Et innledende digitalt filter. Vi åpner MicroModeler DSP og velger et digitalt filter fra verktøylinjen øverst og drar det til vår søknad. Vi velger et glidende gjennomsnittsfilter fordi det er en av de enkleste filtypene. Når du har slettet filteret, Displayene vil bli oppdatert automatisk Klikk for å starte MicroModeler DSP i et nytt vindu. Vi vet alle hva et gjennomsnitt er - legg til tallene sammen og divider med hvor mange det er. Et glidende gjennomsnittsfilter gjør det bare at det lagrer en historie om den siste N tall og utdata sine gjennomsnitt Hver gang et nytt nummer kommer inn, beregnes gjennomsnittet effektivt fra de lagrede prøvene, og et nytt nummer blir utgang. Frekvensresponsen til et filter. Øverst til høyre ser vi graden av Magnitude vs Frequency , eller hvor mange forskjellige frekvenser vil bli forsterket eller redusert med det bevegelige gjennomsnittlige filteret. Som du kanskje regner med, vil gjennomsnittet av de siste N-prøvene gjelde en viss type utjevning til signalet, beholde lavfrekvensene og remmen Vi kan kontrollere antall tidligere innganger, eller prøver som det blir gjennomsnittlig ved å justere filterlengden, N Ved å justere dette, kan vi se at vi har noen grunnleggende kontroll over hvilke frekvenser som kan passere og som kasseres. inne i et filter. Hvis vi ser på strukturvisningen, kan vi se hva innsiden av et bevegelig gjennomsnittsfilter kan se ut. Diagrammet har blitt annotert for å vise hva de forskjellige symbolene betyr. Z -1-symbolene betyr forsinkelse med en gang prøven og symbolene betyr å legge til eller kombinere signalene Pilene betyr multiplikat tenke forsterker, reduserer eller skala signalet med mengden vist til høyre for pilen. For et gjennomsnitt på 5 prøver tar vi en femtedel av de mest siste prøve, en femtedel av den nest siste prøven og så videre. Kjeden av forsinkelser kalles en forsinkelseslinje med inngangssignalet som blir forsinket med et ekstra tidstrinn mens du går videre langs forsinkelseslinjen. Pilene kalles også kraner, så du kan nesten forestille dem som å være kraner som den i kjøkkenvasken som alle er en femte åpen. Du kan forestille deg signalet som strømmer inn fra venstre og blir gradvis forsinket når det beveger seg langs forsinkelseslinjen, og rekombineres i forskjellige styrker gjennom kranene for å danne utgangen . Det bør også være enkelt å se at utgangen av filteret vil være. Hvilket er ekvivalent med gjennomsnittet av de siste 5 prøvene. Inngang tN betyr forsinket inngang fra tid tN. I praksis vil koden generert av MicroModeler DSP bruke triks for å gjøre dette mer effektivt, slik at bare første og siste prøver må være involvert, men diagrammet er bra for illustrative formål. Hvis du kan forstå dette, kan du få en ide om hva et FIR filter er. Et FIR filter er identisk med Flytende gjennomsnittlig filter, men i stedet for at alle trykkstyrker er de samme, kan de være forskjellige. Her har vi et bevegelig gjennomsnittsfilter og et FIR-filter. Du kan se at de er strukturelt like, den eneste forskjellen er styrken av kranene. Den neste delen vil introdusere deg til Finite Impulse Response FIR-filtre Ved å variere trykkstyrker, kan vi opprette nær alle frekvensresponser som vi vil ha. Gjennomgang Gjennomsnitt. Metall Gjennomsnittlig metode Glidende vindu standard Eksponentiell vekting. Glidende vindu Et vindu av lengde Vinduelengde beveger seg over inngangsdata langs hver kanal For hvert eksempel som vinduet beveger seg, beregner blokken gjennomsnittet over dataene i vinduet. Eksponentiell vekting Blokken multipliserer prøvene med et sett av vektningsfaktorer