Ich bin neu bei Simulink Ich möchte den Durchschnitt der eingehenden Daten machen, die nach einigen Intervallen aus einem Block kommen. Zum Beispiel sind ununterbrochene gerahmte Daten von 42 Samples aus einem Block heraus. Zusammen mit den gerahmten Daten gibt es ein weiteres Ausgabetikett, das das sagt Diese rahmenmuster gehören zu welchen typen Tags sind Zahlen von 1-6 Die Ausgabe ist zufällig Ich möchte die gleichen Kategorie Daten wie das erste Bild von cat1, dann nach 4 Frames cat1 Frame wieder kommt Nun, wie soll ich diesen neuen Frame durchschnittlich Mit dem vorherigen Ich möchte dies für alle Kategorien tun Bitte helfen Sie mir in diesem. asked Mar 26 14 um 13 35. Eine schnelle und schmutzige Lösung wäre, um eine Arraylist für jede Kategorie implementieren Initialisieren Sie die Liste mit NaNs und halten ein Zähler für das letzte Sample aus jeder Kategorie Mit der mittleren Funktion kannst du den Durchschnitt aller Messungen erhalten. Wenn du nur den Durchschnitt des aktuellen Frames und des vorherigen Frames willst, kannst du einfach Cat1 n1 cat1 n1 1 bedeuten, wo cat1 der Arraylist ist Fo R Frames aus Kategorie 1 und n1 ist der Index des vorherigen Frames in cat1.Wenn Sie einen gewichteten gleitenden Durchschnitt für eine Echtzeit-Implementierung wollen, erstellen Sie eine durchschnittliche Variable für jede Kategorie rufen Sie es av1, av2, etc und compute av1 alpha av1 1 - Alpha cat1 n1 1 wobei alpha das Gewicht ist, das dem vorherigen durchschnittlichen Alpha 1 zugeordnet ist und cat1 n1 1 die neue Messung ist, wann immer ein cat1-Rahmen hereinkommt. 266 bei 17 39.Weighted Moving Average Obsolete. Note The Weighted Moving Average Block ist veraltet Dieser Block wurde aus der diskreten Bibliothek in R2008a entfernt und durch den diskreten FIR Filterblock ersetzt. Allerdings arbeiten bestehende Modelle, die den Weighted Moving Average Block enthalten, weiterhin für die Rückwärtskompatibilität. Verwenden Sie den diskreten FIR Filterblock in neuen Modellen Die Slupdate-Funktion, um Weighted Moving Average mit diskreten FIR Filter in bestehenden Modellen zu ersetzen. Die gewichteten Moving Average Block-Samples und hält die N neuesten Eingänge, multipliziert jede Eingabe mit einem speci Faden Wert, der durch den Wert "Gewichte" gegeben wird, und stapelt sie in einen Vektor Dieser Block unterstützt sowohl Single-Input-Single-Output-SISO - als auch Single-Input-Multiplex-SIMO-Modi. Für den SISO-Modus wird der Parameter Weights als Zeilenvektor für angegeben Der SIMO-Modus, die Gewichte werden als Matrix angegeben, wobei jede Zeile einer separaten Ausgabe entspricht. Sie können wählen, ob der Datentyp und die Skalierung der Gewichte im Dialog mit dem Parameter Gain-Datentyp angegeben werden soll Die Anfangswerte für alle Zeiten vor der Startzeit Sie geben das Zeitintervall zwischen den Samples mit dem Sample Time Parameter an. Der gewichtete Moving Average Block multipliziert seine Eingaben mit dem Wert "Weights", wandelt diese Ergebnisse mit der angegebenen Rundung in den Ausgabedatentyp um Überlauf-Modi und führt dann die Summation. Data Type Support. Die gewichtete Moving Average Block unterstützt alle numerischen Datentypen, die Simulink unterstützt, einschließlich Fixpunkt Datentypen. Spezifizieren Sie die Gewichte des gleitenden Durchschnitts eine Zeile pro Ausgabe Der Wert "Gewichte" wird von Doppel - auf den angegebenen Datentyp offline mit Rund-zu-Nächsten und Sättigung umgewandelt. Geben Sie die Anfangswerte für alle Zeiten vor der Startzeit an. Die Anfangsbedingung Parameter wird von Doppel - auf den Eingabedatentyp offline mit Rund-zu-Nächsten und Sättigung umgewandelt. Spezifizieren Sie das Zeitintervall zwischen den Samples Um die Sample-Zeit zu erben, setzen Sie diesen Parameter