Eu sou novo para Simulink Eu quero fazer a média dos dados de entrada que vem depois de alguns intervalos de um bloco Por exemplo, Contínuo enquadrado dados de 42 amostras está fora de um bloco Junto com os dados emoldurados há uma outra tag de saída que diz que Essas amostras de quadros pertencem a qual categoria Tags são números de 1-6 A saída é aleatória Eu quero média a mesma categoria de dados Como o primeiro quadro é de cat1, então depois de 4 quadros frame cat1 novamente vem Agora como eu deveria média deste novo quadro Com o anterior Eu quero fazer isso para todas as categorias Por favor, ajude-me para fora this. asked Mar 26 14 em 13 35.A solução rápida e suja seria implementar um arraylist para cada categoria Inicializar a lista com NaNs e manter um Contador para a última amostra de cada categoria Usando a função média você pode obter a média de todas as medições. Se você quiser apenas a média do quadro atual e quadro anterior, você pode simplesmente fazer significar cat1 n1 cat1 n1 1 onde cat1 é o arraylist Fo R quadros da categoria 1 e n1 é o índice do quadro anterior em cat1.If você quer uma média móvel ponderada para uma implementação em tempo real, criar uma variável média para cada categoria chamá-lo av1, av2, etc e calcular av1 alpha av1 1 - alpha cat1 n1 1 onde alfa é o peso atribuído à média anterior alfa 1 e cat1 n1 1 é a nova medida sempre que um quadro cat1 vem in. answered Mar 26 14 em 17 39.Weighted Média Móvel Obsoleta. Nota A Média Móvel Ponderada Block is obsolete Este bloco foi removido da biblioteca Discrete no R2008a e substituído pelo bloco de filtro FIR Discrete No entanto, os modelos existentes que contêm o bloco Weighted Moving Average continuam a trabalhar para compatibilidade com versões anteriores. Use o bloco de filtro FIR discreto em novos modelos Considere usar A função slupdate para substituir a Média Móvel Ponderada pelo Filtro FIR Discreto em modelos existentes. A amostra de blocos de Média Móvel Ponderada e detém as N entradas mais recentes, multiplica cada entrada por uma especificação Este bloco suporta tanto os modos SIMO de saída única de entrada simples como os modos SIMO de saída única de entrada múltipla. Para o modo SISO, o parâmetro Pesos é especificado como um vetor de linha Para No 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 ea escala dos pesos na caixa de diálogo com o parâmetro Gain data type. Os valores iniciais para todas as horas que precedem a hora de início Você especifica o intervalo de tempo entre amostras com o parâmetro Tempo de Amostragem. O bloco de Média Móvel Ponderada primeiro multiplica suas entradas pelo parâmetro Pesos, converte esses resultados para o tipo de dados de saída usando o arredondamento especificado e Overflow modos e, em seguida, executa o suporte de tipo de somação. O bloco Weighted Moving Average suporta todos os tipos de dados numéricos suportados pelo Simulink, incluindo ponto fixo Tipos de dados. Especifique os pesos da média móvel uma linha por saída O parâmetro Pesos é convertido de duplas para o tipo de dados especificado off-line usando round-to-closer e saturação. Especifique os valores iniciais para todas as horas que precedem a hora de início A condição Inicial É convertido de duplas para o tipo de dados de entrada off-line usando round-to-closer e saturation. Specify o intervalo de tempo entre amostras Para herdar o tempo de amostra, defina esse parâmetro como -1 Consulte Specify Sample Time 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 por meio de propagação posterior. O nome de um objeto de tipo de dados, por exemplo, Para um tipo de dados, por exemplo, fixdt 1,16,0. Clique no botão Mostrar assistente de tipo de dados para exibir o Assistente de tipo de dados que ajuda a definir o tipo de dados de saída parameter. Lock saída de escala contra alterações pelo au Toscaling tool. Select para bloquear o dimensionamento de saídas contra as alterações por meio do Fixed-Point Tool. Integer arredondamento mode. Rounding modo para a saída de ponto fixo Para obter mais informações, consulte Arredondamento Fixed-Point Designer. Saturate para máximo ou min quando ocorrerem overflows. Se selecionado, os overflows de ponto fixo saturate Caso contrário, eles wrap. Specify 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 tipo de dados Objeto, por exemplo, um objeto. Uma expressão que avalia um tipo de dados, por exemplo, fixdt 1,16,0. Clique no botão Mostrar assistente de