Một tín hiệu êm hơn có thể phản ứng chậm hơn
Trung bình trượt thường được thêm vào tín hiệu áp suất để màn hình bớt dao động. Tuy nhiên, đường biểu diễn đẹp hơn không tự chứng minh phép đo tốt hơn cho mọi mục đích. Cùng một bộ lọc có thể giúp xem xu hướng chậm nhưng làm chậm thời điểm nhận biết một thay đổi thật.
Bài xét bộ lọc số nhân quả, lấy trung bình đều N mẫu liên tiếp tại tần số lấy mẫu f_s. “Nhân quả” nghĩa là kết quả hiện tại chỉ dùng mẫu hiện tại và quá khứ. Các trị số dưới đây là ví dụ giả định để chọn cách xử lý dữ liệu, không phải thời gian đáp ứng được chấp nhận cho một vòng bảo vệ cụ thể.
Phương trình và đơn vị
Gọi x(n) là giá trị áp suất ở mẫu n, đơn vị bar. Khi cửa sổ đã đầy, y(n)=(x(n)+x(n−1)+…+x(n−N+1))/N. Các hệ số đều bằng 1/N và tổng bằng một, nên một đầu vào hằng số được giữ nguyên sau khi đã xử lý điều kiện đầu.
Đây là dạng FIR có đáp ứng xung gồm N hệ số bằng nhau. Chương 15 của Smith trình bày trung bình trượt, đáp ứng bước và giới hạn của nó khi phân tách các dải tần. [1] Điều quan trọng khi triển khai là ghi rõ cửa sổ quay về quá khứ; từ “trung bình N điểm” riêng nó chưa mô tả đầy đủ vị trí thời gian của các điểm.
Giảm nhiễu khi các mẫu độc lập
Giả định x(n)=p+e(n), với p không đổi trong cửa sổ; e có trung bình bằng không, phương sai σ² và các mẫu không tương quan. Vì phương sai của tổng bằng tổng phương sai trong điều kiện này, Var(y)=Nσ²/N²=σ²/N. Độ lệch chuẩn đầu ra là σ_y=σ/√N, cùng đơn vị với x.
Cho σ=0,20 bar. Với N=10, σ_y≈0,063246 bar; với N=20, σ_y≈0,044721 bar. Tăng số điểm gấp đôi chỉ giảm độ lệch chuẩn thêm hệ số 1/√2, không giảm một nửa. Nếu đầu vào có sai lệch cố định +0,30 bar, bộ lọc vẫn giữ sai lệch ấy: trung bình nhiều mẫu không thay thế hiệu chuẩn.
Khi nhiễu đã tương quan theo thời gian
Nếu hai mẫu gần nhau thường cùng cao hoặc cùng thấp, phép chia σ cho √N sẽ quá lạc quan. Gọi ρ(k) là hệ số tương quan giữa hai mẫu cách nhau k bước. Với nhiễu dừng có phương sai σ², khai triển tổng các hiệp phương sai cho Var(y)=σ²{N+2Σ(N−k)ρ(k)}/N², trong đó tổng chạy k=1 đến N−1.
Xét giả định ρ(k)=r^k với r=0,8. Đây là một mô hình tương quan do bài tập đặt ra. Tổng có dạng S=r[(N−1)−Nr+r^N]/(1−r)², khi r khác một. Với N=10, S≈22,147484 và Var(y)/σ²≈0,542949673. Độ lệch chuẩn đầu ra vì vậy là 0,147370 bar, lớn hơn nhiều dự báo 0,063246 bar từ giả thiết độc lập.
Với N=20, tỷ số phương sai khoảng 0,351152922 và σ_y≈0,118516 bar. Có thể định nghĩa số mẫu độc lập tương đương N_eff=σ²/Var(y): lần lượt chỉ khoảng 1,842 và 2,848. Đây là cách diễn giải mức giảm phương sai trong mô hình, không phải số mẫu thật đã lưu. Tăng tốc độ ghi mà vẫn quan sát cùng một nhiễu biến đổi chậm có thể làm nhiều mẫu trong cửa sổ gần như lặp lại nhau.
