波峰演算法
A. visual c++已經得到一個信號的波形，怎樣檢測波峰和波谷
求局部的最大最小值吧，a[n]>a[n-1]&a[n]>a[n+1]類似這種的演算法
B. zig指標哪個期貨軟體有
zig指標大智慧這個期貨軟體有，因為根據資料顯示，該軟體的質量很高，用戶體驗感不錯，得到用戶一致好評，其擁有眾多指標，其中就包括zig指標，因此zig指標大智慧這個期貨軟體有
C. 已知一組數據點，求點曲線的波峰波谷，曲線不規則，如下圖。VB 求點1,2,3。滿意追加100
我想主要是確定波峰波谷的條件。
波峰：左右相鄰點的值比自己小；進一步的，左右相鄰的n個點值比自己小；
波谷：左右相鄰點的值比自己大；進一步的，左右相鄰的n個點值比自己大；
按這個思路去設計演算法就可以了。編程是小問題但代碼量不小這事情俺就不做了。
D. DOA估計演算法
學號：20000300055
姓名：王鐸澎
嵌牛導讀：文章對DOA演算法進行了簡單的介紹。
嵌牛正文：https://blog.csdn.net/zhangziju/article/details/100730081?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522160689878119725222413438%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=160689878119725222413438&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~_landing_v2~default-1-100730081.pc_first_rank_v2_rank_v28&utm_term=Musicsuanfa&spm=1018.2118.3001.4449
DOA估計演算法
DOA（Direction Of Arrival）波達方向定位技術主要有ARMA譜分析、最大似然法、熵譜分析法和特徵分解法，特徵分解法主要有MUSIC演算法、ESPRIT演算法WSF演算法等。
MUSIC (Multiple Signal Classification)演算法，即多信號分類演算法，由Schmidt等人於1979年提出。MUSIC演算法是一種基於子空間分解的演算法，它利用信號子空間和雜訊子空間的正交性，構建空間譜函數，通過譜峰搜索，估計信號的參數。對於聲源定位來說，需要估計信號的DOA。MUSIC演算法對DOA的估計有很高的解析度，且對麥克風陣列的形狀沒有特殊要求，因此應用十分廣泛。
運用矩陣的定義，可得到更為簡潔的表達式：
X = A S + N X=AS+NX=AS+N
式中
X = [ x 1 ( t ) , x 2 ( t ) , . . . x M ( t ) ] T X=[x_1(t),x_2(t),...x_M(t)]^TX=[x1(t),x2(t),...xM(t)]T，
S = [ S 1 ( t ) , S 2 ( t ) , . . . S D ( t ) ] T S=[S_1(t),S_2(t),...S_D(t)]^TS=[S1(t),S2(t),...SD(t)]T，
A = [ a ( θ 1 ) , a ( θ 2 ) , . . . a ( θ D ) ] T A=[a(\theta_1),a(\theta_2),...a(\theta_D)]^TA=[a(θ1),a(θ2),...a(θD)]T，
N = [ n 1 ( t ) , n 2 ( t ) , . . . n M ( t ) ] T N=[n_1(t),n_2(t),...n_M(t)]^TN=[n1(t),n2(t),...nM(t)]T。
X XX為陣元的輸出，A AA為方向響應向量，S SS是入射信號，N NN表示陣列雜訊。
其中 φ k = 2 π d λ s i n θ k \varphi_k=\frac{2\pi d}{\lambda}sin\theta_kφk=λ2πdsinθk有
A = [ a ( θ 1 ) , a ( θ 2 ) , . . . a ( θ D ) ] T = [ 1 1 ⋯ 1 e − j φ 1 e − j φ 2 ⋯ e − j φ D ⋮ ⋮ ⋱ ⋮ e − j ( M − 1 ) φ 1 e − j ( M − 1 ) φ 2 ⋯ e − j ( M − 1 ) φ D ] A=[a(\theta_1),a(\theta_2),...a(\theta_D)]^T=\left[
1e−jφ1⋮e−j(M−1)φ11e−jφ2⋮e−j(M−1)φ2⋯⋯⋱⋯1e−jφD⋮e−j(M−1)φD11⋯1e−jφ1e−jφ2⋯e−jφD⋮⋮⋱⋮e−j(M−1)φ1e−j(M−1)φ2⋯e−j(M−1)φD
\right]A=[a(θ1),a(θ2),...a(θD)]T=⎣⎢⎢⎢⎡1e−jφ1⋮e−j(M−1)φ11e−jφ2⋮e−j(M−1)φ2⋯⋯⋱⋯1e−jφD⋮e−j(M−1)φD⎦⎥⎥⎥⎤
對x m ( t ) x_m(t)xm(t)進行N點采樣，要處理的問題就變成了通過輸出信號x m ( t ) x_m(t)xm(t)的采樣{ x m ( i ) = 1 , 2 , . . . , M } \{ x_m (i)=1,2,...,M\}{xm(i)=1,2,...,M}估計信號源的波達方向角θ 1 , θ 2 . . . θ D \theta_1,\theta_2...\theta_Dθ1,θ2...θD,由此可以很自然的將陣列信號看作是雜訊干擾的若干空間諧波的疊加，從而將波達方向估計問題與譜估計聯系起來。
