Simulink Moving Average Filter 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 Fo R 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 compute 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.Moving Average. Method Mittelungsmethode Schiebefenster Standard Exponential Weighting. Sliding window Ein Fenster der Länge Fensterlänge bewegt sich über die Eingabedaten entlang jedes Kanals Für jede Probe fährt das Fenster vorbei, der Block berechnet den Durchschnitt über die Daten im Fenster. Exponentielle Gewichtung Der Block multipliziert die Samples mit einem Gewichtungsmaß Faktoren Die Größe der Gewichtungsfaktoren sinkt exponentiell, wenn das Alter der Daten zunimmt, niemals Null erreicht. Um den Durchschnitt zu berechnen, summiert der Algorithmus die gewichteten Daten. Specify Fensterlänge Flag, um das Fenster anzugeben Länge bei Voreinstellung aus. Wenn Sie dieses Kontrollkästchen markieren, ist die Länge des Schiebefensters gleich dem Wert, den Sie in der Fensterlänge angeben. Wenn Sie dieses Kontrollkästchen deaktivieren, ist die Länge des Schiebefensters unendlich. In diesem Modus wird der Block berechnet Der Durchschnitt des aktuellen Samples und alle vorherigen Samples im Channel. Window Länge 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 Faktor Exponentieller Gewichtungsfaktor 0 9 default positiver realer Skalar im Bereich 0,1. Dieser Parameter gilt, wenn Sie Methode auf Exponentialgewichtung einstellen. Ein Vergessensfaktor von 0 9 gibt den älteren Daten mehr Gewicht als ein Vergessensfaktor von 0 1 A Vergessen Faktor von 1 0 zeigt unendlichen Speicher an Alle vorherigen Samples erhalten ein gleiches Gewicht. Dieser Parameter ist abstimmbar Sie können seinen Wert auch während der Simulation ändern. Simulieren Sie mit der Art von sim Ulierung zum Ausführen der Codegenerierungsvorgabe Interpretierte Ausführung. Simulieren des Modells mit generiertem C-Code Beim ersten Ausführen einer Simulation erzeugt Simulink den C-Code für den Block. Der C-Code wird für nachfolgende Simulationen wiederverwendet, solange sich das Modell nicht ändert. Diese Option erfordert Zusätzliche Startzeit, aber bietet eine schnellere Simulationsgeschwindigkeit als interpretierte Ausführung. Simulieren Sie das Modell mit dem MATLAB-Interpreter Diese Option verkürzt die Startzeit, hat aber eine langsamere Simulationsgeschwindigkeit als Code generation. Sliding Window Method. In der Schiebefenster-Methode ist die Ausgabe für jede Eingabe Probe die Durchschnitt des aktuellen Samples und der Len - 1 vorherigen Samples Len ist die Länge des Fensters Um die ersten Len - 1 - Ausgänge zu berechnen, wenn das Fenster noch nicht genügend Daten hat, füllt der Algorithmus das Fenster mit Nullen Berechnen Sie den Mittelwert, wenn der zweite Eingangsmuster eintritt, der Algorithmus füllt das Fenster mit Len - 2 - Nullen Der Datenvektor, x ist dann die beiden Datenproben 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 Das exponentielle Gewichtungsverfahren wird der gleitende Durchschnitt 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 Dateneingabeprobe X N 1 Bewegender Durchschnitt bei der vorherigen Probe. Forgetting factor. w N Gewichtungsfaktor, der auf die aktuelle Datenprobe angewendet wird. 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. Moving Average. Method Mittelungsmethode Schiebefenster Standard Exponentielle Gewichtung. Sliding Fenster Ein Fenster der Länge Fenster Länge bewegt sich über die Eingabedaten entlang jedem Kanal Für jede Probe das Fenster bewegt sich durch, der Block berechnet die a Über die Daten in der window. Exponential-Gewichtung Der Block multipliziert die Samples mit einem Satz von Gewichtungsfaktoren Die Größe der Gewichtungsfaktoren nimmt exponentiell ab, wenn das Alter der Daten zunimmt und niemals Null erreicht. Um den Durchschnitt zu berechnen, summiert der Algorithmus die gewichteten Data. Specify window length Flag, um die Fensterlänge auf default off anzugeben. Wenn Sie dieses Kontrollkästchen markieren, ist die Länge des Schiebefensters gleich dem Wert, den Sie in der Fensterlänge angeben Wenn Sie dieses Kontrollkästchen löschen, wird die Länge des Schiebefensters Ist unendlich In diesem Modus berechnet der Baustein den Mittelwert des aktuellen Samples und alle vorherigen Samples im Kanal. Windlänge Länge des Schiebefensters 4 Standard-Positiv-Skalar-Integer. Window-Länge gibt die Länge des Schiebefensters an Dieser Parameter erscheint, wenn Sie Wähle das Kontrollkästchen Fensterlänge festlegen. Forgetting-Faktor Exponentieller Gewichtungsfaktor 0 9 default positiver realer Skalar im Bereich 0,1. Dieser Parameter gilt, wenn yo U set Methode zur exponentiellen Gewichtung Ein Vergessungsfaktor 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. Dieser Parameter ist abstimmbar Sie Kann seinen Wert auch während der Simulation ändern. Simulieren mit der Art der Simulation, um Code-Generierung Standard ausgeführt interpretiert Ausführung. Simulieren Modell mit generierten C-Code Das erste Mal, wenn Sie eine Simulation, Simulink generiert C-Code für den Block Der C-Code wird für nachfolgende wiederverwendet Simulationen, solange das Modell sich nicht ändert Diese Option erfordert zusätzliche Startzeit, bietet aber eine schnellere Simulationsgeschwindigkeit als interpretierte Ausführung. Simulieren Sie das Modell mit dem MATLAB-Interpreter Diese Option verkürzt die Startzeit, hat aber eine langsamere Simulationsgeschwindigkeit als Code generation. Sliding Window Method. In Das Schiebefensterverfahren ist der Ausgang für jede Eingangsabtastung der Mittelwert der aktuellen Abtastung und der Len - 1 vorherigen Abtastwerte L En ist die Länge des Fensters Um die ersten Len - 1 - Ausgänge zu berechnen, wenn das Fenster noch nicht genügend Daten enthält, füllt der Algorithmus das Fenster mit Nullen. Zum Beispiel, um den Durchschnitt zu berechnen, wenn das zweite Eingabemuster eintritt, Algorithmus füllt das Fenster mit Len - 2 - Nullen Der Datenvektor, x ist dann die beiden Datenmuster, gefolgt von Len - 2 - Nullen. Wenn man die Fensterlänge nicht spezifiziert, wählt der Algorithmus eine unendliche Fensterlänge. In diesem Modus ist die Ausgabe Der gleitende Durchschnitt des aktuellen Samples und alle vorherigen Samples im Channel. Exponential Weighting Method. Im exponentiellen Gewichtungsverfahren wird der gleitende Durchschnitt 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 Bewegender Mittelwert bei der aktuellen Probe. x N Aktuelle Dateneingabe sample. x N 1 Bewegender Durchschnitt bei der vorherigen Probe. Forgetting factor. w N Gewichtungsfaktor, der auf den aktuellen Datenabtastwert angewendet wird. 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 .