Matlab 如何有效地计算加权移动平均

我需要计算一个加权移动平均值，有循环，没有存储信息。权重可以是线性的，因此旧样本的权重小于新样本的权重

例如，使用20个样本窗口，我的权重向量为：

[1 2 3 4 5 ... 20]

我使用以下公式来计算移动平均值：

   newMean = currMean + (newSample - currMean)/WindowSize

现在我需要“注入”体重

我能知道的是： 1.我正在考虑哪一个样本（14…26…），我可以数一数。 2.当然，我知道你的意思

我知道但不想做的事： 1.存储所有样本（在我的例子中，它们是1200 x 1980 x 3矩阵，我根本无法存储它们）

我目前正在使用Matlab，但我真的不需要代码，只要概念，如果它存在的话

---

谢谢。

研究数字信号处理技术。您描述的是一个FIR滤波器，它可以实现为卷积，也可以实现为一个节省内存的电路。基本上，您可以将其重写为一个递归方程，只保留过滤器长度超过过滤的中间状态变量。MATLAB在

filter

函数中执行此操作（您可以链接内部状态以继续过滤）。请参阅

filter

的文档，我还建议您阅读DSP教科书

我只需要使用卷积，构造滤波器，使所有权重之和为1。i、 e.

（1:20）。/sum（1:20）

嗯，我使用的是非常大的矩阵，我认为卷积对我不好。我的意思是..我现在只使用了3个简单的数学运算，为什么我应该只为权重引入卷积？卷积正是你想要做的，而且非常有效。我当时只能访问一个样本（我不记得其他样本）。你可能想看看（）这将告诉您如何计算指数加权移动平均值，而无需像现在这样使用更多的存储。