對陣列輸出X做相關處理，得到其協方差矩陣
R x = E [ X X H ] R_x=E[XX^H]Rx=E[XXH]
其中H HH表示矩陣的共軛轉置。
根據已假設信號與雜訊互不相關、雜訊為零均值白雜訊，因此可得到：
R x = E [ ( A S + N ) ( A S + N ) H ] = A E [ S S H ] A H + E [ N N H ] = A R S A H + R N R_x=E[(AS+N)(AS+N)^H] =AE[SS^H]A^H+E[NN^H]=AR_SA^H+R_NRx=E[(AS+N)(AS+N)H]=AE[SSH]AH+E[NNH]=ARSAH+RN
其中R s = E [ S S H ] R_s=E[SS^H]Rs=E[SSH]稱為信號相關矩陣
R N = σ 2 I R_N=\sigma^2IRN=σ2I是雜訊相關陣
σ 2 \sigma^2σ2是雜訊功率
I II是M × M M\times MM×M階的單位矩陣
在實際應用中通常無法直接得到R x R_xRx，能使用的只有樣本的協方差矩陣：
R x ^ = 1 N ∑ i = 1 N X ( i ) X H ( i ) \hat{R_x}=\frac{1}{N} \sum_{i=1}^{N}X(i)X^H (i)Rx^=N1∑i=1NX(i)XH(i)，R x ^ \hat{R_x}Rx^是R x R_xRx的最大似然估計。
當采樣數N → ∞ N\to\inftyN→∞，他們是一致的，但實際情況將由於樣本數有限而造成誤差。根據矩陣特徵分解的理論，可對陣列協方差矩陣進行特徵分解，首先考慮理想情況，即無雜訊的情況：R x = A R s A H R_x=AR_sA^HRx=ARsAH，對均勻線陣，矩陣A由
A = [ a ( θ 1 ) , a ( θ 2 ) , . . . a ( θ D ) ] T = [ 1 1 ⋯ 1 e − j φ 1 e − j φ 2 ⋯ e − j φ D ⋮ ⋮ ⋱ ⋮ e − j ( M − 1 ) φ 1 e − j ( M − 1 ) φ 2 ⋯ e − j ( M − 1 ) φ D ] A=[a(\theta_1),a(\theta_2),...a(\theta_D)]^T=\left[
1e−jφ1⋮e−j(M−1)φ11e−jφ2⋮e−j(M−1)φ2⋯⋯⋱⋯1e−jφD⋮e−j(M−1)φD11⋯1e−jφ1e−jφ2⋯e−jφD⋮⋮⋱⋮e−j(M−1)φ1e−j(M−1)φ2⋯e−j(M−1)φD
\right]A=[a(θ1),a(θ2),...a(θD)]T=⎣⎢⎢⎢⎡1e−jφ1⋮e−j(M−1)φ11e−jφ2⋮e−j(M−1)φ2⋯⋯⋱⋯1e−jφD⋮e−j(M−1)φD⎦⎥⎥⎥⎤
所定義的范德蒙德矩陣，只要滿足θ i ≠ θ j , i ≠ j \theta_i\neq \theta_j,i\neq jθi=θj,i=j，則他的各列相互獨立。
若R s R_sRs為非奇異矩陣R a n k ( R s ) = D Rank(R_s)=DRank(Rs)=D，各信號源兩兩不相干，且M > D M>DM>D，則r a n d ( A R s A H ) = D rand(AR_sA^H)=Drand(ARsAH)=D，
由於R x = E [ X X H ] R_x=E[XX^H]Rx=E[XXH]，有：
R s H = R x R_s^H=R_xRsH=Rx
即R s R_sRs為Hermite矩陣，它的特性是都是實數，又由於R s R_sRs為正定的，因此A R s A … … H AR_sA……HARsA……H為半正定的，它有D個正特徵值和M − D M-DM−D個零特徵值。
再考慮有雜訊存在的情況
R x = A R s A H + σ 2 I R_x=AR_sA^H+\sigma^2IRx=ARsAH+σ2I
由於σ 2 > 0 \sigma^2>0σ2>0，R x R_xRx為滿秩陣，所以R x R_xRx有M個正實特徵值λ 1 , λ 2 . . . λ M \lambda_1,\lambda_2...\lambda_Mλ1,λ2...λM
分別對應於M個特徵向量v 1 , v 2 . . . v M v_1,v_2...v_Mv1,v2...vM。又由於R x R_xRx為Hermite矩陣，所以各特徵向量是正交的，即：v i H v j = 0 , i ≠ j v_i^Hv_j=0,i\neq jviHvj=0,i=j與信號有關的特徵值只有D個,分別等於矩陣A R s A H AR_sA^HARsAH的各特徵值與σ 2 \sigma^2σ2之和，其餘M − D M-DM−D個特徵值為σ 2 \sigma^2σ2，即σ 2 \sigma^2σ2為R RR的最小特徵值，它是M − D M-DM−D維的，對應的特徵向量v i , i = 1 , 2 , . . . , M v_i,i=1,2,...,Mvi,i=1,2,...,M中，也有D個是與信號有關的，另外M − D M-DM−D個是與雜訊有關的，可利用特徵分解的性質求出信號源的波達方向θ k \theta_kθk。
MUSIC演算法的原理及實現
通過對協方差矩陣的特徵值分解，可得到如下結論：
將矩陣R x R_xRx的特徵值進行從小到大的排序，即λ 1 ≥ λ 2 ≥ . . . ≥ λ M > 0 \lambda_1 \geq \lambda_2\geq...\geq\lambda_M>0λ1≥λ2≥...≥λM>0，其中D個較大的特徵值對應於信號，M − D M-DM−D個較小的特徵值對應於雜訊。
