learning ondersteunt dit soort filters die vaak worden gebruikt in digitale signaalverwerking:

   Butterworth: Een Butterworth-filter wordt ook wel een maximaal vlak groottefilter genoemd, omdat hiermee het antwoord (verandering in signaal) in de passband en de stopband wordt beperkt.

   Chebyshev Type 1: Chebyshev-filters zijn bedoeld om de fouten tussen de geïdealiseerde en de werkelijke filterkenmerken over het bereik van het filter te minimaliseren. Type 1 Chebyshev filters laten meer rimpel in de passband.

   Chebyshev Type 2: Type 2 Chebyshev filters hebben dezelfde algemene kenmerken als Type 1 Chebyshev filters, maar ze laten meer rimpel in de stopband.

4. Selecteer voor filtertype een optie die definieert hoe het filter van invloed is op de waarden in het invoersignaal. U kunt opgeven dat met het filter waarden boven of onder een grenspunt worden uitgesloten of dat het filter waarden in een opgegeven frequentiebereik weigert of doorgeeft.

   LowPass: hiermee kunnen lage frequentiewaarden (onder de grenswaarde) andere waarden worden doorgegeven en verzwakken.

   HighPass: hiermee kunnen waarden met een hoge frequentie (boven de grenswaarde) andere waarden doorgeven en verzwakken.

   Bandpass: Hiermee staat u signalen toe in het bereik dat is opgegeven door de lage en hoge grenswaarden om andere waarden door te geven en te verzwakken.

   BandStop: Hiermee staat u signalen toe buiten het bereik dat is opgegeven door de lage en hoge cutoff-waarden om waarden binnen het bereik door te geven en te dempen.

5. Geef de waarden voor hoge of lage afkap op, of beide, als een waarde tussen 0 en 1, die een genormaliseerde frequentie vertegenwoordigen. Bij Hoge grens typt u een waarde die de bovengrens aangeeft. Bij lage grens typt u een waarde die de lagere frequentiegrens vertegenwoordigt.

6. Geef voor Rimpel de hoeveelheid rimpel op die moet worden getolereerd wanneer u uw filter definieert. Rimpel verwijst naar een kleine variatie die periodiek plaatsvindt. Rimpel wordt meestal beschouwd als een ongewenst effect, maar u kunt compenseren voor rimpeling door andere filterparameters, zoals de filterlengte, aan te passen. Niet alle filters produceren een rimpel.

7. Voeg de module Filter toepassen toe aan uw experiment en verbind het filter dat u hebt ontworpen en de gegevensset bevat de waarden die u wilt wijzigen.

   Gebruik de kolomkiezer om op te geven welke kolommen van de gegevensset waarop het filter moet worden toegepast. De module Filter toepassen gebruikt standaard het filter voor alle geselecteerde numerieke kolommen.

8. Voer het experiment uit om de transformatie toe te passen.

Notitie

De module IIR-filter biedt niet de optie om een indicatorkolom te maken. Kolomwaarden worden altijd op hun plaats getransformeerd.

Voorbeelden

Zie dit experiment in de Azure AI Gallery voor voorbeelden van hoe filters worden gebruikt in machine learning:

• Filters: Dit experiment demonstreert alle filtertypen met behulp van een getrainde waveform-gegevensset.

Technische opmerkingen

Deze sectie bevat implementatiedetails, tips en antwoorden op veelgestelde vragen.

Implementatiegegevens

Een IIR-filter retourneert coëfficiënten voor invoer naar voren en terugvoer, die worden vertegenwoordigd door een overdrachtsfunctie. Hier volgt een voorbeeldweergave:

Waar:

• N: filtervolgorde

• bi: filtercoëfficiënten voor invoer vooruit

• ai: terugwaartse filtercoëfficiënten invoeren

• x[n]: het invoersignaal

• y[n]: het uitvoersignaal

Moduleparameters

Name	Bereik	Type	Standaard	Beschrijving
Volgorde	[4;13]	Geheel getal	5	De filtervolgorde opgeven
Filtertype	Alle	IIRFilterKind		Selecteer het type IIR-filter dat u wilt maken
Filtertype	Alle	Filtertype		Selecteer het filterbandtype
Lage cutoff	[dubbel. Epsilon;. 9999999]	Float	0,3	De lage grenswaarde instellen
Hoge cutoff	[dubbel. Epsilon;. 9999999]	Float	0,7	De hoge grenswaarde instellen
Rimpel	>=0,0	Float	0,5	Geef de hoeveelheid rimpel in het filter op

Uitvoer

Naam	Type	Beschrijving
Filter	IFilter-interface	Filter-implementatie

Uitzonderingen

Uitzondering	Beschrijving
NotInRangeValue	Uitzondering treedt op als de parameter zich niet in het bereik bevindt.

Zie Machine Learning Foutcodes voor een lijst met fouten die specifiek zijn voor Studio-modules (klassiek).

Zie Machine Learning REST API-foutcodes voor een lijst met API-uitzonderingen.

Zie ook

Filter
Filter toepassen
A-Z-modulelijst