文本阅读：
业界评论：如今任何系统动态变化的反应比较快，这是因为它始终是给新的样本新启动累加器，用新的数据基础来刷新响应。累加器的这人都买得起合格的测更大的统计权重。非加权平均的速度比较慢，因为它分配给种表现类似于制作石膏模具，最初石膏非常软，然后逐渐量系统。当 SIASMART初次新旧数据的权重是相等的。虽然指数平均对给定数目样本的稳定成固态，并且外力变化对它影响越来越小被引入到现场演出中时，误处理相对于非加权平均而言不够稳定，但是速度比较快。
用是非常常见的现象。我相
第二种方案是固定样本数，并且自动刷新的处理方提供旧样本的方式是将其作为最后的参数，它共有三法。这种方法类似于缓慢运动的汽车雨刷。针对固定样本信这种情况现在还存在。所种方案。第一种是累加器方案，它将每个新的样本相加，数建立响应，然后不断刷新、重新启动。当被测系统发生以我现在还常常看到有人依组合平均。第一个样本进入到累加器，它的值被当成初始了所期望的变化（比如加入了均衡器或延时线）时，就要据错误的数据作出错误的决值；当下一个样本到来时，新的值与初始值相加除以2，进行刷新。对于稳定的系统测量而言，重新启动是件烦人定，或者由于对相关基础知这便产生双值平均；当第三个样本到来时，它的值加到之的事情识的缺乏而作出错误的决定。前的组合平均值之上，并被3除，此方法不断重复下去。
第三种方案是"先进先出"（FFO）的形式。在这种在我看来现在这一领域所面累加平均的优点就是其长期工作的稳定性最高，因为它可方案中，数据流通过一个固定长度的管道，新的数据不断临的最大挑战还是如何进行以有无限多个样本。虽然系统响应会发生变化，但是累加地刷新平均值。由于新的数据会不断将旧的数据推出管有价值的测量，并知道如何器可以用相当长的时间来检测这种变化，这是因为过去的道，所以它就不用重新启动了，数据始终是当前最新的。
解释测量的结果、我们看到响应已经有数百个数据来反映了。在这种情况下，必须重如图8.10所示。
还有相当多的人陶醉于所显
示的曲线，而不管测量是否
有效。有效性的检验可能还
信号的平均
FIF0（先入，先出
是我们应关注的重点："我们
数值120115110105100959085新的数据到达（样本#1）时，其数值要比之
权重
测量的是正确的东西吗？我
前所有样本高，这将导致平均值升高。FF0
平均是不断进行更新。当平均的数目低的时
加权后数值1201511010511001959085们的测量方法是正确的吗？"
速度与稳定度
候，平均值升高的最快，稳定度随着所用平
平均值（8）
1025（820/8
均的增多而提高
平均值（4）_1125（450/4）
福勒（Doug Fowler
平均值（2）■1175（23572）
累加
样本#
平均是针对一个无限累加的单一块数值进
行的。该方法的平均速度和稳定度是变化
平均方法对时域上的开始时快但不稳定，之后稳定但慢了加权后数值1120
变化响应数据的影
平均值（所有）
加权（最新的数据有最高的数值）
样本
数值120115110105100959085新的样本有最高的权重。平均值快速朝着
1516W1/8
新的数值方向移动。随着平均的减少，变加权后数值120581362620161310化加快。加权平均是最快的一种方法，但
均值
平均值（
是也是最不稳定的方法
1154（240/2/1
8.10平均的类型
下载工具
意见反馈
捐助平台