矩陣R x R_xRx的屬於這些特徵值的特徵向量也分別對應於各個信號和雜訊，因此可把R x R_xRx的特徵值（特徵向量）劃分為信號特徵（特徵向量）與雜訊特徵（特徵向量）。
設λ i \lambda_iλi為R x R_xRx的第i ii個特徵值，v i v_ivi是與λ i \lambda_iλi個相對應的特徵向量，有：
R x v i = λ i v i R_xv_i=\lambda_iv_iRxvi=λivi
再設λ i = σ 2 \lambda_i=\sigma^2λi=σ2是R x R_xRx的最小特徵值R x v i = σ 2 v i i = D + 1 , D + 2... M R_xv_i=\sigma^2v_i i=D+1,D+2...MRxvi=σ2vii=D+1,D+2...M，
將R x = A R s A H + σ 2 I R_x=AR_sA^H+\sigma^2IRx=ARsAH+σ2I代入可得σ 2 v i = ( A R s A H + σ 2 I ) v i \sigma^2v_i=(AR_sA^H+\sigma^2I)v_iσ2vi=(ARsAH+σ2I)vi，
將其右邊展開與左邊比較得：
A R s A H v i = 0 AR_sA^Hv_i=0ARsAHvi=0
因A H A A^HAAHA是D ∗ D D*DD∗D維的滿秩矩陣，( A H A ) − 1 (A^HA)^{-1}(AHA)−1存在；
而R s − 1 R_s^{-1}Rs−1同樣存在，則上式兩邊同乘以R s − 1 ( A H A ) − 1 A H R_s^{-1}(A^HA)^{-1}A^HRs−1(AHA)−1AH，
有：
R s − 1 ( A H A ) − 1 A H A R s A H v i = 0 R_s^{-1}(A^HA)^{-1}A^HAR_sA^Hv_i=0Rs−1(AHA)−1AHARsAHvi=0
於是有
A H v i = 0 ， i = D + 1 , D + 2 , . . . , M A^Hv_i=0，i=D+1,D+2,...,MAHvi=0，i=D+1,D+2,...,M
上式表明：雜訊特徵值所對應的特徵向量（稱為雜訊特徵向量）v i v_ivi，與矩陣A AA的列向量正交，而A AA的各列是與信號源的方向相對應的，這就是利用雜訊特徵向量求解信號源方向的出發點。
用各雜訊特徵向量為例，構造一個雜訊矩陣E n E_nEn:
E n = [ v D + 1 , v D + 2 , . . . v M ] E_n=[v_{D+1},v_{D+2},...v_{M}]En=[vD+1,vD+2,...vM]
定義空間譜P m u ( θ ) P_{mu}(\theta)Pmu(θ):
P m u ( θ ) = 1 a H ( θ ) E n E n H a ( θ ) = 1 ∥ E n H a ( θ ) ∥ 2 P_{mu}(\theta)=\frac{1}{{a^H}(\theta)}E_nE_n^Ha(\theta)=\frac{1}{\Vert E_n^Ha(\theta)\Vert^2}Pmu(θ)=aH(θ)1EnEnHa(θ)=∥EnHa(θ)∥21
該式中分母是信號向量和雜訊矩陣的內積，當a ( θ ) a(\theta)a(θ)和E n E_nEn的各列正交時，該分母為零，但由於雜訊的存在，它實際上為一最小值，因此P m u ( θ ) P_{mu}(\theta)Pmu(θ)有一尖峰值，由該式，使θ \thetaθ變化，通過尋找波峰來估計到達角。
MUSIC演算法實現的步驟
1.根據N個接收信號矢量得到下面協方差矩陣的估計值：
R x = 1 N ∑ i = 1 N X ( i ) X H ( i ) R_x=\frac{1}{N} \sum_{i=1}^NX(i)X^H(i)Rx=N1∑i=1NX(i)XH(i)
對上面得到的協方差矩陣進行特徵分解
R x = A R s A H + σ 2 I R_x=AR_sA^H+\sigma^2IRx=ARsAH+σ2I
2.按特徵值的大小排序 將與信號個數D DD相等的特徵值和對應的特徵向量看做信號部分空間，將剩下的M − D M-DM−D個特徵值和特徵向量看做雜訊部分空間，得到雜訊矩陣E n E_nEn:
A H v i = 0 ， i = D + 1 , D + 2 , . . . , M A^Hv_i=0，i=D+1,D+2,...,MAHvi=0，i=D+1,D+2,...,M
E n = [ v D + 1 , v D + 2 , . . . v M ] E_n=[v_{D+1},v_{D+2},...v_{M}]En=[vD+1,vD+2,...vM]
3.使θ \thetaθ變化 ，按照式
P m u ( θ ) = 1 a H ( θ ) E n E n H a ( θ ) P_{mu}(\theta)=\frac{1}{{a^H}(\theta)E_nE_n^Ha(\theta)}Pmu(θ)=aH(θ)EnEnHa(θ)1
來計算譜函數，通過尋求峰值來得到波達方向的估計值。
clear; close all;
%%%%%%%% MUSIC for Uniform Linear Array%%%%%%%%
derad = pi/180; %角度->弧度
N = 8; % 陣元個數
M = 3; % 信源數目
theta = [-30 0 60]; % 待估計角度
snr = 10; % 信噪比
K = 512; % 快拍數
dd = 0.5; % 陣元間距