Trễ nhóm và độ rộng cửa sổ
Với các hệ số đối xứng của bộ lọc này, trễ nhóm trong các khoảng tần số có đáp ứng khác không là (N−1)/2 mẫu, hay τ_g=(N−1)/(2f_s) giây. MathWorks nêu quan hệ này trong ví dụ làm trơn tín hiệu và minh họa việc dịch trục thời gian để so sánh đồ thị. [2]
Ở f_s=20 Hz, N=10 cho τ_g=0,225 s; N=20 cho 0,475 s. Khoảng thời gian từ mẫu cũ nhất đến mẫu mới nhất trong cửa sổ lần lượt là 0,45 và 0,95 s. Việc gán điểm trung bình vào giữa cửa sổ khi vẽ lại dữ liệu giúp mô tả thời điểm đại diện, nhưng tại thời gian thực phải chờ đủ những mẫu đó mới biết kết quả.
Một bước tăng áp suất xuất hiện như thế nào?
Giả định bộ lọc đã chạy ổn định ở 10 bar. Tại n=0, áp suất thật và mẫu đầu vào tăng tức thì lên 14 bar rồi giữ nguyên. Bỏ nhiễu để chỉ xét động học của thuật toán. Trong N mẫu chuyển tiếp đầu tiên, y(n)=10+4(n+1)/N, với 0≤n≤N−1; sau đó y=14 bar.
Với N=10, mẫu đầu chỉ lên 10,4 bar; tại n=6 đạt 12,8 bar và tại n=7 đạt 13,2 bar. Vì vậy thời điểm đầu tiên thỏa y≥13 bar là n=7, tương ứng 0,35 s sau mẫu bước đầu tiên. Đến n=9, tức 0,45 s, toàn cửa sổ mới chứa giá trị 14 bar.
Với N=20, y đạt đúng 13 bar tại n=14, tức 0,70 s, và đạt 14 bar tại n=19, tức 0,95 s. Thời điểm vượt mức không bằng trễ nhóm; nó còn phụ thuộc ngưỡng và biên độ bước. Nếu sự kiện vật lý xảy ra giữa hai lần lấy mẫu, còn có thêm thời gian tới mẫu kế tiếp, nằm trong một khoảng mẫu ở giả thiết lấy mẫu đều này.
Không phải mọi dao động đều bị giảm giống nhau
Với f đo bằng Hz, độ truyền biên độ của trung bình N điểm là |H(f)|=|sin(πNf/f_s)/(Nsin(πf/f_s))|, lấy giới hạn bằng một ở f=0. Đây là biến đổi của chuỗi N trọng số đều; đáp ứng có các điểm không và các thùy phụ. [1]
Cho N=10, f_s=20 Hz. Ở 0,1 Hz, |H|≈0,995934, nên biên độ thay đổi chậm gần như được giữ. Ở 1 Hz, |H|≈0,639245: một dao động thật biên độ 0,50 bar chỉ còn khoảng 0,319623 bar trên đầu ra. Điểm không đầu tiên nằm ở f_s/N=2 Hz, nên một sin đúng 2 Hz bị triệt trong mô hình lấy mẫu đều và trạng thái ổn định.
Nhưng ở 3 Hz, |H| lại khoảng 0,220269. Vì đáp ứng tăng trở lại sau điểm không, không nên gọi 2 Hz là một tần số mà mọi thành phần phía trên đều bị loại hoàn toàn. Dao động lệch khỏi đúng điểm không cũng không bị triệt sạch. Nếu cần đo biên độ một dao động, phải tính hệ số truyền tại chính tần số ấy và xem ảnh hưởng pha.
Ngoại lệ, mất mẫu và khởi động
Một mẫu tăng vọt thêm 5 bar đóng góp thêm 0,5 bar vào mỗi kết quả trong 10 cửa sổ liên tiếp khi N=10. Trung bình trượt phân bố tác động của mẫu ấy theo thời gian, chứ không tự nhận biết đó là lỗi cảm biến. Cần giữ dữ liệu gốc để phân biệt xung thật với ngoại lệ đo.
Tài liệu movmean cho thấy cửa sổ mặc định có thể nằm giữa điểm hiện tại, còn cửa sổ (N−1,0) dùng quá khứ; các điểm biên có thể được tính trên ít phần tử hơn. Tài liệu cũng cho phép giữ hoặc bỏ giá trị thiếu. [3] Hai cách này thay đổi cả mẫu số lẫn ý nghĩa của kết quả, nên không được coi chúng tương đương bộ lọc đủ N mẫu vừa phân tích.
