Движущаяся RMS

Библиотека:
DSP System Toolbox / Статистика

Описание

Блок Moving RMS вычисляет движущееся среднеквадратичное значение (RMS) входного сигнала вдоль каждого канала независимо в зависимости от времени. Блок использует или метод раздвижного окна или экспоненциальный метод взвешивания, чтобы вычислить движущуюся RMS. В методе раздвижного окна окно заданной длины отодвигается выборка данных выборкой, и блок вычисляет RMS по данным в окне. В экспоненциальном методе взвешивания блок придает выборкам данных квадратную форму, умножает их с набором взвешивания факторов и суммирует взвешенные данные. Блок затем вычисляет RMS путем пущения квадратного корня из суммы. Для получения дополнительной информации на этих методах, см. Алгоритмы.

Порты

Входной параметр

развернуть все

`x` Ввод данных
вектор-столбец | вектор - строка | матрица

Данные, по которым блок вычисляет движущуюся RMS. Блок принимает многоканальные входные параметры с комплексным знаком или с действительным знаком, то есть, m-by-n входные параметры размера, где m ≥ 1 и n ≥ 1. Блок также принимает входные параметры переменного размера. Во время симуляции можно изменить размер каждого входного канала. Однако количество каналов не может измениться.

Этот порт без имени, пока вы не устанавливаете Method на Exponential weighting и выбираете параметр Specify forgetting factor from input port.

Типы данных: single | double
Поддержка комплексного числа: Да

`\lambda` Упущение фактора
положительный действительный скаляр в области значений (0,1]

Фактор упущения определяет, сколько веса прошлые данные даны. 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.

Зависимости

Этот порт появляется, когда вы устанавливаете Method на Exponential weighting и выбираете параметр Specify forgetting factor from input port.

Типы данных: single | double

Вывод

развернуть все

`Port_1` — Moving RMS вывод
вектор-столбец | вектор - строка | матрица

Размер движущегося RMS вывод совпадает с размером входа. Блок использует или метод раздвижного окна или экспоненциальный метод взвешивания, чтобы вычислить движущуюся RMS, как задано параметром Method. Для получения дополнительной информации см. Алгоритмы.

Типы данных: single | double
Поддержка комплексного числа: Да

Параметры

развернуть все

Если параметр перечислен как настраиваемый, то можно изменить его значение во время симуляции.

`Method` — Движущийся метод RMS
`Sliding window` (значение по умолчанию) | `Exponential weighting`

Sliding window — Окно длины Window length отодвигается входные данные вдоль каждого канала. Для каждой выборки отодвигается окно, блок вычисляет RMS по данным в окне.
Exponential weighting — Блок умножает квадраты выборок набором взвешивания факторов. Значение факторов взвешивания уменьшается экспоненциально как возраст увеличений данных, но значение никогда не достигает нуля. Чтобы вычислить RMS, алгоритм суммирует взвешенные данные и пускает квадратный корень из суммы.

`Specify window length` — Отметьте, чтобы задать длину окна
на (значении по умолчанию) | прочь

Когда вы устанавливаете этот флажок, длина раздвижного окна равна значению, которое вы задаете в Window length. Когда вы снимаете этот флажок, длина раздвижного окна бесконечна. В этом режиме блок вычисляет RMS текущей выборки и всех предыдущих выборок в канале.

Зависимости

Этот параметр появляется, когда вы устанавливаете Method на Sliding window.

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

Задает длину раздвижного окна.

Зависимости

Этот параметр появляется, когда вы устанавливаете Method на Sliding window и устанавливаете флажок Specify window length.

`Specify forgetting factor from input port` — Отметьте, чтобы задать упущение фактора
от (значения по умолчанию) | на

Когда вы устанавливаете этот флажок, фактор упущения вводится через порт lambda. Когда вы снимаете этот флажок, фактор упущения задан на диалоговом окне блока через параметр Forgetting factor.

Зависимости

Этот параметр появляется только, когда вы устанавливаете Method на Exponential weighting.

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

Настраиваемый: да

Зависимости

Этот параметр появляется, когда вы устанавливаете Method на Exponential weighting и снимаете флажок Specify forgetting factor from input port.

`Simulate using` — Тип симуляции, чтобы запуститься
`Code generation` (значение по умолчанию) | `Interpreted execution`

Code generation
Моделируйте модель с помощью сгенерированного кода C. В первый раз, когда вы запускаете симуляцию, Simulink^® генерирует код С для блока. Код С снова используется для последующих симуляций, пока модель не изменяется. Эта опция требует дополнительного времени запуска, но обеспечивает более быструю скорость симуляции, чем Interpreted execution.
Interpreted execution
Моделируйте модель с помощью интерпретатора MATLAB^®. Эта опция сокращает время запуска, но имеет более медленную скорость симуляции, чем Code generation.