Vektens størrelse faktorene reduseres eksponentielt ettersom datoenes alder øker, når aldri null For å beregne gjennomsnittet summerer algoritmen vektede data. Spesifiser vindelengde Flagg for å angi vinduets lengde på standard av. Når du velger denne avmerkingsboksen, er glidens lengde vinduet er lik verdien du angir i Vinduelengde Når du fjerner dette merket, er lengden på skyvevinduet uendelig I denne modusen utes gjennomsnittet av gjeldende utvalg og alle tidligere prøver i kanalen. Vindlengde lengde på glidevinduet 4 standard positivt skalar heltall. Vindlengden angir lengden på glidevinduet Denne parameteren vises når du velger kryssruten Angi vindulengde. Glemme faktor Eksponentiell vektningsfaktor 0 9 standard positiv ekte skalar i området 0,1. Denne parameteren gjelder når du setter Metode til eksponentiell vekting En glemsom faktor på 0 9 gir større vekt på eldre data enn en glemsom faktor på 0 1 A glemme faktor på 1 0 indikerer uendelig minne Alle tidligere eksempler er gitt like vekt. Denne parameteren kan avstemmes. Du kan endre verdien selv under simuleringen. Simulere ved hjelp av simuleringsmodul for å kjøre Kodegenerering Standard Tolket kjøring. Simulere modell ved hjelp av generert C-kode Første gang du kjører en simulering, genererer Simulink C-kode for blokken. C-koden blir gjenbrukt for etterfølgende simuleringer, så lenge modet el endrer ikke Dette alternativet krever ekstra oppstartstid, men gir raskere simuleringshastighet enn Tolket utførelse. Simulere modell ved hjelp av MATLAB tolk Dette alternativet forkorter oppstartstid, men har langsommere simuleringshastighet enn kodegenerering. Skjulvindumetode. utgang for hver inngangseksempel er gjennomsnittet av gjeldende prøve og Len-1 forrige sampler Len er lengden på vinduet For å beregne de første Len-1 utgangene, når vinduet ikke har nok data ennå, fyller algoritmen vinduet med nuller Som et eksempel, for å beregne gjennomsnittet når den andre inngangsprøven kommer inn, fyller algoritmen vinduet med Len - 2 nuller Datavektoren, x er da de to dataprøven etterfulgt av Len - 2 nuller. Når du ikke gjør det spesifiser vinduets lengde, algoritmen velger en uendelig vinduslengde I denne modusen er utgangen det bevegelige gjennomsnittet for gjeldende utvalg og alle de tidligere prøvene i kanalen. Eksponensiell vekting Metode. I den eksponentielle vektingsmetoden beregnes det bevegelige gjennomsnittet rekursivt ved hjelp av disse formlene. w N w N 1 1 N N 1 1 N N N N N N N N N N Gjennomsnittlig Gjeldende N Eksempel N Gjeldende data input sample. x N 1 Moving gjennomsnitt på forrige sample. Forgetting factor. w N Vektningsfaktor påført gjeldende dataprøve. 1 1 w N x N 1 Effekt av tidligere data i gjennomsnitt. For den første prøven, hvor N 1 velger algoritmen w N 1 For neste prøve blir vektningsfaktoren oppdatert og brukes til å beregne gjennomsnittet, i henhold til den rekursive ligningen Når alderen på dataene øker, reduseres størrelsen på vektningsfaktoren eksponentielt og når aldri null. Med andre ord, har de nyere data større innflytelse på nåværende gjennomsnitt enn de eldre dataene. Verdien av den glemme faktoren bestemmer Endringshastighet av vektningsfaktorene En glemsom faktor på 0 9 gir større vekt på de eldre dataene enn en glemme faktor på 0 1 En glemme faktor på 1 0 indikerer uendelig minne. Alle de tidligere eksemplene blir gitt like vekt. Velg ditt land. Moving Average. Method Gjennomsnittlig metode Glidende vindu standard Eksponentiell vekting. Glidebryter Et lengdevindu Vindulengden beveger seg over inngangsdata langs hver kanal. For hver prøve beveger vinduet