d=0:dd:(N-1)*dd;
A=exp(-1i*2*pi*d.'*sin(theta*derad)); %方向矢量
%%%%構建信號模型%%%%%
S=randn(M,K); %信源信號，入射信號
X=A*S; %構造接收信號
X1=awgn(X,snr,'measured'); %將白色高斯雜訊添加到信號中
% 計算協方差矩陣
Rxx=X1*X1'/K;
% 特徵值分解
[EV,D]=eig(Rxx); %特徵值分解
EVA=diag(D)'; %將特徵值矩陣對角線提取並轉為一行
[EVA,I]=sort(EVA); %將特徵值排序 從小到大
EV=fliplr(EV(:,I)); % 對應特徵矢量排序
% 遍歷每個角度，計算空間譜
for iang = 1:361
angle(iang)=(iang-181)/2;
phim=derad*angle(iang);
a=exp(-1i*2*pi*d*sin(phim)).';
En=EV(:,M+1:N); % 取矩陣的第M+1到N列組成雜訊子空間
Pmusic(iang)=1/(a'*En*En'*a);
end
Pmusic=abs(Pmusic);
Pmmax=max(Pmusic)
Pmusic=10*log10(Pmusic/Pmmax); % 歸一化處理
h=plot(angle,Pmusic);
set(h,'Linewidth',2);
xlabel('入射角/(degree)');
ylabel('空間譜/(dB)');
set(gca, 'XTick',[-90:30:90]);
grid on;
實現結果
E. 股票軟體技術指標的參數函數等
行情函數
名 稱 用 法 舉 例 解 釋
ADVANCE 上漲家數 ADVANCE 本函數僅對大盤有效。
AMOUNT 成交額 AMOUNT 取得該周期成交額。
ASKPRICE 委賣價 ASKPRICE(N)，N取1――3（本函數僅個股在分筆成交分析周期有效。 取得委賣1――委賣3價格。
ASKVOL 委賣量 ASKVOL(N)，N取1――3（本函數僅個股在分筆成交分析周期有效。 取得委賣1――委賣3量。
BIDPRICE 委買價 BIDPRICE(N)，N取1――3（本函數僅個股在分筆成交分析周期有效。 取得委買1――委買3量。
BIDVOL 委買量 BIDVOL(N)，N取1――3（本函數僅個股在分筆成交分析周期有效。 取得委買1――委買3量。
CLOSE 收盤價 CLOSE 取得該周期收盤價。
DECLINE 下跌家數 DECLINE（本函數僅對大盤有效）。 取得該周期下跌家數。
HIGH 最高價 HIGH 取得該最高價。
LOW 最低價 LOW 取得該周期最低價。
OPEN 開盤價 OPEN 取得該周期開盤價。
VOL 成交量 VOL 取得該周期成交量。
大盤函數
名 稱 解 釋
INDEXA 表示同期大盤的成交額。
INDEXADV 表示同期大盤的上漲家數。
INDEXC 表示同期大盤的收盤價。
INDEXDEC 表示同期大盤的下跌家數。
INDEXH 表示同期大盤的最高價。
INDEXL 表示同期大盤的最低價。
INCEXO 表示同期大盤的開盤價。
INDEXV 表示同期大盤的成交量。
常用函數
名 稱 用 法 注 意
（1）、CAPITAL 流通盤大小 CAPITAL，返迴流通盤大小，單位為手。對於A股得到流通A股，B股得到B股總股本，指數為0。 該函數返回常數。
（2）、VOLUNIT 每手股數 VOLUNIT，返回每手股數。對於股票值為100，債券為10。 該函返回常數。
財務數據函數
FINANCE(N) ，N=1-37返回財務數據。
N 含 義 單位 N 含 義 單位 N 含 義 單位
1 總股本 萬股 14 長期投資 千元 27 上年損益調整 千元
2 國家股 萬股 15 流動負債 千元 28 利潤總額 千元
3 發起法人股 萬股 16 長期負債 千元 29 稅後利潤 千元
4 法人股 萬股 17 資本公積金 千元 30 凈利潤 千元
5 B股 萬股 18 每股公積金 千元 31 未分配利潤 千元
6 H股 萬股 19 股東權益 千元 32 每股未分配 元
7 流通A股 萬股 20 主營收入 千元 33 每股收益 元
8 職工股 萬股 21 主營利潤 千元 34 每股凈資產 元
9 A2轉配股 萬股 22 其他利潤 千元 35 調每股凈資 元
10 總資產 千元 23 營業利潤 千元 36 股東權益比
11 流動資產 千元 24 投資收益 千元 37 凈資收益率
12 固定資產 千元 25 補貼收入 千元
13 無形資產 千元 26 營業外收支 千元
時間函數
名 稱 解 釋
DATE 年月日 函數返回有效值范圍為（700101－1341231），表示19700101－20341231，取得該周期從1900以來的年月日。
DAY 日期 函數返回有效值范圍為（1－31），取得該周期的日期。
HOUR 小時 函數返回有效值范圍為（0－23），對於日線及更長的分析周期值為0，取得該周期的小時數。
MINUTE 分鍾 函數返回有效值范圍為（0－59），對於日線及更長的分析周期值為0，取得該周期的分鍾數。
MONTH 月份 函數返回有效值范圍為（1－12），取得該周期的月份。
TEME 時分秒 函數返回有效值范圍為（000000－235959），取得該周期的時分秒。
WEEK 星期 函數返回有效值范圍為（0－6），0表示星期天，取得該周期的星期數。
YEAR 年份 函數返回有效值范圍為（1970－2038），取得該周期的年份。
引用函數
名 稱 解 釋