Характеристики блока

Типы данных	`double` \| `single`
Многомерные сигналы	`No`
Сигналы переменного размера	`Yes`

Алгоритмы

развернуть все

Метод раздвижного окна

В методе раздвижного окна вывод для каждой входной выборки является RMS текущей выборки и Len – 1 предыдущая выборка. Len является длиной окна. Чтобы вычислить первый Len - 1, выходные параметры, когда окно еще не имеет достаточного количества данных, алгоритм, заполняют окно с нулями. Как пример, чтобы вычислить RMS, когда вторая входная выборка входит, алгоритм заполняет окно с Len – 2 нуля. 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 движущейся RMS текущей выборки и всех предыдущих выборок в канале.

Рассмотрите пример вычисления движущейся RMS 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 движущаяся RMS вычисляется рекурсивно с помощью этих формул:

$\begin{array}{l} w_{N, λ} = λ w_{N - 1, λ} + 1 \\ x_r m s_{N, λ} = \sqrt{(1 - \frac{1}{w_{N, λ}}) x_r m s_{N - 1, λ} + (\frac{1}{w_{N, λ}}) x^{2}_{N}} \end{array}$

$x_r m s_{N, λ}$ — Движущаяся RMS на текущей выборке
$x^{2}_{N}$ — Квадрат текущей выборки входных данных
$x_r m s_{N - 1, λ}$ — Движущаяся RMS на предыдущей выборке
λ — Упущение фактора
$w_{N, λ}$ — Взвешивание фактора применилось к текущей выборке данных
$(1 - \frac{1}{w_{N, λ}}) x_r m s_{N - 1, λ}$ — Эффект предыдущих данных по RMS

Для первой выборки, где N = 1, алгоритм выбирает $w_{N, λ}$ = 1. Для следующей выборки фактор взвешивания обновляется и используется, чтобы вычислить RMS согласно рекурсивному уравнению. Как возраст увеличений данных, значение фактора взвешивания уменьшается экспоненциально и никогда не достигает нуля. Другими словами, недавние данные имеют больше влияния на текущую RMS, 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.

Вот пример вычисления движущейся RMS с помощью экспоненциального метода взвешивания. Фактор упущения 0.9.

Расширенные возможности

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

Смотрите также

Блоки

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

Системные объекты

dsp.MedianFilter | dsp.MovingAverage | dsp.MovingMaximum | dsp.MovingMinimum | dsp.MovingRMS | dsp.MovingStandardDeviation | dsp.MovingVariance | dsp.RMS

Документация

Движущаяся RMS

Описание

Порты

Входной параметр

`x` Ввод данных
вектор-столбец | вектор - строка | матрица

`\lambda` Упущение фактора
положительный действительный скаляр в области значений (0,1]

Зависимости

Вывод

`Port_1` — Moving RMS вывод
вектор-столбец | вектор - строка | матрица

Параметры

`Method` — Движущийся метод RMS
`Sliding window` (значение по умолчанию) | `Exponential weighting`

`Specify window length` — Отметьте, чтобы задать длину окна
на (значении по умолчанию) | прочь

Зависимости

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

Зависимости

`Specify forgetting factor from input port` — Отметьте, чтобы задать упущение фактора
от (значения по умолчанию) | на

Зависимости

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

Зависимости

`Simulate using` — Тип симуляции, чтобы запуститься
`Code generation` (значение по умолчанию) | `Interpreted execution`

Характеристики блока

Алгоритмы

Метод раздвижного окна

Экспоненциальный метод взвешивания

Расширенные возможности

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

Смотрите также

Блоки

Системные объекты

Темы

Введенный в R2017b

Документация DSP System Toolbox

Поддержка

Документация

Движущаяся RMS

Описание

Порты

Входной параметр

x Ввод данных вектор-столбец | вектор - строка | матрица

\lambda Упущение фактора положительный действительный скаляр в области значений (0,1]

Зависимости

Вывод

Port_1 — Moving RMS вывод вектор-столбец | вектор - строка | матрица

Параметры

Method — Движущийся метод RMS Sliding window (значение по умолчанию) | Exponential weighting

Specify window length — Отметьте, чтобы задать длину окна на (значении по умолчанию) | прочь

Зависимости

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

Зависимости

Specify forgetting factor from input port — Отметьте, чтобы задать упущение фактора от (значения по умолчанию) | на

Зависимости

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

Зависимости

Simulate using — Тип симуляции, чтобы запуститься Code generation (значение по умолчанию) | Interpreted execution

Характеристики блока

Алгоритмы

Метод раздвижного окна

Экспоненциальный метод взвешивания

Расширенные возможности

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

Смотрите также

Блоки

Системные объекты

Темы

Введенный в R2017b

Документация DSP System Toolbox

Поддержка

`x` Ввод данных
вектор-столбец | вектор - строка | матрица

`\lambda` Упущение фактора
положительный действительный скаляр в области значений (0,1]

`Port_1` — Moving RMS вывод
вектор-столбец | вектор - строка | матрица

`Method` — Движущийся метод RMS
`Sliding window` (значение по умолчанию) | `Exponential weighting`

`Specify window length` — Отметьте, чтобы задать длину окна
на (значении по умолчанию) | прочь

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

`Specify forgetting factor from input port` — Отметьте, чтобы задать упущение фактора
от (значения по умолчанию) | на

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

`Simulate using` — Тип симуляции, чтобы запуститься
`Code generation` (значение по умолчанию) | `Interpreted execution`

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