📊

Histogram

Sinks
运行在线示例 免费 · 无需注册 · 直接在浏览器中运行

Histogram(直方图)模块在仿真运行过程中持续累积输入的连续或离散采样数据,并以交互式柱状图的形式动态呈现其经验概率密度分布或统计频数分布。输入的采样数据被自动归类整理至覆盖特定区间的离散统计区间(Bins)中。它是随机动态过程分析、传感器测量噪声特性表征、蒙特卡洛(Monte Carlo)容差成品率评估,以及检验高斯或均匀分布特性的关键分析工具。

数学模型

设在仿真运行时间 [0,t][0, t] 内记录到 NN 个实数标量采样数据 {u1,u2,…,uN}\{u_1, u_2, \dots, u_N\},将整个统计区间 [xmin⁡,xmax⁡][x_{\min}, x_{\max}] 等分为 BB 个连续子区间:

Ij=[xj,xj+1),j=0,1,…,B−1I_j = [x_j, x_{j+1}), \quad j = 0, 1, \dots, B-1

其中统计柱宽 ww 由参数 binMode 确定:

w={xmax⁡−xmin⁡B,binMode=countbinWidth,binMode=width2⋅IQR⁡(u)⋅N−1/3,binMode=auto (Freedman-Diaconis)w = \begin{cases} \frac{x_{\max} - x_{\min}}{B}, & \text{binMode} = \text{count} \\ \text{binWidth}, & \text{binMode} = \text{width} \\ 2 \cdot \operatorname{IQR}(u) \cdot N^{-1/3}, & \text{binMode} = \text{auto (Freedman-Diaconis)} \end{cases}

每个区间 IjI_j 内的频数计数 cjc_j 表示为:

cj=∑k=1N1Ij(uk)c_j = \sum_{k=1}^N \mathbf{1}_{I_j}(u_k)

其中 1Ij(u)\mathbf{1}_{I_j}(u) 为指示函数。区间 jj 内归一化的经验概率密度估计值 f^(x)\hat{f}(x) 为:

f^(x)=cjN⋅w对于 x∈Ij\hat{f}(x) = \frac{c_j}{N \cdot w} \quad \text{对于 } x \in I_j

当 rangeMode = "auto" 时,区间端点 xmin⁡x_{\min} 和 xmax⁡x_{\max} 动态自适应扩展以包裹全部实测样本;当 rangeMode = "manual" 时,超出 [vmin⁡,vmax⁡][v_{\min}, v_{\max}] 的异常点将被累计至两侧最外边界区间。

输入与输出

Direction ID Label 类型 Status
→ In in Input array Required

参数

参数 Label 类型 默认值 描述
rangeMode Range select auto Auto fits the axis to the data; Manual uses the Min/Max below.
minValue Min Value number -5 Lower bound (Manual range only).
maxValue Max Value number 5 Upper bound (Manual range only).
binMode Binning select count How bins are sized: a fixed number, a fixed step width, or auto.
bins Bin count number 20 Number of bins (Bin count mode).
binWidth Bin width number 1 Width/step of each bin (Fixed width mode).

使用示例

示例 1: 惯性测量单元 (IMU) 加速度计静态噪声分布评估

验证工业级 IMU 传感器的本底噪声特性。将零加速度静止状态下的模拟加速度计测量信号接入配置为 rangeMode = "auto"、binMode = "count" 且 bins = 30 的 Histogram 模块。在 10 秒仿真时间内观察生成的钟形统计曲线,即可验证其高斯白噪声纯度、计算标准差 σ\sigma 并检验零点漂移偏差。

示例 2: 蒙特卡洛容差敏感度与调节时间合格率分析

评估因元器件制造公差离散引起的闭环调节时间分布特性。通过 RandomNumber 模块随机扰动系统物理参数,并将闭环系统的调节时间指标送入配置为 rangeMode = "manual"、minValue = 0.0、maxValue = 2.0 s 且 binWidth = 0.1 s 的 Histogram 模块中。直方图可直观判定是否有 99%99\% 的产品满足设计指标。

说明与最佳实践

  • 累积型统计节点: 与显示瞬时动态的示波器不同,直方图从仿真启动开始累积全部历史采样。随着运行时间延长,经验频数分布逐渐收敛于真实的概率密度函数。
  • 边界外样本保护: 在手动模式下,超出 [vmin⁡,vmax⁡][v_{\min}, v_{\max}] 的样本值会被累加到最左与最右的端点柱中,而不会被丢弃。
  • Freedman-Diaconis 智能自适应分柱: auto 模式能在样本方差与分辨率之间取得最佳权衡,避免密集数据集过平滑或稀疏数据集产生过多虚假尖峰。
  • WebAssembly 极速整数寻址: 底层通过直接整数寻址公式(j=⌊(u−xmin⁡)/w⌋j = \lfloor (u - x_{\min}) / w \rfloor)实现,不给仿真解算带来任何运算负荷。

相关模块

  • ScatterPlot: 双信号联合统计分布散点图仪。
  • RandomNumber: 生成均匀分布或高斯正态分布的伪随机数源。
  • uPlotDisplay: 以时间为自变量绘制连续时域动态波形的示波器。
  • NumericDisplay: 实时标量数字液晶读数表。