dsp. MovingStandardDeviation

Перемещение стандартного отклонения

Описание

Система dsp.MovingStandardDeviation object™ вычисляет движущееся стандартное отклонение входного сигнала вдоль каждого канала независимо в зависимости от времени. Объект использует или метод раздвижного окна или экспоненциальный метод взвешивания, чтобы вычислить движущееся стандартное отклонение. В методе раздвижного окна окно заданной длины отодвинуто данные, выборка выборкой, и объект вычисляет стандартное отклонение по данным в окне. В экспоненциальном методе взвешивания объект вычисляет экспоненциально взвешенное движущееся отклонение и пускает квадратный корень. Для получения дополнительной информации на этих методах, см. Алгоритмы.

Вычислить движущееся стандартное отклонение входа:

Создайте объект dsp.MovingStandardDeviation и установите его свойства.
Вызовите объект с аргументами, как будто это была функция.

Чтобы узнать больше, как Системные объекты работают, смотрите то, Что Системные объекты? MATLAB.

Создание

Синтаксис

MovStd = dsp.MovingStandardDeviation

MovStd = dsp.MovingStandardDeviation(Len)

MovStd = dsp.MovingStandardDeviation(Name,Value)

Описание

MovStd = dsp.MovingStandardDeviation возвращает движущийся объект стандартного отклонения, MovStd, с помощью свойств по умолчанию.

пример

MovStd = dsp.MovingStandardDeviation(Len) устанавливает свойство WindowLength на Len.

пример

MovStd = dsp.MovingStandardDeviation(Name,Value) задает дополнительные свойства с помощью пар Name,Value. Незаданные свойства имеют значения по умолчанию.

Пример: MovStd = dsp.MovingStandardDeviation('Method','Exponential weighting','ForgettingFactor',0.999);

Свойства

развернуть все

Если в противном случае не обозначено, свойства являются ненастраиваемыми, что означает, что вы не можете изменить их значения после вызова объекта. Объекты блокируют, когда вы вызываете их, и функция release разблокировала их.

Если свойство является настраиваемым, можно изменить его значение в любое время.

Для получения дополнительной информации об изменении значений свойств смотрите Разработку системы в MATLAB Используя Системные объекты (MATLAB).

`Method` — Перемещение метода стандартного отклонения
`'Sliding window'` (значение по умолчанию) | `'Exponential weighting'`

'Sliding window' — Окно длины, заданной SpecifyWindowLength, отодвинуто входные данные вдоль каждого канала. Для каждой выборки перемещения окна объект вычисляет стандартное отклонение по данным в окне.
'Exponential weighting' — Объект вычисляет экспоненциально взвешенное движущееся отклонение и пускает квадратный корень.

Для получения дополнительной информации на этих методах, см. Алгоритмы.

Длина окна `SpecifyWindowLength` — Specify
`true` (значение по умолчанию) | `false`

Отметьте, чтобы задать длину окна, заданную как скалярная булевская переменная.

tRUE Длина раздвижного окна равна значению, которое вы задаете в свойстве WindowLength.
ложь Длина раздвижного окна бесконечна. В этом режиме стандартное отклонение вычисляется с помощью текущей выборки и всех прошлых выборок.

Зависимости

Это свойство применяется, когда вы устанавливаете Method на 'Sliding window'.

`WindowLength` — Длина раздвижного окна
4 (значения по умолчанию) | положительное скалярное целое число

Длина раздвижного окна, заданного как положительное скалярное целое число.

Зависимости

Это свойство применяется, когда вы устанавливаете Method на 'Sliding window' и SpecifyWindowLength к true.

`ForgettingFactor` — Экспоненциальный фактор взвешивания
0.9 (значение по умолчанию) | положительный действительный скаляр в области значений (0,1]

Экспоненциальный фактор взвешивания, заданный как положительный действительный скаляр в области значений (0,1].

Поскольку это свойство является настраиваемым, можно изменить его значение, даже когда объект заблокирован.

Настраиваемый: да

Зависимости

Это свойство применяется, когда вы устанавливаете Method на 'Exponential weighting'.

Типы данных: single | double

Использование

Синтаксис

y = movStd(x)

Описание

пример

y = movStd(x) вычисляет движущееся стандартное отклонение входного сигнала, x, с помощью или метода раздвижного окна или экспоненциального метода взвешивания.

Входные параметры

развернуть все

`x` Ввод данных
вектор | матрица

Ввод данных, заданный как вектор или матрица. Если x является матрицей, каждый столбец обработан как независимый канал. Движущееся стандартное отклонение вычисляется вдоль каждого канала. Объект также принимает входные параметры переменного размера. Если объект заблокирован, можно изменить размер каждого входного канала, но вы не можете изменить количество каналов.

