AnyMath 文档

Moving Average

的移动平均线。

blockType: MovingAverage

图书馆路径:

/Signal Operations/Statistics/Moving Average

资料描述

座 *Moving Average*计算每个通道的输入信号的移动平均值,而不考虑时间。

为了计算移动平均线,块使用滑动窗口法或指数加权法。

在滑动窗口方法中,块计算给定长度的窗口中的数据的平均值,该窗口移动通过数据样本。

在指数加权方法中,块将数据样本乘以一组加权因子,然后汇总加权数据以计算平均值。

有关这些方法的详细信息,请参阅算法

港口

输入

# x — 输入数据
向量资料 | 矩阵

Details

块计算输入端口上指示的数据的移动平均值。 块接受以下维度的多通道输入数据 ,在哪里 ,具有实数或复数值。

如果复选框 *Allow arbitrary frame length for fixed-size input signals*示出但未设置,并且输入信号具有固定大小,帧长度必须是跳跃大小的倍数,其被定义为窗口长度和重叠长度之间的差。 在所有其他情况下,输入帧的长度可以是任意的。

该块接受可变大小的输入信号(在仿真过程中帧长度变化)。 当施加可变大小的信号时,信号帧的长度可以是任意的。

此端口还没有参数的名称 *Method*值未设置 Exponential weighting 并且未选中复选框。 *Specify forgetting factor from input port*.

数据类型

漂浮物16, 漂浮物32, 漂浮64, Int8, Int16, Int32, Int64, Int128, UInt8, UInt16, UInt32, UInt64, UInt128

复数支持

是的

# λ — 遗忘率
标量,标量

Details

遗忘系数,作为一个正实标量给出 0 以前 1,确定过去数据的权重。 以遗忘率 0.9 旧数据具有比遗忘系数更多的权重。 0.1. 遗忘率 1.0 意味着无限内存-所有以前的样本具有相同的权重。

依赖关系

要使用此端口,请设置参数 *Method*价值 Exponential weighting 并选中该框 *Specify forgetting factor from input port*.

数据类型

漂浮64, Int8, Int16, Int32, Int64, UInt8, UInt16, UInt32

复数支持

非也。

输出

# OUT_1 — 移动平均输出
向量资料 | 矩阵

Details

作为向量或矩阵返回的移动平均线。 块根据参数设置计算移动平均线 *Method*使用滑动窗口法或指数加权法。

该表提供了有关输出信号大小的详细信息。

*输入信号*

*输入信号的尺寸*

*输出信号的尺寸*

国旗 *Allow arbitrary frame length for fixed-size input signals*显示

国旗 *Allow arbitrary frame length for fixed-size input signals*未显示

固定大小的信号

,在哪里 跳跃大小的倍数(窗口长度是重叠的长度)

(跳跃的大小)上

固定大小的信号

,在哪里 不是跳跃大小的倍数(窗口长度是重叠的长度)

ceil( 跳跃的大小)上 在复选框的情况下 *Allow arbitrary frame length for fixed-size input signals*已安装。 如果未选中此复选框,则块返回错误。

可变大小的信号

ceil( 跳跃的大小)上

当输出在ceil大小上有上限时( 跳跃的大小)上 在模拟期间,第一维的尺寸在此边界内变化,而第二维的尺寸保持恒定。

数据类型

漂浮物16, 漂浮物32, 漂浮64, Int8, Int16, Int32, Int64, Int128, UInt8, UInt16, UInt32, UInt64, UInt128

复数支持

是的

参数

主阵列

# Method — 平均方法
Sliding window | Exponential weighting

Details

* Sliding window -窗口长度 *Window length*沿每个通道移动输入数据。 对于窗口移动通过的每个样本,块计算窗口中数据的平均值。

* Exponential weighting -块将样本乘以一组加权因子。 随着数据年龄的增加,权重的大小呈指数下降,但大小从未达到零。 为了计算平均值,算法汇总了加权数据。

Sliding window | Exponential weighting

默认值

Sliding window

程序使用名称

Method

可调谐

可计算

# Specify window length — 指定窗口长度
Logical

Details

如果选择此选项,则滑动窗口的长度将等于为参数设置的值 *Window length*. 如果取消选中此选项,滑动窗口的长度将是无限的。 在这种模式下,块计算当前样本和通道中所有先前样本的平均值。

依赖关系

若要使用此参数,请为参数设置 *Method*价值 Sliding window.

