میانگین متحرک

بلوک متوسط متحرک میانگین متحرک سیگنال ورودی را در طول هر کانال به طور مستقل با گذشت زمان محاسبه می کند. این بلوک از روش پنجره کشویی یا روش وزن گیری نمایی برای محاسبه میانگین متحرک استفاده می کند. در روش پنجره کشویی ، پنجره ای از طول مشخص شده بر روی نمونه داده توسط نمونه حرکت می کند و بلوک میانگین را بر روی داده های موجود در پنجره محاسبه می کند. در روش وزنه برداری نمایی ، بلوک نمونه های داده ها را با مجموعه ای از فاکتورهای وزنی ضرب می کند و سپس داده های وزنی را برای محاسبه میانگین خلاصه می کند. برای اطلاعات بیشتر در مورد این روش ها ، به الگوریتم ها مراجعه کنید.

درگاه

ورودی

X - بردار ورودی داده |ماتریس

بلوک میانگین متحرک داده های مشخص شده در این درگاه ورودی را محاسبه می کند. ورودی های چند کانال واقعی یا پیچیده را از اندازه m-by- n ، جایی که m ≥ 1 و n ≥ 1 است ، مشخص کنید.

هنگامی که طول قاب دلخواه برای پارامتر سیگنال های ورودی با اندازه ثابت ظاهر می شود و انتخاب نمی شود و شما یک سیگنال به اندازه ثابت را وارد می کنید ، طول قاب باید چند از اندازه هاپ باشد (طول پنجره-طول همپوشانی). در همه موارد دیگر ، طول قاب ورودی می تواند دلخواه باشد.

بلوک ورودی های اندازه متغیر را می پذیرد (تغییر طول فریم در طول شبیه سازی). هنگامی که یک سیگنال با اندازه متغیر را وارد می کنید ، طول قاب سیگنال می تواند دلخواه باشد.

این درگاه تا زمانی که روش را برای وزن گیری نمایی تنظیم نکرده و فاکتور فراموشی را از پارامتر پورت ورودی انتخاب کنید ، نامشخص است.

انواع داده ها: مجرد |پشتیبانی از شماره پیچیده: بله

عامل فراموشی تعیین می کند که داده های گذشته وزن داده می شود. یک عامل فراموشی 0. 9 نسبت به ضریب فراموشی 0. 1 به داده های قدیمی تر می دهد. یک عامل فراموشی 1. 0 نشان دهنده حافظه بی نهایت است - به تمام نمونه های قبلی وزن برابر داده می شود.

وابستگی

این پورت هنگامی ظاهر می شود که شما روش را برای وزن گیری نمایی تنظیم می کنید و فاکتور فراموشی را از پارامتر پورت ورودی انتخاب می کنید.

انواع داده ها: مجرد |دو برابر

خروجی

PORT_1 - در حال حرکت وکتور خروجی متوسط |ماتریس

میانگین حرکت ، به عنوان یک بردار یا ماتریس بازگشت. بلوک میانگین متحرک را بر اساس تنظیمات پارامتر روش با استفاده از روش پنجره کشویی یا روش وزنه برداری نمایی محاسبه می کند. برای اطلاعات بیشتر ، به الگوریتم ها مراجعه کنید.

در این جدول جزئیات بیشتری در مورد ابعاد سیگنال خروجی ارائه شده است.

سقف (اندازه M /هاپ)-در هنگام انتخاب اجازه می دهید طول قاب دلخواه برای سیگنال های ورودی با اندازه ثابت

اگر برای سیگنال های ورودی با اندازه ثابت ، اجازه می دهید که طول قاب دلخواه را انتخاب کنید ، خطاهای بلوک را انتخاب کنید.

هنگامی که خروجی دارای اندازه بالایی از سقف (اندازه M /HOP) -by- n باشد ، در طول شبیه سازی ، اندازه بعد اول در این محدوده متفاوت است و اندازه بعد دوم ثابت است. برای مثال که این رفتار را نشان می دهد ، به میانگین حرکت محاسبه سیگنال گام پر سر و صدا مراجعه کنید.

انواع داده ها: مجرد |پشتیبانی از شماره پیچیده: بله

مولفه های

اگر یک پارامتر به صورت قابل تنظیم ذکر شده باشد ، می توانید مقدار آن را در طول شبیه سازی تغییر دهید.

روش - میانگین پنجره کشویی روش (پیش فرض) |وزن نمایی

پنجره کشویی - پنجره ای از طول پنجره طول بر روی داده های ورودی در طول هر کانال حرکت می کند. برای هر نمونه پنجره حرکت می کند ، بلوک میانگین داده های موجود در پنجره را محاسبه می کند.

وزن نمایی - بلوک نمونه ها را با مجموعه ای از عوامل وزنی ضرب می کند. با افزایش سن داده ها ، میزان عوامل وزنی به صورت نمایی کاهش می یابد ، اما بزرگی هرگز به صفر نمی رسد. برای محاسبه میانگین ، الگوریتم داده های وزنی را خلاصه می کند.

طول پنجره را مشخص کنید - پرچم برای مشخص کردن طول پنجره در (پیش فرض) |از روی

وقتی این کادر انتخاب را انتخاب می کنید ، طول پنجره کشویی برابر با مقداری است که در طول پنجره مشخص می کنید. وقتی این کادر را پاک می کنید ، طول پنجره کشویی بی نهایت است. در این حالت ، بلوک میانگین نمونه فعلی و تمام نمونه های قبلی را در کانال محاسبه می کند.

