Moving Average Simulink Block

Ich bin neu bei Simulink Ich möchte den Durchschnitt der eingehenden Daten machen, die nach einigen Intervallen aus einem Block kommen. Zum Beispiel sind ununterbrochene gerahmte Daten von 42 Samples aus einem Block heraus. Zusammen mit den gerahmten Daten gibt es ein weiteres Ausgabetikett, das das sagt Diese rahmenmuster gehören zu welchen typen Tags sind Zahlen von 1-6 Die Ausgabe ist zufällig Ich möchte die gleichen Kategorie Daten wie das erste Bild von cat1, dann nach 4 Frames cat1 Frame wieder kommt Nun, wie soll ich diesen neuen Frame durchschnittlich Mit dem vorherigen Ich möchte dies für alle Kategorien tun Bitte helfen Sie mir in diesem. asked Mar 26 14 um 13 35. Eine schnelle und schmutzige Lösung wäre, um eine Arraylist für jede Kategorie implementieren Initialisieren Sie die Liste mit NaNs und halten ein Zähler für das letzte Sample aus jeder Kategorie Mit der mittleren Funktion kannst du den Durchschnitt aller Messungen erhalten. Wenn du nur den Durchschnitt des aktuellen Frames und des vorherigen Frames willst, kannst du einfach Cat1 n1 cat1 n1 1 bedeuten, wo cat1 der Arraylist ist Für Frames aus Kategorie 1 und n1 ist der Index des vorherigen Frames in cat1.Wenn Sie einen gewichteten gleitenden Durchschnitt für eine Echtzeit-Implementierung wollen, erstellen Sie eine durchschnittliche Variable für jede Kategorie rufen Sie es av1, av2, etc und berechnen av1 alpha av1 1 - Alpha cat1 n1 1 wobei alpha das Gewicht ist, das dem vorherigen durchschnittlichen Alpha 1 zugeordnet ist und cat1 n1 1 die neue Messung ist, wann immer ein cat1-Rahmen hereinkommt. 266 bei 17 39.Weighted Moving Average Obsolete. Note The Weighted Moving Average Block ist veraltet Dieser Block wurde aus der diskreten Bibliothek in R2008a entfernt und durch den diskreten FIR Filterblock ersetzt. Allerdings arbeiten bestehende Modelle, die den Weighted Moving Average Block enthalten, weiterhin für die Rückwärtskompatibilität. Verwenden Sie den diskreten FIR Filterblock in neuen Modellen Die Slupdate-Funktion, um Weighted Moving Average mit diskretem FIR-Filter in bestehenden Modellen zu ersetzen. Die gewichteten Moving Average Block-Samples und hält die N neuesten Eingänge, multipliziert jede Eingabe mit einem vorgegebenen Wert, der durch den Wert "Weights" angegeben wird, und stapelt sie in einen Vektor Block unterstützt sowohl Single-Input-Single-Output-SISO - als auch Single-Input-Multiplex-SIMO-Modi. Für den SISO-Modus wird der Weves-Parameter als Zeilenvektor angegeben. Für den SIMO-Modus werden die Gewichte als Matrix angegeben, wobei jede Zeile entspricht Zu einem separaten Ausgang Sie können wählen, ob der Datentyp und die Skalierung der Gewichte im Dialog mit dem Parameter Gain-Datentyp angegeben werden soll. Der Anfangszustandsparameter liefert die Anfangswerte für alle Zeiten vor der Startzeit Sie geben das Zeitintervall an Zwischen den Samples mit dem Sample-Time-Parameter. Der gewichtete Moving Average-Block multipliziert seine Eingaben zuerst mit dem Parameter "Weights", wandelt diese Ergebnisse mit den angegebenen Rounding - und Overflow-Modi in den Ausgabedatentyp um und führt dann die Summation. Data Type Support durch Weighted Moving Average Block unterstützt alle numerischen Datentypen, die Simulink unterstützt, einschließlich Festpunkt-Datentypen. Spezifizieren Sie die Gewichte des gleitenden