在决策点，我需要知道上升和下降的斜率。这是一个严格的实时系统，在下降斜率达到直流电平后，我真的需要在100usec中做出决定。
我正在寻找建议，如何有效地实现一个体面的算法。
目前，我进行移动平均（过去25个数据点加在一起）并尝试检测趋势。一旦发现上升趋势，便开始寻找下降趋势，一旦发现下降趋势，我可能又收集了50个样本并开始计算。
噪声现在可以很容易地拧紧该算法，因此成为问题。
更新日期
为了他人的利益，我最终实现了移动平均线，之后是积分器。过去64个数据的移动平均线已经足够平滑，但是没有上升到一定程度，对最后8个值进行积分可以使上升回升，我只是在寻找上升和下降，后来对斜率进行了线性回归。可以，不是很好，但是还可以。
#1 楼
您应该从带限差分器开始（等效于一个差分器，后跟一个低通滤波器）。微分器将消除低频趋势，并将对您的峰值和斜率做出快速响应。低通分量将消除截止频率以外的噪声。应设计截止频率，以使斜率得到干净的脉冲。正脉冲；负斜率作为负脉冲，其峰值将对应于正负之间的零交叉。
这种类型的滤波器通常实现为FIR滤波器。滤波器的样本数量将取决于您的实时限制，截止频率的清晰度以及截止频率本身。
评论
$ \ begingroup $
我不太熟悉DSP。您能指出我可能的实现方式吗？根据您的回答和我的有限知识，我认为链接（holoborodko.com/pavel/numerical-methods/numerical-derivative / ...）确实可以满足您的要求。如果使用这种方法，我将不知道1）如何确定我的频率？ 2）如何选择滤波系数？
$ \ endgroup $
– Ktuncer
2012年7月8日在1:53
$ \ begingroup $
以下链接也解决了类似的问题，并包含许多链接。 dsprelated.com/showmessage/123740/1.php
$ \ endgroup $
– Ktuncer
2012年7月8日在1:54
评论
您可以发布当前算法失败的数据序列图吗？尽管噪声很大，但执行此类操作还是很困难的。 Juancho提出的与众不同的建议可能是一个很好的建议。