وابستگی

برای فعال کردن این پارامتر ، روش را روی پنجره کشویی تنظیم کنید.

طول پنجره - طول پنجره کشویی 4 (پیش فرض) |عدد صحیح مقیاس مثبت

طول پنجره کشویی را در نمونه ها مشخص می کند.

وابستگی

برای فعال کردن این پارامتر ، روش را روی پنجره کشویی تنظیم کرده و کادر مشخصی را انتخاب کنید.

طول همپوشانی - طول همپوشانی بین ویندوز 3 (پیش فرض) |عدد صحیح

طول همپوشانی بین پنجره های کشویی را به عنوان یک عدد صحیح غیر منفی مشخص کنید. مقدار طول همپوشانی در محدوده متفاوت است [0 ، طول پنجره - 1].

وابستگی

برای فعال کردن این پارامتر ، روش را روی پنجره کشویی تنظیم کرده و کادر مشخصی را انتخاب کنید.

اجازه دهید طول قاب دلخواه برای سیگنال های ورودی در اندازه ثابت-اجازه دهید طول قاب دلخواه برای سیگنال های ورودی در اندازه ثابت خاموش (پیش فرض) |بر

مشخص کنید که آیا سیگنال های ورودی با اندازه ثابت (اندازه آنها در طول شبیه سازی تغییر نمی کند) می تواند دارای طول قاب دلخواه باشد ، جایی که طول قاب لازم نیست چند اندازه از اندازه هاپ باشد. اندازه هاپ به عنوان طول پنجره تعریف می شود - طول همپوشانی. بلوک از این تنظیم پارامتر فقط برای سیگنال های ورودی با اندازه ثابت استفاده می کند و اگر ورودی دارای اندازه متغیر باشد ، این پارامتر را نادیده می گیرد.

هنگامی که سیگنال ورودی یک سیگنال به اندازه متغیر است ، سیگنال می تواند دارای طول قاب دلخواه باشد ، یعنی طول قاب لازم نیست که چند اندازه از اندازه هاپ باشد.

برای سیگنال های ورودی با اندازه ثابت ، اگر شما:

برای پارامتر سیگنال های ورودی با اندازه ثابت ، طول قاب دلخواه را انتخاب کنید ، طول قاب سیگنال نیازی به چند اندازه از اندازه هاپ ندارد. اگر ورودی چند اندازه از اندازه هاپ نباشد ، خروجی به طور کلی یک سیگنال با اندازه متغیر است. بنابراین ، برای پشتیبانی از اندازه ورودی دلخواه ، بلوک همچنین باید از عملیات اندازه متغیر پشتیبانی کند ، که می توانید با انتخاب طول قاب دلخواه برای پارامتر سیگنال های ورودی با اندازه ثابت ، فعال کنید.

طول قاب خودسرانه را برای پارامتر سیگنال های ورودی در اندازه ثابت پاک کنید ، طول قاب ورودی باید چند مورد از اندازه هاپ باشد.

وابستگی

برای فعال کردن این پارامتر ، روش را روی پنجره کشویی تنظیم کرده و کادر مشخصی را انتخاب کنید.

فاکتور فراموشی را از درگاه ورودی مشخص کنید - پرچم برای مشخص کردن فاکتور فراموشی خاموش (پیش فرض) |بر

وقتی این کادر انتخاب را انتخاب می کنید ، ضریب فراموشی از طریق درگاه Lambda وارد می شود. هنگامی که این کادر را پاک کردید ، ضریب فراموشی در گفتگوی بلوک از طریق پارامتر فاکتور فراموشی مشخص می شود.

وابستگی

برای فعال کردن این پارامتر ، روش را روی وزن نمایی تنظیم کنید.

فاکتور فراموشی - ضریب وزن نمایی 0. 9 (پیش فرض) |مقیاس واقعی مثبت در محدوده (0،1]

عامل فراموشی تعیین می کند که داده های گذشته وزن داده می شود. یک عامل فراموشی 0. 9 نسبت به ضریب فراموشی 0. 1 به داده های قدیمی تر می دهد. یک عامل فراموشی 1. 0 نشان دهنده حافظه بی نهایت است - به تمام نمونه های قبلی وزن برابر داده می شود.

تنظیم: بله

وابستگی

برای فعال کردن این پارامتر ، روش را روی وزنه برداری نمایی تنظیم کرده و ضریب فراموشی را از کادر ورود به پورت ورودی پاک کنید.

شبیه سازی با استفاده از - نوع شبیه سازی برای اجرای تولید کد (پیش فرض) |اعدام تفسیر شده

نوع شبیه سازی را به عنوان یکی از موارد زیر مشخص کنید:

تولید کد - مدل شبیه سازی با استفاده از کد C تولید شده. اولین باری که یک شبیه سازی را اجرا می کنید ، Simulink ® کد C را برای بلوک تولید می کند. کد C برای شبیه سازی های بعدی مورد استفاده مجدد قرار می گیرد ، تا زمانی که مدل تغییر نکند. این گزینه به زمان راه اندازی اضافی نیاز دارد اما سرعت شبیه سازی سریعتر از اجرای تفسیر شده را فراهم می کند.

اجرای تفسیر شده - مدل شبیه سازی با استفاده از مفسر MATLAB. این گزینه زمان راه اندازی را کوتاه می کند اما سرعت شبیه سازی کندتر از تولید کد است.