BACKSET 向前賦值 將當前位置到若干周期前的數據設為1。 用法：BACKSET(X,N),X非0，則將當前位置到N周期前的數值設為1。 例如：BACKSET(CLOSE>OPEN,2)，若收陽則將該周期及前一周期數值設為1，否則為0。
BARSCOUNT 有效值周期數 求總的周期數。 用法：BARSCOUNT(X)，第一個有效數據到當前的天數。 例如：BARSCOUNT(CLOSE)，對於日線數據取得上市以來總交易日數，對於分筆成交取得當日成交筆數，對於1分鍾線取得當日交易分鍾數。
BARSLAST 上一次條件成立位置 上一次條件成立到當前的周期數。 用法：BARXLAST(X)，上一次X不為0到現在的天數。 例如：BARSLAST(CLOSE/REF(CLOSE,1)>=1,1)，表示上一個漲停到當前的周期數。
BARSSINCE 第一個條件成立位置 第一個條件成立到當前的周期數。 用法：BARSSINCE(X)，第一次X不為0到現在的天數。 例如：BARSSINCE(HIGH>10)，表示股價超過10元時到當前的周期數。
COUNT 統計總數 統計滿足條件的周期數。 用法：COUNT(X,N)，統計N周期中滿足X條件的周期數，若N=0則從第一個有效值開始。 例如：COUNT(CLOSE>OPEN,20)，表示統計20周期內收陽的周期數。
DMA 動態移動平均 求動態移動平均。 用法：DMA(X,A)，求X的動態移動平均。 演算法：若Y=DMA(X,A)則Y=A*X+(1-A)*Y』，其中Y』表示上一周期Y值，A必須小於1。 例如：DMA(CLOSE,VOL/CAPITAL)，表示求以換手率作平滑因子的平均價。
EMA 指數平滑移動平均 求指數平滑移動平均。 用法：EMA(X,N)，求X 的N日指數平滑移動平均。 演算法：若Y=EMA(X,N)則Y=[2*X+(N-1)*Y』]/(N+1)，其中Y』表示上一周期Y值。 例如：EMA(CLOSE,30)，表示求30日指數平滑均價。
FILTER 信號過濾 過濾連續出現的信號。 用法：FILTER(X,N)，X滿足條件後，刪除其後N周期內的數據置為0。 例如：FILTER(CLOSE>OPEN,5)，查找陽線，5天內再次出現的陽線不被記錄在內。
HHV 最高值 求最高值。 用法：HHV(X,N)，求N周期內X最高值，N=0則從第一個有效值開始。 例如：HHB(HIGH,30)，表示求30日最高價。
LLV 最低值 求最低值。 用法：LLV(X,N)，求N周期內X最低值，N=0則從第一個有效值開始。 例如：LLV(LOW,0)，表示求歷史最低價。
LLVBARS 上一低點位置 求上一低點到當前的周期數。 用法：LLVBARS(X,N)，求N周期內X最低值到當前周期數，N=0表示從第一個有效值開始統計。 例如：LLVBARS(HIGH,20)，求得20日最低點到當前的周期數。
MA 簡單移動平均 求簡單移動平均。 用法：MA(X,N)，求X的N日移動平均值。 演算法：(X1+X2+X3+…+Xn)/N 例如：MA(CLOSE,10)，表示求10日均價。
REF 向前引用 引用若干周期前的數據。 用法：REF(X,A)，引用A周期前的X值。 例如：REF(CLOSE,1)，表示上一周期的收盤價，在日線上就是昨收。
SMA 移動平均 求移動平均。 用法：SMA(X,N,M)，求X的N日移動平均，M為權數。 演算法：若Y=SMA(X,N,M)則Y=[M*X+(N-M)*Y』]/N，其中Y』表示上一周期Y值，N必須大於M。 例如：SMA(CLOSE,30,1)，表示求30日移動平均價。
SUM 求和 求總和。 用法：SUM(X,N)，統計N周期中X的總和，N=0則從第一人有效值開始。 例如：SUM(VOL,0)，表示統計從上市第一天以來的成交量總和。
SUMBARS 累加到指定周期數 向前累加到指定值到現在的周期數。 用法：SUMBARS(X,A)，將X向前累加直到大於等於A，返回這個區間的周期數。 例如：SUMBARS(VOL,CAPITAL)，求完全換手到現在的周期數。
邏輯函數
名 稱 解 釋
IF 條件函數 根據條件求不同的值。 用法：IF(X,A,B)若X不為0則返回A，否則返回B。 例如：IF(CLOSE>OPEN,HIGH,LOW)，表示該周期收陽則返回最高值，否則返回最低值。
ISDOWN 當日下跌 該周期是否收陰。 用法：ISDOWN當收盤<開盤時，返回值為1，否則為0。
ISEQUAL 當日平盤 該周期是否平盤。 用法：ISEQUAL當收盤＝開盤時，返回值為1，否則為0。
ISUP 當日上漲 該周期是否收陽。 用法：ISUP當收盤>開盤時，返回值為1，否則為0。
CROSS 交叉函數 CROSS(A,B) A：變數或常量，判斷交叉的第一條線。 B：變數或常量，判斷交叉的第二條線。 例如：CROSS(MA(CLOSE,5),MA(CLOSE,10))，5日均線與10日均線金叉；CROSS(CLOSE,12)，價格由下向上突破12元。
NOT 求邏輯非 NOT(X) 求邏輯非，返回非X，即當X=0時返回1，否則返回0。 例如：NOT(ISUP)，是否平盤或收陰。
數學函數
名 稱 解 釋
ABS 絕對值 求絕對值。 用法：ABS(X)返回X的絕對值。 例如：ABS(-34)返回34。
BETWEEN 介於 介於兩個數之間。 用法：BETWEEN(A,B,C)，表示A處於B和C之間時返回1，否則返回0。 例如：BETWEEN(CLOSE,MA(CLOSE,10),MA(CLOSE,5))，表示收盤價介於5日均線和10日均線之間。
