Moving Average Simulink

Moving Average. Method Método de média A janela deslizante padrão Ponderação exponencial. Janela deslizante Uma janela de comprimento 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. 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 somar os dados ponderados. Quando a caixa de seleção é desligada. Quando você seleciona esta caixa de seleção, o comprimento da janela deslizante é igual ao valor especificado em Comprimento da janela Quando você desmarca essa caixa de seleção, o comprimento da janela deslizante é infinito. Média da amostra atual e todas as amostras anteriores no canal. Comprimento da janela Comprimento da janela deslizante 4 padrão escalar positivo escalonado. O comprimento da janela deslizante Este parâmetro aparece quando você seleciona a caixa de seleção Especificar o comprimento da janela. Fator de omissão Fator de ponderação exponencial 0 9 padrão real real escalar na faixa de 0,1.Este parâmetro se aplica quando você define Método para Ponderação exponencial A esquecendo 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. Simulate using Tipo de simulação para executar Código geração padrão Interpreted execution. Simulate modelo usando código C gerado A primeira vez que você executar uma simulação, Simulink gera código C para o bloco O código C é reutilizado para simulações subseqüentes, desde que o modelo não Não mudar Esta opção requer tempo de inicialização adicional, mas fornece velocidade de simulação mais rápida do que Interpreted execution. Simulate modelo usando o interpretador MATLAB Isso Opção reduz o tempo de inicialização, mas tem velocidade de simulação mais lenta do que a geração de código. Modo de janela deslizante. No método de janela deslizante, a saída para cada amostra de entrada é a média da amostra atual e Len - 1 amostras anteriores Len é o comprimento da janela Para calcular as primeiras saídas Len - 1, quando a janela ainda não tem dados suficientes, o algoritmo enche 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 é, então, as duas amostras de dados seguido por Len - 2 zeros. Quando você não especificar o comprimento da janela, o algoritmo escolhe um comprimento de janela infinita 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 recursivamente usando essas fórmulas. w N w N 1 1 x N 1 1 N N N 1 1 N N N N Movendo a média no cu Rrent sample. x N Dados atuais amostra de entrada. x N 1 Média móvel na amostra anterior. Fator de esquecimento. w N Fator de ponderação aplicado à amostra de dados atual. 1 1 w N x N 1 Efeito dos dados anteriores sobre a média. Para a primeira amostra, onde N 1, o algoritmo escolhe w N 1 Para a próxima amostra, o fator de ponderação é atualizado e usado para calcular a média, como por 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. Taxa de variação 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. Selecione seu país. Movimento Média Métodos Métodos de medição Escorregando janela padrão Ponderação exponencial. Janela deslizante 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 Ponderação exponencial 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 somar a ponderação Data. Specify comprimento da janela Indicador para especificar o comprimento da janela no padrão off. When você selecionar esta caixa de seleção, o comprimento da janela deslizante é igual ao valor que você especificar no comprimento da janela Quando você desmarcar 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 Comprimento da janela deslizante 4 padrão padrão escalar positivo. O comprimento da janela especifica o comprimento da janela deslizante Esse parâmetro aparece quando você Selecione a caixa de seleção Especificar comprimento da janela. Fator de omissão Fator de ponderação exponencial 0 9 padrão real real escalar na faixa 0,1.Este parâmetro aplica-se quando yo U set 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 mudar seu valor mesmo durante a simulação. Simulação usando Tipo de simulação para executar Padrão de geração de código Interpreted execution. Simulate modelo usando código C gerado A primeira vez que você executar uma simulação, Simulink gera código C para o bloco O código C é reutilizado para subseqüentes Simulações, desde que o modelo não mude Esta opção requer tempo de inicialização adicional, mas fornece velocidade de simulação mais rápida do que Interpreted execution. Simulate modelo usando o interpretador MATLAB Esta opção encurta o tempo de inicialização, mas tem velocidade de simulação mais lenta do que Code generation. Sliding Window Method. In O método de janela deslizante, a saída para cada amostra de entrada é a média da amostra atual e as amostras anteriores Len - 1 L En é o comprimento da janela Para calcular as primeiras saídas Len - 1, quando a janela ainda não tem dados suficientes, o algoritmo preenche a janela com zeros. Como exemplo, para calcular a média quando a segunda amostra de entrada entra, a O algoritmo preenche a janela com Len - 2 zeros O vetor de dados, x é então as duas amostras de dados seguidas de zero Len - 2. Quando você não especifica o comprimento da janela, 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 recursivamente usando estas fórmulas. w N w N 1 1 x N 1 1 w N x N 1 1 w N x Nx N Média móvel na amostra atual. x N Entrada de dados atual sample. x N 1 Média móvel na amostra anterior. Fator de esquecimento. w N Fator de ponderação aplicado à amostra de dados atual. 