Mittelungsfilter Dieses Beispiel zeigt den empfohlenen Arbeitsablauf zum Generieren von C-Code aus einer MATLAB-Funktion mit dem Befehl codegen. Dies sind die folgenden Schritte: 1. Fügen Sie die Codegen-Direktive zur MATLAB-Funktion hinzu, um anzuzeigen, dass sie für die Codegenerierung vorgesehen ist. Mit dieser Richtlinie kann der MATLAB-Codeanalysator auch Warnungen und Fehler identifizieren, die für MATLAB zur Codegenerierung spezifisch sind. 2. Generieren Sie eine MEX-Funktion, um zu überprüfen, ob der MATLAB-Code für die Codegenerierung geeignet ist. Wenn Fehler auftreten, sollten Sie sie vor dem Generieren von C-Code zu beheben. 3. Testen Sie die MEX-Funktion in MATLAB, um sicherzustellen, dass es funktional dem ursprünglichen MATLAB-Code entspricht und dass keine Laufzeitfehler auftreten. 4. Generieren Sie C-Code. 5. Überprüfen Sie den C-Code. Voraussetzungen Es gibt keine Voraussetzungen für dieses Beispiel. Erstellen eines neuen Ordners und Kopieren von relevanten Dateien Der folgende Code erstellt einen Ordner in Ihrem aktuellen Arbeitsordner (pwd). Der neue Ordner enthält nur die Dateien, die für dieses Beispiel relevant sind. Wenn Sie den aktuellen Ordner nicht beeinflussen möchten (oder wenn Sie keine Dateien in diesem Ordner erzeugen können), sollten Sie den Arbeitsordner ändern. Ausführen des Befehls: Erstellen eines neuen Ordners und Kopieren von relevanten Dateien Über die averagingfilter-Funktion Die averagingfilter. m-Funktion fungiert als Mittelungsfilter für das Eingangssignal, das einen Eingabevektor von Werten benötigt und einen Durchschnitt für jeden Wert im Vektor berechnet. Der Ausgangsvektor ist die gleiche Größe und Form wie der Eingangsvektor. Die Codegen-Kompilierungsrichtlinie zeigt an, dass der MATLAB-Code für die Codegenerierung vorgesehen ist. Erstellen Sie einige Beispieldaten Erstellen Sie eine verrauschte Sinuswelle und zeichnen Sie das Ergebnis. Generieren einer MEX-Funktion zum Testen Generieren Sie eine MEX-Funktion mit dem Befehl codegen. Der Codegen-Befehl überprüft, ob die MATLAB-Funktion für die Codegenerierung geeignet ist, und erzeugt eine MEX-Funktion, die Sie vor dem Generieren des C-Codes in MATLAB testen können. Da C eine statische Typisierung verwendet, muss codegen die Eigenschaften aller Variablen in den MATLAB-Dateien zur Kompilierzeit bestimmen. Hier liefert die Befehlszeilenoption - args eine Beispiel-Eingabe, so dass Codegen neue Typen auf der Grundlage der Eingabetypen ableiten kann. Das Beispielsignal, das oben als Beispiel-Eingang erstellt wurde, stellt sicher, dass die MEX-Funktion denselben Eingang verwenden kann. Standardmäßig generiert codegen eine MEX-Funktion namens averagingfiltermex im aktuellen Ordner. Auf diese Weise können Sie den MATLAB-Code und die MEX-Funktion testen und die Ergebnisse vergleichen. Testen der MEX-Funktion in MATLAB Ausführen der MEX-Funktion in MATLAB Generieren von C-Code Überprüfen des generierten Codes Der Codegen-Befehl mit der Option - config coder. config (lib) erzeugt C-Code, der als eigenständige C-Bibliothek verpackt ist. Der generierte C-Code befindet sich im Ordner codegenlibaveragingfilter. Die Dateien sind: Überprüfen Sie die C-Code für die averagingfilter. c Funktion Wählen Sie Ihre CountryIs es möglich, einen gleitenden Durchschnitt in C ohne die Notwendigkeit für ein Fenster von Proben Ive gefunden, dass ich ein bisschen optimieren können, indem Sie eine Fenstergröße, die a Macht von zwei, um Bit-Verschiebung statt der Teilung zu ermöglichen, aber nicht