Скользящее среднеквадратичное
Скользящее среднее квадратичное.
Тип: MovingRMS
|
Путь в библиотеке: |
Описание
Блок Скользящее среднеквадратичное рассчитывает скользящее среднее квадратичное входного сигнала по каждому каналу независимо от времени.
Для вычисления скользящего среднего квадратичного блок использует либо метод скользящего окна, либо метод экспоненциального взвешивания.
В методе скользящего окна окно заданной длины перемещается по данным шаг за шагом, и блок вычисляет среднее квадратичное по данным в окне.
В методе экспоненциального взвешивания блок возводит в квадрат последовательные значения входного сигнала, умножает их на набор весовых коэффициентов и суммирует взвешенные данные. Затем блок вычисляет среднее квадратичное, извлекая квадратный корень из суммы.
Более подробно об этих методах см. в разделе Алгоритмы.
Порты
Вход
#
x
—
входные данные
вектор | матрица
Details
Блок вычисляет скользящее среднее квадратичное значение данных, указанных на входном порту. Блок принимает многоканальные входные данные размерностью на , где и , с вещественными или комплексными значениями.
Если флажок Разрешить произвольную длину кадра для входных сигналов фиксированного размера показан, но не установлен, и входной сигнал имеет фиксированный размер, то длина кадра должна быть кратна размеру скачка, который определяется как разница между длиной окна и длиной перекрытия. Во всех остальных случаях длина входного кадра может быть произвольной.
Блок принимает входные сигналы переменного размера (длина кадра изменяется в процессе моделирования). При подаче сигнала переменного размера длина кадра сигнала может быть произвольной.
Этот порт не имеет названия, пока для параметра Метод не установлено значение Экспоненциальное взвешивание и не установлен флажок Указать коэффициент забывания через входной порт.
| Типы данных |
|
| Поддержка комплексных чисел |
Да |
#
λ
—
коэффициент забывания
скаляр
Details
Коэффициент забывания, заданный как положительный вещественный скаляр от 0 до 1, определяет, какой вес имели прошлые данные. При коэффициенте забывания 0.9 старые данные имеют больший вес, чем при коэффициенте забывания 0.1. Коэффициент забывания 1.0 означает бесконечную память — все предыдущие выборки имеют одинаковый вес.
Зависимости
Чтобы использовать этот порт, установите для параметра Метод значение Экспоненциальное взвешивание и установите флажок Указать коэффициент забывания через входной порт.
| Типы данных |
|
| Поддержка комплексных чисел |
Нет |
Выход
#
OUT_1
—
вывод скользящего среднего
вектор | матрица
Details
Скользящее среднее квадратичное, возвращаемое в виде вектора или матрицы. Блок вычисляет скользящее среднее квадратичное на основе настроек параметра Метод, используя либо метод скользящего окна, либо метод экспоненциального взвешивания.
В таблице приведены подробные сведения о размерах выходного сигнала.
Входной сигнал |
Размеры входного сигнала |
Размеры выходного сигнала |
|
Флажок Разрешить произвольную длину кадра для входных сигналов фиксированного размера показан |
Флажок Разрешить произвольную длину кадра для входных сигналов фиксированного размера не показан |
||
Сигнал фиксированного размера |
на , где кратно размеру скачка (длина окна — длина перекрытия) |
(размер скачка) на |
на |
Сигнал фиксированного размера |
на , где не кратно размеру скачка (длина окна — длина перекрытия) |
ceil( размер скачка) на в случае, если флажок Разрешить произвольную длину кадра для входных сигналов фиксированного размера установлен. Если этот флажок снят, то блок выдает ошибку |
на |
Сигнал переменного размера |
на |
ceil( размер скачка) на |
на |
Когда выход имеет верхнюю границу размера ceil( размер скачка) на , во время моделирования размер первого измерения изменяется в пределах этой границы, а размер второго измерения остается постоянным.