Типы данных: single | double
Поддержка комплексного числа: Да

Выходные аргументы

развернуть все

`y` Перемещение стандартного отклонения
вектор | матрица

Перемещение стандартного отклонения входного сигнала, возвращенного как вектор или матрица.

Типы данных: single | double
Поддержка комплексного числа: Да

Функции объекта

Чтобы использовать объектную функцию, задайте Системный объект как первый входной параметр. Например, чтобы выпустить системные ресурсы Системного объекта под названием obj, используйте этот синтаксис:

release(obj)

развернуть все

Характерный для всех системных объектов

`step`	Запустите алгоритм Системного объекта
`release`	Высвободите средства и позвольте изменения в значениях свойств Системного объекта и введите характеристики
`reset`	Сбросьте внутренние состояния Системного объекта

Примеры

развернуть все

Перемещение стандартного отклонения шумного сигнала прямоугольной волны

Открыть скрипт

Вычислите движущееся стандартное отклонение шумного сигнала прямоугольной волны с переменной амплитудой с помощью объекта dsp.MovingStandardDeviation.

Инициализация

Настройте объекты movstdExp и movstdWindow. movstdWindow использует метод раздвижного окна с длиной окна 800. movstdExp использует экспоненциальный метод взвешивания с фактором упущения 0,999. Создайте осциллограф времени для просмотра вывода.

FrameLength = 100;
Fs = 100;
movstdWindow = dsp.MovingStandardDeviation(800);
movstdExp = dsp.MovingStandardDeviation('Method','Exponential weighting',...
    'ForgettingFactor',0.999);
scope  = dsp.TimeScope('SampleRate',Fs,...
    'TimeSpanOverrunAction','Scroll',...
    'TimeSpan',1000,...
    'ShowGrid',true,...
    'BufferLength',1e7,...
    'YLimits',[0 3e-2]);
title = 'Actual (yellow) Sliding Window (blue) Exponentially Weighted (red) standard deviation';
scope.Title = title;

Вычислите стандартное отклонение

Сгенерируйте шумный сигнал прямоугольной волны. Отличайтесь амплитуда прямоугольной волны после данного количества кадров. Примените метод раздвижного окна и экспоненциальный метод взвешивания на этом сигнале. Фактическим стандартным отклонением является sqrt(np). Это значение используется при добавлении шума в данные. Сравните фактическое стандартное отклонение с вычисленным стандартным отклонением на осциллографе времени.

count = 1;
noisepower = 1e-4 * [1 2 3 4];
index = 1;
for index = 1:length(noisepower)
    np = noisepower(index);
    yexp = sqrt(np)*ones(FrameLength,1);
    for i = 1:250
        x = sqrt(np) * randn(FrameLength,1);
        y1 = movstdWindow(x);
        y2 = movstdExp(x);
        scope([yexp,y1,y2]);
    end
end

Алгоритмы

развернуть все

Метод раздвижного окна

В методе раздвижного окна вывод на текущей выборке является стандартным отклонением текущей выборки относительно данных в окне. Чтобы вычислить первый Len - 1, выходные параметры, когда окно еще не имеет достаточного количества данных, алгоритм, заполняют окно с нулями. Как пример, чтобы вычислить стандартное отклонение, когда вторая входная выборка входит, алгоритм заполняет окно с Len – 2 нуля. Len является длиной окна. Вектор данных, x, является затем двумя выборками данных, сопровождаемыми Len – 2 нуля.

Когда вы не задаете длину окна, алгоритм выбирает бесконечную длину окна. В этом режиме вывод является движущимся стандартным отклонением текущей выборки относительно всех предыдущих выборок в канале.

Рассмотрите пример вычисления движущегося стандартного отклонения потоковой передачи входные данные с помощью метода раздвижного окна. Алгоритм использует длину окна 4. С каждой входной выборкой, которая входит, окно длины 4 проходит данные.

Экспоненциальный метод взвешивания

В экспоненциальном методе взвешивания движущееся стандартное отклонение вычисляется рекурсивно с помощью этих формул:

$\begin{array}{l} s_{N, λ} = \sqrt{\frac{1}{v_{N, λ}} \sum_{k = 1}^{N} λ^{N - k} {[x_{k} - {\bar{x}}_{N, λ}]}^{2}} \\ v_{N, λ} = \frac{2 λ (1 - λ^{N - 1})}{(1 - λ) (1 + λ)} \end{array}$

$s_{N, λ}$ — Перемещение стандартного отклонения текущей выборки данных относительно остальной части данных.
${[x_{k} - {\bar{x}}_{N, λ}]}^{2}$ — Различие между каждой выборкой данных и средним значением данных, в квадрате.
$\sum_{k = 1}^{N} λ^{N - k} {[x_{k} - {\bar{x}}_{N, λ}]}^{2}$ — Различие между каждой выборкой данных и средним значением данных, в квадрате и умноженных с фактором упущения. Все условия в квадрате добавляются.
$\frac{1}{v_{N, λ}}$ — Взвешивание фактора применилось к сумме.
λ — Упущение фактора.

