dsp.movingvariance.

移动方差

展开所有页面

描述

当dsp.movingvariance.System Object™独立于时间计算每个通道的输入信号的移动方差。该对象使用滑动窗口方法或指数加权方法来计算移动方差。在滑动窗口方法中，指定长度的窗口在数据上移动，采样通过样本进行样本，并且在窗口中的数据上计算方差。在指数加权方法中，对象从平均值中减去数据的每个样本，平方差，并将平方结果与加权因子相乘。然后，对象通过添加所有加权数据来计算方差。有关这些方法的更多详细信息，请参阅算法。

计算输入的移动方差：

创造dsp.movingvariance.对象并设置其属性。
使用参数调用对象，就像它是一个函数。

要了解有关系统对象如何工作的更多信息，请参阅什么是系统对象？。

创造

语法

movvar = dsp.movingvariance.

movvar = dsp.movingvariance（len）

movvar = dsp.movingvariance（名称，值）

描述

Movvar.= dsp.movingvariance.返回一个移动的variance对象，Movvar.，使用默认属性。

示例

Movvar.= dsp.movingvariance（Len.）设置WindowLength.财产Len.。

示例

Movvar.= dsp.movingvariance（名称，价值）使用额外的属性使用名称，价值对。未指定的属性具有默认值。

示例：movvar = dsp.movingvariance（'方法'，'指数加权'，'forgectfactor'，0.9）;

属性

展开所有

除非另有说明，否则属性是不可努力，这意味着在调用对象后无法更改其值。当您调用它们时，对象锁定释放功能解锁它们。

如果属性是调节，您可以随时更改其值。

有关更改属性值的详细信息，请参阅MATLAB使用系统对象的系统设计。

`方法`-计算方差的方法
`'滑动窗口'`（默认）|`'指数加权'`

'滑动窗口'- 由此指定的长度窗口specifyWindowLength.沿每个通道移动到输入数据上。对于窗口移动的每个样本，对象计算窗口中数据的方差。
'指数加权'- 对象从平均值中减去每个数据的每个样本，平方差，并将平方结果乘以加权因子。然后，对象通过添加所有加权数据来计算方差。随着数据的年龄增加，加权因子的大小呈指数级增长，从未达到零。

有关这些方法的更多详细信息，请参阅算法。

`specifyWindowLength.`-指定窗口长度
`真实`（默认）|`假`

标志指定窗口长度，指定为标量布尔值。

真实- 滑动窗口的长度等于您指定的值WindowLength.财产。
假- 滑动窗的长度是无限的。在此模式下，使用当前样本和所有过去的样本来计算方差。

依赖性

此属性适用于您的时候方法到目前为止'滑动窗口'。

`WindowLength.`-滑动窗口的长度
4.（默认）|正标量整数

样本中的滑动窗口的长度，指定为正标量整数。

依赖性

此属性适用于您的时候方法到目前为止'滑动窗口'和specifyWindowLength.到目前为止真实。

数据类型：单身|双人间|INT8.|int16|INT32.|INT64.|uint8.|uint16|UINT32.|UINT64

`忘记应答器`-指数加权因子
0.9（默认）|范围内的正实标量（0,1]

指数加权因子，指定为范围内的正实标量（0,1]。

遗忘因数为0.9给较旧数据的重量比忘记因数为0.1。1.0忘记因子表示无限内存。所有过去的样品都有相等的重量。

由于此属性是可调调整的，因此即使对象被锁定，您也可以更改其值。

可调：是的

依赖性

此属性适用于您的时候方法到目前为止'指数加权'。

数据类型：单身|双人间

使用

语法

y = movvar（x）

描述

示例

y= movvar（X.）计算输入信号的移动方差，X.，使用滑动窗口方法或指数加权方法。

输入参数

展开所有

`X.`-数据输入
矢量图|矩阵

数据输入，指定为向量或矩阵。如果X.是一个矩阵，每列被视为独立信道。移动方差沿每个信道计算。该对象还接受可变大小的输入。锁定对象后，可以更改每个输入通道的大小，但无法更改通道的数量。

