Moving Average

Скользящее среднее значение

Библиотека:
DSP System Toolbox / Статистика

Описание

Блок Moving Average вычисляет скользящее среднее значение входного сигнала вдоль каждого канала независимо в зависимости от времени. Блок использует или метод раздвижного окна или экспоненциальный метод взвешивания, чтобы вычислить скользящее среднее значение. В методе раздвижного окна окно заданной длины отодвигается выборка данных выборкой, и блок вычисляет среднее значение по данным в окне. В экспоненциальном методе взвешивания блок умножает выборки данных с набором взвешивания факторов и затем суммирует взвешенные данные, чтобы вычислить среднее значение. Для получения дополнительной информации об этих методах см. Алгоритмы.

Порты

Входной параметр

развернуть все

`x` — Ввод данных
вектор-столбец | вектор-строка | матрица

Данные, по которым блок вычисляет скользящее среднее значение. Блок принимает многоканальные входные параметры с комплексным знаком или с действительным знаком, то есть, m-by-n входные параметры размера, где m ≥ 1 и n ≥ 1. Блок также принимает входные параметры переменного размера. В процессе моделирования можно изменить размер каждого входного канала. Однако количество каналов не может измениться.

Этот порт без имени, пока вы не устанавливаете Method на Exponential weighting и выберите параметр Specify forgetting factor from input port.

Типы данных: single | double
Поддержка комплексного числа: Да

`lambda` — Упущение фактора
положительный действительный скаляр в области значений (0,1]

Фактор упущения определяет, сколько веса прошлые данные даны. 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.

Зависимости

Этот порт появляется, когда вы устанавливаете Method на Exponential weighting и выберите параметр Specify forgetting factor from input port.

Типы данных: single | double

Вывод

развернуть все

`Port_1` — Скользящее среднее значение выводится
вектор-столбец | вектор-строка | матрица

Размер скользящего среднего значения вывел, совпадает с размером входа. Блок использует или метод раздвижного окна или экспоненциальный метод взвешивания, чтобы вычислить скользящее среднее значение, как задано параметром Method. Для получения дополнительной информации см. Алгоритмы.

Типы данных: single | double
Поддержка комплексного числа: Да

Параметры

развернуть все

Если параметр перечислен как настраиваемый, то можно изменить его значение в процессе моделирования.

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

Sliding window — Окно длины Window length отодвигается входные данные вдоль каждого канала. Для каждой выборки отодвигается окно, блок вычисляет среднее значение по данным в окне.
Exponential weighting — Блок умножает выборки на набор взвешивания факторов. Величина факторов взвешивания уменьшается экспоненциально как возраст увеличений данных, но величина никогда не достигает нуля. Чтобы вычислить среднее значение, алгоритм суммирует взвешенные данные.

`Specify window length` — Отметьте, чтобы задать длину окна
на (значении по умолчанию) | прочь

Когда вы устанавливаете этот флажок, длина раздвижного окна равна значению, которое вы задаете в Window length. Когда вы снимаете этот флажок, длина раздвижного окна бесконечна. В этом режиме блок вычисляет среднее значение текущей выборки и всех предыдущих выборок в канале.

Зависимости

Этот параметр появляется, когда вы устанавливаете Method на Sliding window.

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

Задает длину раздвижного окна в выборках.

Зависимости

Этот параметр появляется, когда вы устанавливаете Method на Sliding window и установите флажок Specify window length.

`Specify forgetting factor from input port` — Отметьте, чтобы задать упущение фактора
от (значения по умолчанию) | на

Когда вы устанавливаете этот флажок, фактор упущения вводится через порт lambda. Когда вы снимаете этот флажок, фактор упущения задан на диалоговом окне блока через параметр Forgetting factor.

Зависимости

Этот параметр появляется только, когда вы устанавливаете Method на Exponential weighting.

`Forgetting factor` — Экспоненциальный фактор взвешивания
0.9 (значение по умолчанию) | положительный действительный скаляр в области значений (0,1]

Настраиваемый: да

Зависимости

Этот параметр появляется, когда вы устанавливаете Method на Exponential weighting и снимите флажок Specify forgetting factor from input port.

