Скользящее среднее

Библиотека:
Инструментарий/статистика системы DSP

Описание

Блок скользящего среднего вычисляет скользящее среднее входного сигнала по каждому каналу независимо во времени. Блок использует либо метод скользящего окна, либо способ экспоненциального взвешивания для вычисления скользящего среднего. В способе скользящего окна окно заданной длины перемещается по выборке данных за выборкой, и блок вычисляет среднее значение по данным в окне. В способе экспоненциального взвешивания блок умножает выборки данных на набор весовых коэффициентов, а затем суммирует взвешенные данные для вычисления среднего значения. Дополнительные сведения об этих методах см. в разделе Алгоритмы.

Порты

Вход

развернуть все

`x` - Ввод данных
вектор столбца | вектор строки | матрица

Данные, по которым блок вычисляет скользящее среднее. Блок принимает вещественные или комплексные многоканальные входы, то есть входы размера m на n, где m ≥ 1 и n ≥ 1. Блок также принимает входные данные переменного размера. Во время моделирования можно изменить размер каждого входного канала. Однако количество каналов не может изменяться.

Этот порт не называется, пока для параметра Method не будет установлено значение Exponential weighting и выберите параметр Specify fortheting factor from input port.

Типы данных: single | double
Поддержка комплексного номера: Да

`lambda` - Коэффициент забывания
положительный действительный скаляр в диапазоне (0,1]

Коэффициент забывания определяет, какой вес дается прошлым данным. Коэффициент забывания 0,9 придает больший вес старым данным, чем коэффициент забывания 0,1. Коэффициент забывания 1,0 указывает на бесконечную память - всем предыдущим выборкам придается равный вес.

Зависимости

Этот порт появляется при установке для параметра Method значения Exponential weighting и выберите параметр Specify fortheting factor from input port.

Типы данных: single | double

Продукция

развернуть все

`Port_1` - Скользящая средняя выходная мощность
вектор столбца | вектор строки | матрица

Размер выходного сигнала скользящего среднего соответствует размеру входного сигнала. Блок использует либо метод скользящего окна, либо метод экспоненциального взвешивания для вычисления скользящего среднего, как определено параметром Method. Дополнительные сведения см. в разделе Алгоритмы.

Типы данных: single | double
Поддержка комплексного номера: Да

Параметры

развернуть все

Если параметр указан как настраиваемый, его значение можно изменить во время моделирования.

`Method` - Метод усреднения
`Sliding window` (по умолчанию) | `Exponential weighting`

Sliding window - Окно длины Длина окна перемещается по входным данным вдоль каждого канала. Для каждого образца, по которому перемещается окно, блок вычисляет среднее значение по данным в окне.
Exponential weighting - Блок умножает выборки на набор весовых коэффициентов. Величина весовых коэффициентов уменьшается экспоненциально по мере увеличения возраста данных, но величина никогда не достигает нуля. Для вычисления среднего значения алгоритм суммирует взвешенные данные.

`Specify window length` - Флаг для указания длины окна
on (по умолчанию) | off

При установке этого флажка длина скользящего окна равна значению, заданному в поле Длина окна (Window length). При снятии этого флажка длина скользящего окна будет бесконечной. В этом режиме блок вычисляет среднее значение текущей выборки и всех предыдущих выборок в канале.

Зависимости

Этот параметр появляется, если для параметра «Метод» задано значение Sliding window.

`Window length` - Длина скользящего окна
4 (по умолчанию) | положительное скалярное целое

Задает длину скользящего окна в образцах.

Зависимости

Этот параметр появляется, если для параметра «Метод» задано значение Sliding window и установите флажок Указать длину окна (Specify window length).

`Specify forgetting factor from input port` - Флаг для указания коэффициента забывания
off (по умолчанию) | on

При установке этого флажка коэффициент забывания вводится через лямбда-порт. При снятии этого флажка коэффициент забывания задается в диалоговом окне блока с помощью параметра Коэффициент забывания.

Зависимости

Этот параметр появляется, только если для параметра Метод задано значение Exponential weighting.

`Forgetting factor` - Экспоненциальный весовой коэффициент
0.9 (по умолчанию) | положительный действительный скаляр в диапазоне (0,1]

Настраиваемый: Да

Зависимости

Этот параметр появляется, если для параметра «Метод» задано значение Exponential weighting и снимите флажок Указать коэффициент забывания из входного порта.

`Simulate using` - Тип выполняемого моделирования
`Code generation` (по умолчанию) | `Interpreted execution`

Code generation
Моделирование модели с использованием сгенерированного кода C. При первом запуске моделирования Simulink ® генерирует код C для блока. Код C используется повторно для последующего моделирования, если модель не изменяется. Этот параметр требует дополнительного времени запуска, но обеспечивает более высокую скорость моделирования, чемInterpreted execution.
Interpreted execution
Моделирование модели с помощью интерпретатора MATLAB ®. Эта опция сокращает время запуска, но имеет более низкую скорость моделирования, чем Code generation.

Характеристики блока

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

Алгоритмы

развернуть все

Метод скользящего окна

В способе скользящего окна выходной сигнал для каждой входной выборки представляет собой среднее значение текущей выборки и предыдущих выборок Len-1. Len - длина окна в образцах. Для вычисления первых выходов Len - 1, когда в окне ещё не хватает данных, алгоритм заполняет окно нулями. Например, для вычисления среднего значения при поступлении второй входной выборки алгоритм заполняет окно нулями Лен - 2. Затем вектор данных x представляет собой две выборки данных, за которыми следуют нули Len-2.

Если длина окна не указана, алгоритм выбирает бесконечную длину окна. В этом режиме выходной сигнал представляет собой скользящее среднее текущей выборки и всех предыдущих выборок в канале.

