RMS的快速计算给出Java中的NaN - 浮点错误？

我得到了一个令人困惑的结果与浮游物做数学。我有代码，不应该产生负数，产生负数，当我尝试取平方根时会导致NaN。RMS的快速计算给出Java中的NaN - 浮点错误？

此代码在测试中似乎工作得很好。然而，当在真实世界（即可能非常小的，七个和八个负指数）数字上进行操作时，最终总和变为负数，导致NaN。理论上，减法步骤只删除已添加到sum的数字;这是一个浮点错误问题？有什么方法可以解决它吗？

的代码：

public static float[] getRmsFast(float[] data, int halfWindow) { 
    int n = data.length; 
    float[] result = new float[n]; 
    float sum = 0.000000000f; 
    for (int i=0; i<2*halfWindow; i++) { 
     float d = data[i]; 
     sum += d * d; 
    } 
    result[halfWindow] = calcRms(halfWindow, sum); 

    for (int i=halfWindow+1; i<n-halfWindow; i++) { 
     float oldValue = data[i-halfWindow-1]; 
     float newValue = data[i+halfWindow-1]; 
     sum -= (oldValue*oldValue); 
     sum += (newValue*newValue); 
     float rms = calcRms(halfWindow, sum); 
     result[i] = rms; 
    } 

    return result; 
} 

private static float calcRms(int halfWindow, float sum) { 
    return (float) Math.sqrt(sum/(2*halfWindow)); 
}

对于一些背景：我试图优化计算的轧制根意味着对信号数据方（RMS）功能的功能。优化非常重要;这是我们加工过程中的热点。基本方程很简单 - http://en.wikipedia.org/wiki/Root_mean_square - 在窗口上求和数据的平方，除以窗口大小，然后取平方。

原始代码：

public static float[] getRms(float[] data, int halfWindow) { 
    int n = data.length; 
    float[] result = new float[n]; 
    for (int i=halfWindow; i < n - halfWindow; i++) { 
     float sum = 0; 
     for (int j = -halfWindow; j < halfWindow; j++) { 
      sum += (data[i + j] * data[i + j]); 
     } 
     result[i] = calcRms(halfWindow, sum); 
    } 
    return result; 
}

此代码是缓慢的，因为它读取，而不是在窗口取重叠优点从在每个步骤在阵列整个窗口。预期的优化是使用该重叠，通过移除最旧的值并添加最新的值。

我已经仔细检查了新版本中的数组索引。它似乎按预期工作，但我肯定在这方面可能是错的！

更新： 随着我们的数据，这已经足够的sum类型更改为双。不知道为什么没有发生在我身上。但是我留下了负面支票。而且FWIW，我还能够实施一个sol'n，每400个样本重新计算总和就可以提供很好的运行时间和足够的准确性。谢谢。

来源

2013-03-14 AbGator

试着用'double'而不是'float'。但是可能需要检查负值。 – 2013-03-14 16:27:13

你的数据的范围是什么，halfWindow的最大值是多少？你的float数据有24位有效数字。他们的确切正方形有48位或更少。如果你将'float'缩放为整数并将其转换为'long'，那么你有15位空余空间，所以如果该范围的跨度不是太长，那么可以用'long'中的精确算术来保持和。伟大和halfWindow不是太大。这只有在** all **你的数据接近你提到的1e-7和1e-8时才可行。更大的数据会使范围过大。 “双头”的“头部和尾部”方法可能会有效。 – 2013-03-14 17:26:09

这是一个浮点错误问题？

是的。由于四舍五入，你可以减去前一个加数后得到负值。

例如：

float sum = 0f; 
    sum += 1e10; 
    sum += 1e-10; 
    sum -= 1e10; 
    sum -= 1e-10; 
    System.out.println(sum);

在我的机器，这个打印

-1.0E-10

即使在数学上，结果是完全为零。

这是浮点的性质：1e10f + 1e-10f给出了与1e10f完全相同的值。

至于减灾战略去：

你可以使用double，而不是float增强精度。
有时，您可以完全重新计算平方和以减少舍入误差的影响。
当总和变为负数时，您可以按照上面（2）中的方法进行完整的重新计算，也可以将总和设置为零。后者是安全的，因为你知道你会将总和推向真正的价值，并且永远不会离开它。

来源

2013-03-14 16:21:48 NPE

解决它的任何建议？我真的可以使用运行时获得的收益，如果我能够得到它的工作。我可以看到四舍五入到零，如果它消极 - 但我不喜欢那一点。 – AbGator 2013-03-14 16:27:36

@AbGator：查看我的最新编辑建议。 – NPE 2013-03-14 16:28:16

@AbGator：将总和设置为零比听起来要少。见（3）在我最近的编辑。 – NPE 2013-03-14 16:37:58

尝试在第二个循环中检查您的指数。 i的最后一个值将是n-halfWindow-1和n-halfWindow-1+halfWindow-1是n-2。

您可能需要将环路更改为for (int i=halfWindow+1; i<n-halfWindow+1; i++)。

来源

2013-03-14 16:26:26 user1149913

虽然这不是不正之风的真正原因......我相信你是对的！ – AbGator 2013-03-14 16:44:28

由于您认为它们就像数学实数一样，所以会遇到浮点数问题。它们不是，它们是实数的近似值，映射到离散数字中，并添加了一些特殊规则。

花时间阅读what every programmer should know about floating point numbers，如果你打算经常使用它们。如果不小心，浮点数和实数之间的差异会以最糟糕的方式返回并咬你。或者，只要听取我的意见，并知道每个浮点数与要求的值“非常接近”，其中一些“准确无误”，但大部分“大部分”是准确的。这意味着您需要考虑测量误差并在计算后记住它，或者相信在计算结果（您不知道）的结尾处有确切结果。

来源

2013-03-14 16:26:47

RMS的快速计算给出Java中的NaN - 浮点错误？

回答

相关问题