| Типы данных |
|
| Поддержка комплексных чисел |
Да |
Параметры
Основные
#
Метод —
метод осреднения
Скользящее окно | Экспоненциальное взвешивание
Details
-
Скользящее окно— окно длиной Длина окна перемещается по входным данным вдоль каждого канала. Для каждой выборки, по которой перемещается окно, блок вычисляет среднее квадратичное по данным в окне. -
Экспоненциальное взвешивание— блок умножает выборки на набор весовых коэффициентов. Величина весовых коэффициентов экспоненциально уменьшается по мере увеличения возраста данных, но величина никогда не достигает нуля. Для вычисления среднего квадратичного алгоритм суммирует взвешенные данные.
| Значения |
|
| Значение по умолчанию |
|
| Имя для программного использования |
|
| Настраиваемый |
Нет |
| Вычисляемый |
Нет |
#
Указать длину окна —
указать длину окна
Логический тип
Details
Если установить этот флажок, длина скользящего окна будет равна значению, установленному для параметра Длина окна. Если снять этот флажок, длина скользящего окна будет бесконечной. В этом режиме блок вычисляет среднее квадратичное текущей выборки и всех предыдущих выборок в канале.
Зависимости
Чтобы использовать этот параметр, установите для параметра Метод значение Скользящее окно.
| Значение по умолчанию |
|
| Имя для программного использования |
|
| Настраиваемый |
Нет |
| Вычисляемый |
Нет |
#
Длина окна —
длина скользящего окна
Целое число типа Int64
Details
Указывает длину скользящего окна в выборках.
Зависимости
Чтобы использовать этот параметр, установите для параметра Метод значение Скользящее окно и установите флажок Указать длину окна.
| Значение по умолчанию |
|
| Имя для программного использования |
|
| Настраиваемый |
Нет |
| Вычисляемый |
Да |
#
Длина перекрытия —
длина перекрытия между окнами
Целое число типа Int64
Details
Указывает длину перекрытия между окнами как целое неотрицательное число. Значение длины перекрытия варьируется в диапазоне от 0 до Длина окна − 1.
Зависимости
Чтобы использовать этот параметр, установите для параметра Метод значение Скользящее окно и установите флажок Указать длину окна.
| Значение по умолчанию |
|
| Имя для программного использования |
|
| Настраиваемый |
Нет |
| Вычисляемый |
Да |
#
Разрешить произвольную длину кадра для входных сигналов фиксированного размера —
разрешить произвольную длину кадра для входных сигналов фиксированного размера
Логический тип
Details
Укажите, могут ли входные сигналы фиксированного размера (размер которых не меняется во время моделирования) иметь произвольную длину кадра, где длина кадра не обязательно должна быть кратна размеру скачка. Размер скачка определяется как разница значений параметров Длина окна и Длина перекрытия. Блок использует этот параметр только для входных сигналов фиксированного размера и игнорирует его, если входной сигнал имеет переменный размер.
Когда входной сигнал имеет переменный размер, сигнал может иметь произвольную длину кадра, то есть длина кадра не должна быть кратна размеру скачка.
Для входных сигналов фиксированного размера:
-
Если флажок Разрешить произвольную длину кадра для входных сигналов фиксированного размера установлен, длина кадра сигнала не обязательно должна быть кратна размеру скачка. Если входной сигнал не кратен размеру скачка, то на выходе обычно получается сигнал переменного размера. Поэтому для поддержки произвольного размера входного сигнала блок должен также поддерживать операции с переменным размером, что можно включить, установив флажок Разрешить произвольную длину кадра для входных сигналов фиксированного размера.
-
Если флажок Разрешить произвольную длину кадра для входных сигналов фиксированного размера снят, то длина входного кадра должна быть кратна размеру скачка.
