Eu sou novo para Simulink Eu quero fazer a média dos dados de entrada que vem depois de alguns intervalos de um bloco Por exemplo, Contínuo enquadrado dados de 42 amostras está fora de um bloco Junto com os dados emoldurados há uma outra tag de saída que diz que Essas amostras de quadros pertencem a qual categoria Tags são números de 1-6 A saída é aleatória Eu quero média a mesma categoria de dados Como o primeiro quadro é de cat1, então depois de 4 quadros frame cat1 novamente vem Agora como eu deveria média deste novo quadro Com o anterior Eu quero fazer isso para todas as categorias Por favor, ajude-me para fora this. asked Mar 26 14 em 13 35.A solução rápida e suja seria implementar um arraylist para cada categoria Inicializar a lista com NaNs e manter um Contador para a última amostra de cada categoria Usando a função média você pode obter a média de todas as medições. Se você quiser apenas a média do quadro atual e quadro anterior, você pode simplesmente fazer significar cat1 n1 cat1 n1 1 onde cat1 é o arraylist Fo R quadros da categoria 1 e n1 é o índice do quadro anterior em cat1.If você quer uma média móvel ponderada para uma implementação em tempo real, criar uma variável média para cada categoria chamá-lo av1, av2, etc e calcular av1 alpha av1 1 - alpha cat1 n1 1 em que alfa é o peso atribuído à média anterior alfa 1 e cat1 n1 1 é a nova medição sempre que um quadro cat1 vem in. answered Mar 26 14 em 17 39.Moving Média. Método Método de média Deslocamento janela padrão Exponencial Ponderação. 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. Ponderação exponencial O bloco multiplica as amostras por um conjunto de ponderação Fatores 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. Especifique o comprimento da janela Indicador para especificar a janela Comprimento no desligamento padrão. 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. 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. Comprimento da janela especifica o comprimento da janela deslizante Esse parâmetro aparece quando você seleciona a caixa de seleção Especificar comprimento da janela. Factor Factor de ponderação exponencial 0 9 default real escalar real na gama 0,1.Este parâmetro aplica-se quando se define Método para ponderação exponencial Um factor de esquecimento de 0 9 dá mais peso aos dados mais antigos do que um factor de esquecimento de 0 1 A esquecendo Fator 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. Simulação usando Tipo de sim Ulation para executar a geração de código padrão Execução interpretada. Modelo de simulação usando código C gerado A primeira vez que você executa uma simulação, o Simulink gera código C para o bloco O código C é reutilizado para simulações subseqüentes, desde que o modelo não mude Esta opção requer Tempo de inicialização adicional, mas fornece uma 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 o A média da amostra atual eo 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 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 é então as duas amostras de dados seguidas Por Len - 2 zeros. Quando você não especificar 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 método de ponderação exponencial. O método de ponderação exponencial, a média móvel é calculada recursivamente usando estas fórmulas. w N w N 1 1 x N 1 1 N N N N N N N N N N N N N N N Média móvel na amostra atual. X N 1 Média móvel na amostra anterior. Fator de desvio. 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 se aplica quando 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, 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 .
No comments:
Post a Comment