Пример см. в разделах Метод скользящего окна и Метод экспоненциального взвешивания.

Метод экспоненциального взвешивания

В способе экспоненциального взвешивания скользящее среднее вычисляется рекурсивно по следующим формулам:

$\begin{array}{l} _{wN,} λ =_{λ wN} - \\ {\overset{,}{1}}_{λ} + 1x\N, \frac{}{_{}} {\overset{}{λ}}_{= (1} - \frac{}{_{1wN,}} λ)_{} \end{array}$ x\N − 1, λ + (1wN,λ) xN

${\overset{}{}}_{x N}$ , λ - Скользящее среднее в текущей выборке
$_{xN}$ - Текущая выборка входных данных
${\overset{}{x}}_{N -}$ 1, λ - Скользящее среднее в предыдущей выборке
λ - Коэффициент забывания
$_{wN,}$ λ - весовой коэффициент, применяемый к текущей выборке данных
$(1 \frac{−}{_{1wN}}, {\overset{λ}{}}_{) x fN}$ − 1, λ - Влияние предыдущих данных на среднее значение

Для первой выборки, где N = 1, алгоритм выбирает $_{wN,}$ λ = 1. Для следующей выборки весовой коэффициент обновляется и используется для вычисления среднего значения согласно рекурсивному уравнению. С увеличением возраста данных величина весового коэффициента уменьшается экспоненциально и никогда не достигает нуля. Другими словами, последние данные оказывают большее влияние на текущее среднее значение, чем старые данные .

Значение коэффициента забывания определяет скорость изменения весовых коэффициентов. Коэффициент забывания 0,9 придает больший вес старым данным, чем коэффициент забывания 0,1. Коэффициент забывания 1,0 указывает на бесконечную память. Всем предыдущим образцам придается равный вес.

Пример см. в разделах Метод скользящего окна и Метод экспоненциального взвешивания.

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью Simulink ® Coder™

См. также

Блоки

Медианный фильтр | Максимальное перемещение | Минимальное перемещение | Перемещение RMS | Перемещение стандартного отклонения | Отклонение перемещения

Объекты

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

Темы

Представлен в R2016b

Документация

Скользящее среднее

Описание

Порты

Вход

`x` - Ввод данных
вектор столбца | вектор строки | матрица

`lambda` - Коэффициент забывания
положительный действительный скаляр в диапазоне (0,1]

Зависимости

Продукция

`Port_1` - Скользящая средняя выходная мощность
вектор столбца | вектор строки | матрица

Параметры

`Method` - Метод усреднения
`Sliding window` (по умолчанию) | `Exponential weighting`

`Specify window length` - Флаг для указания длины окна
on (по умолчанию) | off

Зависимости

`Window length` - Длина скользящего окна
4 (по умолчанию) | положительное скалярное целое

Зависимости

`Specify forgetting factor from input port` - Флаг для указания коэффициента забывания
off (по умолчанию) | on

Зависимости

`Forgetting factor` - Экспоненциальный весовой коэффициент
0.9 (по умолчанию) | положительный действительный скаляр в диапазоне (0,1]

Зависимости

`Simulate using` - Тип выполняемого моделирования
`Code generation` (по умолчанию) | `Interpreted execution`

Характеристики блока

Алгоритмы

Метод скользящего окна

Метод экспоненциального взвешивания

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью Simulink ® Coder™

См. также

Блоки

Объекты

Темы

Документация по системной панели инструментов DSP

Поддержка

Документация

Скользящее среднее

Описание

Порты

Вход

x - Ввод данных вектор столбца | вектор строки | матрица

lambda - Коэффициент забывания положительный действительный скаляр в диапазоне (0,1]

Зависимости

Продукция

Port_1 - Скользящая средняя выходная мощность вектор столбца | вектор строки | матрица

Параметры

Method - Метод усреднения Sliding window (по умолчанию) | Exponential weighting

Specify window length - Флаг для указания длины окна on (по умолчанию) | off

Зависимости

Window length - Длина скользящего окна 4 (по умолчанию) | положительное скалярное целое

Зависимости

Specify forgetting factor from input port - Флаг для указания коэффициента забывания off (по умолчанию) | on

Зависимости

Forgetting factor - Экспоненциальный весовой коэффициент 0.9 (по умолчанию) | положительный действительный скаляр в диапазоне (0,1]

Зависимости

Simulate using - Тип выполняемого моделирования Code generation (по умолчанию) | Interpreted execution

Характеристики блока

Алгоритмы

Метод скользящего окна

Метод экспоненциального взвешивания

Расширенные возможности

Создание кода C/C + + Создайте код C и C++ с помощью Simulink ® Coder™

См. также

Блоки

Объекты

Темы

Документация по системной панели инструментов DSP

Поддержка

`x` - Ввод данных
вектор столбца | вектор строки | матрица

`lambda` - Коэффициент забывания
положительный действительный скаляр в диапазоне (0,1]

`Port_1` - Скользящая средняя выходная мощность
вектор столбца | вектор строки | матрица

`Method` - Метод усреднения
`Sliding window` (по умолчанию) | `Exponential weighting`

`Specify window length` - Флаг для указания длины окна
on (по умолчанию) | off

`Window length` - Длина скользящего окна
4 (по умолчанию) | положительное скалярное целое

`Specify forgetting factor from input port` - Флаг для указания коэффициента забывания
off (по умолчанию) | on

`Forgetting factor` - Экспоненциальный весовой коэффициент
0.9 (по умолчанию) | положительный действительный скаляр в диапазоне (0,1]

`Simulate using` - Тип выполняемого моделирования
`Code generation` (по умолчанию) | `Interpreted execution`

Создание кода C/C + +
Создайте код C и C++ с помощью Simulink ® Coder™