Как возраст увеличений данных, значение фактора взвешивания уменьшается экспоненциально и никогда не достигает нуля. Другими словами, недавние данные имеют больше влияния на текущее стандартное отклонение, чем более старые данные.

Значение фактора упущения определяет скорость изменения факторов взвешивания. Фактор упущения 0,9 дает больше веса более старым данным, чем делает фактор упущения 0,1. Фактор упущения 1,0 указывает на бесконечную память. Всем предыдущим выборкам дают равный вес.

Рассмотрите пример вычисления движущегося стандартного отклонения с помощью экспоненциального метода взвешивания. Фактор упущения 0.9.

Ссылки

[1] Боденхэм, декан. “Адаптивное обнаружение фильтрации и изменения для потоковой передачи данных”. PH.D. Тезис. Имперский колледж, Лондон, 2012.

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Указания и ограничения по применению:

Смотрите системные объекты в Генерации кода MATLAB (MATLAB Coder).

Смотрите также

Системные объекты

dsp.MedianFilter | dsp.MovingAverage | dsp.MovingMaximum | dsp.MovingMinimum | dsp.MovingRMS | dsp.MovingVariance | dsp.StandardDeviation

Блоки

Средний фильтр | Движущийся минимум | Скользящее среднее значение | Движущийся максимум | Движущаяся RMS | Перемещение стандартного отклонения | Перемещение отклонения | Стандартное отклонение

Документация

dsp. MovingStandardDeviation

Описание

Создание

Синтаксис

Описание

Свойства

`Method` — Перемещение метода стандартного отклонения
`'Sliding window'` (значение по умолчанию) | `'Exponential weighting'`

Длина окна `SpecifyWindowLength` — Specify
`true` (значение по умолчанию) | `false`

Зависимости

`WindowLength` — Длина раздвижного окна
4 (значения по умолчанию) | положительное скалярное целое число

Зависимости

`ForgettingFactor` — Экспоненциальный фактор взвешивания
0.9 (значение по умолчанию) | положительный действительный скаляр в области значений (0,1]

Зависимости

Использование

Синтаксис

Описание

Входные параметры

`x` Ввод данных
вектор | матрица

Выходные аргументы

`y` Перемещение стандартного отклонения
вектор | матрица

Функции объекта

Примеры

Перемещение стандартного отклонения шумного сигнала прямоугольной волны

Алгоритмы

Метод раздвижного окна

Экспоненциальный метод взвешивания

Ссылки

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Системные объекты

Блоки

Темы

Введенный в R2017b

Документация DSP System Toolbox

Поддержка

Документация

dsp. MovingStandardDeviation

Описание

Создание

Синтаксис

Описание

Свойства

Method — Перемещение метода стандартного отклонения 'Sliding window' (значение по умолчанию) | 'Exponential weighting'

Длина окна SpecifyWindowLength — Specify true (значение по умолчанию) | false

Зависимости

WindowLength — Длина раздвижного окна 4 (значения по умолчанию) | положительное скалярное целое число

Зависимости

ForgettingFactor — Экспоненциальный фактор взвешивания 0.9 (значение по умолчанию) | положительный действительный скаляр в области значений (0,1]

Зависимости

Использование

Синтаксис

Описание

Входные параметры

x Ввод данных вектор | матрица

Выходные аргументы

y Перемещение стандартного отклонения вектор | матрица

Функции объекта

Примеры

Перемещение стандартного отклонения шумного сигнала прямоугольной волны

Алгоритмы

Метод раздвижного окна

Экспоненциальный метод взвешивания

Ссылки

Расширенные возможности

Генерация кода C/C++ Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Системные объекты

Блоки

Темы

Введенный в R2017b

Документация DSP System Toolbox

Поддержка

`Method` — Перемещение метода стандартного отклонения
`'Sliding window'` (значение по умолчанию) | `'Exponential weighting'`

Длина окна `SpecifyWindowLength` — Specify
`true` (значение по умолчанию) | `false`

`WindowLength` — Длина раздвижного окна
4 (значения по умолчанию) | положительное скалярное целое число

`ForgettingFactor` — Экспоненциальный фактор взвешивания
0.9 (значение по умолчанию) | положительный действительный скаляр в области значений (0,1]

`x` Ввод данных
вектор | матрица

`y` Перемещение стандартного отклонения
вектор | матрица

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.