Зависимости
Чтобы использовать этот параметр, установите для параметра Метод значение Скользящее окно и установите флажок Указать длину окна.
| Значение по умолчанию |
|
| Имя для программного использования |
|
| Настраиваемый |
Нет |
| Вычисляемый |
Нет |
#
Указать коэффициент забывания через входной порт —
указать коэффициент забывания через входной порт
Логический тип
Details
При установке этого флажка коэффициент забывания вводится через порт λ. Если снять этот флажок, коэффициент забывания задается через параметр Коэффициент забывания.
Зависимости
Чтобы использовать этот параметр, установите для параметра Метод значение Экспоненциальное взвешивание.
| Значение по умолчанию |
|
| Имя для программного использования |
|
| Настраиваемый |
Нет |
| Вычисляемый |
Нет |
#
Коэффициент забывания —
экспоненциальный весовой коэффициент
Вещественное число
Details
Коэффициент забывания определяет, какой вес имели прошлые данные. При коэффициенте забывания 0.9 старые данные имеют больший вес, чем при коэффициенте забывания 0.1. Коэффициент забывания 1.0 означает бесконечную память — все предыдущие выборки имеют одинаковый вес.
Зависимости
Чтобы использовать этот параметр, установите для параметра Метод значение Экспоненциальное взвешивание и снимите флажок Указать коэффициент забывания через входной порт.
| Значение по умолчанию |
|
| Имя для программного использования |
|
| Настраиваемый |
Нет |
| Вычисляемый |
Да |
Алгоритмы
Метод скользящего окна
Details
В методе скользящего окна выходной сигнал для каждой входной выборки представляет собой среднее квадратичное текущей выборки и предыдущих выборок, где — это длина окна в выборках. Чтобы вычислить первую входную выборку, алгоритм ждет, пока не получит количество входных выборок размером в скачок. Размер скачка определяется как разница длины окна и длины перекрытия. Оставшиеся выборки в окне считаются нулевыми. Например, если длина окна равна 5, а длина перекрытия — 2, то алгоритм ждет, пока не получит 3 входных выборки, чтобы вычислить первую выборку выходного сигнала. После генерации первого выходного сигнала он генерирует последующие выходные выборки для каждого количества входных выборок размером в скачок.
Если длина окна не указана, алгоритм выбирает бесконечную длину окна. В этом режиме выходом является скользящее среднее текущей выборки и всех предыдущих выборок в канале.
На схеме приведен пример вычисления скользящего среднего квадратичного значения потоковых входных данных с помощью метода скользящего окна. Алгоритм использует длину окна 4 и длину перекрытия 3. С каждым поступающим входным образцом окно длиной 4 перемещается вдоль данных.
Метод экспоненциального взвешивания
Details
В методе экспоненциального взвешивания скользящее среднее квадратичное вычисляется рекурсивно по следующим формулам:
где
-
— скользящее среднее квадратичное по текущей выборке;
-
— квадрат текущей выборки ввода данных;
-
— скользящее среднее квадратичное по предыдущей выборке;
-
— коэффициент забывания;
-
— весовой коэффициент, применяемый к текущей выборке данных;
-
— влияние предыдущих данных на среднее квадратичное.
Для первой выборки, где , алгоритм выбирает . Для следующей выборки весовой коэффициент обновляется и используется для вычисления среднего квадратичного в соответствии с рекурсивным уравнением. С увеличением возраста данных величина весового коэффициента экспоненциально уменьшается и никогда не достигает нуля. Другими словами, последние данные оказывают большее влияние на текущее значение среднего квадратичного, чем старые.
Коэффициент забывания определяет, какой вес имели прошлые данные. При коэффициенте забывания 0.9 старые данные имеют больший вес, чем при коэффициенте забывания 0.1. Коэффициент забывания 1.0 означает бесконечную память — все предыдущие выборки имеют одинаковый вес.
На схеме приведен пример вычисления скользящего среднего квадратичного с использованием метода экспоненциального взвешивания. Коэффициент забывания равен 0.9.
