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:

Создайте dsp.MovingRMS объект и набор 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

movRMS = dsp.MovingRMS

movRMS = dsp.MovingRMS(Len)

movRMS = dsp.MovingRMS(Name,Value)

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).

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

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.

`SpecifyWindowLength` — Задайте длину окна
`true` (значение по умолчанию) | `false`

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'.

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

Длина раздвижного окна в виде положительного скалярного целого числа.

Зависимости

Это свойство применяется, когда вы устанавливаете Method к '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 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

y = movRMS(x)

Описание

пример

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

Входные параметры

развернуть все

`x` — Ввод данных
вектор | матрица

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

`y` — Движущаяся RMS
вектор | матрица

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

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

свернуть все

Движущаяся RMS шумного сигнала прямоугольной волны

Открыть скрипт

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

Метод раздвижного окна

В методе раздвижного окна выход 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 нулями. Как пример, чтобы вычислить RMS, когда вторая входная выборка входит, алгоритм заполняет окно 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 выход 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 использовался для расчета RMS согласно рекурсивному уравнению. Как возраст увеличений данных, величина 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.

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

Объекты

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

Блоки

Median Filter | Moving Minimum | Moving Average | Moving Maximum | Moving RMS | Moving Standard Deviation | Moving Variance | RMS

Документация

dsp.MovingRMS

Описание

Создание

Синтаксис

Описание

Свойства

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

`SpecifyWindowLength` — Задайте длину окна
`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` — Движущаяся RMS
вектор | матрица

Функции объекта

Характерный для всех системных объектов

Примеры

Движущаяся RMS 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

Объекты

Блоки

Темы

Введенный в R2017b

Документация DSP System Toolbox

Поддержка

Документация

dsp.MovingRMS

Описание

Создание

Синтаксис

Описание

Свойства

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

SpecifyWindowLength — Задайте длину окна 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 — Движущаяся RMS вектор | матрица

Функции объекта

Характерный для всех системных объектов

Примеры

Движущаяся RMS 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

Объекты

Блоки

Темы

Введенный в R2017b

Документация DSP System Toolbox

Поддержка

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

`SpecifyWindowLength` — Задайте длину окна
`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` — Движущаяся RMS
вектор | матрица

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