Ie2 Moving Average

Som andre har nevnt, bør du vurdere et IIR uendelig impulsresponsfilter i stedet for det FIR-finale impulsresponsfilteret du bruker nå Det er mer til det, men ved første øyekast implementeres FIR-filtre som eksplisitte konvolutter og IIR-filtre med ligninger. bestemt IIR-filter Jeg bruker mye i mikrokontrollere er et enkeltpolet lavpasfilter Dette er den digitale ekvivalenten til et enkelt RC-analogfilter For de fleste applikasjoner vil disse ha bedre egenskaper enn det boksfilter du bruker Mest bruk av et eskefilter som jeg har møtt, er et resultat av at noen ikke betaler oppmerksomhet i digital signalbehandlingsklasse, ikke som følge av at de trenger deres spesielle egenskaper. Hvis du bare vil dempe høyfrekvenser som du vet er støy, er et enkeltpolet lavpasfilter bedre. beste måten å implementere en digital på en mikrokontroller er vanligvis. FILT - FILT FF NEW - FILT. FILT er et stykke vedvarende tilstand Dette er den eneste vedvarende va pålitelig må du beregne dette filteret NYTT er den nye verdien som filteret blir oppdatert med denne iterasjonen. FF er filterfraksjonen som justerer filterets tyngde. Se på denne algoritmen, og se at for FF 0 er filteret uendelig tungt siden utgangen endres aldri For FF 1 er det egentlig ikke noe filter i det hele tatt, siden utgangen bare følger inngangen. Nyttige verdier er i mellom På små systemer velger du FF til 1 2 N slik at multipliseringen med FF kan oppnås som en høyre skift ved N biter For eksempel kan FF være 1 16 og multipliserer med FF derfor en riktig skift på 4 biter. Ellers trenger dette filteret bare en subtrahering og ett tillegg, selv om tallene vanligvis må være bredere enn inngangsverdien mer på numerisk presisjon i et eget avsnitt nedenfor. Jeg bruker vanligvis AD-lesinger betydelig raskere enn de trengs, og bruker to av disse filtre kaskad Dette er den digitale ekvivalenten til to RC-filtre i serie, og demper med 12 dB oktav over rollen frekvens For AD-avlesninger er det imidlertid vanligvis mer relevant å se på filteret i tidsdomene ved å vurdere trinnresponsen. Dette forteller deg hvor fort systemet ditt vil se en endring når tinget du måler forandringer. For å lette utformingen av disse filtrene som bare betyr å plukke FF og bestemme hvor mange av dem som skal kaskade, bruker jeg mitt program FILTBITS Du angir antall skiftbiter for hver FF i den kaskade serien av filtre, og den beregner trinnresponsen og andre verdier. Egentlig kjører jeg vanligvis dette via min wrapper script PLOTFILT Dette kjører FILTBITS, som lager en CSV-fil, og plottar deretter CSV-filen. For eksempel, her er resultatet av PLOTFILT 4 4.De to parameterne til PLOTFILT betyr at det vil være to filtre kaskade av typen beskrevet ovenfor. Verdiene av 4 angir antall skiftbiter for å realisere multiplikasjonen med FF De to FF-verdiene er derfor 1 16 i dette tilfellet. Det røde sporet er enhetens trinnrespons, og er det viktigste å se på. Er det slik at hvis inngangen endres øyeblikkelig, vil utgangen av det kombinerte filteret sette seg til 90 av den nye verdien i 60 iterasjoner Hvis du bryr deg om 95 settlingstid, må du vente på 73 iterasjoner, og i 50 oppgjørstid bare 26 iterasjoner . Den grønne sporen viser deg utgangen fra en enkelt full amplitude spike Dette gir deg en ide om tilfeldig støyundertrykking. Det ser ut til