Документация

Что такое движущаяся статистика?

Вы можете измерить статистику потоковых сигналов в MATLAB^® и Simulink^® вдоль каждого независимого канала данных с использованием движущихся статистических Системных объектов и блоков. Статистика, такая как среднее значение, RMS, стандартное отклонение, дисперсия, медиана, максимальное и минимальное изменение, когда данные изменяются постоянно со временем. С каждой выборкой данных, которая поступает, системные объекты и блоки вычисляют статистику по текущей выборке и определенному окну прошлых выборок. Это окно «перемещается» по мере поступления новых данных.

Эти системные объекты и блоки вычисляют движущуюся статистическую величину с помощью одного или обоих методов скользящего окна и экспоненциального метода взвешивания. Для получения дополнительной информации об этих методах смотрите Метод раздвижного окна и Экспоненциальный метод взвешивания.

Рассмотрим пример вычисления скользящего среднего значения потоковых входных данных с помощью метода скользящего окна. Алгоритм использует длину окна 4. На первом временном шаге алгоритм заполняет окно тремя нулями, чтобы представлять первые три выборки. В последующих временных шагах, чтобы заполнить окно, алгоритм использует выборки из предыдущей системы координат данных. Движущиеся статистические алгоритмы имеют состояние и запоминают предыдущие данные.

Если данные являются стационарными, используйте стационарные статистические блоки, чтобы вычислить статистику по всем данным в Simulink. Постоянные блоки включают Autocorrelation, Correlation, Maximum, Mean, Median, Minimum, RMS, Sort, Standard Deviation, и Variance.

Эти блоки не поддерживают состояние. Когда приходит новая выборка данных, алгоритм вычисляет статистику по всем данным и не имеет никакого влияния от предыдущего состояния блока.

Рассмотрим пример вычисления стационарного среднего значения потоковых входных данных с помощью блока Mean в Simulink. Блок Mean сконфигурирован так, чтобы найти среднее значение по каждому столбцу.

На каждом временном шаге алгоритм вычисляет среднее значение по всем данным, которые доступны в текущем временном шаге, и не использует данные предыдущего временного шага. Стационарные статистические блоки более подходят для данных, которые уже доступны, а не для потоковой передачи данных.

Похожие темы

• Статистика измерений потоковых сигналов
• Метод скользящего окна и экспоненциальное взвешивание
• Чем фильтр скользящего среднего отличается от фильтра конечной импульсной характеристики?
• Статистика потокового сигнала
• Обнаружение энергии во временном интервале
• Удаление высокочастотного шума из данных гироскопа
• Измерение импульсных и переходных характеристик потоковых сигналов