Weighted Mobile Media Simulink

Sono nuovo di Simulink. Voglio fare la media dei dati in ingresso (che viene dopo alcuni intervalli) da un unico blocco. Per esempio, i dati continui incorniciate di 42 campioni è fuori da un blocco. Insieme con i dati incorniciate c'è un'altra uscita (tag), che dice che questi framesamples appartengono a quale categoria. I tag sono numeri da 1-6. L'uscita è casuale. Voglio media gli stessi dati di categoria. Come il primo fotogramma è di cat1, poi dopo 4 telai telaio cat1 viene di nuovo. Ora come dovrei media questo nuovo telaio con quella precedente che voglio fare questo per tutte le categorie. Si prega di aiutarmi in questo. chiesto 26 Mar 14 at 13:35 Una soluzione rapida e sporca sarebbe quello di implementare una arraylist per ogni categoria. Inizializzare la lista con NaN e mantenere un contatore per l'ultimo campione di ogni categoria. Utilizzando la funzione significa che si può ottenere la media di tutte le misurazioni. Se si desidera solo la media del frame corrente e la struttura precedente, si può semplicemente fare significare (CAT1 (n1) cat1 (n11)) dove cat1 è il arraylist per i frame di categoria 1 e n1 è l'indice del fotogramma precedente in cat1 . Se si desidera una media mobile ponderata per una implementazione in tempo reale, creare una variabile media per ogni categoria (lo chiamano AV1, AV2, etc.) e calcolare alphaav1 AV1 (1-alpha) cat1 (n11) (dove alpha è il peso assegnato alla media precedente (alphalt1) e cat1 (n11) è la nuova misura) ogni volta che un fotogramma cat1 entra. risposto 26 marzo 14 alle ore 17: 39Documentation uscita tsmovavg (tsobj, s, lag) restituisce la media mobile semplice da per oggetto serie finanziarie, tsobj. lag indica il numero di punti dati precedenti utilizzati con il punto dati corrente nel calcolo della media mobile. Uscita tsmovavg (vettore, s, lag, dim) restituisce la media mobile semplice per un vettore. lag indica il numero di punti dati precedenti utilizzati con il punto dati corrente nel calcolo della media mobile. Uscita tsmovavg (tsobj, e, timeperiod) restituisce la media mobile esponenziale ponderata per oggetto serie finanziarie, tsobj. La media mobile esponenziale è una media mobile ponderata, dove timeperiod specifica il periodo di tempo. medie mobili esponenziali a ridurre il ritardo, applicando un peso maggiore ai prezzi recenti. Ad esempio, un 10-periodo mobile esponenziale peso medio del prezzo più recente 18.18. Percentuale esponenziale 2 (TIMEPER 1) o 2 (WindowSize 1). Uscita tsmovavg (vettore, e, timeperiod, dim) restituisce la media mobile esponenziale ponderata per un vettore. La media mobile esponenziale è una media mobile ponderata, dove timeperiod specifica il periodo di tempo. medie mobili esponenziali a ridurre il ritardo, applicando un peso maggiore ai prezzi recenti. Ad esempio, un 10-periodo mobile esponenziale peso medio del prezzo più recente 18.18. (2 (timeperiod 1)). Uscita tsmovavg (tsobj, t, numperiod) restituisce la media mobile triangolare per oggetto serie finanziarie, tsobj. La media mobile triangolare doppio leviga i dati. tsmovavg calcola la prima media mobile semplice, con larghezza della finestra di ceil (numperiod 1) 2. Poi si calcola una seconda media mobile semplice al primo media mobile con la stessa dimensione della finestra. Uscita tsmovavg (vettore, t, numperiod, dim) restituisce la media mobile triangolare per un vettore. La media mobile triangolare doppio leviga i dati. tsmovavg calcola la prima media mobile semplice, con larghezza della finestra di ceil (numperiod 1) 2. Poi si calcola una seconda media mobile semplice al primo media mobile con la stessa dimensione della finestra. Uscita tsmovavg (tsobj, w, pesi) restituisce la media mobile