Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first last
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-b27b8bd8-8fa1-4cb4-b278-66cc16b2503c

Czasopismo

Poznan University of Technology Academic Journals. Electrical Engineering

Tytuł artykułu

Estymacja poziomu zakłócenia w szeregach czasowych przy pomocy filtru medianowego

Autorzy Mikołajczak, G.  Pęksiński, J. 
Treść / Zawartość
Warianty tytułu
EN Estimation of the level of disturbance in time series using a median filter
Konferencja Computer Applications in Electrical Engineering 2014 (28-29.04.2014; Poznań, Polska)
Języki publikacji PL
Abstrakty
PL W pracy przedstawiono metodę estymacji poziomu zakłócenia wykorzystującą filtrację medianową oraz znajomość współczynnika redukcji szumu. Zakłada się, że w procesie wygładzania tłumiony jest tylko szum, bez zmiany sygnału użytecznego. Poziom tłumienia szumu dla filtracji medianowej, znany jest a priori, co pozwala na dokładniejszą estymację poziomu wariancji składnika losowego szeregu czasowego.
EN This paper presents a method of estimating the level of disturbance, based on median filtration and the assumption that the smoothing process applies to noise, exclusively. The knowledge of a noise reduction coefficient enables the determining of an estimated quantity.
Słowa kluczowe
PL filtr medianowy   estymacja wariancji zakłócenia   szeregi czasowe  
Wydawca Wydawnictwo Politechniki Poznańskiej
Czasopismo Poznan University of Technology Academic Journals. Electrical Engineering
Rocznik 2014
Tom No. 80
Strony 205--210
Opis fizyczny Bibliogr. 10 poz., rys., tab.
Twórcy
autor Mikołajczak, G.
  • Zachodniopomorski Uniwersytet Technologiczny
autor Pęksiński, J.
  • Zachodniopomorski Uniwersytet Technologiczny
Bibliografia
[1] L. Ljung, System identification theory for User. Prentice-Hall, Englewood CliPs, NJ, 1987.
[2] H. Poor, An Introduction to Signal Detection and Estimation. New York: Springer-Verlag, 1985.
[3] P.G. Ferrario, Local Variance Estimation for Uncensored and Censored Observations, Springer Vieweg, 2013.
[4] S.K. Mitra, J.F.Kaiser, Handbook Digital Signal Processing, John Willey 1993.
[5] A. Jones, “New tools in non-linear modelling and prediction,” Computational Management Science, vol. 1, no. 2, pp. 109-149, Jul. 2004.
[6] M. Neumann, “Fully data-driven nonparametric variance estimators” Statistics, vol. 25, pp. 189-212, 1994.
[7] J. Kowalski, J. Peksinski, G. Mikolajczak, “Detection of noise in digital images by using the averaging filter name COV“ Intelligent Information and Database Systems 5th Asian Conference, ACIIDS 2013, Proceedings, Pt. 2 eds.: Ali Selamat, Ngoc Thanh Nguyen, Habibollah Haron Berlin [i in.]: Springer, pp. 1-8, 2013.
[8] H. Pi and C. Peterson, “Finding the embedding dimension and variable dependencies in time series, Neural Computation, vol. 6, no. 3, pp. 509-520, 1994.
[9] E. Eirola, E. Liitt ̈ainen, A. Lendasse, F. Corona, and M. Verleysen, “Using the delta test for variable selection,” in ESANN 2008, European Symposium on Artificial Neural Networks, Bruges (Belgium), pp. 25-30, 2008.
[10] J. Peksinski, M. Stefanowski, G. Mikolajczak, Estimating the level of noise in digital images. Intelligent multimedia technologies for networking applications: techniques and tools ed. Dimitris N. Kanellopoulos Information Science Reference, pp. 409-433, 2013.
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-b27b8bd8-8fa1-4cb4-b278-66cc16b2503c
Identyfikatory