Sou novo no Simulink. Eu quero fazer a média dos dados recebidos (que vem depois de alguns intervalos) de um bloco. Por exemplo, dados emoldurados contínuos de 42 amostras estão fora de um bloco. Juntamente com os dados emoldurados, há outra saída (tag) que informa que esses framesamples pertencem a qual categoria. As tags são números de 1-6. A saída é aleatória. Eu quero fazer a média dos mesmos dados da categoria. Como o primeiro quadro é de cat1, então, depois de 4 quadros, o quadro cat1 vem de novo. Agora, como devo fazer uma média desse novo quadro com o anterior, eu quero fazer isso para todas as categorias. Por favor, ajude-me nisso. Perguntou 26 de março às 13:35 Uma solução rápida e suja seria implementar um arraylista para cada categoria. Inicialize a lista com NaNs e mantenha um contador para a última amostra de cada categoria. Usando a função média, você pode obter a média de todas as medidas. Se você quiser apenas a média do quadro atual e do quadro anterior, você pode simplesmente fazer o meio (cat1 (n1) cat1 (n11)) onde cat1 é o arraylist para quadros da categoria 1 e n1 é o índice do quadro anterior em cat1 . Se você quer uma média móvel ponderada para uma implementação em tempo real, crie uma variável média para cada categoria (ligue para av1, av2, etc.) e computa av1 alphaav1 (1-alpha) cat1 (n11) (onde alfa é o peso atribuído Para a média anterior (alphalt1) e cat1 (n11) é a nova medida) sempre que uma moldura cat1 entra. Respondeu 26 de março 14 às 17: 39Preço de mudança de marchas (obsoleto) Nota: o bloco de média móvel ponderada é obsoleto. Este bloco foi removido da biblioteca Discreta em R2008a e substituído pelo bloco Discrete FIR Filter. No entanto, os modelos existentes que contêm o bloco de média móvel ponderada continuam a funcionar para compatibilidade com versões anteriores. Use o bloco Discrete FIR Filter em novos modelos. Considere usar a função slupdate para substituir a média móvel ponderada com filtro FIR discreto em modelos existentes. As amostras de bloco de média móvel ponderada e mantém as entradas N mais recentes, multiplica cada entrada por um valor especificado (dado pelo parâmetro Weights) e as empilha em um vetor. Este bloco suporta modos de saída única de entrada única (SISO) e de entrada única (SIMO). Para o modo SISO, o parâmetro Weights é especificado como um vetor de linha. Para o modo SIMO, os pesos são especificados como uma matriz em que cada linha corresponde a uma saída separada. Você pode escolher se deseja ou não especificar o tipo de dados e a escala dos pesos na caixa de diálogo com o parâmetro Gain data type. O parâmetro de condição inicial fornece os valores iniciais para todos os tempos que precedem a hora de início. Você especifica o intervalo de tempo entre amostras com o parâmetro de tempo de amostra. O bloco de média móvel ponderada primeiro multiplica suas entradas pelo parâmetro Weights, converte esses resultados para o tipo de dados de saída usando os modos de arredondamento e desbordamento especificado e, em seguida, executa a soma. Suporte de tipo de dados O bloco de média móvel ponderada suporta todos os tipos de dados numéricos suportados pelo Simulink x00AE, incluindo tipos de dados de ponto fixo. Parâmetros Especifique os pesos da média móvel de uma linha por saída. O parâmetro Weights é convertido de duplos para o tipo de dados especificado sem o uso de round-to-closer e saturation. Especifique os valores iniciais para todos os tempos anteriores à hora de início. O parâmetro de condição inicial é convertido de duplos para o tipo de dados de entrada offline usando o round-to-closer e a saturação. Especifique o intervalo de tempo entre as amostras. Para herdar o tempo de amostra, defina este parâmetro como -1. Consulte Especificar tempo de exemplo na documentação on-line para obter mais informações. Tipo de dados de saída Especifique o tipo de dados de saída. Você pode configurá-lo para: Uma regra que herda um tipo de dados, por exemplo, Herdar: Herdar através de propagação traseira O nome de um objeto de tipo de dados, por exemplo, um objeto Simulink. NumericType Uma expressão que avalia um tipo de dados, por exemplo , Fixdt (1,16,0) Clique no botão Mostrar o tipo de dados para exibir o Assistente de tipo de dados. O que ajuda você a definir o parâmetro do tipo de dados de saída. Bloquear a escala de saída contra as mudanças pela ferramenta de seleção automática Selecione para bloquear a escala das saídas contra as alterações pela Ferramenta de ponto fixo. Modo de arredondamento inteiro Modo de arredondamento para a saída de ponto fixo. Para obter mais informações, consulte Arredondamento. Saturar para o máximo ou o mínimo quando ocorrem os transbordamentos Se selecionado, os excessos de ponto fixo são saturados. Caso contrário, eles se enrolam. Especifique o tipo de dados do parâmetro Weights. Você pode configurá-lo para: Uma regra que herda um tipo de dados, por exemplo, Herdar: Herdar via regra interna O nome de um objeto de tipo de dados, por exemplo, um objeto Simulink. NumericType Uma expressão que avalia um tipo de dados, por exemplo , Fixdt (1,16,0) Clique no botão Mostrar o tipo de dados para exibir o Assistente de tipo de dados. Que o ajuda a definir o parâmetro do tipo Gain data type. (Consulte Especificar Tipos de Dados Usando o Assistente de Tipo de Dados para