У своїй найпростішій формі це фільтр ковзного середнього довжини N бере середнє з кожних N послідовних вибірок сигналу. Щоб застосувати фільтр ковзного середнього до кожної точки даних, ми будуємо наші коефіцієнти нашого фільтра так, щоб кожна точка була однаково зваженою та внесла 1/24 до загального середнього.
Фільтр ковзного середнього та його родичі приблизно однакові зменшення випадкового шуму, зберігаючи гостру реакцію на крок.
Використовуйте функцію movavg, щоб обчислити просте ковзне середнє. Встановіть затримку на 6, яка вказує на розмір вікна або кількість періодів для ковзного середнього. Розмір вікна 6 відповідає 30 хвилинам даних. Типовою поведінкою для movavg є незважене або просте ковзне середнє.
Фільтр ковзного середнього обчислює поточне середнє для вказаної довжини вікна. Це відносно простий розрахунок порівняно з двома іншими фільтрами. Однак це згладить як сигнал, так і викиди. Це призводить до того, що пік сигналу ЕКГ згладжується приблизно до третини його початкової величини.
M = movmean(___, ім'я, значення) визначає додаткові параметри для ковзного середнього за допомогою одного або кількох аргументів ім’я-значення. Наприклад, якщо x є вектором значень часу, тоді movmean(A,k,"SamplePoints",x) обчислює ковзне середнє відносно часів у x.
Особливою реалізацією алгоритму низьких частот є фільтр усереднення. Він обчислює вихідну вибірку, використовуючи середнє значення кінцевої кількості вхідних вибірок. Фільтр усереднення є використовується в ситуаціях, коли необхідно згладити дані, які несуть високочастотні спотворення.