Eu sou novo no Simulink. Eu quero fazer média dos dados de entrada (que vem depois de alguns intervalos) de um bloco. Por exemplo, dados enquadrados contínuos de 42 amostras estão fora de um bloco. Junto com os dados emoldurados, há outra saída (tag) que informa que esses quadros / amostras pertencem a qual categoria. Tags são números de 1 a 6. A saída é aleatória. Quero calcular a média dos mesmos dados de categoria. Como o primeiro quadro é de cat1, então depois de 4 quadros o quadro cat1 vem novamente. Agora, como devo calcular este novo frame com o anterior? Quero fazer isso para todas as categorias. Por favor me ajude com isto. perguntou 26 de março de 14 às 13:35 Uma solução rápida e suja seria implementar um arraylist 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 medições. Se você quer apenas a média do frame atual e do frame anterior, você pode simplesmente fazer mean (cat1 (n1) cat1 (n11)) onde cat1 é o arraylist para frames da categoria 1 e n1 é o índice do frame anterior em cat1 . Se você quiser uma média móvel ponderada para uma implementação em tempo real, crie uma variável média para cada categoria (chame av1, av2, etc.) e compute av1 alphaav1 (1-alfa) cat1 (n11) (onde alfa é o peso atribuído para a média anterior (alphalt1) e cat1 (n11) é a nova medida) sempre que um quadro cat1 entra. respondeu 26 de março de 14 às 17: 39 Média Móvel Ponderada (Obsoleto) Nota: O bloco de Média Móvel Ponderada é obsoleto. Este bloco foi removido da biblioteca Discreta no 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 por um Filtro FIR Discreto nos modelos existentes. A Média Móvel Ponderada retifica e armazena as N entradas mais recentes, multiplica cada entrada por um valor especificado (fornecido pelo parâmetro Weights) e as empilha em um vetor. Este bloco suporta os modos de entrada única / saída única (SISO) e de entrada única / saída múltipla (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, onde cada linha corresponde a uma saída separada. Você pode escolher se deseja ou não especificar o tipo de dados e o dimensionamento dos pesos na caixa de diálogo com o parâmetro Ganhar tipo de dados. O parâmetro de condição inicial fornece os valores iniciais para todas as vezes anteriores à hora de início. Você especifica o intervalo de tempo entre as amostras com o parâmetro Hora do Amostra. O bloco Média Móvel Ponderada primeiro multiplica suas entradas pelo parâmetro Pesos, converte esses resultados para o tipo de dados de saída usando os modos de arredondamento e estouro especificados e, em seguida, executa a somatória. Suporte a tipos de dados O bloco 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 duplas para o tipo de dados especificado off-line usando round-to-near e saturação. Especifique os valores iniciais para todos os horários anteriores à hora de início. O parâmetro de condição inicial é convertido de duplas para o tipo de dados de entrada off-line usando round-to-near e saturação. Especifique o intervalo de tempo entre as amostras. Para herdar o tempo de amostragem, configure este parâmetro para -1. Consulte Especificar tempo da amostra 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 via retropropagação 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 Show data type assistant para exibir o Data Type Assistant. que ajuda você a definir o parâmetro de tipo de dados de saída. Bloquear a escala de saída em relação às alterações feitas pela ferramenta de escalonamento automático Selecione para bloquear o dimensionamento de saídas em relação às alterações pela ferramenta de ponto fixo. Modo de arredondamento inteiro Modo de arredondamento para a saída de ponto fixo. Para mais informações, consulte Arredondamento. Saturar no máximo ou no mínimo quando ocorrem overflows Se selecionado, os overflows de ponto fixo saturam. Caso contrário, eles se embrulham. 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 Show data type assistant para exibir o Data Type Assistant. que ajuda você a definir o parâmetro Gain data type. (Veja Especificar Tipos de Dados Usando o Data Type Assistant para 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 y2 (k) a2x22C5u (k) b2x22C5u (kx22121) e os valores iniciais de u (k - 1) e u (k - 2) são dados por ic1 e ic2. respectivamente. Para configurar o bloco Média Móvel Ponderada para este caso, você deve especificar o parâmetro Weights como a1 b1 c1 a2 b2c2 onde c2 0, e o parâmetro Initial condition como ic1 ic2. CaracterísticasMétodo de média móvel da documentação 8212 Método da 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 chegando a zero. Para calcular a média, o algoritmo soma os dados ponderados. Especifique o tamanho da janela 8212 Sinalizador para especificar o tamanho da janela ligado (padrão) desligado Quando você marca essa caixa de seleção, o comprimento da janela deslizante é igual ao valor especificado em Tamanho da janela. Quando você desmarca 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) inteiro escalar positivo O tamanho da janela especifica o comprimento da janela deslizante. Este parâmetro aparece quando você seleciona a caixa de seleção Especificar tamanho da janela. Fator de esquecimento 8212 Fator de ponderação exponencial 0,9 (padrão) escalar real positivo no intervalo (0,1 Esse parâmetro se aplica quando você define Método para ponderação exponencial. Um fator de esquecimento 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 interpretada Simular model usando código gerado C. A primeira vez que você executa uma simulação, o Simulink x00AE gera o código C para o bloco. O código C é reutilizado para simulações subseqüentes, desde que o modelo não seja alterado. velocidade de simulação que Execução interpretada Simular modelo usando o intérprete MATLAB x00AE Esta opção reduz o tempo de inicialização, mas tem velocidade de simulação mais lenta do que o Código geração . Mais Sobre Algoritmos Método de Janela Deslizante No método de 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 chega, o algoritmo preenche a janela com zeros de Len - 2. O vetor de dados, x. é então as duas amostras de dados seguidas por Len - 2 zeros. Quando você define a propriedade SpecifyWindowLength como false. 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 computada recursivamente usando estas fórmulas: w N. x03BB x03BB wN x2212 1. x03BB 1. x x 00AF N. x03BB (1 x2212 1 w N. x03BB) x x 00AF N x2212 1. x03BB (1 w N. x03BB) x N x xAF N. x03BB 8212 Média móvel na amostra atual x N 8212 Amostra de entrada de dados atual x xAF N x2212 1. x03BB 8212 Média móvel na amostra anterior 955 8212 Fator de esquecimento w N. x03BB 8212 Fator de ponderação aplicado à amostra de dados atual (1 x2212 1 w N. x03BB) x xAF 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, conforme a equação recursiva. À medida que a idade dos dados aumenta, a magnitude do fator de ponderação diminui exponencialmente e nunca chega a 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 esquecimento 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 esquecimento 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 seu país
No comments:
Post a Comment