1 1 w N x N 1 Efeito dos dados anteriores sobre a média. Para a primeira amostra, onde N 1, o algoritmo escolhe w N 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 atinge zero. Em outras palavras, os dados recentes têm mais influência sobre a média atual do que os dados mais antigos. Taxa de variação 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. Selecione seu país. Weighted Moving Average Obsolete. Note O bloco Weighted Moving Average é obsoleto Este bloco foi removido da biblioteca Discrete no R2008a e substituído pelo bloco de filtro FIR discreto No entanto, os modelos existentes que contêm o peso Ed Moving Average continuam a trabalhar para compatibilidade com versões anteriores. Use o bloco Filtro FIR Discreto em novos modelos Considere o uso da função slupdate para substituir a Média Móvel Ponderada com Filtro FIR Discreto em modelos existentes. , Multiplica cada entrada por um valor especificado dado pelo parâmetro Weights e os empilha em um vetor. Este bloco suporta tanto os modos SIMO de saída única de entrada simples como os modos SIMO de saída única de entrada múltipla. 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 escala dos pesos na caixa de diálogo com o tipo de dados Gain O parâmetro condição inicial fornece os valores iniciais para todas as horas que precedem a hora de início. Você especifica o intervalo de tempo entre amostras com o parâmetro de tempo de Amostra. Ghted Moving Average primeiro multiplica suas entradas pelo parâmetro Weights, converte esses resultados para o tipo de dados de saída usando os modos de arredondamento e estouro especificados e, em seguida, executa o suporte de tipo de somação. O bloco de média móvel ponderada suporta todos os tipos de dados numéricos Que o Simulink suporta, incluindo os tipos de dados de ponto fixo. Especifique os pesos da média móvel uma linha por saída O parâmetro Pesos é convertido de duplas para o tipo de dados especificado offline usando round-to-closer e saturação. Especifique os valores iniciais para todos Vezes antes da hora de início O parâmetro de condição Inicial é convertido de duplas para o tipo de dados de entrada off-line usando round-to-closer e saturação. Especifique o intervalo de tempo entre amostras Para herdar o tempo de amostra, defina esse parâmetro como -1 Consulte Specify Sample Time 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 O nome de um objeto de tipo de dados, por exemplo, um objeto. Uma expressão que avalia um tipo de dados, por exemplo, fixdt 1,16,0. Clique no botão Mostrar assistente de tipo de dados para exibir O Assistente de tipo de dados que ajuda você a definir o parâmetro de tipo de dados de saída. Altamento de saída de bloqueio contra as alterações pela ferramenta de dimensionamento automático. Selecione para bloquear a escala de saídas contra as alterações pela ferramenta de ponto fixo. Integer arredondamento mode. Rounding modo para o ponto fixo Saída Para obter mais informações, consulte Arredondamento Fixed-Point Designer. Saturate para max ou min quando overflows ocorrer. Se selecionado, ponto fixo transborda saturate Caso contrário, eles wrap. Specify o tipo de dados do parâmetro Pesos Você pode configurá-lo para. Uma regra Que herda um tipo de dados, por exemplo, Inherit Inherit via regra interna. O nome de um objeto de tipo de dados, por exemplo, um objeto. Uma expressão que avalia um tipo de dados, por exemplo, fixdt 1,16,0. Mostrar o botão de assistente de tipo de dados para exibir o Ass Istant que ajuda a definir o parâmetro de tipo de dados Gain Consulte Especificar tipos de dados usando o Assistente de tipo de dados para obter mais informações. Suponha que você deseja configurar este bloco para duas saídas modo SIMO onde a primeira saída é dada by. y 1 ka 1 ukb 1 uk 1 C 1 uk 2. a segunda saída é dada por. y 2 ka 2 ukb 2 uk 1.e os valores iniciais de uk - 1 e uk - 2 são dados por ic1 e ic2 respectivamente. Para configurar o bloco Weighted Moving Average para este Caso, você deve especificar o parâmetro Weights como a1 b1 c1 a2 b2 c2 onde c2 0 eo parâmetro condição inicial como ic1 ic2.