auf -1 Weitere Informationen finden Sie unter Sample Time in der Online-Dokumentation. Ausgabedatentyp. Spezifizieren des Ausgabedatentyps Sie können ihn auf eine Regel setzen, die einen Datentyp erbt, z. B. Inherit Inherit über Backpropagation. Der Name eines Datentypobjekts, z. B. eines Objekts. Ein Ausdruck, der ausgewertet wird Zu einem Datentyp, zB fixdt 1,16,0.Klicken Sie auf die Schaltfläche Datentyp-Assistent anzeigen, um den Datentyp-Assistenten anzuzeigen, der Ihnen hilft, den Output-Datentyp-Parameter festzulegen. Lock-Ausgangsskalierung gegen Änderungen durch die au Toscaling tool. Select, um die Skalierung von Ausgängen gegen Änderungen durch das Fixed-Point-Tool zu sperren. Integer Rundungsmodus. Rounding-Modus für den Fixpunkt-Ausgang Weitere Informationen finden Sie unter Rounding Fixed-Point Designer. Sättigung auf max oder min, wenn Überläufe auftreten. Wenn diese Option ausgewählt ist, werden die Fixpunktüberläufe gesättigt. Andernfalls wickeln sie ein. Spezifizieren Sie den Datentyp des Wertes "Gewichte". Sie können sie festlegen. Eine Regel, die einen Datentyp erbt, z. B. Inherit Inherit über interne Regel. Der Name eines Datentyps Objekt, z. B. ein Objekt. Ein Ausdruck, der einen Datentyp auswertet, z. B. fixdt 1,16,0.Klicken Sie auf die Schaltfläche Datentyp anzeigen, um den Datentyp-Assistenten anzuzeigen, der Ihnen hilft, den Gain-Datentyp-Parameter zu setzen Geben Sie Datentypen an, die den Datentyp-Assistenten für weitere Informationen angeben. Nehmen Sie an, dass Sie diesen Baustein für zwei Ausgänge konfigurieren möchten. SIMO-Modus, bei dem die erste Ausgabe gegeben ist. 1 ka 1 ukb 1 uk 1 c 1 uk 2.die zweite Ausgabe ist gegeben durch. y 2 ka 2 ukb 2 uk 1.und die Anfangswerte von Uk - 1 und uk - 2 sind von ic1 und ic2 angegeben. Um für diesen Fall den Weighted Moving Average - Block zu konfigurieren, müssen Sie den Wert Weights als a1 b1 c1 a2 b2 c2 mit c2 0 und den Initialzustandsparameter als ic1 angeben Ic2.output tsmovavg tsobj, s, lag zurückgibt den einfachen gleitenden Durchschnitt für das finanzielle Zeitreihenobjekt, tsobj lag gibt die Anzahl der bisherigen Datenpunkte an, die mit dem aktuellen Datenpunkt bei der Berechnung des gleitenden Mittelpunktes verwendet werden. Ausgang tsmovavg vector, s, lag, Dim gibt den einfachen gleitenden Durchschnitt für eine Vektorverzögerung an, die die Anzahl der bisherigen Datenpunkte anzeigt, die mit dem aktuellen Datenpunkt bei der Berechnung des gleitenden Mittelpunkts verwendet werden. Ausgabeschrift tsmovavg tsobj, e, Zeitperiode gibt den exponentiell gewichteten gleitenden Durchschnitt für das finanzielle Zeitreihenobjekt zurück, tsobj Exponentieller gleitender Durchschnitt ist ein gewichteter gleitender Durchschnitt, wobei die Zeitspanne den Zeitraum angibt. Exponentielle Bewegungsdurchschnitte reduzieren die Verzögerung, indem sie mehr Gewicht auf die jüngsten Preise anwenden 10-Perioden-exponentieller gleitender Durchschnitt gewichtet den jüngsten Preis um 18 18 Exponentieller Prozentsatz 2 TIMEPER 1 oder 2 WINDOWSIZE 1.Ausgang tsmovavg vector, e, timeperiod, dim gibt den exponentiell gewichteten gleitenden Durchschnitt für einen Vektor zurück Der exponentielle gleitende Durchschnitt ist ein gewichtetes Bewegen Durchschnitt, wo Zeitspanne die Zeitspanne spezifiziert Exponentielle Bewegungsdurchschnitte reduzieren die Verzögerung, indem sie mehr Gewicht auf die jüngsten Preise anwenden. Zum Beispiel, ein 10-Perioden exponentieller gleitender Durchschnitt gewichtet den jüngsten Preis um 18 18 2 Zeitperiode 1.Ausgang tsmovavg tsobj, t, numperiod Liefert den dreieckigen gleitenden Durchschnitt für das finanzielle Zeitreihenobjekt, tsobj Der dreieckige gleitende Durchschnitt verdoppelt die Daten tsmovavg berechnet den