at ingen enkelt prøve vil forårsake mer enn en 2 5 endring i utgangen. Det blå sporet er å gi en subjektiv følelse av hva dette filteret gjør med hvit støy Dette er ikke en streng test siden det ikke er noen garanti for nøyaktig hva innholdet av tilfeldige tall ble plukket som den hvite støyinngangen for denne runden av PLOTFILT Det er bare for å gi deg en grov følelse av hvor mye det vil bli squashed og hvor glatt det er. PLOTFILT, kanskje FILTBITS, og mange andre nyttige ting, spesielt for PIC-fastvareutvikling, er tilgjengelig i PIC Development Tools-programvareutgivelsen på min nedlastinger for programvare. dedikert til numerisk presisjon. Jeg ser fra kommentarene og nå et nytt svar at det er interesse i å diskutere antall bits som trengs for å implementere dette filteret Merk at multipliseringen med FF vil skape Log 2 FF nye biter under binærpunktet På små systemer , Er FF vanligvis valgt til å være 1 2 N slik at denne multipliseringen faktisk er realisert ved en rettforskyvning av N bits. FILT er derfor vanligvis et fast punkt heltall. Merk at dette ikke endrer noen av matematikken fra prosessorens synspunkt Hvis du for eksempel filtrerer 10 bit AD-avlesninger og N 4 FF 1 16, trenger du 4 brøkdeler under 10 biters heltall-AD-avlesninger. En av prosessorene gjør at du gjør 16 biters heltalloperasjoner på grunn av 10-biters AD-avlesningene. I dette tilfellet kan du likevel gjøre nøyaktig de samme 16 biters integeroperasjoner, men begynner med AD-avlesningene skiftet med 4 bits. Prosessoren vet ikke forskjellen og trenger ikke å gjøre matematikken på hele 16 bit heltall fungerer, uansett om du anser dem for å være 12 4 faste punkter eller ekte 16 bit heltall 16 0 fast punkt. Generelt må du legge til N bits hver filterpole hvis du ikke vil legge til lyd på grunn av den numeriske representasjonen. I eksemplet ovenfor ville det andre filteret av to ha å ha 10 4 4 18 biter for ikke å miste informasjon I praksis på en 8-bits maskin som betyr at du bruker 24 bitverdier Teknisk, bare den andre polen på to ville trenge den bredere verdien, men for enkelhet i fastvare bruker jeg vanligvis den samme representasjonen, og dermed den samme koden for alle polene i et filter. Normalt skriver jeg en subrutine eller makro for å utføre en filterpoleoperasjon, og deretter bruke det til hver pol. En subroutine eller makro avhenger av om sykluser eller programminne er viktigere i det bestemt prosjekt Uansett bruker jeg litt ripe til å passere NY inn i subrutinen makroen, som oppdaterer FILT, men laster også inn i den samme riper staten NY var i Dette gjør det enkelt å bruke flere poler siden den oppdaterte FILT av en pol er NE W av den neste Når en subrutine er, er det nyttig å ha en pekepunkt til FILT på vei inn, som oppdateres til like etter FILT på vei ut. På den måten fungerer subrutinen automatisk på etterfølgende filtre i minnet hvis det kalles flere ganger Med en makro trenger du ikke en peker siden du sender inn adressen for å operere på hver iterasjon. Kodeeksempler. Her er et eksempel på en makro som beskrevet ovenfor for en PIC 18.Og her er en lignende makro for en PIC 24 eller dsPIC 30 eller 33.Both disse eksemplene er implementert som makroer ved hjelp av min PIC assembler preprocessor som er mer kapabel enn noen av de innebygde makroanleggene. clabacchio Et annet problem jeg