Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 3

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

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Artykuł zawiera analizę porównawczą statystycznych i niestatystycznych metod estymacji macierz kowariancji zakłóceń w przestrzenno-czasowym adaptacyjnym przetwarzaniu (ang. Space-Time Adaptive Processing STAP) sygnału radarowego dla modelu radaru MIMO (ang. Multiple Input Multiple Output). Zaprezentowano istotę, przebieg algorytmu STAP oraz właściwości najnowszych typów metod estymacji macierzy kowariancji zakłóceń. Autorzy przytoczyli w artykule również swój wkład w rozwój tej technologii.
EN
The article presents a comparative analysis of statistical and non-statistical methods of estimating the clutter covariance matrix in Space-Time Adaptive Processing by using Multiple Input Multiple Output radar geometry. In addition, the properties and stages of the STAP algorithm are presented, as well as the main features of the latest methods for estimating the clutter covariance matrix. Moreover, the authors referenced their contributions to the development of this technology in the article.
EN
n FPGA-based fixed-point ADALINE Neural Network core with low resource utilization and fast convergence speed is proposed for embedded adaptive signal processing in real-time. The core is designed in VHDL93 language and is FPGA-brand-independent so can be embedded on any brand to create a system-on-programmable-chip (SoPC).
PL
Zaproponowano wykorzystanie sieci neuronowej typu FPGA ADALINE do przetwarzania sygnału w czasie rzeczywistym. Rdzeń jest zaprojektowany przy użyciu języka VHDL93. Narzędzie może być wbudowane w dowolny obwód w tym także typu system-on-programmable-chip (SoPC).
EN
The paper deals with application of selected methods of parametric identification to compensation of thermometers dynamic errors. We present an algorithm of digital compensation based on application of an auxiliary sensor. Because the identification can be conducted on-line, the algorithm can be applied to nonlinea sensors with time-varying dynamical properties. The algorithm has been worked out in two versions whose names, LMS (Last Mean Squares) and RLS (Recursive Least Squares), indicate how the dynamic parameters of the thermometers are determined. Theoretical considerations are illustrated by an example of dynamic error compensation of a shielded thermocouple that measures steady-state gas temperature. A shielded thermocouple of bigger diameter is used as the auxiliary sensor. The presented compensation algorithm can be applied to control of nominal temperature and detection of rapid temperature changes occuring in normal operating conditions or in failures as well as for measurements of arbitrary temperature transients. It can be also used to compensate dynamic errors of sensor of other physical quantities, whose dynamical properties in the discrete time domain are described by a difference equation.
PL
W pracy opisano zastosowanie wybranych metod identyfikacji parametrycznej w korekcji błędów dynamicznych termometrów. Przedstawiono algorytm cyfrowej korekcji wywodzący się z koncepcji zastosowania dodatkowego czujnika. Dzięki możliwości przeprowadzania identyfikacji "na bieżąco", algorytm może być stosowany do czujników nieliniowych o zmieniających się właściwościach dynamicznych. Algorytm opracowano w dwóch wersjach, których nazwy: LMS (z ang. Least Mean Squares) i RLS (z ang. Recursive Least Squares) wskazują na sposób wyznaczania parametrów dynamicznych termometrów. Rozważania teoretyczne zilustrowano przykładem korekcji błędów dynamicznych termoelementu płaszczowego, mierzącego wartość ustalonej temperatury gazu. Jako czujnika pomocniczego użyto termometru płaszczowego o większej średnicy. Przedstawiony algorytm korekcji może znaleźć zastosowanie w kontroli temperatury ustalonej i wykrywaniu nagłych skoków temperatury, występujących w normalnych warunkach pracy i stanach awaryjnych, bądź w pomiarach temperatury o dowolnym przebiegu w czasie. Algorytm może być również stosowany do korekcji błędów dynamicznych czujników innych wielkości fizycznych, których własności dynamiczne opisuje równanie różnicowe.
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.