dsp.MovingVariance系统对象

移动的方差

描述

的dsp.MovingVariance系统对象™计算输入信号的方差移动沿着每个通道独立。对象使用滑动窗口方法或指数加权法计算方差。在滑动窗口方法中,一个窗口指定长度的数据移动,取样和方差计算中的数据窗口。指数加权法,对象减去每个样本数据的平均值,广场的区别,并繁殖方结果权重因子。通过添加所有的对象然后计算方差加权数据。对这些方法的更多细节,请参阅算法。

对象接受多路输入,米——- - - - - -n大小的输入,米≥1,n> 1。对象还接受适应输入。一旦对象被锁定后,您可以更改每个输入通道的大小。然而,通道的数量不能改变。这个对象支持C和c++代万博1manbetx码生成。

移动计算方差的输入:

创建一个dsp.MovingVariance对象并设置对象的属性。
调用一步计算方差。

请注意

或者,而不是使用一步定义的方法来执行操作系统对象,您可以调用对象的参数,就好像它是一个函数。例如,y =步骤(obj, x)和y = obj (x)执行相同操作。

建设

MovVar = dsp.MovingVariance返回一个方差对象移动,MovVar使用缺省属性。

MovVar = dsp.MovingVariance(兰)设置WindowLength财产Len。

MovVar = dsp.MovingVariance(名称、值)指定使用附加属性名称,值对。未指定的属性有默认值。

例子:

MovVar = dsp.MovingVariance (“方法”,指数权重的,“ForgettingFactor”,0.9);

属性

全部展开

`方法`- - - - - -方法来计算方差
`“滑动窗口”`(默认)|`指数权重的`

“滑动窗口”——一个窗口指定的长度SpecifyWindowLength输入数据以及每个通道移动。对于每一个样本的窗口移动,物体在窗口中的数据计算方差。
指数权重的——对象减去每个样本数据的平均值,广场的区别,并繁殖方结果权重因子。通过添加所有的对象然后计算方差加权数据。权重因素的大小减少指数随着年龄的数据的增加,永远不会达到零。

对这些方法的更多细节,请参阅算法。

`SpecifyWindowLength`- - - - - -指定窗口的长度
真正的(默认)|假

标记指定一个窗口长度,指定为一个标量布尔。

真正的——滑动窗口的长度等于中指定的值WindowLength财产。
假滑动窗口的长度是无限的。在这种模式下,使用当前样本方差计算,所有过去的样品。

适用于当您设置这个属性方法来“滑动窗口”。

`WindowLength`- - - - - -滑动窗口的长度
4(默认)|积极的标量整数

长度的滑动窗口,指定为一个积极的标量整数。适用于当您设置这个属性方法来“滑动窗口”和SpecifyWindowLength来真正的。

`ForgettingFactor`- - - - - -指数权重因子
0.9(默认)|积极的真正的标量范围(0,1)

指数权重因子,指定为一个积极的真正的标量范围(0,1)。适用于当您设置这个属性方法来指数权重的。

遗忘因子0.9给年长的数据更多的重量比遗忘因子为0.1。遗忘因子1.0意味着无限的记忆。所有过去的样品都被给予了同等的重量。

这个属性是可调的。你可以改变它的值,即使对象是锁着的。

方法

重置	重置的内部状态系统对象
一步	输入信号的方差

常见的系统对象
`释放`	允许系统对象属性值的变化

例子

全部展开

移动的方差的方波信号

打开生活的脚本

移动计算的方差的不同振幅使用方波信号dsp.MovingVariance对象。

初始化

设置movvarWindow和movvarExp对象。movvarWindow使用滑动窗口方法窗口长度为800。movvarExp采用指数加权方法遗忘因子为0.999。创建时间范围查看输出。

FrameLength = 100;Fs = 100;movvarWindow = dsp.MovingVariance (800);movvarExp = dsp.MovingVariance (“方法”,指数权重的,…“ForgettingFactor”,0.999);范围= dsp.TimeScope (“SampleRate”Fs,…“TimeSpanOverrunAction”,“滚动”,…“时间间隔”,1000,…“ShowGrid”,真的,…“BufferLength”1 e7,…“YLimits”[0 7军医]);title =的实际(黄色)滑动窗口(蓝色)指数加权方差(红色)”;范围。标题=标题;

计算方差

生成一个嘈杂的方波信号。不同的振幅方波后给定的帧数。应用滑动窗口法和指数加权法在这个信号。实际的差异是np。这个值是用在添加噪声数据。比较实际的方差与方差计算的时间范围。

数= 1;noisepower = 1的军医* (1 2 3 4);指数= 1;为指数= 1:长度(noisepower) np = noisepower(指数);yexp = np *的(FrameLength, 1);为我=摘要x = 1 +√(np) * randn (FrameLength, 1);日元= movvarWindow (x);y2 = movvarExp (x);范围((yexp, y1, y2));结束结束

算法

全部展开

滑动窗口方法

滑动窗口方法,输出在当前样本的方差是当前样本中的数据窗口。先计算出Len- 1的输出,当窗口还没有足够的数据时,该算法用零填充窗口。计算方差作为一个例子,当第二个输入样本,该算法填充窗口Len- 2 0。Len窗口的长度。数据矢量,x紧随其后的,是两个数据样本Len- 2 0。

当你不指定窗口长度,算法选择无限窗口长度。在这种模式下,输出移动当前样本的方差对以前所有样本的通道。

考虑一个例子的计算方差的移动流媒体使用滑动窗口方法输入数据。该算法使用一个窗口的长度4。进来的每个输入样本,长度4的窗口沿着数据。

指数加权法

指数加权法,移动计算方差递归地使用这些公式:

$\begin{array}{l} {年代}^{2}_{N, λ} = \frac{1}{v_{N, λ}} \sum_{k = 1}^{N} λ^{N - k} {(x_{k} - {\bar{x}}_{N, λ}]}^{2} \\ v_{N, λ} = \frac{2 λ (1 - λ^{N - 1})}{(1 - λ) (1 + λ)} \end{array}$

计算方差,递归算法实现了这些方程。

${年代}^{2}_{N, λ}$ ——移动当前数据样本的方差对其余的数据通道。
${\bar{x}}_{N, λ}$ ——移动平均线在当前的样本。在计算移动平均线的详细信息,请参见dsp.MovingAverage。
${(x_{k} - {\bar{x}}_{N, λ}]}^{2}$ ——区别每个数据样本的平均数据,的平方。
$\sum_{k = 1}^{N} λ^{N - k} {(x_{k} - {\bar{x}}_{N, λ}]}^{2}$ ——区别每个数据样本的平均数据,的平方,乘以遗忘的因素。所有的平方项。
$\frac{1}{v_{N, λ}}$ ——权重因子应用于总和。
您可以指定在λ-遗忘因素ForgettingFactor财产。