burde ha nevnt, er implementering av fastvare Du kan skrive en enkeltpolet lavpassfilter subrutine en gang, og deretter bruke den flere ganger Faktisk skriver jeg vanligvis en slik subrutine for å ta en peker i minnet til filtertilstanden, så har du det på forhånd pekeren slik at den kan kalles i rekkefølge lett for å realisere flerpolige filtre Olin Lathrop Apr 20 12 til 15 03.1 Takk for svarene dine - alle av dem bestemte jeg meg for å bruke dette IIR-filteret, men dette filteret brukes ikke som et Standard LowPass-filter, siden jeg trenger gjennomsnittlige counterverdier og sammenligner dem for å oppdage endringer i et bestemt område, siden disse verdiene er av svært forskjellige dimensjoner avhengig av maskinvare jeg ønsket å ta et gjennomsnitt for å kunne reagere på disse maskinvarene spesifikke endringer automatisk senselen 21 mai 12 kl 12 06. Hvis du kan leve med begrensningen av en kraft på to antall elementer til gjennomsnittet, dvs. 2,4,8,16,32 etc, kan dividen enkelt og effektivt gjøres på en lav ytelse mikro med ingen dedikert deling fordi det kan gjøres som en bit skift Hvert skift høyre er en kraft på to f. eks. OPen trodde han hadde to problemer, delt i en PIC16 og minne for hans ring buffer Dette svaret viser at delingen Det er ikke vanskelig. Det tar ikke opp minneproblemet, men SE-systemet tillater delvise svar, og brukerne kan ta noe fra hvert svar for seg selv, eller til og med redigere og kombinere andre svar. Siden noen av de andre svarene krever en splittelse, er likevel ufullstendig fordi de ikke viser hvordan man effektivt oppnår dette på en PIC16 Martin 20 april 12 på 13 01. Det er et svar på et ekte glidende gjennomsnittsfilter aka boxcar filter med mindre minnebehov, hvis du ikke har det galt, kalt et kaskadeintegrator-kamfilter CIC Ideen er at du har en integrator som du tar forskjeller over en tidsperiode, og nøkkelminnebesparende enheten er at ved nedsampling behøver du ikke å lagre eve ry verdi av integratoren Det kan implementeres ved hjelp av følgende pseudokode. Din effektive bevegelige gjennomsnittslengde er decimationFactor stateize, men du trenger bare å beholde stateize-prøver. Selvfølgelig kan du få bedre ytelse dersom stateize og decimationFactor er krefter på 2, slik at divisjon og resten operatører blir erstattet av skift og maske-og. Postscript Jeg er enig med Olin om at du alltid bør vurdere enkle IIR-filtre før et glidende gjennomsnittlig filter. Hvis du ikke trenger frekvens-nullene til et boxcarfilter, en 1-polet eller 2-polet lavpasfilter vil trolig fungere fint. Hvis du imidlertid filtrerer med henblikk på dekimering, tar du en høyprøve-hastighetsinngang og gjennomsnittsverdi den for bruk ved en lavprosessprosess, da et CIC-filter kan være akkurat det du leter etter, spesielt hvis du kan bruke stateize 1 og unngå ringbufferen helt med bare en enkelt tidligere integrator verdi. Det er noen grundig analyse av matematikken bak ved å bruke de første ordene er IIR-filteret som Olin Lathrop allerede har beskrevet over på Digital Signal Processing-stakkutvekslingen, inneholder mange flotte bilder. Ligningen for dette IIR-filteret er. Dette kan implementeres ved hjelp av heltall, og ingen deling ved hjelp av følgende kode kan trenge litt feilsøking som jeg var å skrive fra minnet. Dette filteret tilnærmer et glidende gjennomsnitt av