Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 12

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  conditional averaging
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
Autocorrelation of signals and measurement data makes it difficult to estimate their statistical characteristics. However, the scope of usefulness of autocorrelation functions for statistical description of signal relation is narrowed down to linear processing models. The use of the conditional expected value opens new possibilities in the description of interdependence of stochastic signals for linear and non-linear models. It is described with relatively simple mathematical models with corresponding simple algorithms of their practical implementation. The paper presents a practical model of exponential autocorrelation of measurement data and a theoretical analysis of its impact on the process of conditional averaging of data. Optimization conditions of the process were determined to decrease the variance of a characteristic of the conditional expected value. The obtained theoretical relations were compared with some examples of the experimental results.
EN
The paper presents a method of determining time delays of random signals using conditional averaging of the delayed signal module.
PL
W pracy przedstawiono metodę wyznaczania opóźnień czasowych sygnałów losowych wykorzystującą warunkowe uśrednianie modułu sygnału opóźnionego. Dla zaproponowanych modeli statystycznych charakterystyk ekstremalnych dokonano oceny wybranych właściwości metrologicznych. Zależności teoretyczne porównano z wynikami modelowania i pomiarów.
3
Content available remote Conditional averaging models of exponentially correlated data
EN
The article investigates a real model of exponential correlation which is obtained by signals with a limited band with features of white noise passing through physical inertial systems. In the investigated models, the subsequent conditionally averaged implementations of the signal exceeding the threshold xP with a derivative with a random sign are significantly correlated, while the implementations of the signal exceeding the threshold xP with a derivative with a given sign can be practically considered as uncorrelated. Such a method of conditional averaging can be recommended in practical applications.
PL
W artykule badano realny model skorelowania wykładniczego, który uzyskują sygnały z ograniczonym pasmem o cechach szumu białego, przechodzące przez fizyczne układy inercyjne. W badanych modelach kolejne warunkowo uśrednione realizacje sygnału przekraczające próg xP z pochodną o dowolnym znaku są istotnie skorelowane a realizacje sygnału przekraczające próg xP z pochodną jednego znaku można praktycznie uznać za nieskorelowane. Taki sposób uśredniania może być zalecany w zastosowaniach praktycznych.
PL
W artykule przedstawiono zastosowanie warunkowej wartości średniej modułu sygnału do wyznaczania unormowanej funkcji korelacji wzajemnej Pxy (τ) skorelowanych sygnałów losowych o rozkładzie normalnym. Wykazano, że proponowana metoda charakteryzuje się mniejszą niepewnością standardową niż metoda bezpośrednia w zakresie 0,502≤ Pxy (τ)≤1. Podano przykład zastosowania omawianej metody do estymacji opóźnienia transportowego.
EN
The paper presents the use of the conditional expected value of the signal’s absolute value to determine the normalized cross-correlation Pxy (τ). It was shown that proposed method has a smaller standard uncertainty than the direct method in the range 0,502≤ Pxy (τ)≤1.
PL
Scharakteryzowano trudności w praktycznych zastosowaniach dwóch metod pomiaru prędkości z wykorzystaniem statystycznego przetwarzania sygnału losowego: autokorelacji i bazującej na widmie sygnału. Zaproponowano nową metodę wykorzystującą warunkową wartość średnią modułu sygnału losowego i testowy algorytm pomiaru na właściwości, której nie mają wpływu zmiany cech statystycznych poruszającego się obiektu. Przedstawiono podstawowe zależności teoretyczne opisujące proponowane modele pomiaru oraz wybrane wyniki badań eksperymentalnych.
EN
The paper presents a method using statistical methods for velocity measurements for industrial purposes. There are described the properties of statistical methods in which velocity measurements are based on one random signal. A brief outline of difficulties related to practical applications of autocorrelation and spectral methods is additionally included. They are the conditions for the stationarity of a measurement signal and the repeatability of the shape of its statistical characteristics for each programmed velocity (for full scale of an apparatus) which have to be fulfilled. These difficulties can be overcome by the proposed method which uses the conditional average value of module (CAAV) of a sensor random signal and a measurement testing algorithm. Then the measurement characteristics are not affected by changes in statistical features of the moving object signal. The discussion of the theoretical relationships describing the measurement method as well as the results of practical tests are included. In these tests there were used the models of pseudo-random sensor signals with programmed statistical characteristics.
EN
The correlation of data contained in a series of signal sample values makes the estimation of the statistical characteristics describing such a random sample difficult. The positive correlation of data increases the arithmetic mean variance in relation to the series of uncorrelated results. If the normalized autocorrelation function of the positively correlated observations and their variance are known, then the effect of the correlation can be taken into consideration in the estimation process computationally. A significant hindrance to the assessment of the estimation process appears when the autocorrelation function is unknown. This study describes an application of the conditional averaging of the positively correlated data with the Gaussian distribution for the assessment of the correlation of an observation series, and the determination of the standard uncertainty of the arithmetic mean. The method presented here can be particularly useful for high values of correlation (when the value of the normalized autocorrelation function is higher than 0.5), and for the number of data higher than 50. In the paper the results of theoretical research are presented, as well as those of the selected experiments of the processing and analysis of physical signals.