ponderata per il tempo finanziario oggetto di serie, tsobj. fornendo pesi per ciascun elemento della finestra mobile. La lunghezza del vettore dei pesi determina la dimensione della finestra. Se si utilizzano fattori di peso più grandi per i prezzi più recenti e fattori più piccole per i prezzi precedenti, la tendenza è più sensibile alle modifiche recenti. Uscita tsmovavg (vettore, w, pesi, dim) restituisce la media mobile ponderata per il vettore fornendo pesi per ciascun elemento della finestra mobile. La lunghezza del vettore dei pesi determina la dimensione della finestra. Se si utilizzano fattori di peso più grandi per i prezzi più recenti e fattori più piccole per i prezzi precedenti, la tendenza è più sensibile alle modifiche recenti. Uscita tsmovavg (tsobj, m, numperiod) restituisce la media mobile modificato per il momento finanziario oggetto di serie, tsobj. La media mobile modificata è simile alla media mobile semplice. Si consideri il numperiod argomento di essere il ritardo della media mobile semplice. La prima media mobile modificato è calcolato come una media mobile semplice. I valori successivi sono calcolati aggiungendo il nuovo prezzo e sottraendo l'ultimo media dalla somma risultante. Uscita tsmovavg (vettore, m, numperiod, dim) restituisce la media mobile modificato per il vettore. La media mobile modificata è simile alla media mobile semplice. Si consideri il numperiod argomento di essere il ritardo della media mobile semplice. La prima media mobile modificato è calcolato come una media mobile semplice. I valori successivi sono calcolati aggiungendo il nuovo prezzo e sottraendo l'ultimo media dalla somma risultante. dim 8212 dimensione operare insieme intero positivo che vale 1 o 2 Dimension operare lungo, specificato come un numero intero positivo con un valore di 1 o 2. dim è un argomento ingresso opzionale, e se non è incluso come ingresso, il default il valore 2 si presume. Il valore predefinito di dim 2 indica una matrice fila orientata, in cui ogni riga è una variabile e ogni colonna è un'osservazione. Se dim 1. l'ingresso viene considerata un vettore colonna o una matrice di colonna orientato, in cui ogni colonna è una variabile e ogni riga un'osservazione. e 8212 Indicatore mobile esponenziale vettore media carattere media mobile esponenziale è una media mobile ponderata, dove timeperiod è il periodo di tempo della media mobile esponenziale. medie mobili esponenziali a ridurre il ritardo, applicando un peso maggiore ai prezzi recenti. Ad esempio, un periodo di 10 mobile esponenziale peso medio del prezzo più recente 18.18. Percentuale esponenziale 2 (TIMEPER 1) o 2 (WindowSize 1) timeperiod 8212 Durata del periodo di tempo intero non negativo Seleziona il tuo CountryDocumentation Moving Metodo media 8212 metodo della media finestra scorrevole (di default) ponderazione esponenziale finestra 8212 scorrevole Una finestra di lunghezza lunghezza finestra si muove sopra l'ingresso dati lungo ciascun canale. Per ogni campione finestra muove, il blocco calcola la media dei dati nella finestra. Esponenziale ponderazione 8212 Il blocco moltiplica i campioni da un insieme di fattori di ponderazione. La grandezza dei fattori di ponderazione diminuisce esponenzialmente con l'età dei dati aumenta, non raggiungendo lo zero. Per calcolare la media, l'algoritmo somma i dati ponderati. Specificare lunghezza della finestra 8212 Flag per specificare la lunghezza finestra (default) off Quando si seleziona questa casella di controllo, la lunghezza della finestra scorrevole è uguale al valore specificato di lunghezza della finestra. Quando si deseleziona questa casella di controllo, la lunghezza della finestra scorrevole è infinito. In questa modalità, il blocco calcola