obter mais informações.) Suponha que você queira configurar este bloco para duas saídas (modo SIMO) onde a primeira saída é dada por y 1 (k) a 1 x22C5 u (k) b 1 x22C5 U (k x2212 1) c 1 x22C5 u (k x2212 2) a segunda saída é dada por y 2 (k) a 2 x22C5 u (k) b 2 x22C5 u (k x2212 1) e os valores iniciais de u (k - 1) e u (k - 2) são dados por ic1 e ic2. respectivamente. Para configurar o bloco de média móvel ponderada para este caso, você deve especificar o parâmetro Weights como a1 b1 c1 a2 b2 c2 onde c2 0 eo parâmetro de condição inicial como ic1 ic2. CaracterísticasDocumentação saída tsmovavg (tsobj, s, lag) retorna a média móvel simples para o objeto da série temporária financeira, tsobj. Lag indica o número de pontos de dados anteriores usados com o ponto de dados atual ao calcular a média móvel. Output tsmovavg (vector, s, lag, dim) retorna a média móvel simples para um vetor. Lag indica o número de pontos de dados anteriores usados com o ponto de dados atual ao calcular a média móvel. Saída tsmovavg (tsobj, e, timeperiod) retorna a média móvel ponderada exponencial para o objeto da série temporária financeira, tsobj. A média móvel exponencial é uma média móvel ponderada, em que o período de tempo especifica o período de tempo. As médias móveis exponenciais reduzem o atraso aplicando mais peso aos preços recentes. Por exemplo, uma média móvel exponencial de 10 períodos pesa o preço mais recente em 18.18. Porcentagem Exponencial 2 (TIMEPER 1) ou 2 (WINDOWSIZE 1). Output tsmovavg (vector, e, timeperiod, dim) retorna a média móvel ponderada exponencial para um vetor. A média móvel exponencial é uma média móvel ponderada, em que o período de tempo especifica o período de tempo. As médias móveis exponenciais reduzem o atraso aplicando mais peso aos preços recentes. Por exemplo, uma média móvel exponencial de 10 períodos pesa o preço mais recente em 18.18. (2 (período de tempo 1)). Saída tsmovavg (tsobj, t, numperiod) retorna a média móvel triangular para o objeto da série temporária financeira, tsobj. A média móvel triangular suaviza os dados. Tsmovavg calcula a primeira média móvel simples com a largura da janela do ceil (numperiod 1) 2. Em seguida, calcula uma segunda média móvel simples na primeira média móvel com o mesmo tamanho de janela. Saída tsmovavg (vetor, t, numperiod, dim) retorna a média móvel triangular para um vetor. A média móvel triangular suaviza os dados. Tsmovavg calcula a primeira média móvel simples com a largura da janela do ceil (numperiod 1) 2. Em seguida, calcula uma segunda média móvel simples na primeira média móvel com o mesmo tamanho de janela. Saída tsmovavg (tsobj, w, pesos) retorna a média móvel ponderada para o objeto da série temporária financeira, tsobj. Fornecendo pesos para cada elemento na janela em movimento. O comprimento do vetor de peso determina o tamanho da janela. Se fatores de peso maiores forem usados para preços mais recentes e fatores menores para preços anteriores, a tendência é mais sensível às mudanças recentes. Saída tsmovavg (vetor, w, pesos, dim) retorna a média móvel ponderada para o vetor, fornecendo pesos para cada elemento na janela em movimento. O comprimento do vetor de peso determina o tamanho da janela. Se fatores de peso maiores forem usados para preços mais recentes e fatores menores para preços anteriores, a tendência é mais sensível às mudanças recentes. Saída tsmovavg (tsobj, m, numperiod) retorna a média móvel modificada para o objeto da série temporária financeira, tsobj. A média móvel modificada é semelhante à média móvel simples. Considere o argumento numperiod para ser o atraso da média móvel simples. A primeira média móvel modificada é calculada como uma média móvel simples. Os valores subseqüentes são calculados adicionando o novo preço e subtraindo a última média da soma resultante. Saída tsmovavg (vetor, m, numperiod, dim) retorna a média móvel modificada para o vetor. A média móvel modificada é semelhante à média móvel simples. Considere o argumento numperiod para ser o atraso da média móvel simples. A primeira média móvel modificada é calculada como uma média móvel simples. Os valores subseqüentes são calculados adicionando o novo preço e subtraindo a última média da soma resultante. Dim 8212 dimensionar para operar ao longo de inteiro positivo com o valor 1 ou 2 Dimensão para operar junto, especificado como um inteiro positivo com um valor de 1 ou 2. dim é um argumento de entrada opcional e, se não for incluído como entrada, o padrão O valor 2 é assumido. O padrão de dim 2 indica uma matriz orientada por linha, onde cada linha é uma variável e cada coluna é uma observação. Se dim 1. a entrada é assumida como um vetor de coluna ou matriz orientada por coluna, onde cada coluna é uma variável e cada linha uma observação. E 8212 Indicador para vetor de caracteres de média móvel exponencial A média móvel exponencial é uma média móvel ponderada, em que o período de tempo é o período de tempo da média móvel exponencial. As médias móveis exponenciais reduzem o atraso aplicando mais peso aos preços recentes. Por exemplo, uma média móvel exponencial de 10 períodos pesa o preço mais recente em 18.18. Porcentagem exponencial 2 (TIMEPER 1) ou 2 (WINDOWSIZE 1) período de tempo 8212 Comprimento do período de tempo inteiro não negativo Selecione seu país
No comments:
Post a Comment