de siste K-prøvene ved å sette verdien av alfa til 1 K Gjør dette i forrige kode ved å definere BITS til LOG2 K, dvs. for K 16 sett BITS til 4, for K 4 sett BITS til 2, etc. Jeg vil verifisere koden som er oppført her så snart jeg får en endring og rediger dette svaret hvis nødvendig. Ansatt Jun 23 12 kl 04 04. Her er enpolet lavpasfilter glidende gjennomsnitt, med cutoff frekvens CutoffFrequency Svært enkel, veldig rask, fungerer bra, og nesten ingen minne overhead. Note Alle variabler har omfang utover filterfunksjonen, bortsett fra det passerte i newInput. Note Dette er et enkeltstadiefilter Flere stadier kan bli kaskad sammen for å øke skarphet av filteret Hvis du bruker mer enn ett trinn, må du justere DecayFactor som angår Cutoff-Frequency for å kompensere. Og åpenbart alt du trenger er de to linjene plassert hvor som helst, de trenger ikke egen funksjon. Dette filteret har en rampetid før det bevegelige gjennomsnittet representerer det av inngangssignalet. Hvis du trenger å omgå denne oppkjøretiden, kan du bare initialisere MovingAverage til den første verdien av newInput istedenfor 0, og håper at den første newInput ikke er en outlier. CutoffFrequency SampleRate har en rekkevidde mellom 0 og 0 5 DecayFactor er en verdi mellom 0 og 1, vanligvis i nærheten av 1.Single-presisjon flyter er gode nok for de fleste ting, jeg foretrekker bare dobbeltrom Hvis du trenger å holde fast med heltall, kan du konvertere DecayFactor og Amplitude Factor til brøkdelte tall, hvor telleren er lagret som heltallet, og nevneren er et heltall på 2, slik at du kan bitskifte til høyre som nevner i stedet for å måtte dele seg under filtersløyfen For For eksempel, hvis DecayFactor 0 99, og du vil bruke heltall, kan du angi DecayFactor 0 99 65536 64881 Og så når du multipliserer med DecayFactor i filtersløyfen, skift du bare resultatet 16.For mer informasjon om dette, en utmerket bok som s online, kapittel 19 om rekursive filtre. PS For det Moving Average paradigmet, en annen tilnærming til å sette DecayFactor og AmplitudeFactor som kan være mer relevant for dine behov, la oss si at du vil ha det forrige, ca 6 elementer i gjennomsnitt tog eter, gjør det diskret, du d legger til 6 elementer og deler med 6, slik at du kan sette AmplitudeFactor til 1 6 og DecayFactor til 1 0 - AmplitudeFactor. answered 14 mai 12 på 22 55. Alle andre har kommentert grundig på verktøyet av IIR vs FIR, og på power-of-two divisjon Jeg vil bare gi noen implementasjonsdetaljer. Nedenfor fungerer bra på små mikrocontrollere uten FPU. Det er ingen multiplikasjon, og hvis du beholder N en kraft på to, vil hele divisjonen er single-cycle bit-shifting. Basic FIR ring buffer holde en kjører buffer av de siste N verdiene, og en kjører SUM av alle verdiene i bufferen Hver gang en ny prøve kommer inn, trekker du den eldste verdien i bufferen fra SUM , erstatt den med den nye prøven, legg til den nye prøven til SUM, og utdata SUM N. Modified IIR ringbufferen holde en løpende SUM av de siste N-verdiene Hver gang en ny prøve kommer inn, SUM - SUM N, legger du til den nye prøve og utdata SUM N. answered 28 Aug 13 på 13 45. Hvis jeg leser deg riktig, beskriver du en første ordre IIR filtrere verdien du trekker, er ikke den eldste verdien som faller ut, men er i stedet gjennomsnittet av tidligere verdier. Førstegangs IIR-filtre kan