dsp. MovingVariance

Движущееся отклонение

Описание

Система dsp.MovingVariance object™ вычисляет движущееся отклонение входного сигнала вдоль каждого канала независимо в зависимости от времени. Объект использует или метод раздвижного окна или экспоненциальный метод взвешивания, чтобы вычислить движущееся отклонение. В методе раздвижного окна окно заданной длины отодвинуто данные, выборка выборкой, и отклонение вычисляется по данным в окне. В экспоненциальном методе взвешивания объект вычитает каждую выборку данных из среднего значения, придает различию квадратную форму и умножает результат в квадрате с фактором взвешивания. Объект затем вычисляет отклонение путем добавления всех взвешенных данных. Для получения дополнительной информации на этих методах, см. Алгоритмы.

Вычислить движущееся отклонение входа:

  1. Создайте объект dsp.MovingVariance и установите его свойства.

  2. Вызовите объект с аргументами, как будто это была функция.

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

Создание

Синтаксис

MovVar = dsp.MovingVariance
MovVar = dsp.MovingVariance(Len)
MovVar = dsp.MovingVariance(Name,Value)

Описание

MovVar = dsp.MovingVariance возвращает движущийся объект отклонения, MovVar, с помощью свойств по умолчанию.

пример

MovVar = dsp.MovingVariance(Len) устанавливает свойство WindowLength на Len.

пример

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

Пример: MovVar = dsp.MovingVariance('Method','Exponential weighting','ForgettingFactor',0.9);

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).

  • 'Sliding window' — Окно длины, заданной SpecifyWindowLength, отодвинуто входные данные вдоль каждого канала. Для каждой выборки перемещения окна объект вычисляет отклонение по данным в окне.

  • 'Exponential weighting' — Объект вычитает каждую выборку данных из среднего значения, придает различию квадратную форму и умножает результат в квадрате с фактором взвешивания. Объект затем вычисляет отклонение путем добавления всех взвешенных данных. Значение факторов взвешивания уменьшается экспоненциально как возраст увеличений данных, никогда не достигая нуля.

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

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 отклонение вычисляется с помощью текущей выборки и всех прошлых выборок.

Зависимости

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

Длина раздвижного окна, заданного как положительное скалярное целое число.

Зависимости

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

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

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

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 прошлым выборкам дают равный вес.

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 = movVar(x)

Описание

пример

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

Входные параметры

развернуть все

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

Типы данных: single | double
Поддержка комплексного числа: Да

Выходные аргументы

развернуть все

Движущееся отклонение 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

stepЗапустите алгоритм Системного объекта
releaseВысвободите средства и позвольте изменения в значениях свойств Системного объекта и введите характеристики
resetСбросьте внутренние состояния Системного объекта

Примеры

развернуть все

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

Инициализация

Настройте объекты movvarExp и movvarWindow. movvarWindow использует метод раздвижного окна с длиной окна 800. movvarExp использует экспоненциально метод взвешивания с фактором упущения 0,999. Создайте осциллограф времени для просмотра вывода.

FrameLength = 100;
Fs = 100;
movvarWindow = dsp.MovingVariance(800);
movvarExp = dsp.MovingVariance('Method','Exponential weighting',...
    'ForgettingFactor',0.999);
scope  = dsp.TimeScope('SampleRate',Fs,...
    'TimeSpanOverrunAction','Scroll',...
    'TimeSpan',1000,...
    'ShowGrid',true,...
    'BufferLength',1e7,...
    'YLimits',[0 7e-4]);
title = 'Actual (yellow) Sliding Window (blue) Exponentially Weighted (red) variance';
scope.Title = title;

Вычислите отклонение

Сгенерируйте шумный сигнал прямоугольной волны. Отличайтесь амплитуда прямоугольной волны после данного количества кадров. Примените метод раздвижного окна и экспоненциально метод взвешивания на этом сигнале. Фактическое отклонение является np. Это значение используется при добавлении шума в данные. Сравните фактическое отклонение с вычисленными отклонениями на осциллографе времени.

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

Алгоритмы

развернуть все

Ссылки

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

Расширенные возможности

Введенный в R2017b

Для просмотра документации необходимо авторизоваться на сайте