我们生活在一个充满传感器的世界。它们在工厂里的机器人里，在我们的汽车里，在我们的手腕上，甚至在我们的冰箱里，以确保我们的食物保持新鲜。这些传感器产生信号。
在本视频中，我们将使用Simulink来处理来自万博1manbetx传感器的信号。我们将对信号进行频谱分析。在此基础上，我们将设计和构建数字滤波器作为信号处理算法的一部分。我们将评估算法的性能，一旦准备就绪，就将模型转换为可以嵌入实时硬件的C代码。让我们开始吧……
在MathWorks位于马萨诸塞州纳蒂克的总部，有太阳能电池板可以发电。我们将每15分钟测量一次阵列产生的能量。这是我们的信号。
当然，功率取决于日照量，日照量取决于一天中的时间……还有天气。
预测和管理可变产量和需求是可再生能源发电的重要组成部分。为了平滑产生的电力，在阳光明媚的日子里，我们可以将部分电力储存在电池中。然后在阴天，我们用它来补充低发电量。
让我们设计一个系统，它可以使用Simulink中的信号处理技术来预测明天是晴天还是多云。万博1manbetx
通过单击MATLAB万博1manbetx工具条上的Simulink按钮来启动Simulink。这将打开开始页面，您可以在其中创建新模型，查找示例，甚至查找基本训练。
我们从头开始我们的模型，所以我们将选择空白模型，并将其保存为sunnyvscloudy。
万博1manbetxSimulink模型是由块和信号线建立的。打开Library Browser查看所有可用的块。
我们将从可视化两个电力信号开始——一个来自晴天，一个来自阴天。
为了查看信号，让我们将两个输入端口(简称为Inports)拖到我们的模型中。然后添加一个Scope块。
让我们将两个导入块标记为“晴天”和“阴天”，范围块标记为“时域”。
我们可以通过点击和拖动将这些块与信号线连接在一起。若要标记信号线，双击并键入名称。
现在我们需要数据。在MATLAB中，我们有两个向量，sunnyDay和cloudyDay，代表六月中两个特定日子的功率测量。相应的时间戳在tday中。
我们还有样本频率，以每天的样本为单位，用变量Fs表示。每15分钟抽样一次意味着我们每天得到96个样本。
我们必须设置两个导入的采样时间，因此双击每个导入来调整其块参数。在信号属性选项卡下，将采样时间设置为采样频率的倒数。
要将数据导入Simulink，我们可以转到模型万博1manbetx设置窗口，然后是数据导入/导出窗格，并添加时间和两个电源信号作为输入。我们还应该将总模拟时间设置为1天。
现在我们可以通过单击工具条中的run按钮来运行我们的模型。
让我们双击Scope块来查看信号。
我们用直线把数据点连接起来。
平滑的黄色线是晴天。蓝线显示，阴天产生的能量较少，正如你所预期的那样，而且在云层经过太阳能电池阵列时，也有许多短期变化。
那么，我们如何利用这些特征来决定今天是晴天还是阴天呢?
我们再看看频域中的这些信号。我们将使用频谱分析，这有助于我们测量每个信号的频率含量。我们首先从DSP系统工具箱中添加一个频谱分析仪块，然后将两个信号连接到它。
若要分支信号线，可以在将信号线拖动到块时单击右键。
我们有短信号，所以我们需要改变频谱分析仪块中的一些设置，以便我们能够正确地看到它们。
这一次，我们可以通过按顶部的绿色按钮在频谱分析仪中运行我们的模型。让我们打开图例看看哪一天是哪一天。
那么，我们在看什么?