sikkert være nyttig, men jeg er ikke sikker på hva du mener når du foreslår at utgangen er den samme for alle periodiske signaler Ved en 10 kHz samplingsfrekvens vil fôring av en 100 Hz firkantbølge i et 20-trinns boksfilter gi et signal som stiger jevnt for 20 prøver, sitter høyt for 30, faller jevnt for 20 prøver og sitter lavt for 30 En førstegangs IIR filter supercat Aug 28 13 til 15 31. vil gi en bølge som skarpt begynner å stige og gradvis avtar nær, men ikke ved inngangs maksimum, så begynner det å falle og gradvis avstand nær, men ikke ved inngangen minimum Svært ulik adferd supercat Aug 28 13 til 15 32. Et problem er at et enkelt bevegelige gjennomsnitt kan eller ikke kan være nyttig Med et IIR-filter kan du få et fint filter med relativt få beregninger. Den FIR du beskriver kan bare gi deg en rektangel i tid - en sync i freq - og du kan ikke styre sidelobene. Det kan være vel verdt det å kaste inn noen få heltall multipliserer for å gjøre det til en fin symmetrisk tunbar FIR hvis du kan spare klokken ticks Scott Seidman Aug 29 13 på 13 50. ScottSeidman Nei behov for multipliserer hvis man bare har hvert trinn i FIR, enten utdataene gjennomsnittet av inngangen til det stadiet og dets tidligere lagrede verdi, og deretter lagre inngangen hvis man har numerisk rekkevidde, man kan bruke summen heller enn gjennomsnittet, enten det s bedre enn et boksfilter avhenger av applikasjonen, vil trinnresponsen til et boksfilter med en total forsinkelse på 1 ms for eksempel ha en stygg d2 dt spike når inngangen endres, og igjen 1 m senere, men vil ha det minste mulige d dt for et filter med totalt 1ms forsinkelse supercat Aug 29 13 på 15 25. Hvis mikeselektriske stoffer sa at hvis du virkelig trenger å redusere minnebehovet, og du ikke husker at ditt impulsrespons er eksponentielt i stedet for en rektangulær puls, ville gå for en eksponentiell flytende ave raser filter Jeg bruker dem i stor grad Med den typen filter trenger du ikke noen buffer Du trenger ikke å lagre N forbi prøvene Bare en Så, dine minnekrav blir kuttet ned med en faktor N. Også du trenger ikke noen divisjon for det Bare multiplikasjoner Hvis du har tilgang til flytpunkt-aritmetikk, bruk flytende punktmultiplikasjoner Ellers gjør vi multipeltall og skift til høyre Vi er imidlertid i 2012, og jeg vil anbefale deg å bruke kompilatorer og MCUer som tillater deg for å arbeide med flytende punktnumre. I tillegg til å være mer minneeffektiv og raskere, trenger du ikke å oppdatere elementer i noen sirkulær buffer, jeg vil si det er også mer naturlig fordi en eksponentiell impulsrespons passer bedre til måten naturen oppfører seg, i de fleste tilfeller. ansvaret 20. april 12 på 9 59. Et problem med IIR-filteret som nesten berørt av olin og supercat, men tilsynelatende ignorert av andre, er at avrundingen introduserer noe upresisjon og potensielt bias trunkering forutsatt at N jeg en kraft av to, og bare heltall aritmetikk er brukt, skiftet rett eliminerer systematisk LSBene i den nye prøven. Det betyr at hvor lenge serien kan være, vil gjennomsnittet aldri ta hensyn til disse. For eksempel antar du sakte fallende serie 8,8,8 8,7,7,7 7,6,6, og antar at gjennomsnittet faktisk er 8 i begynnelsen. Neven 7-prøven vil gi gjennomsnittet til 7, uansett filterstyrken Bare for en prøve Samme historie for 6 osv. Tenk på det motsatte