Durchschnittes pro Zeile pro Ausgabe Der Wert "Gewichte" wird von Doppel - auf den angegebenen Datentyp offline mit Hilfe von Rund-zu-Nächsten umgewandelt Und Sättigung. Spezifizieren Sie die Anfangswerte für alle Zeiten vor der Startzeit Der Anfangsbedingungsparameter wird von Doppel - zu dem Eingabedatentyp offline mit Rund-zu-Nächsten und Sättigung umgewandelt. Spezifizieren Sie das Zeitintervall zwischen den Samples Um die Sample-Zeit zu erben, setzen Sie Dieser Parameter auf -1 Siehe Festlegen der Sample Time in der Online-Dokumentation für weitere Informationen. Output Datentyp. Specify der Ausgabedatentyp Sie können es auf eine Regel festlegen, die einen Datentyp erbt, z. B. Inherit Inherit über Backpropagation Name eines Datentypobjekts, z. B. eines Objekts. Ein Ausdruck, der einen Datentyp auswertet, z. B. fixdt 1,16,0.Klicken Sie auf die Schaltfläche Datentyp anzeigen, um den Datentyp-Assistenten anzuzeigen, der Ihnen hilft, Ausgabedatentyp-Parameter. Lock-Ausgangsskalierung gegen Änderungen durch das Autokalibrierwerkzeug. Wählen Sie, um die Skalierung der Ausgänge gegen Änderungen durch das Fixpunkt-Tool zu sperren. Integer-Rundungsmodus. Rounding-Modus für die Festkomma-Ausgabe Weitere Informationen finden Sie unter Rounding Fixed - Point Designer. Sättigung auf max oder min, wenn Überläufe auftreten. Wenn ausgewählt, Fixpunkt Überläufe sättigen Andernfalls wickeln sie. Spezifizieren Sie den Datentyp des Weights-Parameters Sie können es auf eine Regel, die einen Datentyp erbt, zum Beispiel, Inherit Inherit über interne Regel. Der Name eines Datentypobjekts, z. B. eines Objekts. Ein Ausdruck, der einen Datentyp auswertet, z. B. fixdt 1,16,0.Klicken Sie auf die Schaltfläche Datentyp anzeigen, um die Daten anzuzeigen Typ-Assistent, der Ihnen hilft, den Gain-Datentyp-Parameter einzustellen Siehe Datentypen mit Datentyp-Assistent für weitere Informationen. Stellen Sie an, dass Sie diesen Block für zwei Ausgänge konfigurieren möchten SIMO-Modus, wo die erste Ausgabe gegeben ist. y 1 ka 1 ukb 1 uk 1 c 1 uk 2.die zweite Ausgabe ist gegeben durch. y 2 ka 2 ukb 2 uk 1.und die Anfangswerte von uk - 1 und uk - 2 sind durch ic1 und ic2 gegeben. Um den Weighted Moving Average Block für zu konfigurieren In diesem Fall müssen Sie den Wert "Gewichte" als a1 b1 c1 a2 b2 c2 angeben, wobei c2 0 und der Anfangsbedingungsparameter als ic1 ic2.Moving Average. Method Mittelungsmethode Schiebefenster Standard Exponentielle Gewichtung. Sliding Fenster Ein Fenster der Länge Fensterlänge bewegt sich Über die Eingangsdaten entlang jedes Kanals Für jeden Sample bewegt sich das Fenster vorbei, der Block berechnet den Durchschnitt über die Daten im Fenster. Exponentielle Gewichtung Der Block multipliziert die Samples mit einem Satz von Gewichtungsfaktoren Die Größe der Gewichtungsfaktoren nimmt exponentiell ab Alter der Daten steigt, niemals Null erreichen Um den Mittelwert zu berechnen, summiert der Algorithmus die gewichteten Daten. Spezifizieren Sie die Fensterlänge. Markieren Sie die Fensterlänge bei der Standardeinstellung. Wenn Sie dieses Kontrollkästchen markieren, ist die Länge des Schiebefensters gleich Wert, den Sie in der Fensterlänge angeben Wenn Sie dieses Kontrollkästchen deaktivieren, ist die Länge des Schiebefensters unendlich. In diesem Modus berechnet der Block den Durchschnitt des aktuellen Samples und alle vorherigen Samples im