tipo de dados para exibir o Assistente de tipo de dados que ajuda a definir o parâmetro do tipo de dados de ganho See Especificar tipos de dados Usando Data Type Assistant para obter mais informações. Suponha que você deseja configurar este bloco para duas saídas modo SIMO onde a primeira saída é dada por. y 1 ka 1 ukb 1 uk 1 c 1 uk 2. a segunda saída é dada por. y 2 ka 2 ukb 2 uk 1.e os valores iniciais de Uk - 1 e uk - 2 são dadas respectivamente por ic1 e ic2. Para configurar o bloco de Média Móvel Ponderada para este caso, você deve especificar o parâmetro Pesos como a1 b1 c1 a2 b2 c2 em que c2 0 eo parâmetro condição Inicial como ic1 Ic2.output tsmovavg tsobj, s, lag retorna a média móvel simples para o objeto de séries temporais financeiras, 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 retardo de vetor indica o número de pontos de dados anteriores usados com o ponto de dados atual ao calcular a média móvel. output tsmovavg tsobj, e, timeperiod retorna a média móvel ponderada exponencial para as séries temporais financeiras objeto, tsobj The 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 desfasamento aplicando mais peso aos preços recentes. A média móvel exponencial de 10 períodos pondera o preço mais recente por 18 18 Porcentagem Exponencial 2 TIMEPER 1 ou 2 WINDOWSIZE 1.output O vetor tsmovavg, e, timeperiod, dim retorna a média móvel ponderada exponencial para um vetor A média móvel exponencial é um movimento ponderado Por exemplo, uma média móvel exponencial de 10 períodos pondera o preço mais recente em 18 18 2 timeperiod 1.output tsmovavg tsobj, t, numperiod Retorna a média móvel triangular para o tempo financeiro da série objeto, tsobj A média móvel triangular duplica os dados. Tsmovavg calcula a primeira média móvel simples com a largura da janela do número do ceil 1 2 Então calcula uma segunda média móvel simples na primeira média móvel A mesma janela size. output vetor tsmovavg, t, numperiod, dim retorna a média móvel triangular para um vetor O tria A média móvel ngular suaviza duplamente os dados tsmovavg calcula a primeira média móvel simples com a largura da janela do número do ceil 1 2 Em seguida, calcula uma segunda média móvel simples na primeira média móvel com o mesmo tamanho da janela. output tsmovavg tsobj, w, weights returns A média móvel ponderada para o objeto da série de tempo financeiro, tsobj, fornecendo pesos para cada elemento na janela móvel O comprimento do vetor de peso determina o tamanho da janela Se forem usados fatores de peso maiores para preços mais recentes e fatores menores para preços anteriores , A tendência é mais responsiva a mudanças recentes. O vetor tsmovavg de saída, 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 If Fatores de peso maiores são usados para preços mais recentes e fatores menores para preços anteriores, a tendência é mais responsiva a mudanças recentes. Smovavg tsobj, m, numperiod retorna a média móvel modificada para o objeto da série de tempo financeiro, tsobj A média móvel modificada é similar à média móvel simples Considere o argumento numperiod como o desfasamento 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 do resultado resultante. O vetor tsmovavg de sum. out, m, numperiod, dim retorna a média móvel modificada para o vetor A média móvel modificada é similar à média simples Média móvel 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 dimensão result. dim resultante para operar Ao longo de inteiro positivo com valor 1 ou 2.Dimension para operar ao longo, especificado como um inteiro positivo wi Th um valor de 1 ou 2 dim é um argumento de entrada opcional e se não for incluído como uma entrada, o valor padrão 2 é assumido O padrão de dim 2 indica uma matriz orientada a linha, em que cada linha é uma variável e cada Coluna é uma observação. Se dim 1, a entrada é assumida como um vetor de coluna ou uma matriz orientada a coluna, onde cada coluna é uma variável e cada linha uma observação. E Indicador para vetor de caráter de média móvel exponencial. A média móvel exponencial é uma média móvel ponderada, em que o tempo é o período de tempo da média móvel exponencial As médias móveis exponenciais reduzem o desfasamento aplicando mais peso a preços recentes Por exemplo, Média pondera o preço mais recente em 18 18. Percentagem exponencial 2 TIMEPER 1 ou 2 WINDOWSIZE 1.timeperiod Comprimento do período de tempo integernee negativo. Selecione seu país.
No comments:
Post a Comment