主要内容

骗子

使用累积总和检测均值的小变化

折叠所有页面

语法

[iupper, ilower] = cusum (x)
[iupper, ilower] = cusum (x, climit mshift、tmean tdev)
[iupper，ilower] = cusum（＿＿＿, '所有')
[Iupper，Ilower，Uppersum，ledersum] = cusum（＿＿＿）
cusum（＿＿＿）

描述

例子

［IUPPER，ILOWER.) = cusum (x）的上、下累积和的第一个索引x偏离了目标均值上下5个标准差。最小可检测的平均偏移设置为一个标准差。的前25个样本估计了目标均值和标准偏差x．

例子

［IUPPER，ILOWER.) = cusum (x，climit，mshift，tmean，TDEV.）指定climit，允许上下累积和从平均值漂移上下累积总和的标准偏差的数量。它还指定最小可检测平均偏移，目标平均值和目标标准偏差。

［IUPPER，ILOWER.) = cusum (＿＿＿, '所有')返回上层和下累积总和超过控制限制的所有索引。

例子

［IUPPER，ILOWER.，Uppersum，ledersum.) = cusum (＿＿＿）还返回上、下累计总和。

cusum（＿＿＿）没有输出参数绘制归一化的上下累积和归一批标准偏差在目标平均值上方和下方。

例子

全部收缩

打开直播脚本

生成并绘制100个样本的线性趋势随机信号。重置随机数生成器以获得可重复的结果。

RNG（“默认”) rds = rand(1100);trnd = linspace (0, 1100);FNC = RNDS + trnd;情节(fnc)

图中包含一个坐标轴。轴包含类型线的对象。

应用骗子使用输入参数的默认值到函数。

cusum（FNC）

图中包含一个坐标轴。具有标题CUSUM控制图\ MU_ {target} = 0.760971 \ sigma_ {target} = 0.341922的轴包含类型线的5个对象。

计算前25个样本的平均值和标准偏差。应用骗子用这些数字作为目标均值和目标标准差。突出显示累计总和偏离目标均值超过5个标准差的点。将最小可检测的平均偏移设置为一个标准差。

MFNC =平均值（FNC（1:25））;SFNC = STD（FNC（1:25））;CUSUM（FNC，5,1，MFNC，SFNC）

图中包含一个坐标轴。具有标题CUSUM控制图\ MU_ {target} = 0.760971 \ sigma_ {target} = 0.341922的轴包含类型线的5个对象。

使用负线性趋势重复计算。

NNC = rds - trnd;cusum (nnc)

图中包含一个坐标轴。标题为CUSUM Control Chart \mu_{target} = 0.518547 \sigma_{target} = 0.328522的轴包含5个类型为line的对象。

打开直播脚本

产生一个信号，类似于由于磨损而变得不稳定的轴的运动。加入方差为1/9的高斯白噪声。重置随机数生成器以获得可重复的结果。

RNG.默认的深圳= 200;博士=通风(2,linspace (-14.9371, 1.2, sz));Rd = Dr + sin(2*pi*(1:sz)/5) + randn(1,sz)/3;

绘制不断增长的背景漂移和所得到的信号。

情节（DR）持有在情节（RD，“。”） 抓住离开

图中包含一个坐标轴。轴包含2个类型的型号。

如果漂移不存在且没有噪声，则求平均值和标准偏差。绘制理想的无噪声信号及其稳定的背景。

ID = 0.3 * SIN（2 * PI *（1：SZ）/ 20）;ST = ID + SIN（2 * PI *（1：SZ）/ 5）;mf =均值（st）
mf = -3.8212 e-16
科幻小说=性病(st)
SF = 0.7401.
情节（ID）持有在情节(圣“。”） 抓住离开

图中包含一个坐标轴。轴包含2个类型的型号。

使用CUSUM控制图来确定不稳定性的开始。假设当信号是超出其理想行为的三个标准偏差时，系统变得不稳定。指定一个标准偏差的最小可检测移位。

Cusum（RD，3,1，MF，SF）

图中包含一个坐标轴。标题为CUSUM Control Chart \mu_{target} = -0.000000 \sigma_{target} = 0.740094的轴包含6个类型为line的对象。

通过增加最小可检测位移，使违规判据更加严格。返回所有不想要的漂移实例。

cusum (rd 3 1.2, mf,科幻,'全部'）

图中包含一个坐标轴。标题为CUSUM Control Chart \mu_{target} = -0.000000 \sigma_{target} = 0.740094的轴包含6个类型为line的对象。