CROSS 交叉函數 兩條線交叉。 用法：CROSS(A,B)表示當A從下方向上穿過B時返回1，否則返回0。 例如：CROSS(MA(CLOSE,5,MA(CLOSE,10))表示5日均線與10日均線交金叉。
LONGCROSS 維持交叉函數 兩條線維持一定周期後交叉。 用法：LONGCROSS(A,B,N)表示A在N周期內都小於B，本周期從下方向上穿過B時返回1，否則返回0。 例如：LONGCROSS(MA(CLOSE,5),MA(CLOSE,10),5)，表示5日均 線維持5周期後與10日均線金叉。
MAX 最大值 求最大值。 用法：MAX(A,B)返回A和B 中的較大值。 例如：MAX(CLOSE-OPEN,0)，表示若收盤價大於開盤價返回它們的差值，否則返回0。
MIN 最小值 求最小值。 用法：MIN(A,B)返回A和B中的較小值。 例如：MIN(CLOSE,OPEN)，返回開盤價和收盤價中的較小值。
MOD 求模運算 求模運算。 用法：MOD(A,B)返回A對B求模。 例如：MOD(26,10)返回6。
NOT 求邏輯非 求邏輯非。 用法：MOT(X)返回非X，即當X=0時返回1，否則返回0。 例如：MOT(ISUP)表示平盤或收陰。
RANGE 范圍 介於某個范圍之間。 用法：RANGE(A,B,C)表示A大於B同時小於C時返回1，否則返回0。 例如：RANGE(CLOSE,MA（CLOSE,5),MA(CLOSE,10))表示收盤價大於5日均線並且小於10日均線。
REVERSE 求相反數 求相反數。 用法：REVERSE(X)返回-X。 例如：REVERSE(CLOSE)返回-CLOSE。
SGN 符號值 求符號值。 用法：SGN(X)，當X>0，X<0分別順1，0，-1。
ACOS 反餘弦值 用法：ACOS(X)返回X的反餘弦值。
ASIN 反正弦值 用法：ASIN(X)返回X的反正弦值。
ATAN 反正切值 用法：ATAN(X)返回X的反正切值。
CEILING 向上舍入 向數值增大方向舍入。 用法：CEILING(A)返回沿A數值增大方向最接近的整數。 例如：CEILING(12.3)求得13，CEILING(-3.5)求得-3。
COS 餘弦值 用法：COS(X)返回X的餘弦值。
EXP 指數 用法：EXP(X)為e的X次冪。 例如：EXP(CLOSE)返回e的CLOSE次冪。
FLOOR 向下舍入 向數值減小方向舍入。 用法：FLOOR(A)返回沿A數值減小方向最接近的整數。 例如：FLOOR(12.3)求得12,FLOOR(-3.5)求得-4。
INTPART 取整 絕對值減小取整，即取得數據的整數部分。 用法：INTPART(A)返回沿A絕對值減小方向最接近的整數。 例如：INTPART(12.3)求得12，INTPART（-3.5)求得-3。
LN 自然對數 求自然對數。 用法：LN(X)以e為底的對數。 例如：LN(CLOSE)求收盤價的對數。
LOG 以10為底的對數 用法：LOG(X)取得X的對數。 例如：LOG(100)等於2。
POW 乘冪 用法：POW(A,B)返回A的B次冪。 例如：POW(CLOSE,3)求得收盤價的3次方。
SIN 正弦值 用法：SIN(X)返回X的正弦值。
SQRT 開平方 用法：SQRT(X)為X的平方根。 例如：SQRT(CLOSE)收盤價的平方根。
TAN 正切值 TAN(X)返回X 的正切值。
統計函數（下列函數演算法略）：
（1）、平均絕對偏差
用法：AVEDET(X,N)
含義：平均絕對偏差，求X的N日平均絕對偏差。
（2）、數據偏差平方和
用法：DEVSQ(X,N)
含義：數據偏差平方和，求X的N日數據偏差平方和。
（3）、線性回歸預測值
用法：FORCAST(X,N)為X的N周期線性回歸預測值。
（4）、線性回歸斜率
用法：SLOPE(X,N)為X的N周期線性回歸線的斜率。
例如：SLOPE(CLOSE,10)表示求10周期線性回歸線的斜率。
（5）、估算標准差
用法：ATD(X,N)為X的N日估算標准差。
例如：STD(CLOSE,10)，求10周期收盤價的估算標准差。
（6）、總體標准差
用法：STDP(X,N)為X的N日總體標准差。
（7）、估算樣本方差
用法：VAR(X,N)為X 的N日估算樣本差。
（8）、總體樣本方差
用法：VARP(X,N)為X的N日總體樣本方差。
指標函數
（1）、成本分布
用法：COST(10)，表示10％獲利盤的價格是多少，即有10％的持倉量在該價格以下，其餘90％在該價格以上為套牢盤，該函數僅對日線分析周期有效。
（2）、前M個波峰值――――――前M 個ZIG轉向波峰值。
用法：PEAK(K,N,M)表示之字轉向ZIG(K,N)的前M個波峰的數值，M必須大於等於1。
例如：PEAK(1,5,1)表示％5最高價ZIG轉向的上一個波峰的數值。
（3）、前M個波峰位置――――――前M個ZIG轉向波峰到當前距離。
用法：PEAKBARS(K,N,M)表示之字轉向ZIG(K,N)的前M個波峰到當前的周期，M必須大於等於1。
例如：PEAKBARS(0,5,1)表示％5開盤價ZIG轉向的上一個波峰到當前的周期數。
（4）、拋物轉向
用法：SAR(N,S,M0，N為計算周期，S為步長，M為極值。
例如：SAR(10,2,20)表示計算10日拋物轉向，步長為2％，極限值為20％。
（5）、拋物轉向點
用法:SARTURN(N,S,M)，N為計算周期，S為步長，M為極值，若發生向上轉向則返回1，若發生向下轉向則返回-1，否則為0，其用法與SAR函數相同。
（6）、前M個波谷值――――――前M個ZIG轉向波谷值。
用法：TROUGH(K,N,M)表示之字轉向ZIH(K,N)的前M個波谷的數值，M必須大於等於1。