serien går opp. Gjennomsnittet vil forbli på 7 for alltid, inntil prøven er stor nok til å gjøre det endres. Selvfølgelig kan du korrigere for bias ved å legge 1 2 N 2, men som vant t virkelig løse presisjon problemet i så fall vil den avtagende serien forbli for alltid ved 8 til prøven er 8-1 2 N 2 For N 4 for eksempel vil enhver prøve over null holde gjennomsnittet uendret. Jeg tror en løsning for Det ville innebære å holde en akkumulator av de tapte LSBene. Men jeg gjorde det ikke så langt å ha kode klar, og jeg er ikke sikker på at det ikke ville skade IIR-strømmen i noen andre tilfeller av serier, for eksempel om 7,9,7,9 ville gjennomsnittlig til 8 da. Olin, din to-trinns kaskade vil også trenge noen forklaring. Mener du å holde to gjennomsnittlige verdier med resultatet av den første som er matet inn i det andre i hver iterasjon. Hva er fordelen med dette. MAMethod 0 SMA - Enkelt bevegelige gjennomsnitt. MAMETOD 1 EMA - Eksponentiell Flytende Gjennomsnitt. MAMethod 2 Wilder - Wilder Eksponensiell Flytende Gjennomsnitt. MAMethod 3 LWMA - Lineærvektet Flytende Gjennomsnitt. MAMethod 4 SineWMA - Sinvektet Flytende Gjennomsnitt. MAMethod 5 TriMA - Triangulær Moving Average. MAMethod 6 LSMA - minste kvadratisk flytende gjennomsnitt eller EPMA, lineær regresjonslinje. MAMethod 7 SMMA - Glattende Flytende Gjennomsnitt. MAMethod 8 HMA - Hull Moving Gjennomsnitt av Alan Hull. MAMethod 9 ZeroLagEMA - null-lag eksponentiell flytende gjennomsnitt. MAMETOD 10 DEMA - Dobbel eksponentiell flytende gjennomsnitt av Patrick Mulloy. MAMETOD 11 T3 - T3 av. Mamethod 12 ITrend - Instantaneous Trendline by. MAMethod 13 Median - Moving Media. MAMETOD 14 GeoMean - Geometrisk middel. MAMethod 15 REMA - Regularized EMA av Chris Satchwell. MAMETOD 16 ILRS - Integral av lineær regresjonshelling. MAMETOD 17 IE 2 - Kombinasjon av LSMA og ILRS. MAMethod 18 TriMAgen - Triangular Moving Gjennomsnitt generalisert av. MAMETOD 19 VWMA - Volumvektet Flytende Gjennomsnitt. Pris 0 - Lukk. Pris 4 - Median Pris Høy Lav 2. Pris 5 - Typisk Pris Høy Lav Lukk 3. Pris 6 - Vektet Lukk Høy Lav Lukk 2 4. Pris 7 - Heiken Ashi Lukk. Pris 8 - Heiken Ashi Open. Pris 9 - Heiken Ashi High. Pris 10 - Heiken Ashi Low. As du kan se 2 MAs og 4 priser HeikenAshi er lagt til. I tillegg er fargemodus lagt til også. MAMethod 0 SMA - Enkelt bevegelige gjennomsnitt. MAMETOD 1 EMA - Eksponentiell Flytende Gjennomsnitt. MAMethod 2 Wilder - Wilder Eksponensiell Flytende Gjennomsnitt. MAMethod 3 LWMA - Lineærvektet Flytende Gjennomsnitt. MAMethod 4 SineWMA - Sinvektet Flytende Gjennomsnitt. MAMethod 5 TriMA - Triangulær Moving Average. MAMethod 6 LSMA - minste kvadratisk flytende gjennomsnitt eller EPMA, lineær regresjonslinje. MAMethod 7 SMMA - Glattende Flytende Gjennomsnitt. MAMethod 8 HMA - Hull Moving Gjennomsnitt av Alan Hull. MAMethod 9 ZeroLagEMA - null-lag eksponentiell flytende gjennomsnitt. MAMETOD 10 DEMA - Dobbel eksponentiell flytende gjennomsnitt av Patrick Mulloy. MAMETOD 11 T3 - T3 av. Mamethod 12 ITrend - Instantaneous Trendline by. MAMethod 13 Median - Moving Media. MAMETOD 14 GeoMean - Geometrisk middel. MAMethod 15 REMA - Regularized EMA av Chris Satchwell. MAMETOD 16 ILRS - Integral av lineær regresjonshelling. MAMETOD 17 IE 2 - Kombinasjon av LSMA og ILRS. MAMethod 18 TriMAgen - Triangular Moving Gjennomsnitt