开发技巧 | Python极简实现滑动平均滤波（基于Numpy.convolve）

作者 | 小宋是呢

来源 | CSDN博客

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 ，队列的长度固定为N ，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)  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：对周期性干扰有良好的抑制作用，平滑度高  适用于高频振荡的系统  

缺点：灵敏度低  对偶然出现的脉冲性干扰的抑制作用较差  不易消除由于脉冲干扰所引起的采样值偏差  不适用于脉冲干扰比较严重的场合  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, v, mode=‘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’, ‘valid’, ‘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, N),边际效应依旧存在。

‘valid’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 np_move_avg(a,n,mode="same"):

    return(np.convolve(a, np.ones((n,))/n, mode=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 + x_2 + ... + x_N) / N，所以相应的内核是(1/N, 1/N, ..., 1/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 numpy as np	
import matplotlib.pyplot as plt	
 	
def np_move_avg(a,n,mode="same"):	
    return(np.convolve(a, np.ones((n,))/n, mode=mode))	
 	
modes = ['full', 'same', 'valid']	
for m in modes:	
    plt.plot(np_move_avg(np.ones((200,)), 50, mode=m));	
 	
plt.axis([-10, 251, -.1, 1.1]);	
 	
plt.legend(modes, loc='lower center');	
 	
plt.show()

参考

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

原文地址：

https://blog.csdn.net/xiaosongshine/article/details/90258331

（*本文仅代表作者观点，转载请联系原作者）

◆

CTA核心技术及应用峰会

◆

5月25-27日，由中国IT社区CSDN与数字经济人才发展中心联合主办的第一届CTA核心技术及应用峰会将在杭州国际博览中心隆重召开，峰会将围绕人工智能领域，邀请技术领航者，与开发者共同探讨机器学习和知识图谱的前沿研究及应用。

目前会议特惠票发售中，识别海报二维码即刻抢购。添加小助手微信15101014297，备注“CTA”，了解票务以及会务详情。

点击阅读原文，了解「CTA核心技术及应用峰会」