例如：TROUGH(2,5,2)表示％5最低價ZIG轉向的前2個波谷的數值。
（7）、前M個波谷位置――――――前M個ZIG轉向波谷到當前距離。
用法：TROUGHBARS(K,N,M)表示之字轉向ZIG(K,N)的前M個波谷到當前的周期數，M必須大於等於1，
例如：TROUGHBARS(2,5,2)表示％5最低價ZIG轉向的前2個波谷到當前的周期數。
（8）、獲利盤比例
用法：WINNER(CLOSE)表示以當前收市價賣出的獲利盤比例。
例如：返回0.1表示10％獲利盤：WINNER(10.5)表示10.5元價格的獲利盤。該函數僅對日線分析周期有效。
（9）、之字轉向
用法：ZIG(K,N)，當價格變化量超過N％時轉向，K表示0：開盤價，1：最高價，2：最低價，3：收盤價。
例如：ZIG(3,5)表示收盤價的5％的ZIG轉向。
繪圖函數
（1）、畫圖標
DRAWICON：在圖形上繪制小圖標。
用法：DRAWICON(COND,PRICE,TYPE)，當COND條件滿足時，在PRICE位置畫TYPE號圖標。
圖標代號：1（笑臉）、2（哭臉）、3
（2）、畫直線
DRAWLINE：在圖形上繪制直線段。
用法：DRAWLINE(COND1, PRICE1, COND2,PRICE2,EXPAND)，當COND1條件滿足時，在PRICE1位置畫直線起點，當COND2條件滿足時，在PRICE2位置畫直線終點，EXPAND為延長類型。
例如：DRAWLINE(HIGH>=HHV(HIGH,20),HIGH,LOW(<=LLV(LOW,20),LOW,1)，表示創20天新高與創20天新低之間畫直線向右延長。
（3）、顯示文字
DRAWTEXT：在圖形上顯示文字。
用法：DRAWTEXT(COND,PRICE,TEXT)，當COND條件滿足時，在PRICE位置書寫文字TEXT。
例如：DRAWTEXT(CLOSE/REF(CLOSE,1)>1.08,LOW,』大陽線』)表示當日漲幅大於8％時在最低價位置顯示「大陽線」字樣，注意，顯示的字要用英語狀態下的單引號括起。
（4）、畫折線
POLYLINE：在圖形上繪制折線段。
用法：POLYLINE(COND,PRICE)，當COND條件滿足時，以PRICE位置為頂點畫折線連接。
例如：POLYLINE(HIGH>=HHV(HIGH,20),HIGH)，表示在創20天新高點之間畫折線。
（5）、畫柱線
STICKLINE：在圖形上繪制柱線。
用法：STICKLINE(COND,PRICE1,PRICE2,WIDTH,EMPTY)，當COND條件滿足時，在PRICE1和PRICE2位置之間畫柱狀線，寬度為WIDTH（10為標准間距 ），EMPTY不為0則畫空心柱。
例如：STICKLINE(CLOSE>OPEN,CLOSE,OPEN,8,1)，表示畫K線中陽線的空心柱。
大智慧的繪圖參數：
STICK：在指標點和零線之間畫柱線。
COLORSTICK：同上，並用不同顏色區分上漲、下跌。
LINESTICK：指標線和柱線都畫。
VOLSTICK：收市價高於昨日的，畫紅色空心實體；否則畫綠色實心實體。
CROSSDOT：「x"點狀線。
Circledot：「0"點狀線。
各種顏色表示：
紅色colorred、灰色colorgray、綠色colorgreen、黃色coloryellow、藍色colorblue、白色colorwhite.
另外顏色還有：
粉紅colorf00ff0、草綠color00ff00、淡藍colorf0f000、紫色colorff0099、金黃色color008364、紫紅color000999、綜色color0055ff、深黃色color00cccc、紫羅藍colore66878、天藍色colorff937f 深草綠color399c7f
實際上只要在color後面加上0－9、A-F中任6個數字字母組成，如要其它顏色，可自己調。
F. 如何使兩個信號波峰對齊
不知道你問的是實際信號還是模擬系統里的信號對齊。
如果是實際電路里，可以在超前的那路里加個延時器。如果是模擬系統，一般也有延時單元或延時演算法的，在超前的那一路信號實行延時就行。
G. 波峰焊插件漏查反插AOI設備能檢測嗎
AOI波峰焊檢測設備目前分兩種：
一，波峰焊爐前檢測AOI設備 （主要檢測元器件漏插，反插，插反）
二，波峰焊爐後焊點檢測AOI設備 （採用光學原理檢測焊點虛焊假焊連焊等）
深圳邁瑞公司研發的波峰焊AOI檢測設備是一款超高性價比波峰焊爐前在線檢查的設備，在不破壞現有的流水線體基礎上實現在線檢測，能識別產品的條碼、PCBA插件料的錯件、漏件、反向。等 ，極大程度上降低了因焊接後人為錯誤插件等需要補焊的工藝成本。
波峰焊AOI在線式的六大優勢：
1、 檢測類型廣泛：
很完美地對應插件工藝PCBA的各種元件的檢測，如白色排插、晶正絲印等其它品牌的爐前檢測機所不能檢測的元件；
2、 檢測速度快：
220*180mm尺寸的PCBA，檢測速度達450pcs/H
3、 調試方便：
a、編程簡單，同類型的元件可以使用模版一鍵編程，並可以調取公共資料庫節省調試時間；
b、 可以離線調試，在生產過程中不停機修改調試參數
4、 檢出率強：
平板電視機主板、電源板等產品幾乎無檢測盲區，可以涵蓋所有插件元件的錯、漏、反檢測
5、 直通率高：
客戶生產工藝相對較好的情況下，直通率可達95%以上
6、 可測范圍大：
標准設備可以檢測330*250mm尺寸范圍，並支持定製更大尺寸檢測
AOI檢測設備對波峰焊插件缺件的檢測