Ví dụ khởi động ở 10 bar nhưng chèn chín số không vào lịch sử sẽ cho đầu ra đầu tiên 1 bar với N=10. Nếu chỉ lấy trung bình những mẫu đã có, đầu ra đầu tiên là 10 bar nhưng mức giảm nhiễu chưa đạt như cửa sổ đầy. Một cách khác là đánh dấu dữ liệu chưa đủ cho tới khi nhận đủ N mẫu; lựa chọn phải được ghi trong cấu hình.
Chọn cửa sổ theo mục đích đo
Có thể cập nhật tổng bằng S(n)=S(n−1)+x(n)−x(n−N) rồi chia N, đồng thời lưu vòng N mẫu. Phép viết lại này giảm số phép cộng, không thay đổi đáp ứng lý tưởng. Với dấu thời gian không đều, N điểm không còn đại diện một khoảng thời gian cố định; cần quyết định đang trung bình theo số mẫu hay theo thời gian.
Ví dụ cho thấy N nên được chọn từ cả mức nhiễu, tương quan, độ trễ và biên độ dao động cần giữ. Báo cáo một tín hiệu đã lọc cần kèm f_s, N, cách khởi tạo, xử lý mất mẫu và thời điểm gán cho đầu ra. Những thông tin này giúp người đọc hiểu giá trị đang hiển thị là phép đo tức thời hay một thống kê của khoảng quá khứ.
Nguồn tham khảo
[1] The Scientist and Engineer’s Guide to Digital Signal Processing — Chapter 15: Moving Average Filters — Steven W. Smith — California Technical Publishing. Truy cập ngày 09/11/2026.
[2] Signal Smoothing — MathWorks — Signal Processing Toolbox Documentation. Truy cập ngày 09/11/2026.
[3] movmean — Moving mean — MathWorks — MATLAB Documentation. Truy cập ngày 09/11/2026.
Rà soát nội dung: 09/11/2026.
Trung bình trượt thường được thêm vào tín hiệu áp suất để màn hình bớt dao động. Tuy nhiên, đường biểu diễn đẹp hơn không tự chứng minh phép đo tốt hơn cho mọi mục đích. Cùng một bộ lọc có thể giúp xem xu hướng chậm nhưng làm chậm thời điểm nhận biết một thay đổi thật.
Bài xét bộ lọc số nhân quả, lấy trung bình đều N mẫu liên tiếp tại tần số lấy mẫu f_s. “Nhân quả” nghĩa là kết quả hiện tại chỉ dùng mẫu hiện tại và quá khứ. Các trị số dưới đây là ví dụ giả định để chọn cách xử lý dữ liệu, không phải thời gian đáp ứng được chấp nhận cho một vòng bảo vệ cụ thể.
Phương trình và đơn vị
Gọi x(n) là giá trị áp suất ở mẫu n, đơn vị bar. Khi cửa sổ đã đầy, y(n)=(x(n)+x(n−1)+…+x(n−N+1))/N. Các hệ số đều bằng 1/N và tổng bằng một, nên một đầu vào hằng số được giữ nguyên sau khi đã xử lý điều kiện đầu.
Đây là dạng FIR có đáp ứng xung gồm N hệ số bằng nhau. Chương 15 của Smith trình bày trung bình trượt, đáp ứng bước và giới hạn của nó khi phân tách các dải tần. [1] Điều quan trọng khi triển khai là ghi rõ cửa sổ quay về quá khứ; từ “trung bình N điểm” riêng nó chưa mô tả đầy đủ vị trí thời gian của các điểm.
Giảm nhiễu khi các mẫu độc lập
Giả định x(n)=p+e(n), với p không đổi trong cửa sổ; e có trung bình bằng không, phương sai σ² và các mẫu không tương quan. Vì phương sai của tổng bằng tổng phương sai trong điều kiện này, Var(y)=Nσ²/N²=σ²/N. Độ lệch chuẩn đầu ra là σ_y=σ/√N, cùng đơn vị với x.
