Simulador De Matlab De Promedio Móvil Ponderado

Soy nuevo en Simulink. Quiero hacer el promedio de los datos entrantes (que viene después de algunos intervalos) de un bloque. Por ejemplo, los datos enmarcados continuos de 42 muestras están fuera de un bloque. Junto con los datos enmarcados hay otra salida (etiqueta) que dice que estas tramas / muestras pertenecen a qué categoría. Las etiquetas son números de 1-6. La salida es aleatoria. Quiero promediar los mismos datos de categoría. Al igual que el primer cuadro es de cat1, entonces después de 4 cuadros marco cat1 viene de nuevo. Ahora, ¿cómo debería promediar este nuevo marco con el anterior? Quiero hacer esto para todas las categorías. Por favor, ayúdame en esto. Una solución rápida y sucia sería implementar un arraylist para cada categoría. Inicialice la lista con NaNs y guarde un contador para la última muestra de cada categoría. Utilizando la función media puede obtener el promedio de todas las mediciones. Si sólo desea que el promedio de la trama actual y la trama anterior, simplemente puede significar (cat1 (n1) cat1 (n11)) donde cat1 es el arraylist para marcos de la categoría 1 y n1 es el índice de la trama anterior en cat1 . Si desea un promedio móvil ponderado para una implementación en tiempo real, cree una variable media para cada categoría (llámela av1, av2, etc.) y compute av1 alphaav1 (1-alpha) cat1 (n11) (donde alfa es el peso asignado Al promedio anterior (alphalt1) y cat1 (n11) es la nueva medida) siempre que un marco cat1 entre. Respondió Mar 26 14 a las 17: 39 Promedio móvil ponderado (obsoleto) Nota: El bloque Promedio móvil ponderado está obsoleto. Este bloque se eliminó de la biblioteca Discrete en R2008a y se reemplazó con el bloque Discrete FIR Filter. Sin embargo, los modelos existentes que contienen el bloque de Promedio móvil ponderado siguen funcionando para compatibilidad con versiones anteriores. Utilice el bloque de Filtro FIR Discreto en los nuevos modelos. Considere el uso de la función slupdate para reemplazar el promedio móvil ponderado con el filtro FIR discreto en los modelos existentes. Las muestras de bloque del Promedio Movente Ponderado y mantiene las entradas N más recientes, multiplica cada entrada por un valor especificado (dado por el parámetro Pesos) y las apila en un vector. Este bloque admite tanto modos de entrada única o de salida única (SISO) como de una sola entrada / salida múltiple (SIMO). Para el modo SISO, el parámetro Pesos se especifica como un vector de fila. Para el modo SIMO, los pesos se especifican como una matriz donde cada fila corresponde a una salida separada. Puede elegir si desea o no especificar el tipo de datos y la escala de los pesos en el diálogo con el parámetro Gain data type. El parámetro condición inicial proporciona los valores iniciales para todas las horas que preceden a la hora de inicio. Especifique el intervalo de tiempo entre muestras con el parámetro Sample time. El bloque Promedio Promedio Ponderado multiplica primero sus entradas por el parámetro Pesos, convierte esos resultados al tipo de datos de salida utilizando los modos de redondeo y desbordamiento especificados y, a continuación, realiza la suma. Soporte de tipo de datos El bloque Promedio móvil ponderado admite todos los tipos de datos numéricos compatibles con Simulink x00AE, incluidos los tipos de datos de punto fijo. Parámetros Especifique los pesos del promedio móvil de una fila por salida. El parámetro Pesos se convierte de dobles al tipo de datos especificado fuera de línea, utilizando redondeo a más cercano y saturación. Especifique los valores iniciales para todas las horas que preceden a la hora de inicio. El parámetro Condición inicial se convierte de dobles al tipo de datos de entrada sin conexión, utilizando redondeo a más cercano y saturación. Especifique el intervalo de tiempo entre muestras. Para heredar el tiempo de muestreo, establezca este parámetro en -1. Consulte Especificación del tiempo de muestreo en la documentación en pantalla para obtener más información. Tipo de datos de salida Especifique el tipo de datos de salida. Se puede establecer en: Una regla que hereda un tipo de datos, por ejemplo, Herencia: Heredar a través de propagación posterior El nombre de un objeto de tipo de datos, por ejemplo, un objeto Simulink. NumericType Una expresión que se evalúa a un tipo de datos, por ejemplo , Fixdt (1,16,0) Haga clic en el botón Asistente de tipo de datos Mostrar para mostrar el Asistente de tipo de datos. Que le ayuda a configurar el parámetro Tipo de datos de salida. Bloquear la escala de salida contra los cambios realizados por la herramienta de escalado automático Seleccione esta opción para bloquear el escalado de salidas contra cambios mediante la Herramienta de punto fijo. Modo de redondeo de números enteros Modo de redondeo para la salida de puntos fijos. Para obtener más información, consulte Redondeo. Saturación a máximo o mínimo cuando se producen desbordamientos Si se selecciona, los desbordamientos de punto fijo saturan. De lo contrario, se envuelven. Especifique el tipo de datos del parámetro Pesos. Puede establecerlo en: Una regla que hereda un tipo de datos, por ejemplo, Herencia: Heredar vía regla interna El nombre de un objeto de tipo de datos, por ejemplo, un objeto Simulink. NumericType Una expresión que se evalúa a un tipo de datos, por ejemplo , Fixdt (1,16,0) Haga clic en el botón Asistente de tipo de datos Mostrar para mostrar el Asistente de tipo de datos. Que le ayuda a configurar el