Algorithm 简单移动平均总和/抵销问题

我写了一个简单的移动平均值，其中温度的移动窗口读数为0到10V之间的电压

该算法似乎工作正常，但是，它存在一个问题，即根据窗口中首先填充的温度，移动平均值将有一个不接近该值的任何值的偏移。例如，使用temp运行此程序。插入室温的传感器产生4.4伏或21.3摄氏度，但如果我拔下温度。传感器电压降至1.4V，但移动平均值保持在1.6V。当我增加窗口的大小时，该偏移会变小。如何消除这种偏移，即使是小窗户尺寸，如20

REM SMA Num Must be greater than 1
#DEFINE SMANUM 20
PROGRAM
'Program 3 - Simple Moving Average Test
CLEAR
DIM SA(1)
DIM SA0(SMANUM) : REM Moving Average Window as Array
DIM LV1
DIM SV2
LV0 = 0 : REM Counter
SV0 = 0 : REM Average
SV1 = 0 : REM Sum
WHILE(1)
    SA0(LV0 MOD SMANUM) = PLPROBETEMP : REM add Temperature to head of window
    SV1 = SV1 + SA0(LV0 MOD SMANUM) : REM add new value to sum
    IF(LV0 >= (SMANUM)) : REM check if we have min num of values
        SV1 = SV1 - SA0((LV0+1) MOD SMANUM) : REM remove oldest value from sum
        SV0 = SV1 / SMANUM : REM calc moving average
        PRINT "Avg: " ; SV0 , " Converted: " ; SV0 * 21.875 - 75
    ENDIF
    LV0 = LV0 + 1 : REM increment counter
WEND
ENDP

（请注意，这是Parker用ACROBASIC为ACR9000编写的）

输出-温度传感器已连接

Raw: 4.43115    Avg: 4.41926     Converted: 21.6713125
Raw: 4.43115    Avg: 4.41938     Converted: 21.6739375
Raw: 4.43359    Avg: 4.41963     Converted: 21.67940625
Raw: 4.43359    Avg: 4.41987     Converted: 21.68465625
Raw: 4.43359    Avg: 4.42012     Converted: 21.690125
Raw: 4.43359    Avg: 4.42036     Converted: 21.695375
Raw: 4.43359    Avg: 4.42061     Converted: 21.70084375

…在程序运行时卸下温度传感器

Raw: 1.40625    Avg: 1.55712     Converted: -40.938
Raw: 1.40381    Avg: 1.55700     Converted: -40.940625
Raw: 1.40625    Avg: 1.55699     Converted: -40.94084375
Raw: 1.40625    Avg: 1.55699     Converted: -40.94084375
Raw: 1.40381    Avg: 1.55686     Converted: -40.9436875
Raw: 1.40381    Avg: 1.55674     Converted: -40.9463125
Raw: 1.40625    Avg: 1.55661     Converted: -40.94915625

Raw: 4.43848    Avg: 4.28554     Converted: 18.7461875
Raw: 4.43848    Avg: 4.28554     Converted: 18.7461875
Raw: 4.43848    Avg: 4.28554     Converted: 18.7461875
Raw: 4.43848    Avg: 4.28554     Converted: 18.7461875
Raw: 4.43848    Avg: 4.28554     Converted: 18.7461875
Raw: 4.43359    Avg: 4.28530     Converted: 18.7409375

移除传感器后，原始平均值和移动平均值之间出现明显偏移

偏移也按相反的顺序发生：

输出-开始程序，温度传感器已拆除

Raw: 1.40381    Avg: 1.40550     Converted: -44.2546875
Raw: 1.40625    Avg: 1.40550     Converted: -44.2546875
Raw: 1.40625    Avg: 1.40549     Converted: -44.25490625
Raw: 1.40625    Avg: 1.40549     Converted: -44.25490625
Raw: 1.40625    Avg: 1.40548     Converted: -44.255125
Raw: 1.40625    Avg: 1.40548     Converted: -44.255125