Cho σ=0,20 bar. Với N=10, σ_y≈0,063246 bar; với N=20, σ_y≈0,044721 bar. Tăng số điểm gấp đôi chỉ giảm độ lệch chuẩn thêm hệ số 1/√2, không giảm một nửa. Nếu đầu vào có sai lệch cố định +0,30 bar, bộ lọc vẫn giữ sai lệch ấy: trung bình nhiều mẫu không thay thế hiệu chuẩn.
Khi nhiễu đã tương quan theo thời gian
Nếu hai mẫu gần nhau thường cùng cao hoặc cùng thấp, phép chia σ cho √N sẽ quá lạc quan. Gọi ρ(k) là hệ số tương quan giữa hai mẫu cách nhau k bước. Với nhiễu dừng có phương sai σ², khai triển tổng các hiệp phương sai cho Var(y)=σ²{N+2Σ(N−k)ρ(k)}/N², trong đó tổng chạy k=1 đến N−1.
Xét giả định ρ(k)=r^k với r=0,8. Đây là một mô hình tương quan do bài tập đặt ra. Tổng có dạng S=r[(N−1)−Nr+r^N]/(1−r)², khi r khác một. Với N=10, S≈22,147484 và Var(y)/σ²≈0,542949673. Độ lệch chuẩn đầu ra vì vậy là 0,147370 bar, lớn hơn nhiều dự báo 0,063246 bar từ giả thiết độc lập.
Với N=20, tỷ số phương sai khoảng 0,351152922 và σ_y≈0,118516 bar. Có thể định nghĩa số mẫu độc lập tương đương N_eff=σ²/Var(y): lần lượt chỉ khoảng 1,842 và 2,848. Đây là cách diễn giải mức giảm phương sai trong mô hình, không phải số mẫu thật đã lưu. Tăng tốc độ ghi mà vẫn quan sát cùng một nhiễu biến đổi chậm có thể làm nhiều mẫu trong cửa sổ gần như lặp lại nhau.
Trễ nhóm và độ rộng cửa sổ
Với các hệ số đối xứng của bộ lọc này, trễ nhóm trong các khoảng tần số có đáp ứng khác không là (N−1)/2 mẫu, hay τ_g=(N−1)/(2f_s) giây. MathWorks nêu quan hệ này trong ví dụ làm trơn tín hiệu và minh họa việc dịch trục thời gian để so sánh đồ thị. [2]
Ở f_s=20 Hz, N=10 cho τ_g=0,225 s; N=20 cho 0,475 s. Khoảng thời gian từ mẫu cũ nhất đến mẫu mới nhất trong cửa sổ lần lượt là 0,45 và 0,95 s. Việc gán điểm trung bình vào giữa cửa sổ khi vẽ lại dữ liệu giúp mô tả thời điểm đại diện, nhưng tại thời gian thực phải chờ đủ những mẫu đó mới biết kết quả.
Một bước tăng áp suất xuất hiện như thế nào?
Giả định bộ lọc đã chạy ổn định ở 10 bar. Tại n=0, áp suất thật và mẫu đầu vào tăng tức thì lên 14 bar rồi giữ nguyên. Bỏ nhiễu để chỉ xét động học của thuật toán. Trong N mẫu chuyển tiếp đầu tiên, y(n)=10+4(n+1)/N, với 0≤n≤N−1; sau đó y=14 bar.
Với N=10, mẫu đầu chỉ lên 10,4 bar; tại n=6 đạt 12,8 bar và tại n=7 đạt 13,2 bar. Vì vậy thời điểm đầu tiên thỏa y≥13 bar là n=7, tương ứng 0,35 s sau mẫu bước đầu tiên. Đến n=9, tức 0,45 s, toàn cửa sổ mới chứa giá trị 14 bar.
Với N=20, y đạt đúng 13 bar tại n=14, tức 0,70 s, và đạt 14 bar tại n=19, tức 0,95 s. Thời điểm vượt mức không bằng trễ nhóm; nó còn phụ thuộc ngưỡng và biên độ bước. Nếu sự kiện vật lý xảy ra giữa hai lần lấy mẫu, còn có thêm thời gian tới mẫu kế tiếp, nằm trong một khoảng mẫu ở giả thiết lấy mẫu đều này.