x轴是频率值。y轴向我们展示了在给定频率下信号的功率。虽然默认的时间单位是秒，但我们实际上是以天为单位来测量时间的。所以x轴是每天的周期，而不是每秒的周期(或Hz)。
我们看到，这两天的低频含量大致相同，但多云的高频含量要高得多。还记得那些短时变奏吗?这就是它们在频域中的样子。
所以也许我们可以通过比较较高频率的功率和某个阈值来区分晴天和阴天。
然而，太阳能板在夏季发电更多，而在冬季发电更少，这意味着该阈值将在全年中不断变化。
我们希望一年四季都有一个固定的门槛。如果我们用较低频率的功率归一化高频功率，我们可以使用固定阈值。那么，让我们试着计算前75%频率的总功率与后25%频率的总功率之比。
那么，我们如何区分低频和高频呢?通过建立数字滤波器。对于低频内容，我们需要一个低通滤波器，对于高频内容，我们需要一个高通滤波器。
要构建这两个过滤器，我们首先将模型剥离到单个import和Scope Block....并从DSP系统工具箱中拖动过滤器实现向导块。
双击方块打开滤镜设计器App。如果你用MATLAB设计过滤镜，你可能以前用过这个App。让我们点击“设计过滤器”图标开始设计低通过滤器。
因为我们每15分钟才得到一个样本，所以我们需要一个只处理少数样本的过滤器。我们将使用Chebyshev Type 1 IIR滤波器，并将滤波器顺序设置为4。
然后我们必须指定一个截止频率。记住，我们想让较低的25%的频率通过。因此，我们将选择归一化频率并将wpass设置为0.25。我们将使通带纹波小于0.05 dB。
最后，按下底部的Design Filter按钮。我们看到新的响应就是我们想要的。
我们可以通过单击Group delay Response按钮来检查筛选器引入的延迟。对于小于0.25的频率，延迟约为3个样本。我们以后再讲。
现在我们已经完成了过滤器的设计，让我们通过单击Realize model图标将它添加到我们的Simulink模型中。万博1manbetx我们将该块命名为“Lowpass Filter”，并选择选项“Build model using basic elements”。这样我们就可以看到用于制作过滤器的基本Simulink块，比万博1manbetx如延迟、乘法和添加块。
当我们点击“实现模型”按钮时…
.．.在我们的模型中创建了一个新的子系统。让我们双击它来查看内部。
果然，滤波器只是单元延迟、增益和添加块，现代DSP芯片和fpga都经过优化实现。
现在是高频内容。我们可以重复同样的过程来设计和实现高通滤波器。在这种情况下，高通滤波器将输入信号延迟1个样本。
好的，让我们在电源信号上测试我们的新滤波器。
我们添加了三条并行路径:一条用于原始功率信号，一条用于低通滤波版本，另一条用于高通滤波版本。我们想要比较它们。
但请记住，低通滤波器引入了3个样本的延迟，高通滤波器引入了1个样本的延迟。所以我们需要添加一些延迟块，以确保三个信号是对齐的。双击模型，输入“delay”，快速为3个样本的原始信号添加一个延迟块，为2个样本的高通信号添加另一个延迟块。
我们将修改模型以使用更长的2年半数据集，数据集存储在变量幂中，时间戳为t。
在Scope上，让我们放大六天。
黄线是原来的电源信号。蓝线是低通信号，它代表了一般的平滑趋势。红线是高通信号，它捕捉到了由于云层覆盖而产生的变化。在多云时期，这些变化可能很大。
现在我们已经分离出低频和高频信号，我们已经准备好构建Sunny Test了。
我们需要在足够的时间内进行聚合，以便过滤器给出合理的结果，但我们不想等太久才能得到答案。所以我们将使用3小时的窗口，也就是12次测量!
为了在一个时间窗口内存储过滤器输出，我们将使用DSP系统工具箱中的缓冲块。
双击缓冲区，我们可以将缓冲区大小设置为12，以处理三个小时的窗口。每条过滤路径上都需要一个缓冲区。
现在，我们将使用一些基本的数学操作块来计算sunny测试，比如绝对值、元素和和和分割块。
让我们添加一个块来比较比率和阈值。使用Sim万博1manbetxulink，您可以很容易地通过实验找到这个阈值的合适值。22可以很好地工作，但是可以随意使用这个值，看看它如何改变结果。
比较的输出是0，表示不是晴天，1表示晴天。让我们把它缩放到最大功率，这样它就能在图上很好地显示出来。
我们应该删除Scope块上的额外输入端口。
在运行之前，请注意这些缓冲区为信号增加了一些延迟。为了与原始信号保持一致，我们需要将延迟增加12。
好，让我们运行一下，看看我们的算法是否有效。如果我们放大之前的同一天，它看起来工作得很好。
但是如果我们看不同的六天，我们会发现我们的方法有问题。有时它说半夜是晴天!
为了解决这个问题，让我们通过添加日光探测器来修改阳光测试。我们只需将低频功率与另一个阈值进行比较，就可以知道太阳是否真的升起来了。我们可以用AND块将这两个条件结合起来。
重新运行模型并检查那些日子……我们发现我们已经解决了错误检测的问题。
现在我们有了一个工作算法，我们想把它部署到嵌入式系统中。使用Embedded Coder，我们可以部署到Arduino、Raspberry Pi、Zynq和许多其他平台。
让我们将模型部署到Arduino Uno板上。
我们将打开模型设置窗口并选择硬件板。然后，我们用输出端口替换用于测试的Scope块。
现在让我们生成代码。这将使用我们的Simulink万博1manbetx模型并生成我们编译模型以进行部署所需的所有C文件。您还可以为其他嵌入式系统生成通用的C代码。
或者…VHDL或Verilog代码部署到FPGA。
一旦我们有了生成的代码，我们就把它移植到太阳能电池阵列的嵌入式硬件上。
看看我们用Simulink做了什么!万博1manbetx我们现在有了稳定的可再生能源。
您已经了解了如何从空白画布到运行在嵌入式系统上的信号处理应用程序。你也可以试试这个。您可以下载这些文件。
现在你已经有了使用Simulink的感觉，是时候学习它了。万博1manbetx学习Simulink的最好方法就是使用它。万博1manbetx所以启动Simulink万博1manbetx OnRamp，它会教你基本知识。它是免费的，只需要几个小时。
欢迎来到Simulin万博1manbetxk!