。。。程序运行时连接温度传感器

Raw: 1.40625    Avg: 1.55712     Converted: -40.938
Raw: 1.40381    Avg: 1.55700     Converted: -40.940625
Raw: 1.40625    Avg: 1.55699     Converted: -40.94084375
Raw: 1.40625    Avg: 1.55699     Converted: -40.94084375
Raw: 1.40381    Avg: 1.55686     Converted: -40.9436875
Raw: 1.40381    Avg: 1.55674     Converted: -40.9463125
Raw: 1.40625    Avg: 1.55661     Converted: -40.94915625

Raw: 4.43848    Avg: 4.28554     Converted: 18.7461875
Raw: 4.43848    Avg: 4.28554     Converted: 18.7461875
Raw: 4.43848    Avg: 4.28554     Converted: 18.7461875
Raw: 4.43848    Avg: 4.28554     Converted: 18.7461875
Raw: 4.43848    Avg: 4.28554     Converted: 18.7461875
Raw: 4.43359    Avg: 4.28530     Converted: 18.7409375

---

附加传感器后，原始平均值和移动平均值之间再次出现明显偏移。

问题似乎在于，从总和中减去的值实际上不是数组中最早的值——最早的值实际上被

循环中第一行的新值覆盖。这是从总和中减去的第二个最古老的值

根据OP的建议，编辑将平均值和总和变量更改为64位浮点，以解决随时间推移的精度损失问题

确保先减去最早的值（一旦数组已满），即可得到预期的答案：

PROGRAM
'Program 3 - Simple Moving Average Test
CLEAR
DIM SA(1)
DIM SA0(SMANUM) : REM Moving Average Window as Array
DIM LV1
DIM DV2
LV0 = 0 : REM Counter
DV0 = 0 : REM Average
DV1 = 0 : REM Sum
WHILE(1)
    IF(LV0 >= (SMANUM)) : REM check if we have min num of values
        DV1 = DV1 - SA0(LV0 MOD SMANUM) : REM remove oldest value from sum
    ENDIF
    SA0(LV0 MOD SMANUM) = PLPROBETEMP : REM add Temperature to head of window
    DV1 = DV1 + SA0(LV0 MOD SMANUM) : REM add new value to sum
    IF(LV0 >= (SMANUM)) : REM check if we have min num of values
        DV0 = DV1 / SMANUM : REM calc moving average
        PRINT "Avg: " ; DV0 , " Converted: " ; DV0 * 21.875 - 75
    ENDIF
    LV0 = LV0 + 1 : REM increment counter
WEND

我没有一个运行的基本环境，但我在Python中测试了它，得到了与您的版本相同的错误代码输出，以及与我上面插入的版本相同的预期代码输出
 这与VBA有什么关系？错误标记。谢谢，我已经更新了。非常感谢，这是解决方案。您是对的，当我获得新温度时，我正在覆盖最旧的值。这件事我已经忙了好一阵子了，再次谢谢你。看来我可能是逃之夭夭了。我仍然注意到原始平均线和移动平均线之间有一个小的偏移。例如：
Raw:4.55322平均值：4.42033
，约为
2.9C
关闭。明天我将做一些进一步的调查，并在这里用我的发现进行评论。你可以像我一样尝试测试代码，将一系列电压放入一个数组（比如，
V
），然后从
V（LV0）
读取每个电压。这样，我可以使
V
的前半部分的值等于（比如说）
1
，使
V
的后半部分的值等于（比如说）
5
，并观察基于输入值的一致阶梯序列输出的移动平均值。另一种方法是每次计算数组
SA0
中的值之和，并将其与
SV1
进行比较。这对于生产使用来说可能不够快，但可能有助于发现任何剩余的bug。感谢Simon，我用C#重写了算法，并确认您的答案中的窗口索引是正确的。我让基本版本在控制器上运行了一夜，并注意到偏移量随着时间的推移而增加。我怀疑sum变量SV1的精度有所下降，它随时间增加偏移量。由于这些是32位浮点数，您认为移动到64位浮点数会解决这个问题吗？这可能是一个精度损失问题，因为在温度转换中减去
75
会损失32位中的略多于8位。因此，将总和保持在摄氏度而不是原始单位可能会大大减少精度损失。或者，我希望移动到64位浮点将解决这个问题。或者，您可以每隔几百个周期从数组中定期重新计算
SV0
，这将重置逐渐丢失的精度。