Không phải mọi dao động đều bị giảm giống nhau
Với f đo bằng Hz, độ truyền biên độ của trung bình N điểm là |H(f)|=|sin(πNf/f_s)/(Nsin(πf/f_s))|, lấy giới hạn bằng một ở f=0. Đây là biến đổi của chuỗi N trọng số đều; đáp ứng có các điểm không và các thùy phụ. [1]
Cho N=10, f_s=20 Hz. Ở 0,1 Hz, |H|≈0,995934, nên biên độ thay đổi chậm gần như được giữ. Ở 1 Hz, |H|≈0,639245: một dao động thật biên độ 0,50 bar chỉ còn khoảng 0,319623 bar trên đầu ra. Điểm không đầu tiên nằm ở f_s/N=2 Hz, nên một sin đúng 2 Hz bị triệt trong mô hình lấy mẫu đều và trạng thái ổn định.
Nhưng ở 3 Hz, |H| lại khoảng 0,220269. Vì đáp ứng tăng trở lại sau điểm không, không nên gọi 2 Hz là một tần số mà mọi thành phần phía trên đều bị loại hoàn toàn. Dao động lệch khỏi đúng điểm không cũng không bị triệt sạch. Nếu cần đo biên độ một dao động, phải tính hệ số truyền tại chính tần số ấy và xem ảnh hưởng pha.
Ngoại lệ, mất mẫu và khởi động
Một mẫu tăng vọt thêm 5 bar đóng góp thêm 0,5 bar vào mỗi kết quả trong 10 cửa sổ liên tiếp khi N=10. Trung bình trượt phân bố tác động của mẫu ấy theo thời gian, chứ không tự nhận biết đó là lỗi cảm biến. Cần giữ dữ liệu gốc để phân biệt xung thật với ngoại lệ đo.
Tài liệu movmean cho thấy cửa sổ mặc định có thể nằm giữa điểm hiện tại, còn cửa sổ (N−1,0) dùng quá khứ; các điểm biên có thể được tính trên ít phần tử hơn. Tài liệu cũng cho phép giữ hoặc bỏ giá trị thiếu. [3] Hai cách này thay đổi cả mẫu số lẫn ý nghĩa của kết quả, nên không được coi chúng tương đương bộ lọc đủ N mẫu vừa phân tích.
Ví dụ khởi động ở 10 bar nhưng chèn chín số không vào lịch sử sẽ cho đầu ra đầu tiên 1 bar với N=10. Nếu chỉ lấy trung bình những mẫu đã có, đầu ra đầu tiên là 10 bar nhưng mức giảm nhiễu chưa đạt như cửa sổ đầy. Một cách khác là đánh dấu dữ liệu chưa đủ cho tới khi nhận đủ N mẫu; lựa chọn phải được ghi trong cấu hình.
Chọn cửa sổ theo mục đích đo
Có thể cập nhật tổng bằng S(n)=S(n−1)+x(n)−x(n−N) rồi chia N, đồng thời lưu vòng N mẫu. Phép viết lại này giảm số phép cộng, không thay đổi đáp ứng lý tưởng. Với dấu thời gian không đều, N điểm không còn đại diện một khoảng thời gian cố định; cần quyết định đang trung bình theo số mẫu hay theo thời gian.
Ví dụ cho thấy N nên được chọn từ cả mức nhiễu, tương quan, độ trễ và biên độ dao động cần giữ. Báo cáo một tín hiệu đã lọc cần kèm f_s, N, cách khởi tạo, xử lý mất mẫu và thời điểm gán cho đầu ra. Những thông tin này giúp người đọc hiểu giá trị đang hiển thị là phép đo tức thời hay một thống kê của khoảng quá khứ.
Nguồn tham khảo
[1] The Scientist and Engineer’s Guide to Digital Signal Processing — Chapter 15: Moving Average Filters — Steven W. Smith — California Technical Publishing. Truy cập ngày 09/11/2026.
[2] Signal Smoothing — MathWorks — Signal Processing Toolbox Documentation. Truy cập ngày 09/11/2026.
[3] movmean — Moving mean — MathWorks — MATLAB Documentation. Truy cập ngày 09/11/2026.
Rà soát nội dung: 09/11/2026.