parámetro de tipo de datos Gain. Ejemplos Supongamos que desea configurar este bloque para dos salidas (modo SIMO) donde la primera salida está dada por y 1 (k) a 1 x22C5 u (k) b 1 La segunda salida viene dada por y2 (k) a2 x22C5 u (k) b2 x22C5 u (k x2212 1) y los valores iniciales de u (x212) K - 1) y u (k - 2) están dadas por ic1 e ic2. respectivamente. Para configurar el bloque de Promedio Movido Ponderado para este caso, debe especificar el parámetro Pesos como a1 b1 c1 a2 b2 c2 donde c2 0 y el parámetro de condición Inicial como ic1 ic2. CaracteristicasDocumentación tsmovavg salida tsmovavg (tsobj, s, lag) devuelve el promedio móvil simple para el objeto de serie temporal financiera, tsobj. Lag indica el número de puntos de datos anteriores utilizados con el punto de datos actual al calcular la media móvil. La salida tsmovavg (vector, s, lag, dim) devuelve el promedio móvil simple para un vector. Lag indica el número de puntos de datos anteriores utilizados con el punto de datos actual al calcular la media móvil. La salida tsmovavg (tsobj, e, timeperiod) devuelve la media móvil ponderada exponencial para la serie de tiempo financiero, tsobj. La media móvil exponencial es una media móvil ponderada, en la que timeperiod especifica el período de tiempo. Las medias móviles exponenciales reducen el retraso aplicando más peso a los precios recientes. Por ejemplo, una media móvil exponencial de 10 periodos pesa el precio más reciente en 18.18. Porcentaje exponencial 2 / (TIMEPER 1) o 2 / (WINDOWSIZE 1). La salida tsmovavg (vector, e, timeperiod, dim) devuelve la media móvil ponderada exponencial para un vector. La media móvil exponencial es una media móvil ponderada, en la que timeperiod especifica el período de tiempo. Las medias móviles exponenciales reducen el retraso aplicando más peso a los precios recientes. Por ejemplo, una media móvil exponencial de 10 periodos pesa el precio más reciente en 18.18. (2 / (periodo de tiempo 1)). La salida tsmovavg (tsobj, t, numperiod) devuelve la media móvil triangular para el objeto de serie temporal financiera, tsobj. La media móvil triangular dobla los datos. Tsmovavg calcula la primera media móvil simple con el ancho de la ventana de ceil (numperíodo 1) / 2. Luego calcula un segundo promedio móvil simple en el primer promedio móvil con el mismo tamaño de ventana. La salida tsmovavg (vector, t, numperiod, dim) devuelve el promedio móvil triangular de un vector. La media móvil triangular dobla los datos. Tsmovavg calcula la primera media móvil simple con el ancho de la ventana de ceil (numperíodo 1) / 2. Luego calcula un segundo promedio móvil simple en el primer promedio móvil con el mismo tamaño de ventana. La salida tsmovavg (tsobj, w, weights) devuelve la media móvil ponderada para el objeto de serie temporal financiera, tsobj. Suministrando pesos para cada elemento en la ventana en movimiento. La longitud del vector de peso determina el tamaño de la ventana. Si se utilizan factores de peso mayores para precios más recientes y factores más pequeños para los precios anteriores, la tendencia es más sensible a los cambios recientes. La salida tsmovavg (vector, w, pesos, dim) devuelve la media móvil ponderada del vector suministrando pesos para cada elemento de la ventana en movimiento. La longitud del vector de peso determina el tamaño de la ventana. Si se utilizan factores de peso mayores para precios más recientes y factores más pequeños para los precios anteriores, la tendencia es más sensible a los cambios recientes. La salida tsmovavg (tsobj, m, numperiod) devuelve la media móvil modificada para el objeto de serie temporal financiera, tsobj. La media móvil modificada es similar a la media móvil simple. Considere el argumento numperiod como el desfase de la media móvil simple. La primera media móvil modificada se calcula como una media móvil simple. Los valores subsiguientes se calculan sumando el nuevo precio y restando el último promedio de la suma resultante. La salida tsmovavg (vector, m, numperiod, dim) devuelve la media móvil modificada para el vector. La media móvil modificada es similar a la media móvil simple. Considere el argumento numperiod como el desfase de la media móvil simple. La primera media móvil modificada se calcula como una media móvil simple. Los valores subsiguientes se calculan sumando el nuevo precio y restando el último promedio de la suma resultante. Dim 8212 dimensión para operar a lo largo de entero positivo con valor 1 o 2 Dimensión para operar a lo largo, especificado como un entero positivo con un valor de 1 o 2. dim es un argumento de entrada opcional, y si no se incluye como una entrada, el valor predeterminado Se asume el valor 2. El valor predeterminado de dim 2 indica una matriz orientada a filas, donde cada fila es una variable y cada columna es una observación. Si dim 1. se supone que la entrada es un vector de columna o una matriz orientada a columnas, donde cada columna es una variable y cada fila una observación. E 8212 Indicador para el vector de caracteres de media móvil exponencial El promedio móvil exponencial es una media móvil ponderada, en la que el tiempo es el período de tiempo de la media móvil exponencial. Las medias móviles exponenciales reducen el retraso aplicando más peso a los precios recientes. Por ejemplo, una media móvil exponencial de 10 periodos pesa el precio más reciente en 18.18. Porcentaje exponencial 2 / (TIMEPER 1) o 2 / (WINDOWSIZE 1) período de tiempo 8212 Longitud del período de tiempo entero no negativo Seleccione su país