ersten einfachen gleitenden Durchschnitt mit der Fensterbreite von ceil numperiod 1 2 Dann berechnet er einen zweiten einfachen gleitenden Durchschnitt im ersten gleitenden Durchschnitt mit Das gleiche Fenster size. output tsmovavg Vektor, t, numperiod, dim liefert den dreieckigen gleitenden Durchschnitt für einen Vektor Die Tria Ngulale gleitende durchschnittliche doppelte glatte die Daten tsmovavg berechnet den ersten einfachen gleitenden Durchschnitt mit Fensterbreite von ceil numperiod 1 2 Dann berechnet es einen zweiten einfachen gleitenden Durchschnitt auf dem ersten gleitenden Durchschnitt mit dem gleichen Fenster size. output tsmovavg tsobj, w, Gewichte kehrt zurück Der gewichtete gleitende Durchschnitt für das finanzielle Zeitreihenobjekt, tsobj durch die Gewährleistung von Gewichten für jedes Element im bewegten Fenster Die Länge des Gewichtsvektors bestimmt die Größe des Fensters Wenn größere Gewichtsfaktoren für neuere Preise und kleinere Faktoren für frühere Preise verwendet werden , Der Trend ist mehr auf die jüngsten Veränderungen ansprechbar. Ausgang tsmovavg Vektor, w, Gewichte, dim gibt den gewichteten gleitenden Durchschnitt für den Vektor zurück, indem er Gewichte für jedes Element im bewegten Fenster liefert. Die Länge des Gewichtsvektors bestimmt die Größe des Fensters If Größere Gewichtsfaktoren werden für neuere Preise und kleinere Faktoren für frühere Preise verwendet, der Trend reagiert eher auf die jüngsten Veränderungen Smovavg tsobj, m, numperiod gibt den geänderten gleitenden Durchschnitt für das finanzielle Zeitreihenobjekt zurück, tsobj Der geänderte gleitende Durchschnitt ähnelt dem einfachen gleitenden Durchschnitt. Betrachten Sie das Argument numperiod, um die Verzögerung des einfachen gleitenden Durchschnitts zu sein. Der erste geänderte gleitende Durchschnitt wird berechnet Wie ein einfacher gleitender Durchschnitt Nachfolgende Werte werden durch Addition des neuen Preises berechnet und subtrahieren den letzten Mittelwert aus dem resultierenden Summenausgang tsmovavg vector, m, numperiod, dim gibt den modifizierten gleitenden Durchschnitt für den Vektor zurück Der modifizierte gleitende Durchschnitt ist ähnlich dem einfachen Gleitender Durchschnitt Betrachten Sie das Argument numperiod, um die Verzögerung des einfachen gleitenden Durchschnitts zu sein Der erste geänderte gleitende Durchschnitt wird wie ein einfacher gleitender Durchschnitt berechnet. Folgende Werte werden berechnet, indem Sie den neuen Preis addieren und den letzten Durchschnitt von der resultierenden sum. dim-Dimension subtrahieren Entlang positiver Integer mit Wert 1 oder 2.Dimension, um zusammen zu arbeiten, als positive ganze Zahl angegeben wi Th ein Wert von 1 oder 2 dim ist ein optionales Eingabeargument, und wenn es nicht als Eingabe enthalten ist, wird der Standardwert 2 angenommen. Die Voreinstellung von dim 2 gibt eine zeilenorientierte Matrix an, wobei jede Zeile eine Variable und jede ist Spalte ist eine Beobachtung. Wenn dim 1 die Eingabe als Spaltenvektor oder spaltenorientierte Matrix angenommen wird, wobei jede Spalte eine Variable und jede Zeile eine Beobachtung ist. E Indikator für exponentiell gleitenden durchschnittlichen Zeichenvektor. Exponentieller gleitender Durchschnitt ist ein gewichteter gleitender Durchschnitt, wobei die Zeitspanne die Zeitspanne des exponentiellen gleitenden Durchschnitts ist. Exponentielle gleitende Mittelwerte reduzieren die Verzögerung, indem sie mehr Gewicht auf die jüngsten Preise anwenden. Zum Beispiel eine 10-Periode exponentielle Bewegung Durchschnittliche Gewichte der neueste Preis um 18 18.Exponential Prozentsatz 2 TIMEPER 1 oder 2 WINDOWSIZE 1.zeitperiode Dauer des Zeitraums nonnegative integer. Wählen Sie Ihr Land.
No comments:
Post a Comment