打开直播脚本

高尔夫球的每个洞都有一个相关的“标准杆”，表示入球所需的预期杆数。技术熟练的选手通常会以非常接近标准杆的击球数来完成每一洞。在比赛中出现明显的赢家之前，有必要打几个洞，让分数积累起来。

本、珍和肯打满一圈，包括18个洞。该球场有3杆、4杆、5杆洞。比赛结束时，选手们将分数制成表格。

洞= 1:18;PAR = [4 3 5 3 4 5 3 4 4 4 5 3 5 4 4 4 3 4];nms = {'本'；'jen'；'ken'};本= [4 3 4 2 3 5 2 3 3 4 3 2 3 3 3 3 2 3];JEN = [4 3 4 3 4 4 3 4 4 4 5 3 4 4 5 5 3 3];ken = [4 3 4 3 5 5 4 4 4 4 5 3 5 4 5 4 3 5];t =桌（孔'，par'，ben'，Jen'，Ken'，．..“VariableNames”，['洞'；“par”; nms]）
T =18×5表洞本珍肯不相上下  ____ ___ ___ ___ ___ 1 4 4 4 4 2 3 3 3 3 3 5 4 4 4 4 3 2 3 3 5 4 3 4 5 6 5 5 5 7 3 2 3 4 8 4 3 4 4 9 4 3 4 4 10 4 4 4 4 11 5 5 5 12 3 2 3 3 13 14 4 3 4 4 15 5 3 4 5 4 3 5 5 16 4 3 5 4⋮

圆形的获胜者是累计汇总率下降至最终目标的球员。计算三个玩家确定获胜者的总和。通过设置小阈值来使每个班次进行均值。

[〜，b，〜，bensum] = cusum（本杆，1,1e-4,0）;[〜，j，〜，Jensum] = cusum（jen-par，1,1e-4,0）;[〜，k，〜，kensum] = cusum（ken-par，1,1e-4,0）;情节（[Bensum; Jensum; kensum]'）传奇（NMS，'地点'，“最佳”）

图中包含一个坐标轴。轴线包含3个线型对象。这些物件代表本、珍、肯。

本赢得了一轮。通过随机加入或减去每个孔中的行程来模拟他们的下一个游戏。

Ben = Ben + Randi（3,1,18）-2;jen = jen + randi（3,1,18）-2;ken = ken + randi（3,1,18）-2;[〜，b，〜，bensum] = cusum（本杆，1,1e-4,0）;[〜，j，〜，Jensum] = cusum（jen-par，1,1e-4,0）;[〜，k，〜，kensum] = cusum（ken-par，1,1e-4,0）;情节（[Bensum; Jensum; kensum]'）传奇（NMS，'地点'，“最佳”）

图中包含一个坐标轴。轴线包含3个线型对象。这些物件代表本、珍、肯。

输入参数

全部收缩

输入信号，指定为向量。

例子：重塑（兰特（100,1）* [ - 1 1]，1,200）

用标准偏差表示的实标量指定的控制极限。

最小平均转移检测，指定为标准偏差中表达的实际标量。

目标平均值，指定为实标量。如果tmean，则估计为前25个样品的平均值x．

目标标准差，指定为实标量。如果TDEV.，则估计为前25个样品的标准差x．

输出参数

全部收缩

不控制的点指数，作为整数标量或向量返回。如果所有信号样本都在指定的公差范围内，那么骗子返回空iupper和伊尔论点。

上部和下部累积总和，作为向量返回。

更多关于

全部收缩

CUSUM控制图

CUSUM控制图被设计用来检测过程均值的微小增量变化。

给定序列x1，x2，x3.，......，xn估计平均值米x并估计标准偏差σ.x，使用以下方法定义上、下累积过程总和:

  • 上累积的总和

    U 我 ＝ ｛ 0 ， 我 ＝ 1 最大限度 （ 0 ， U 我 − 1 + x 我 − 米 x − 1 2 n σ. x ） ， 我 > 1

  • 较低的金额

    l 我 ＝ ｛ 0 ， 我 ＝ 1 最小值 （ 0 ， l 我 − 1 + x 我 − 米 x + 1 2 n σ. x ） ， 我 > 1

变量n,代表骗子由mshift参数，是离目标均值的标准差数，tmean，这使得转变可以被察觉。

一个过程在样品处违反了CUSUM标准xj如果它obeys.Uj>cσ.x要么lj< -cσ.x．控制限制c反映在骗子由climit争论。

默认情况下，函数返回它检测到的第一个违规。如果指定'全部'标志，函数返回每次违规行为。

扩展功能

另请参阅

|

介绍了R2016a

信号处理工具箱文档

万博1manbetx

利用MATLAB的信号处理深入学习

利用MATLAB的信号处理深入学习

下载白皮书