Simulador De Média Movimentação Média

Sou novo no Simulink. Eu quero fazer a média dos dados recebidos (que vem depois de alguns intervalos) de um bloco. Por exemplo, dados emoldurados contínuos de 42 amostras estão fora de um bloco. Juntamente com os dados emoldurados, há outra saída (tag) que informa que esses framesamples pertencem a qual categoria. As tags são números de 1-6. A saída é aleatória. Eu quero fazer a média dos mesmos dados da categoria. Como o primeiro quadro é de cat1, então, depois de 4 quadros, o quadro cat1 vem de novo. Agora, como devo fazer uma média desse novo quadro com o anterior, eu quero fazer isso para todas as categorias. Por favor, ajude-me nisso. Perguntou 26 de março às 13:35 Uma solução rápida e suja seria implementar um arraylista para cada categoria. Inicialize a lista com NaNs e mantenha um contador para a última amostra de cada categoria. Usando a função média, você pode obter a média de todas as medidas. Se você quiser apenas a média do quadro atual e do quadro anterior, você pode simplesmente fazer o meio (cat1 (n1) cat1 (n11)) onde cat1 é o arraylist para quadros da categoria 1 e n1 é o índice do quadro anterior em cat1 . Se você quer uma média móvel ponderada para uma implementação em tempo real, crie uma variável média para cada categoria (ligue para av1, av2, etc.) e computa av1 alphaav1 (1-alpha) cat1 (n11) (onde alfa é o peso atribuído Para a média anterior (alphalt1) e cat1 (n11) é a nova medida) sempre que uma moldura cat1 entra. Resposta 26 de março 14 em 17: 39Documentação Método de média móvel 8212 Método de média Janela deslizante (padrão) Ponderação exponencial Janela deslizante 8212 Uma janela de comprimento O comprimento da janela se move sobre os dados de entrada ao longo de cada canal. Para cada amostra, a janela se move, o bloco calcula a média sobre os dados na janela. Ponderação exponencial 8212 O bloco multiplica as amostras por um conjunto de fatores de ponderação. A magnitude dos fatores de ponderação diminui exponencialmente à medida que a idade dos dados aumenta, nunca atingindo zero. Para calcular a média, o algoritmo resume os dados ponderados. Especifique o comprimento da janela 8212 Bandeira para especificar o comprimento da janela em (padrão) off Quando você seleciona esta caixa de seleção, o comprimento da janela deslizante é igual ao valor que você especifica no comprimento da janela. Quando você limpa essa caixa de seleção, o comprimento da janela deslizante é infinito. Neste modo, o bloco calcula a média da amostra atual e todas as amostras anteriores no canal. Comprimento da janela 8212 Comprimento da janela deslizante 4 (padrão) número inteiro escalar positivo O comprimento da janela especifica o comprimento da janela deslizante. Este parâmetro aparece quando você seleciona a caixa de seleção Especificar a duração da janela. Factor de evasão 8212 Fator de ponderação exponencial 0,9 (padrão) escalar real positivo na faixa (0,1 Este parâmetro aplica-se quando você configura o Método para a ponderação exponencial. Um fator de esquadrão de 0,9 dá mais peso aos dados mais antigos do que um fator de esquecimento de 0,1 Um fator de esquecimento de 1.0 indica memória infinita. Todas as amostras anteriores recebem um peso igual. Este parâmetro é ajustável. Você pode alterar seu valor mesmo durante a simulação. Simular usando 8212 Tipo de simulação para executar Geração de código (padrão) Execução interpretativa Simular Modelo usando o código C gerado. Na primeira vez que você executa uma simulação, o Simulink x00AE gera código C para o bloco. O código C é reutilizado para simulações subseqüentes, desde que o modelo não seja alterado. Esta opção requer tempo de inicialização adicional, mas fornece mais rápido Velocidade de simulação do que a execução interpretada. Simule o modelo usando o interpretador MATLAB x00AE. Esta opção encurta o tempo de inicialização, mas possui uma velocidade de simulação mais lenta do que o Código geração . Mais sobre Algoritmos Método da janela deslizante No método da janela deslizante, a saída para cada amostra de entrada é a média da amostra atual e as amostras anteriores Len-1. Len é o comprimento da janela. Para calcular as primeiras saídas Len - 1, quando a janela ainda não possui dados suficientes, o algoritmo preenche a janela com zeros. Como exemplo, para calcular a média quando a segunda amostra de entrada entra, o algoritmo preenche a janela com Len - 2 zeros. O vetor de dados, x. São então as duas amostras de dados seguidas por Len - 2 zeros. Quando você define a propriedade SpecifyWindowLength como falso. O algoritmo escolhe um comprimento de janela infinito. Neste modo, a saída é a média móvel da amostra atual e todas as amostras anteriores no canal. Método de Ponderação Exponencial No método de ponderação exponencial, a média móvel é calculada de forma recursiva usando estas fórmulas: w N. x03BB x03BB w N x2212 1. x03BB 1. x x00AF N. x03BB (1 x2212 1 w N. x03BB) x x00AF N x2212 1. x03BB (1 w N. x03BB) x N x x00AF N. x03BB 8212 Média móvel na amostra atual x N 8212 Amostra de dados de entrada atual x x00AF N x2212 1. x03BB 8212 Média móvel na amostra anterior 955 8212 Fator esquecendo w N. x03BB 8212 Fator de ponderação aplicado à amostra de dados atual (1 x2212 1 w N. x03BB) x x00AF N x2212 1. x03BB 8212 Efeito dos dados anteriores na média Para a primeira amostra, onde N 1, o algoritmo escolhe w N. x03BB 1. Para a próxima amostra, o fator de ponderação é atualizado e usado para calcular a média, de acordo com a equação recursiva. À medida que a idade dos dados aumenta, a magnitude do fator de ponderação diminui exponencialmente e nunca atinge zero. Em outras palavras, os dados recentes têm mais influência sobre a média atual do que os dados mais antigos. O valor do fator de esquadrão determina a taxa de mudança dos fatores de ponderação. Um fator de esquecimento de 0,9 dá mais peso aos dados mais antigos do que um fator de esquizamento de 0,1. Um fator de esquecimento de 1.0 indica memória infinita. Todas as amostras anteriores recebem um peso igual. Objetos do sistema Selecione sua média móvel alterada (Obsoleto) Nota: O bloco de média móvel ponderada é obsoleto. Este bloco foi removido da biblioteca Discreta em R2008a e substituído pelo bloco Discrete FIR Filter. No entanto, os modelos existentes que contêm o bloco de média móvel ponderada continuam a funcionar para compatibilidade com versões anteriores. Use o bloco Discrete FIR Filter em novos modelos. Considere usar a função slupdate para substituir a média móvel ponderada com filtro FIR discreto em modelos existentes. As amostras de bloco de média móvel ponderada e mantém as entradas N mais recentes, multiplica cada entrada por um valor especificado (dado pelo parâmetro Weights) e as empilha em um vetor. Este bloco suporta modos de saída única de entrada única (SISO) e de entrada única (SIMO). Para o modo SISO, o parâmetro Weights é especificado como um vetor de linha. Para o modo SIMO, os pesos são especificados como uma matriz em que cada linha corresponde a uma saída separada. Você pode escolher se deseja ou não especificar o tipo de dados e a escala dos pesos na caixa de diálogo com o parâmetro Gain data type. O parâmetro de condição inicial fornece os valores iniciais para todos os tempos que precedem a hora de início. Você especifica o intervalo de tempo entre amostras com o parâmetro de tempo de amostra. O bloco de média móvel ponderada primeiro multiplica suas entradas pelo parâmetro Weights, converte esses resultados para o tipo de dados de saída usando os modos de arredondamento e desbordamento especificado e, em seguida, executa a soma. Suporte de tipo de dados O bloco de média móvel ponderada suporta todos os tipos de dados numéricos suportados pelo Simulink x00AE, incluindo tipos de dados de ponto fixo. Parâmetros Especifique os pesos da média móvel de uma linha por saída. O parâmetro Weights é convertido de duplos para o tipo de dados especificado sem o uso de round-to-closer e saturation. Especifique os valores iniciais para todos os tempos anteriores à hora de início. O parâmetro de condição inicial é convertido de duplos para o tipo de dados de entrada offline usando o round-to-closer e a saturação. Especifique o intervalo de tempo entre as amostras. Para herdar o tempo de amostra, defina este parâmetro como -1. Consulte Especificar tempo de exemplo na documentação on-line para obter mais informações. Tipo de dados de saída Especifique o tipo de dados de saída. Você pode configurá-lo para: Uma regra que herda um tipo de dados, por exemplo, Herdar: Herdar através de propagação traseira O nome de um objeto de tipo de dados, por exemplo, um objeto Simulink. NumericType Uma expressão que avalia um tipo de dados, por exemplo , Fixdt (1,16,0) Clique no botão Mostrar o tipo de dados para exibir o Assistente de tipo de dados. O que ajuda você a definir o parâmetro do tipo de dados de saída. Bloquear a escala de saída contra as mudanças pela ferramenta de seleção automática Selecione para bloquear a escala das saídas contra as alterações pela Ferramenta de ponto fixo. Modo de arredondamento inteiro Modo de arredondamento para a saída de ponto fixo. Para obter mais informações, consulte Arredondamento. Saturar para o máximo ou o mínimo quando ocorrem os transbordamentos Se selecionado, os excessos de ponto fixo são saturados. Caso contrário, eles se enrolam. Especifique o tipo de dados do parâmetro Weights. Você pode configurá-lo para: Uma regra que herda um tipo de dados, por exemplo, Herdar: Herdar via regra interna O nome de um objeto de tipo de dados, por exemplo, um objeto Simulink. NumericType Uma expressão que avalia um tipo de dados, por exemplo , Fixdt (1,16,0) Clique no botão Mostrar o tipo de dados para exibir o Assistente de tipo de dados. Que o ajuda a definir o parâmetro do tipo Gain data type. (Consulte Especificar Tipos de Dados Usando o Assistente de Tipo de Dados para obter mais informações.) Suponha que você queira configurar este bloco para duas saídas (modo SIMO) onde a primeira saída é dada por y 1 (k) a 1 x22C5 u (k) b 1 x22C5 U (k x2212 1) c 1 x22C5 u (k x2212 2) a segunda saída é dada por y 2 (k) a 2 x22C5 u (k) b 2 x22C5 u (k x2212 1) e os valores iniciais de u (k - 1) e u (k - 2) são dados por ic1 e ic2. respectivamente. Para configurar o bloco de média móvel ponderada para este caso, você deve especificar o parâmetro Weights como a1 b1 c1 a2 b2 c2 onde c2 0 eo parâmetro de condição inicial como ic1 ic2. Características