la media del campione attuale e tutti i campioni precedenti nel canale. lunghezza della finestra 8212 Lunghezza della finestra scorrevole 4 (default) positivo scalare lunghezza intero Finestra specifica la lunghezza della finestra scorrevole. Questo parametro viene visualizzato quando si seleziona la casella di controllo lunghezza della finestra Specifica. fattore Dimenticando 8212 esponenziale fattore di ponderazione 0,9 (default) scalare reale positivo nel range (0,1 Questo parametro si applica quando si imposta il metodo di ponderazione esponenziale. Un fattore dimenticando di 0,9 dà più peso ai dati più vecchi di quanto non faccia un fattore dimenticare di 0,1 . un fattore dimenticando di 1,0 indica memoria infinita. Tutti i campioni precedenti sono date un peso uguale. Questo parametro è sintonizzabile. è possibile modificare il suo valore anche durante la simulazione. simulazione con 8212 Tipo di simulazione per eseguire la generazione di codice (default) l'esecuzione interpretato Simulate modello utilizzando il codice C generato. la prima volta che si esegue una simulazione, Simulink x00AE genera codice C per il blocco. il codice C viene riutilizzato per le simulazioni successive, fino a quando il modello non cambia. Questa opzione richiede il tempo di avvio supplementare, ma fornisce più veloce velocità di simulazione di esecuzione interpretati. Simulare modello utilizzando l'interprete di MATLAB x00AE. Questa opzione riduce il tempo di avvio, ma ha più lenta velocità di simulazione di generazione del codice. Più su algoritmi scorrevole Metodo Finestra Nel metodo finestra scorrevole, l'uscita di ogni campione di ingresso è la media del campione attuale e la Len - 1 campioni precedenti. Len è la lunghezza della finestra. Per calcolare la prima Len - 1 uscite, quando la finestra non ha ancora dati sufficienti, l'algoritmo riempie la finestra di zeri. Ad esempio, per calcolare la media quando il secondo campione di ingresso arriva, l'algoritmo riempie la finestra con Len - 2 zeri. Il vettore di dati, x. è poi i due campioni di dati seguito da Len - 2 zeri. Quando si imposta la proprietà SpecifyWindowLength su false. l'algoritmo sceglie una lunghezza infinita finestra. In questa modalità, l'uscita è la media mobile del campione attuale e tutti i campioni precedenti nel canale. Esponenziale ponderazione metodo nel metodo di ponderazione esponenziale, la media mobile è calcolata in modo ricorsivo utilizza queste formule: w N. x03BB x03BB w N x2212 1. x03BB 1. x x00AF N. x03BB (1 x2212 1 w N. x03BB) x x00AF N x2212 1. x03BB (1 w N. x03BB) x N x x00AF N. x03BB 8212 media mobile al campione corrente x N 8212 campione immissione dei dati in corso x x00AF N x2212 1. x03BB 8212 media mobile al campione precedente 955 8212 Dimenticando fattore w N. x03BB fattore di ponderazione 8212 applicato al campione di dati corrente (1 x2212 1 w N. x03BB) x x00AF N x2212 1. x03BB 8212 effetto dei dati precedenti in media per il primo campione, dove N 1, l'algoritmo sceglie w N. x03BB 1. per il campione successivo, il fattore di ponderazione è aggiornata ed utilizzata per calcolare la media, come per l'equazione ricorsiva. Come l'età dei dati aumenta, l'incidenza del fattore di ponderazione diminuisce esponenzialmente e non raggiunge lo zero. In altre parole, i dati recenti ha più influenza sulla media attuale rispetto ai dati più vecchi. Il valore del coefficiente di oblio determina il tasso di variazione dei fattori di ponderazione. Un fattore dimenticando di 0,9 dà più peso ai dati più vecchi di quanto non faccia un fattore dimenticando di 0,1. Un fattore dimenticando di 1,0 indica memoria infinita. Tutti i campioni precedenti sono date un peso uguale. Oggetti di sistema Seleziona il Paese