seg av, og blokken beregner en verta over dataene i vinduet. Eksponentiell vekting Blokken multipliserer prøvene med et sett med vektningsfaktorer Størrelsen på vektningsfaktorene reduseres eksponentielt ettersom datoenes alder øker, når aldri null For å beregne gjennomsnittet summerer algoritmen vektet data. Spesifiser vindelengde Flagg for å angi vinduets lengde på standard av. Når du velger denne avmerkingsboksen, er lengden på skyvevinduet lik verdien du angir i Vindulengde Når du fjerner dette avmerkingsboksen, er lengden på skyvevinduet er uendelig I denne modusen beregner blokken gjennomsnittet av gjeldende utvalg og alle tidligere prøver i kanalen. Vindlengde lengde på glidevinduet 4 standard positivt skalar heltall. Vindlengden angir lengden på glidevinduet Denne parameteren vises når du velg Angi vindulengde avkryssingsfeltet. Forgettfaktor Eksponentiell vektfaktor 0 9 standard positiv ekte skalar i området 0,1. Denne parameteren gjelder når du du angir metode for eksponentiell vekting En glemme faktor på 0 9 gir større vekt på de eldre dataene enn en glemme faktor på 0 1 En glemsom faktor på 1 0 indikerer uendelig minne Alle tidligere prøver blir gitt like vekt. Denne parameteren kan avstemmes kan endre verdien selv under simuleringen. Simulere ved hjelp av Type simulering for å kjøre Code generering standard Tolket execution. Simulate modell ved hjelp av generert C-kode Første gang du kjører en simulering, genererer Simulink C-kode for blokken. C-koden blir gjenbrukt for senere simuleringer, så lenge modellen ikke endrer Dette alternativet krever ekstra oppstartstid, men gir raskere simuleringshastighet enn Tolket utførelse. Simulere modell ved hjelp av MATLAB-tolk Dette alternativet forkorter oppstartstid, men har langsommere simuleringshastighet enn kodegenerering. Skjul vinduet Metode. I glidervinduet, utgangen for hver inngangseksempel er gjennomsnittet av gjeldende prøve og Len-1 forrige prøve L en er lengden på vinduet For å beregne de første Len-1-utgangene, når vinduet ikke har nok data ennå, fyller algoritmen vinduet med nuller. For eksempel å beregne gjennomsnittet når den andre inntaksprøven kommer inn, algoritmen fyller vinduet med Len - 2 nuller Datavektoren, x er da de to dataprøven etterfulgt av Len - 2 nuller. Når du ikke angir vindulengden, velger algoritmen en uendelig vinduslengde. I denne modusen er utgangen det bevegelige gjennomsnittet for den nåværende prøven og alle de tidligere prøvene i kanalen. Eksponentiell vektingsmetode. I eksponentiell vektingsmetode beregnes det bevegelige gjennomsnittet rekursivt ved hjelp av disse formlene. w Nw N 1 1 N N 1 1 N N N 1 1 w N x Nx N Flytende gjennomsnitt på gjeldende sample. x N Gjeldende datainngang sample. x N 1 Flytende gjennomsnitt på forrige sample. Forgetting factor. w N Vektningsfaktor påført gjeldende dataprøve. 1 1 w N x N 1 Effekt av tidligere data i gjennomsnitt. For den første prøven, hvor N 1 velger algoritmen w N 1 For neste prøve blir vektningsfaktoren oppdatert og brukes til å beregne gjennomsnittet, i henhold til den rekursive ligningen Når alderen på dataene øker, reduseres størrelsen på vektningsfaktoren eksponentielt og når aldri null. Med andre ord, har de nyere data større innflytelse på nåværende gjennomsnitt enn de eldre dataene. Verdien av den glemme faktoren bestemmer Endringshastighet av vektningsfaktorene En glemsom faktor på 0 9 gir større vekt på de eldre dataene enn en glemme faktor på 0 1 En glemme faktor på 1 0 indikerer uendelig minne. Alle de tidligere eksemplene blir gitt like vekt. Velg ditt land .
No comments:
Post a Comment