默认值

true (已开启)

程序使用名称

SpecifyWindowLength

可调谐

可计算

# Window length — 滑动窗口长度
Int64 integer

Details

指定选择项中滑动窗口的长度。

依赖关系

若要使用此参数,请为参数设置 *Method*价值 Sliding window 并选中该框 *Specify window length*.

默认值

4

程序使用名称

WindowLength

可调谐

可计算

# Overlap length — 窗口之间重叠的长度
Int64 integer

Details

将窗口之间重叠的长度指定为非负整数。 重叠长度的值从 0 以前 *Window length* − 1.

依赖关系

若要使用此参数,请为参数设置 *Method*价值 Sliding window 并选中该框 *Specify window length*.

默认值

3

程序使用名称

OverlapLength

可调谐

可计算

# Allow arbitrary frame length for fixed-size input signals — 允许固定大小输入信号的任意帧长度
Logical

Details

指定固定大小的输入信号(其大小在模拟期间不改变)是否可以具有任意帧长度,其中帧长度不必是跳跃大小的倍数。 跳转的大小定义为参数值的差异 *Window length*及 *Overlap length*. 该模块仅对固定大小的输入信号使用此参数,如果输入信号具有可变大小,则将其忽略。

当输入信号具有可变大小时,信号可以具有任意的帧长度,即帧长度不应该是跳跃大小的倍数。

对于固定大小的输入信号:

*如果复选框 *Allow arbitrary frame length for fixed-size input signals*设置,信号帧的长度不必是跳跃大小的倍数。 如果输入信号不是跳跃大小的倍数,那么输出通常是可变大小的信号。 因此,要支持任意输入大小,块还必须支持可变大小操作,可以通过选中该框来启用。 *Allow arbitrary frame length for fixed-size input signals*.

*如果复选框 *Allow arbitrary frame length for fixed-size input signals*捕获,输入帧的长度必须是跳跃大小的倍数。

依赖关系

若要使用此参数,请为参数设置 *Method*价值 Sliding window 并选中该框 *Specify window length*.

默认值

false (关掉)

程序使用名称

AllowArbitrary

可调谐

可计算

# Specify forgetting factor from input port — 通过输入端口指定遗忘率
Logical

Details

当选择此选项时,通过*λ*端口输入遗忘系数。 如果取消选中此框,则使用参数设置遗忘系数 *Forgetting factor*.

依赖关系

若要使用此参数,请为参数设置 *Method*价值 Exponential weighting.

默认值

false (关掉)

程序使用名称

SpecifyForgettingFactorInput

可调谐

可计算

# Forgetting factor — 指数加权因子
Real number

Details

遗忘系数决定了过去数据的权重。 以遗忘率 0.9 旧数据具有比遗忘系数更多的权重。 0.1. 遗忘率 1.0 意味着无限内存-所有以前的样本具有相同的权重。

依赖关系

若要使用此参数,请为参数设置 *Method*价值 Exponential weighting 并取消选中该框 *Specify forgetting factor from input port*.

默认值

0.9

程序使用名称

ForgettingFactor

可调谐

可计算

算法

滑动窗口方法

Details

在滑动窗口方法中,每个输入样本的输出是当前样本的平均值和 以前的样品,在哪里 -这是样本中窗口的长度。 为了计算第一个输入样本,算法等待,直到它得到跳跃大小的输入样本的数量。 跳跃的大小被定义为窗口的长度和重叠的长度之间的差。 窗口中的剩余样本被认为是空的。 例如,如果窗口长度为 5,以及重叠的长度 — 2,然后算法等待,直到它接收到3个输入样本来计算输出信号的第一个样本。 在产生第一输出信号之后,针对每个数目的跳跃大小的输入样本产生后续输出样本。

如果未指定窗口长度,则算法选择无限窗口长度。 在此模式下,输出是通道中当前样本和所有先前样本的移动平均值。

指数加权法

Details

在指数加权方法中,移动平均线使用以下公式递归计算:



哪里

* -当前样本的移动平均线;

* -当前数据输入选择;

* -上一个样本的移动平均线;

* -遗忘系数;

* -应用于当前数据样本的加权因子;

* -先前数据对平均值的影响。

对于第一个样本,其中 ,算法选择 . 对于下一个样本,根据递归方程更新加权因子并用于计算平均值。 随着数据的年龄增加,加权因子的值呈指数下降,从不达到零。 换句话说,最新数据对当前平均值的影响大于旧数据。

遗忘系数决定了过去数据的权重。 以遗忘率 0.9 旧数据具有比遗忘系数更多的权重。 0.1. 遗忘率 1.0 意味着无限内存-所有以前的样本具有相同的权重。