移动方差

图书馆：
DSP系统工具箱/统计

描述

这个移动方差块计算输入信号沿每个通道随时间独立移动的方差。块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，指定长度的窗口逐样本在数据上移动，块计算窗口中数据的方差。在指数加权法中，块从平均值中减去每个数据样本，将差值平方，并将平方结果乘以加权因子。然后，块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.

港口

输入

全部展开

`x`-数据输入
列向量|行向量|矩阵

块计算移动方差的数据。块接受实值或复数多通道输入，即，M-借-N大小输入，其中M≥ 1,及N≥ 1.块还接受可变大小的输入。在模拟过程中，可以更改每个输入通道的大小。但是，通道的数量不能更改。

在设置之前，此端口未命名方法到指数加权然后选择从输入端口指定遗忘因子参数

数据类型：仅有一个的|双重的
复数支持：金宝app对

`兰姆达`-遗忘因子
范围（0,1）内的正实标量

遗忘因子决定了过去数据的权重。遗忘因子为0.9比遗忘因子为0.1赋予旧数据更多的权重。遗忘因子为1.0表示记忆无限——之前的所有样本都具有相同的权重。

依赖关系

设置时会显示此端口方法到指数加权然后选择从输入端口指定遗忘因子参数

数据类型：仅有一个的|双重的

输出

全部展开

`港口1`-移动方差输出
列向量|行向量|矩阵

移动方差输出的大小与输入的大小相匹配。根据方法参数。有关详细信息，请参阅算法.

数据类型：仅有一个的|双重的
复数支持：金宝app对

参数

全部展开

如果某个参数列为可调，则可以在模拟期间更改其值。

`方法`-移动方差法
`滑动窗口`（默认）|`指数加权`

滑动窗口-长窗窗长沿每个通道移动输入数据。对于窗口移动的每个样本，块计算窗口中数据的方差。
指数加权-块从平均值中减去每个数据样本，将差值平方，并将平方结果乘以加权因子。块然后通过将所有加权数据相加来计算方差。加权因子的大小随着数据年龄的增加呈指数下降，但幅度永远不会达到零o。

有关这些方法的更多详细信息，请参阅算法.

`指定窗口长度`-用于指定窗口长度的标志
开（默认）|关

选中此复选框时，滑动窗口的长度等于在中指定的值窗长. 清除此复选框时，滑动窗口的长度为无限长。在此模式下，块计算当前样本相对于通道中所有先前样本的方差。

依赖关系

当您设置方法到滑动窗口.

`窗长`-滑动窗口的长度
4（默认值）|正标量整数

指定示例中滑动窗口的长度。

依赖关系

当您设置方法到滑动窗口然后选择指定窗口长度复选框。

`从输入端口指定遗忘因子`-用于指定遗忘因子的标志
关闭（默认）|打开

选中此复选框时，遗忘因子通过兰姆达端口。清除此复选框时，遗忘因子通过遗忘因子参数

依赖关系

此参数仅在您设置方法到指数加权.

`遗忘因子`-指数加权因子
0.9（默认值）|范围（0,1）内的正实标量

可调：对

依赖关系

当您设置方法到指数加权并清除从输入端口指定遗忘因子复选框。

`模拟使用`-要运行的模拟类型
`代码生成`（默认）|`解释执行`

代码生成
使用生成的C代码模拟模型。第一次运行模拟时，Simulink金宝app^®为块生成C代码。只要模型不变，C代码将重新用于后续模拟。此选项需要额外的启动时间，但提供的模拟速度比解释执行.
解释执行
利用MATLAB对模型进行仿真^®口译译员此选项缩短了启动时间，但模拟速度比代码生成.

块特征

数据类型	`双重的`\|`仅有一个的`
多维信号	`不`
可变大小信号	`对`

算法

全部展开

滑动窗口法

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数据的方差。计算第一个伦恩–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，该算法使用伦恩–2个零。伦恩是示例中窗口的长度。数据向量，x，然后是两个数据样本，后跟伦恩–2个零。

如果不指定窗口长度，算法将选择无限长的窗口。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移动方差。

考虑使用滑动窗口法计算流输入数据的运动方差的一个例子，该算法使用窗口长度为4。每一个输入样本进来，长度4的窗口沿着数据移动。

指数加权法

在指数加权法中，使用以下公式递归计算移动方差：

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

为了计算移动方差，该算法递归地实现这些方程。

$s^{2.}_{N, λ}$ -移动当前数据样本相对于通道中其余数据的方差。
${\bar{x}}_{N, λ}$ -当前样本的移动平均值。有关计算移动平均值的详细信息，请参阅dsp.MovingAverage.
${[x_{K} - {\bar{x}}_{N, λ}]}^{2.}$ -每个数据样本与数据平均值之间的差值，平方。
$\sum_{K = 1.}^{N} λ^{N - K} {[x_{K} - {\bar{x}}_{N, λ}]}^{2.}$ -每个数据样本与数据平均值之间的差值，平方并乘以遗忘因子。所有平方项相加。
$\frac{1.}{v_{N, λ}}$ -应用于总和的权重因子。
λ-可通过以下公式指定的遗忘因子：遗忘因子所有物