Kanal. Windlänge Länge des Schiebefensters 4 Default positiv skalar integer. Window length gibt die Länge des Schiebefensters an Dieser Parameter erscheint, wenn Sie das Kontrollkästchen Fensterlänge festlegen auswählen. Forgetting factor Exponentieller Gewichtungsfaktor 0 9 default positiver realer Skalar im Bereich 0,1. Dieser Parameter gilt, wenn Sie Set Methode zur exponentiellen Gewichtung Ein Vergessensfaktor von 0 9 gibt mehr Gewicht auf die älteren Daten als ein Vergessensfaktor von 0 1 Ein Vergessungsfaktor von 1 0 zeigt unendlichen Speicher an Alle vorherigen Samples werden ein gleiches Gewicht gegeben. Dieser Parameter ist abstimmbar Sie können Ändern Sie seinen Wert auch während der Simulation. Simulieren Sie mit der Art der Simulation, um Code-Generierungs-Standard auszuführen Interpretierte Ausführung. Simulieren Sie das Modell mit dem generierten C-Code Wenn Sie zum ersten Mal eine Simulation ausführen, erzeugt Simulink den C-Code für den Block. Der C-Code wird für nachfolgende Simulationen wiederverwendet , Solange sich das Modell nicht ändert, erfordert diese Option eine zusätzliche Startzeit, bietet aber eine schnellere Simulationsgeschwindigkeit als die interpretierte Ausführung. Simulieren Sie das Modell mit dem MATLAB-Interpreter. Diese Option verkürzt die Startzeit, hat aber eine langsamere Simulationsgeschwindigkeit als die Codegenerierung. Sliding Window Method Schiebefenster - Methode ist die Ausgabe für jeden Eingangsabtastwert der Mittelwert des aktuellen Samples und der Len - 1 vorherige Samples Len ist die Länge des Fensters Um die ersten Len - 1 - Ausgänge zu berechnen, wenn das Fenster noch nicht genügend Daten enthält, Der Algorithmus füllt das Fenster mit Nullen Als Beispiel, um den Mittelwert zu berechnen, wenn das zweite Eingangsmuster eintritt, füllt der Algorithmus das Fenster mit Len - 2 - Nullen. Der Datenvektor, x ist dann die beiden Datenmuster, gefolgt von Len - 2 - Nullen. Wenn Sie nicht die Fensterlänge angeben, wählt der Algorithmus eine unendliche Fensterlänge In diesem Modus ist der Ausgang der gleitende Durchschnitt des aktuellen Samples und alle vorherigen Samples im Channel. Exponential Weighting Method. In der exponentiellen Gewichtungsmethode, Der gleitende Durchschnitt wird rekursiv unter Verwendung dieser Formeln berechnet. W n N 1 1 x N 1 1 W N x N 1 1 W N x Nx N Gleitender Mittelwert bei der aktuellen Probe. x N Aktuelle Dateneingabe sample. x N 1 Gleitender Durchschnitt Bei der vorherigen Probe. Forgetting factor. w N Gewichtungsfaktor auf die aktuelle Daten Probe angewendet. 1 1 w N x N 1 Wirkung der vorherigen Daten auf den Durchschnitt. Für die erste Probe, wobei N 1, wählt der Algorithmus w N 1 Für die nächste Probe wird der Gewichtungsfaktor aktualisiert und verwendet, um den Durchschnitt zu berechnen, wie pro Die rekursive Gleichung Wenn das Alter der Daten zunimmt, nimmt die Größe des Gewichtungsfaktors exponentiell ab und erreicht niemals Null. Mit anderen Worten, die jüngsten Daten haben mehr Einfluss auf den aktuellen Durchschnitt als die älteren Daten. Der Wert des Vergessensfaktors bestimmt die Änderungsrate der Gewichtungsfaktoren Ein Vergessensfaktor von 0 9 gibt mehr Gewicht auf die älteren Daten als ein Vergessensfaktor von 0 1 Ein Vergessungsfaktor von 1 0 zeigt unendlichen Speicher an Alle vorherigen Samples sind gleichgewichtig. Wählen Sie Ihr Land aus .