如何标准化正在进行的累积总和的样本？
How to normalize samples of an ongoing cumulative sum?
为简单起见，假设我们有一个函数 sin(x) 并用它计算了 -1 和 1 之间的 1000 个样本。我们可以绘制这些样本。现在在下一步中我们要绘制 sin(x) 的积分，它将是 - cos(x) + C。现在我可以像这样用我现有的样本计算积分：
y[n] = x[n] + y[n-1]
因为它是一个累加和，我们需要对其进行归一化以获得 y 轴上 -1 和 1 之间的样本。
y = 2 * ( x - min(x) / max(x) - min(x) ) - 1
为了规范化，我们需要最大值和最小值。
现在我们要计算 sin(x) 的下 1000 个样本并再次计算积分。因为它是一个累积总和，我们将有一个 新的最大值，这意味着我们需要对所有 2000 个样本进行归一化。
现在我的问题基本上是：
在不知道最大值和最小值的情况下，如何在这种情况下对样本进行归一化？
如果我有一组带有新 maximum/minimum?
的新样本，我该如何防止再次规范化所有以前的样本
我找到了解决办法:)
我还想提一下：这是关于像正弦这样的周期函数，所以基本上最大值和最小值应该总是相同的，对吗？
在特殊情况下，这不是真的：
如果您的样本不包含函数的完整周期（具有函数的全局最大值和最小值）。当您选择非常低的频率时，可能会发生这种情况。
你能做什么：
简单地计算像 sin(x) 这样的函数的样本
1 的频率。它将包含函数的全局最大值和最小值 （重要的是 y 在 -1 和 1 之间变化，而不是在 0 和 1 之间变化！）.
然后你用累计和计算积分
获取样本的最大值和最小值
你可以放大或缩小它：maximum/frequency, minimum/frequency
现在可用于标准化以任何其他频率计算的样本。
一开始只需要计算一次
为简单起见，假设我们有一个函数 sin(x) 并用它计算了 -1 和 1 之间的 1000 个样本。我们可以绘制这些样本。现在在下一步中我们要绘制 sin(x) 的积分，它将是 - cos(x) + C。现在我可以像这样用我现有的样本计算积分：
y[n] = x[n] + y[n-1]
因为它是一个累加和，我们需要对其进行归一化以获得 y 轴上 -1 和 1 之间的样本。
y = 2 * ( x - min(x) / max(x) - min(x) ) - 1
为了规范化，我们需要最大值和最小值。
现在我们要计算 sin(x) 的下 1000 个样本并再次计算积分。因为它是一个累积总和，我们将有一个 新的最大值，这意味着我们需要对所有 2000 个样本进行归一化。
现在我的问题基本上是：
在不知道最大值和最小值的情况下，如何在这种情况下对样本进行归一化？ 如果我有一组带有新 maximum/minimum?
的新样本，我该如何防止再次规范化所有以前的样本我找到了解决办法:)
我还想提一下：这是关于像正弦这样的周期函数，所以基本上最大值和最小值应该总是相同的，对吗？
在特殊情况下，这不是真的：
如果您的样本不包含函数的完整周期（具有函数的全局最大值和最小值）。当您选择非常低的频率时，可能会发生这种情况。
你能做什么：
简单地计算像 sin(x) 这样的函数的样本 1 的频率。它将包含函数的全局最大值和最小值 （重要的是 y 在 -1 和 1 之间变化，而不是在 0 和 1 之间变化！）.
然后你用累计和计算积分
获取样本的最大值和最小值
你可以放大或缩小它：maximum/frequency, minimum/frequency
现在可用于标准化以任何其他频率计算的样本。
一开始只需要计算一次