数据类型：单身|双人间
复数支持：金宝app是的

输出参数

展开所有

`y`- 移动方差
矢量|矩阵

输入信号的移动方差，作为向量或矩阵返回。

数据类型：单身|双人间
复数支持：金宝app是的

对象功能

要使用对象函数，请将System对象指定为第一个输入参数。例如，要发布命名的系统对象的系统资源obj.，使用此语法：

释放（obj）

展开所有

所有系统对象共同

`step`	跑系统对象算法
`释放`	释放资源并允许更改系统对象属性值和输入特性
`重置`	重置内部状态系统对象

例子

崩溃

嘈杂方波信号的移动方差

打开脚本

计算噪声方波信号的移动方差使用变化的幅度dsp.movingvariance.对象。

初始化

建立movvarwindow.和movvarexp.对象。movvarwindow.使用窗口长度为800的滑动窗口方法。movvarexp.使用具有0.999的遗忘因数的指数加权方法。创建用于查看输出的时间范围。

FrameLength = 100;FS = 100;movvarwindow = dsp.movingvariance（800）;movVarexp = dsp.movingvariance（'方法'那'指数加权'那......'忘记就活跃'，0.999）;范围= timescope（'samplerate'，fs，......'timespanoverrunaction'那'滚动'那......'timespansource'那'财产'那......'timespan'，1000，......'showgrid'，真实，......'bufferLength'，1e7，......'ylimits'，[0 7e-4]）;标题='实际（黄色）滑动窗口（蓝色）指数加权（红色）方差';scope.title =标题;

计算方差

产生嘈杂的方波信号。在给定数量的帧之后改变方波的幅度。在该信号上应用滑动窗口方法和指数加权方法。实际方差是NP.。在向数据添加噪声时使用此值。将实际方差与计算机范围的时间范围进行比较。

count = 1;noispower = 1e-4 * [1 2 3 4];索引= 1;对于索引= 1：长度（Noispower）NP = Noispower（指数）;yexp = np * y（frameLength，1）;对于i = 1：250 x = 1 + SQRT（NP）* Randn（FrameLength，1）;y1 = movvarwindow（x）;y2 = movVarexp（x）;范围（[Yexp，Y1，Y2]）;结束结束

算法

展开所有

滑动窗口方法

在滑动窗口方法中，当前样本的输出是当前样本相对于窗口中的数据的方差。计算第一个Len.- 1输出，当窗口没有足够的数据时，算法用零填充窗口。例如，为了计算第二个输入样本进入时的方差，算法填充窗口Len.- 2零。Len.是样品中窗口的长度。数据矢量，X.，然后是两个数据样本后跟Len.- 2零。

当您未指定窗口长度时，算法选择无限窗口长度。在此模式下，输出是当前样本相对于通道中所有先前样本的运动方差。

考虑使用滑动窗口方法计算用于计算流输入数据的移动方差的示例。该算法使用窗口长度为4.具有输入的每个输入样本，长度4的窗口沿数据移动。

指数加权方法

在指数加权方法中，使用这些公式递归地计算运动方差：

$\begin{array}{l} {S.}^{2}_{N 那 λ.} = \frac{1}{{V.}_{N 那 λ.}} {σ.}_{K. = 1}^{N} {λ.}^{N - K.} {[{X.}_{K.} - {\bar{X.}}_{N 那 λ.}]}^{2} \\ {V.}_{N 那 λ.} = \frac{2 λ. （ 1 - {λ.}^{N - 1} ）}{（ 1 - λ. ）（ 1 + λ. ）} \end{array}$

为了计算移动方差，算法递归地实现这些方程。

${S.}^{2}_{N 那 λ.}$ - 当前数据样本相对于信道中的其余数据的移动方差。
${\bar{X.}}_{N 那 λ.}$ - 当前样品的平均值。有关计算移动平均线的详细信息，请参阅dsp.movingverage.。
${[{X.}_{K.} - {\bar{X.}}_{N 那 λ.}]}^{2}$ - 每个数据样本和数据的平均值之间的区别，平方。
${σ.}_{K. = 1}^{N} {λ.}^{N - K.} {[{X.}_{K.} - {\bar{X.}}_{N 那 λ.}]}^{2}$ - 每个数据样本与数据的平均值之间的差异，平方和乘法乘以遗忘因子。添加所有方格术语。
$\frac{1}{{V.}_{N 那 λ.}}$ - 加权因子适用于总和。
λ - 忘记因素您可以通过以下方式指定忘记应答器财产。