brauchen einen Puffer wäre schön. Gibt es eine Möglichkeit, ein neues gleitendes Durchschnittsergebnis nur als Funktion des alten Ergebnisses und des neuen Beispiels auszudrücken, definieren Sie einen beispielhaften gleitenden Durchschnitt in einem Fenster von 4 Proben: Add new sample e: Ein gleitender Durchschnitt kann rekursiv implementiert werden , Aber für eine exakte Berechnung des gleitenden Durchschnitts müssen Sie sich an die älteste Eingangsabfrage in der Summe (dh die a in Ihrem Beispiel) erinnern. Für einen N-gleitenden Durchschnitt berechnen Sie: wobei yn das Ausgangssignal und xn das Eingangssignal ist. Gl. (1) können rekursiv geschrieben werden, also müssen Sie sich stets an die Stichprobe xn-N erinnern, um (2) zu berechnen. Wie von Conrad Turner angemerkt, können Sie stattdessen ein (unendlich langes) exponentielles Fenster verwenden, mit dem Sie die Ausgabe nur aus dem vergangenen Ausgang und dem aktuellen Eingang berechnen können. Dies ist jedoch kein normaler (ungewichteter) gleitender Durchschnitt, sondern ein exponentieller Wert Gewogenen gleitenden Durchschnitt, wo die Proben in der Vergangenheit ein geringeres Gewicht erhalten, aber (zumindest in der Theorie) man nie etwas vergessen (die Gewichte nur kleiner und kleiner für Proben weit in der Vergangenheit). Ich habe einen gleitenden Durchschnitt ohne einzelnen Element-Speicher für ein GPS-Tracking-Programm, das ich geschrieben habe. Ich beginne mit 1 Probe und dividiere durch 1, um die aktuelle Durchschn. Ich füge dann anothe Probe und dividiere durch 2 zu den aktuellen Durchschn. Das geht so lange weiter, bis ich auf die Länge des Durchschnitts komme. Jedes Mal danach, füge ich in der neuen Probe, erhalten Sie den Durchschnitt und entfernen Sie diesen Durchschnitt aus der Gesamtmenge. Ich bin kein Mathematiker, aber das schien ein guter Weg, es zu tun. Ich dachte, es würde den Magen eines echten Mathematik-Kerl, aber es stellt sich heraus, es ist eine der akzeptierten Möglichkeiten, es zu tun. Und es funktioniert gut. Denken Sie daran, dass je höher Ihre Länge, desto langsamer folgt es, was Sie folgen wollen. Das kann nicht die meiste Zeit, aber wenn folgende Satelliten, wenn Sie langsam sind, könnte die Spur weit von der tatsächlichen Position und es wird schlecht aussehen. Sie könnten eine Lücke zwischen dem Sat und den nachfolgenden Punkten haben. Ich wählte eine Länge von 15 aktualisiert 6 mal pro Minute, um eine ausreichende Glättung und nicht zu weit von der tatsächlichen Sat-Position mit den geglätteten Spur Punkte erhalten. Antwort # 2 am: November 16, 2010, um 23:03 Uhr Initialisierung insgesamt 0, count0 (jedes Mal, wenn ein neuer Wert dann ein Eingang (scanf), ein add totalnewValue, ein Inkrement (count), ein dividieren Durchschnitt (totalcount) Dies wäre ein gleitender Durchschnitt über Alle Eingänge Um den Durchschnitt über nur die letzten 4 Eingänge zu berechnen, benötigen Sie 4 Inputvariablen, vielleicht kopieren Sie jeden Eingang zu einem älteren inputvariable und berechnen dann den neuen gleitenden Durchschnitt als Summe der 4 Inputvariablen, geteilt durch 4 (Rechtsverschiebung 2 wäre Gut, wenn alle Eingänge waren positiv, um die durchschnittliche Berechnung beantwortet werden 3. Februar um 4:06 Das wird tatsächlich berechnen den Gesamtdurchschnitt und nicht den gleitenden Durchschnitt. Wenn Zähler größer wird der Einfluss eines neuen Eingangsprobe wird verschwindend kleiner ndash Hilmar Feb 3 15 um 13:53 Uhr Deine Antwort 2017 Stack Exchange, Inc
No comments:
Post a Comment