目前正對行業波峰焊插件反插，漏插，等波峰焊前段插件的檢測技術，邁瑞公司研發生產了12000000像素的AOI檢測設備，解決了行業插件檢測前段的難題，該AOI設備主要採用了行業領先技術矢量分析及PAG演算法，突破和改變了原來AOI採用的圖像對比方法，該項技術以獲得國家專利，
AOI設備檢測插件錯件
錯件，主要是用於檢測元件本體的檢測，檢測該元件是否發生錯料。該檢測項是AOI設備檢測的常規檢測項。錯件可採用四種檢測演算法，其四種檢測演算法分別為TOC演算法、OCV演算法、Match演算法和OCR演算法。每個錯件的檢測演算法針對檢測項目的偏重不一樣。
TOC演算法類的錯件檢測，主要用於非字元類元件的錯件檢測，該類元件主要為電容。該類檢測法是通過抽取元件的本體色，判斷元件本體色是否改變，來檢測元件的錯件。其中元件的本體色參數，無默認參數，是根據實際的本體色給出的色彩抽取參數。
OCV演算法類的錯件檢測，主要用於清晰字元類的錯件檢測，該類元件主要為電阻。該類檢測法是通過獲取待測字元輪廓與標准字元的字元輪廓的擬合程度，來判斷元件是否發生錯件。該類檢測的判定參數的默認范圍為（0， 12）。如標准字元為「123」，待測字元為「351」，擬合返回值為28.3，判定范圍為（0， 12），則該元件發生「錯件」。
Match類檢測演算法，主要是用於模糊字元類的錯件檢測，該類元件主要為二極體、三極體等。該類檢測演算法主要是通過獲取待測字元區域與標准字元區域的相似程度，來判定元件是否發生「錯件」。該類錯件的判定范圍默認為（0，32）。
OCR類檢測演算法，主要是用於重要部件的元件的檢測，該類元件主要為BGA、QFP等。該類演算法主要是通過識別待測字元，判定待測字元是否與標准字元一致來檢測和判斷是否發生錯件。如標准字元為「123」，實際字元為「122」，則OCR演算法判斷該類元件發生「錯件」。
AOI檢測設備對波峰焊插件缺陷檢測
缺件，主要用於檢測元件本體是否存在，是AOI常規檢測中不可或缺的檢測項。該類檢測採用的檢測演算法有TOC、Match、OCV、OCR、Length、Histogarm等檢測演算法。其中TOC、Match、OCV、OCR與錯件的使用一致。
Length演算法主要是通過檢測Chip件（電容）本體的長度，或者電極的長度，來判斷元件是否發生缺件。該演算法檢測主要應用於爐前檢測、紅膠檢測。Length演算法的判定參數的默認范圍為（42， 58）。見下圖：
上圖為Length的外距測量法，檢測點的程度為98，標准檢測點的長度為95，則返回值為53，其返回值的計算公式如下：
返回值 = 檢測點的實際長度 – 檢測點的標准長度 + 50
Length的判定范圍為（42， 58），則缺件檢測結果為「OK」。
Histogram類的檢測演算法，主要是通過檢測Chip件元件的焊點的亮度是否超出范圍來判斷是否發生缺件。該類演算法應用於爐後檢測。其默認判定范圍為（0， 120），如下：
上圖【比率】為100%，該項檢測就是均值演算法。
波峰焊插件極性反插
極性反，是AOI檢測設備對插件極性元件方向的必需檢測項。檢測極性反可選擇的演算法有TOC、Match、OCV、OCR和Histogram演算法。其中TOC、Match、OCV、OCR的檢測演算法與錯件一致。Histogram類檢測演算法，採用了最大值（最小值）來檢測元件是否發生極性反現象。在極性元件中存在極性標識，該極性標志的亮度明顯要大於（小於）元件的本體亮度，可採用最大值（最小值）來檢測判斷元件是否發生極性反。如極性元件存在一高亮區域，該亮度區域的亮度要大於200，則可設定判定范圍（200， 255），採用最大值演算法來進行檢測，如下：
上圖選擇【比率】為5，檢測模式為【Max】，返回值為243，則該元件的方向OK。
1.4.6. 短路
短路檢測，是AOI檢測中一種最常見的檢測項。短路檢測主要應用於IC類的IC腳之間的檢測、波峰焊元件之間的檢測等。短路檢測採用的演算法為「Short」，該演算法中分為「投影法」和「色彩抽取法」等2種檢測方式，2種檢測方式分別具備不同的檢測意義。
投影法，主要檢測IC類的短路，並且IC腳之間無白色絲印干擾。該類檢測，主要是檢測IC腳之間的亮度是否發生突變性變化（短路現象），如下：
上圖為投影類短路檢測法的效果處理圖，其相關參數如下：
上述參數，一般狀態採用「自動參數」獲取自動短路參數。
色彩抽取類短路檢測，是通過消除檢測區域之間的背景，通過分析檢測區域之間是否存在非背景成分相連，來判定元件是否發生短路。該類檢測是爐後IC、波峰焊檢測中最常用的短路檢測演算法。該類檢測用到了一組消除背景參數，如下：
上圖中的參數的含義如下：類型
參數說明藍色下限
當前成分點中，藍色通道為主要色彩通道，當藍色通道的亮度值大於藍色下限時，則該成分點位為焊盤成分點，否則為背景成分點。默認值為60，最小可降低至40。
綠色下限當前成分點中，綠色通道為主要色彩通道，當綠色通道的亮度值大於綠色下限時，則該成分點位為焊盤成分點，否則為背景成分點。默認值為220。
紅色下限
當前成分點中，紅色通道為主要色彩通道，當紅色通道的亮度值大於紅色下限時，則該成分點位為焊盤成分點，否則為背景成分點。默認值為230。
亮度上限
當前成分點中，最小通道值小於亮度上限時，則該成分點位焊盤成分點，否則為背景成分點。默認值為255，當背景有高亮度白色背景時，可降低該參數，過濾白色背景。
通過設定以上參數，來消除短路區域之間的背景成分。若還存在未消除的色彩背景時，此時增加背景抽取參數，來消除背景參數，用到演算法「TOC」。
H. 不在波峰的質點路程怎麼算
使用次函數和旋轉矢量演算法。不在波峰的質點路程其位移和時間是一個正弦或餘弦函數，根據次函數可以求得認識時間的路程和位移。另外一種方法是利用振動的旋轉矢量來分析它的路程和位移。