dsp.MovingAverage

Скользящее среднее значение

Описание

dsp.MovingAverage Система object™ вычисляет скользящее среднее значение входного сигнала вдоль каждого канала независимо в зависимости от времени. Объект использует или метод раздвижного окна или экспоненциальный метод взвешивания, чтобы вычислить скользящее среднее значение. В методе раздвижного окна окно заданной длины отодвинуто данные, выборка выборкой, и среднее значение вычисляется по данным в окне. В экспоненциальном методе взвешивания объект умножает выборки данных с набором взвешивания факторов. Среднее значение вычисляется путем подведения итогов взвешенных данных. Для получения дополнительной информации об этих методах см. Алгоритмы.

Вычислить скользящее среднее значение входа:

Создайте dsp.MovingAverage 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?.

Создание

Синтаксис

movAvg = dsp.MovingAverage

movAvg = dsp.MovingAverage(Len)

movAvg = dsp.MovingAverage(Name,Value)

Описание

movAvg = dsp.MovingAverage возвращает объект скользящего среднего значения, movAvg, использование свойств по умолчанию.

movAvg = dsp.MovingAverage(Len) устанавливает WindowLength свойство к Len.

пример

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

Пример: movAvg = dsp.MovingAverage('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.

`Method` — Метод усреднения
`'Sliding window'` (значение по умолчанию) | `'Exponential weighting'`

Метод усреднения 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 среднее значение по данным в окне.
'Exponential weighting' — Объект умножает выборки с набором взвешивания факторов. Величина факторов взвешивания уменьшается экспоненциально как возраст увеличений данных, никогда не достигая нуля. Чтобы вычислить среднее значение, алгоритм суммирует взвешенные данные.

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 среднее значение 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 выборках 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 = movAvg(x)

Описание

пример

y = movAvg(x) вычисляет скользящее среднее значение 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. Скользящее среднее значение 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` — Скользящее среднее значение
вектор | матрица

Скользящее среднее значение 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

Скользящее среднее значение шумного сигнала пандуса

Открыть скрипт

Вычислите скользящее среднее значение шумного сигнала пандуса использование dsp.MovingAverage объект.

Инициализация

Настройте movavgWindow и movavgExp объекты. movavgWindow использует метод раздвижного окна с длиной окна 10. movavgExp использует экспоненциально метод взвешивания с фактором упущения 0,9. Создайте осциллограф времени для того, чтобы просмотреть вывод.

FrameLength = 1001;
Fs = 1000;
movavgWindow = dsp.MovingAverage(10);
movavgExp = dsp.MovingAverage('Method','Exponential weighting',...
    'ForgettingFactor',0.9);
scope  = timescope('SampleRate',Fs,...
    'TimeSpanOverrunAction','Scroll',...
    'ShowGrid',true,...
    'YLimits',[-0.5 1.5]);
title = 'Sliding Window Average(blue) and Exponentially Weighted Average(red)';
scope.Title = title;

Вычислите среднее значение

Сгенерируйте сигнал пандуса с амплитудой 1,0 и отрезком времени 2 секунд. Примените среднее значение раздвижного окна и экспоненциально взвешенное среднее на пандус. Просмотрите вывод на осциллографе времени.

for i = 1:500
    t = (0:0.001:1)';
    unitstep = t>=0;
    ramp = t.*unitstep;
    x = ramp + 0.1 * randn(FrameLength,1);
    y1 = movavgWindow(x);
    y2 = movavgExp(x);
    scope([x,y1,y2]);
end

Алгоритмы

развернуть все

Метод раздвижного окна

В методе раздвижного окна выход для каждой входной выборки является средним значением текущей выборки и Len – 1 предыдущая выборка. Len является длиной окна в выборках. Чтобы вычислить первый Len - 1, выходные параметры, когда окно еще не имеет достаточного количества данных, алгоритм, заполняют окно нулями. Как пример, чтобы вычислить среднее значение, 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 скользящим средним значением текущей выборки и всех предыдущих выборок в канале.

Для примера см. Метод Раздвижного окна и Экспоненциальный Метод Взвешивания.

Экспоненциальный метод взвешивания

В экспоненциальном методе взвешивания скользящее среднее значение вычисляется рекурсивно с помощью этих формул:

$\begin{array}{l} w_{N, λ} = λ w_{N - 1, λ} + 1 \\ {\bar{x}}_{N, λ} = (1 - \frac{1}{w_{N, λ}}) {\bar{x}}_{N - 1, λ} + (\frac{1}{w_{N, λ}}) x_{N} \end{array}$

${\bar{x}}_{N, λ}$ — Скользящее среднее значение на текущей выборке
$x_{N}$ — Текущая выборка ввода данных
${\bar{x}}_{N - 1, λ}$ — Скользящее среднее значение на предыдущей выборке
λ — Упущение фактора
$w_{N, λ}$ — Взвешивание фактора применилось к текущей выборке данных
$(1 - \frac{1}{w_{N, λ}}) {\bar{x}}_{N - 1, λ}$ — Эффект предыдущих данных в среднем

Для первой выборки, где N = 1, алгоритм выбирает $w_{N, λ}$ = 1. Для следующей выборки фактор взвешивания обновляется и использовался для расчета среднего значения 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 текущее среднее значение, 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.

Для примера см. Метод Раздвижного окна и Экспоненциальный Метод Взвешивания.

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.MovingMaximum | dsp.MovingMinimum | dsp.MovingRMS | dsp.MovingStandardDeviation | dsp.MovingVariance

Блоки

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

Темы

Введенный в R2017b

Документация

dsp.MovingAverage

Описание

Создание

Синтаксис

Описание

Свойства

`Method` — Метод усреднения
`'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` — Скользящее среднее значение
вектор | матрица

Функции объекта

Характерный для всех системных объектов

Примеры

Скользящее среднее значение шумного сигнала пандуса

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

Документация DSP System Toolbox

Поддержка

Документация

dsp.MovingAverage

Описание

Создание

Синтаксис

Описание

Свойства

Method — Метод усреднения '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 — Скользящее среднее значение вектор | матрица

Функции объекта

Характерный для всех системных объектов

Примеры

Скользящее среднее значение шумного сигнала пандуса

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

Документация DSP System Toolbox

Поддержка

`Method` — Метод усреднения
`'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` — Скользящее среднее значение
вектор | матрица

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