generalisert av. MAMETOD 19 VWMA - Volumvektet Flytende Gjennomsnitt. Pris 0 - Lukk. Pris 4 - Median Pris Høy Lav 2. Pris 5 - Typisk Pris Høy Lav Lukk 3. Pris 6 - Vektet Lukk Høy Lav Lukk 2 4. Pris 7 - Heiken Ashi Lukk. Pris 8 - Heiken Ashi Open. Pris 9 - Heiken Ashi High. Pris 10 - Heiken Ashi Low. As du kan se 2 MAs og 4 priser HeikenAshi er lagt til. I tillegg er fargemodus lagt også til. Takk for at du er i orden. MAMethod 0 SMA - Enkelt bevegelige gjennomsnitt. MAMETOD 1 EMA - Eksponentiell Flytende Gjennomsnitt. MAMethod 2 Wilder - Wilder Eksponensiell Flytende Gjennomsnitt. MAMethod 3 LWMA - Lineærvektet Flytende Gjennomsnitt. MAMethod 4 SineWMA - Sinvektet Flytende Gjennomsnitt. MAMethod 5 TriMA - Triangulær Moving Average. MAMethod 6 LSMA - minste kvadratisk flytende gjennomsnitt eller EPMA, lineær regresjonslinje. MAMethod 7 SMMA - Glattende Flytende Gjennomsnitt. MAMethod 8 HMA - Hull Moving Gjennomsnitt av Alan Hull. MAMethod 9 ZeroLagEMA - null-lag eksponentiell flytende gjennomsnitt. MAMETOD 10 DEMA - Dobbel eksponentiell flytende gjennomsnitt av Patrick Mulloy. MAMETOD 11 T3 - T3 av. Mamethod 12 ITrend - Instantaneous Trendline by. MAMethod 13 Median - Moving Media. MAMETOD 14 GeoMean - Geometrisk middel. MAMethod 15 REMA - Regularized EMA av Chris Satchwell. MAMETOD 16 ILRS - Integral av lineær regresjonshelling. MAMETOD 17 IE 2 - Kombinasjon av LSMA og ILRS. MAMethod 18 TriMAgen - Triangular Moving Gjennomsnitt generalisert av. MAMETOD 19 VWMA - Volumvektet Flytende Gjennomsnitt. Pris 0 - Lukk. Pris 4 - Median Pris Høy Lav 2. Pris 5 - Typisk Pris Høy Lav Lukk 3. Pris 6 - Vektet Lukk Høy Lav Lukk 2 4. Pris 7 - Heiken Ashi Lukk. Pris 8 - Heiken Ashi Open. Pris 9 - Heiken Ashi High. Pris 10 - Heiken Ashi Low. As du kan se 2 MAs og 4 priser HeikenAshi er lagt til. I tillegg er fargemodus lagt til too. haClose Åpne High Low Lukk 4.haOpen Åpne i 1 Lukk 2 forrige bar Åpne Lukk 2.haHøy Maks Maks Høy, Open, Close. haLow Min Low, Open, Close. Tilson IE 2, av Tim Tilson, er en type bevegelige gjennomsnitt, den bruker den lineære regresjonshellingen m i linjens ligning ya mx Når gjennomsnittskryssene blir inngangsprisen, blir handelssignaler gitt Brukeren kan endre inngangen nær, metode SMA og periodelengde Denne indikatorens definisjon er ytterligere uttrykt i den kondenserte koden gitt i beregningen nedenfor. Slik handler du med Tilson IE 2.Trading-signaler utløses når IE2 og prisen krysser Hvis IE2 krysser over oppadgående bevegelse et kjøpesignal genereres Omvendt, hvis IE2 krysser under nedadgående bevegelse, blir et salgssignal gitt. Hvordan får du tilgang i MotiveWave. Gå til toppmenyen, velg Studieoverlegg Tilson IE 2.or gå til toppen menyen, velg Legg til Studie start skrive i denne studienammen e til du ser det vises i listen, klikk på studienavnet, klikk OK. Important Ansvarsfraskrivelse Informasjonen som er gitt på denne siden, er strengt til informasjonsformål og skal ikke tolkes som råd eller forespørsel om å kjøpe eller selge sikkerhet. Vennligst se Vår risikofristing og ytelsesansvarserklæring. Inngangspris, brukerdefinert, standard er nærmetall, beveger gjennomsnittlig, brukerdefinert, standard er SMA-periode brukerdefinert, standard er 15 av gjennomsnittlig ma flytende gjennomsnitt, indeks nåværende barnummer a og m er verdier i linjeekvation y a mx.