`Simulate using` — Тип симуляции, чтобы запуститься
`Code generation` (значение по умолчанию) | `Interpreted execution`

Code generation
Симулируйте модель с помощью сгенерированного кода C. В первый раз вы запускаете симуляцию, Simulink^® генерирует код С для блока. Код С снова используется для последующих симуляций, пока модель не изменяется. Эта опция требует дополнительного времени запуска, но обеспечивает более быструю скорость симуляции, чем Interpreted execution.
Interpreted execution
Симулируйте модель с помощью MATLAB^® интерпретатор. Эта опция сокращает время запуска, но имеет более медленную скорость симуляции, чем Code generation.

Характеристики блока

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

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.

Расширенные возможности

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

Смотрите также

Блоки

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

Объекты

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

Темы

Введенный в R2017b

Документация

Moving Average

Описание

Порты

Входной параметр

`x` — Ввод данных
вектор-столбец | вектор-строка | матрица

`lambda` — Упущение фактора
положительный действительный скаляр в области значений (0,1]

Зависимости

Вывод

`Port_1` — Скользящее среднее значение выводится
вектор-столбец | вектор-строка | матрица

Параметры

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

`Specify window length` — Отметьте, чтобы задать длину окна
на (значении по умолчанию) | прочь

Зависимости

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

Зависимости

`Specify forgetting factor from input port` — Отметьте, чтобы задать упущение фактора
от (значения по умолчанию) | на

Зависимости

`Forgetting factor` — Экспоненциальный фактор взвешивания
0.9 (значение по умолчанию) | положительный действительный скаляр в области значений (0,1]

Зависимости

`Simulate using` — Тип симуляции, чтобы запуститься
`Code generation` (значение по умолчанию) | `Interpreted execution`

Характеристики блока

Алгоритмы

Метод раздвижного окна

Экспоненциальный метод взвешивания

Расширенные возможности

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

Смотрите также

Блоки

Объекты

Темы

Документация DSP System Toolbox

Поддержка

Документация

Moving Average

Описание

Порты

Входной параметр

x — Ввод данных вектор-столбец | вектор-строка | матрица

lambda — Упущение фактора положительный действительный скаляр в области значений (0,1]

Зависимости

Вывод

Port_1 — Скользящее среднее значение выводится вектор-столбец | вектор-строка | матрица

Параметры

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

Specify window length — Отметьте, чтобы задать длину окна на (значении по умолчанию) | прочь

Зависимости

Window length — Длина раздвижного окна 4 (значения по умолчанию) | положительное скалярное целое число

Зависимости

Specify forgetting factor from input port — Отметьте, чтобы задать упущение фактора от (значения по умолчанию) | на

Зависимости

Forgetting factor — Экспоненциальный фактор взвешивания 0.9 (значение по умолчанию) | положительный действительный скаляр в области значений (0,1]

Зависимости

Simulate using — Тип симуляции, чтобы запуститься Code generation (значение по умолчанию) | Interpreted execution

Характеристики блока

Алгоритмы

Метод раздвижного окна

Экспоненциальный метод взвешивания

Расширенные возможности

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

Смотрите также

Блоки

Объекты

Темы

Документация DSP System Toolbox

Поддержка

`x` — Ввод данных
вектор-столбец | вектор-строка | матрица

`lambda` — Упущение фактора
положительный действительный скаляр в области значений (0,1]

`Port_1` — Скользящее среднее значение выводится
вектор-столбец | вектор-строка | матрица

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

`Specify window length` — Отметьте, чтобы задать длину окна
на (значении по умолчанию) | прочь

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

`Specify forgetting factor from input port` — Отметьте, чтобы задать упущение фактора
от (значения по умолчанию) | на

`Forgetting factor` — Экспоненциальный фактор взвешивания
0.9 (значение по умолчанию) | положительный действительный скаляр в области значений (0,1]

`Simulate using` — Тип симуляции, чтобы запуститься
`Code generation` (значение по умолчанию) | `Interpreted execution`

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