dsp.MovingRMS

Перемещение среднеквадратичного значения

Описание

dsp.MovingRMS Система object™ вычисляет движущееся среднеквадратичное значение (RMS) входного сигнала вдоль каждого канала независимо в зависимости от времени. Объект использует или метод раздвижного окна или экспоненциальный метод взвешивания, чтобы вычислить движущуюся RMS. В методе раздвижного окна окно заданной длины отодвинуто данные, выборка выборкой, и RMS вычисляется по данным в окне. В экспоненциальном методе взвешивания, объектные квадраты выборки данных, умножает их с набором взвешивания факторов и суммирует взвешенные данные. Объект затем вычисляет RMS путем пущения квадратного корня из суммы. Для получения дополнительной информации об этих методах см. Алгоритмы.

Вычислить движущуюся RMS входа:

  1. Создайте dsp.MovingRMS объект и набор 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

Описание

movRMS = dsp.MovingRMS возвращает движущийся объект RMS, movRMS, использование свойств по умолчанию.

movRMS = dsp.MovingRMS(Len) устанавливает WindowLength свойство к Len.

пример

movRMS = dsp.MovingRMS(Name,Value) задает дополнительные свойства с помощью Name,Value пары. Незаданные свойства имеют значения по умолчанию.

Пример: movRMS = dsp.MovingRMS('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 release функция 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).

Движущийся метод RMS в виде 'Sliding window' или 'Exponential weighting'.

  • 'Sliding window' — Окно длины задано SpecifyWindowLength отодвинут входные данные вдоль каждого канала. Для каждой выборки перемещения окна объект вычисляет RMS по данным в окне.

  • 'Exponential weighting' — Объект умножает квадраты выборок с набором взвешивания факторов. Величина факторов взвешивания уменьшается экспоненциально как возраст увеличений данных, никогда не достигая нуля. Чтобы вычислить RMS, алгоритм суммирует взвешенные данные и пускает квадратный корень из суммы.

Для получения дополнительной информации об этих методах см. Алгоритмы.

Отметьте, чтобы задать длину окна в виде скалярной булевской переменной.

  • true — Длина раздвижного окна равна значению, которое вы задаете в WindowLength свойство.

  • false — Длина раздвижного окна бесконечна. В этом режиме RMS вычисляется с помощью текущей выборки и всех прошлых выборок.

Зависимости

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

Длина раздвижного окна в виде положительного скалярного целого числа.

Зависимости

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

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

Экспоненциальный фактор взвешивания в виде положительного действительного скаляра 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 к 'Exponential weighting'.

Типы данных: single | double

Использование

Синтаксис

Описание

пример

y = movRMS(x) вычисляет движущуюся RMS входного сигнала, x, использование или метод раздвижного окна или экспоненциальный метод взвешивания.

Входные параметры

развернуть все

Ввод данных в виде вектора или матрицы. Если x матрица, каждый столбец обработан как независимый канал. Движущаяся RMS 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

Движущаяся RMS 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

свернуть все

Вычислите движущуюся RMS шумного сигнала прямоугольной волны с различной амплитудой с помощью dsp.MovingRMS объект.

Инициализация

Настройте movrmsWin и movrmsExp объекты. movrmsWin использует метод раздвижного окна с длиной окна 20. movrmsExp использует экспоненциальный метод взвешивания с фактором упущения 0,995. Создайте осциллограф времени для просмотра выхода.

FrameLength = 10;
Fs = 100;
movrmsWin = dsp.MovingRMS(20);
movrmsExp = dsp.MovingRMS('Method','Exponential weighting',...
    'ForgettingFactor',0.995);
scope  = dsp.TimeScope('SampleRate',Fs,...
    'TimeSpanOverrunAction','Scroll',...
    'TimeSpan',100,...
    'ShowGrid',true,...
    'YLimits',[-1.0 5.5]);
title = 'Sliding Window RMS (blue) and Exponentially Weighted RMS (red)';
scope.Title = title;

Вычислите RMS

Сгенерируйте шумный сигнал прямоугольной волны. Варьируйтесь амплитуда прямоугольной волны после данного количества систем координат. Примените метод раздвижного окна и экспоненциальный метод взвешивания на этом сигнале. Просмотрите выход на осциллографе времени.

count = 1;
Vect = [1/8 1/2 1 2 3 4];
for index = 1:length(Vect)
    V = Vect(index);
    for i = 1:160
        x = V + 0.1 * randn(FrameLength,1);
        y1 = movrmsWin(x);
        y2 = movrmsExp(x);
        scope([x,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