PL
W pracy przedstawiono zastosowanie warunkowego uśredniania sygnału stochastycznego do wyznaczania interwału korelacji. Dla wybranych modeli sygnałów porównano wyniki badań teoretycznych i eksperymentalnych.
EN
The article presents the application of conditional averaging of stochastic signals to determination of correlation interval. For chosen models of signals the results of theoretical analysis are compared with results of experiments. The paper is divided into five sections. The first is a short introduction to the subject of the paper. Section 2 presents the definition and some examples of correlation intervals for typical form of autocorrelation functions (Fig. 1, Tab.1). Section 3 describes the use of conditional mean value to determination of correlation interval (Eq. 9) and statistical errors of estimation for this method (Eq. 10, Eq. 13). The results of experiments for random signals with Gaussian probability distribution and two typical form of autocorrelation function (Fig. 4) are given in Section 4. Section 5 summarizes the results and presents final remarks. The authors conclude that the method described in this paper may be applied to determination of correlation interval of stochastic signals, particularly for signals with non-oscillative form of autocorrelation function.
EN
This paper presents the results of the theoretical and practical analysis of selected features of the function of conditional average value of the absolute value of delayed signal (CAAV). The results obtained with the CAAV method have been compared with the results obtained by method of cross correlation (CCF), which is often used at the measurements of random signal time delay. The paper is divided into five sections. The first is devoted to a short introduction to the subject of the paper. The model of measured stochastic signals is described in Section 2. The fundamentals of time delay estimation using CCF and CAAV are presented in Section 3. The standard deviations of both functions in their extreme points are evaluated and compared. The results of experimental investigations are discussed in Section 4. Computer simulations were used to evaluate the performance of the CAAV and CCF methods. The signal and the noise were Gaussian random variables, produced by a pseudorandom noise generator. The experimental standard deviations of both functions for the chosen signal to noise ratio (SNR) were obtained and compared. All simulation results were averaged for 1000 independent runs. It should be noted that the experimental results were close to the theoretical values. The conclusions and final remarks were included in Section 5. The authors conclude that the CAAV method described in this paper has less standard deviation in the extreme point than CCF and can be applied to time delay measurement of random signals.
PL
W artykule porównano niepewności standardowe estymacji czasu opóźnienia sygnałów losowych przy zastosowaniu funkcji korelacji wzajemnej i warunkowej wartości średniej modułu sygnału opóźnionego. Dla przyjętych modeli sygnałów określono zakresy wartości stosunku sygnał/szum, dla których rozważane metody mają mniejsze standardowe niepewności estymacji opóźnienia.
EN
In this article the comparison of standard uncertainty of time delay estimation using direct cross-correlation and the function of conditional average value of the absolute value of delayed signal is presented. For the chosen model of signals the range of signal to noise ratio is obtained, in which the considered methods have less standard uncertainty of time delay estimation.
10
Content available Wirtualny fazomierz
PL
W referacie przedstawiono wirtualny fazomierz, opracowany w środowi-sku LabVIEW. Wykorzystano algorytmiczne metody pomiaru kąta prze-sunięcia fazowego sygnałów sinusoidalnych zakłóconych. Opracowany fazomierz pracuje w oparciu o metodę korelacyjną oraz metodę warunkowego uśredniania.
EN
In this paper the virtual phase meter is presented. It used the LabVIEW programming. The algorithmic methods for phase angle measurement are used in this system. The described virtual phase meter is elaborated for conditional averaging and correlation method.
PL
W artykule zaprezentowano porównianie właściwości (zaproponowanej przez autorów artykułu) metody warunkowego uśredniania sygnałów z innymi znanymi metodami algorytmicznymi stosowanymi w pomiarach kąta przesunięcia fazowego. Przedstawiono wyniki symulacji komputerowych nowej metody i jej porównanie z metodą korelacyjną.
EN
Comparision of new method with other algorithmic methods for phase angle measurement is presented in this paper. The results of the conditional averaging and correlation method compared with computer simulations of the elaborated method have been presented.
PL
W artykule przedstawiono metodę warunkowego uśredniania sygnałów w pomiarach kąta przesunięcia fazowego sygnałów sinusoidalnych zakłóconych. W zaproponowanej metodzie uśredniane są zbiory kolejnych realizacji sygnału opóźnionego. Na podstawie warunkowej wartości średniej według zaproponowanych algorytmów może być wyznaczany poszukiwany kąt przesunięcia fazowego.
EN
The method of phase measurement by conditional averaging of signal has been presented in this paper. The proposed method of a phase shift angle measurement is based on conditional averaging of delayed signals. The phase angle can be determined on the basis of conditional averaging value of elaborated algorithms.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.