Wyniki wyszukiwania - BazTech

1

Skuteczność cyfrowego uśredniania koherentnego przy nieidealnej synchronizacji

Domańska A.

Pomiary Automatyka Kontrola

|

2012

|

R. 58, nr 9

782-784

PL

Artykuł przedstawia zagadnienie oceny wpływu nieidealnej synchronizacji na wartości próbek sygnału będącego rezultatem cyfrowego uśredniania koherentnego. Podano zależność określającą wariancję wartości sygnału po uśrednieniu, z powodu błędu synchronizacji. W przypadku sygnału sinusoidalnego, wariancja ta zależy od: wariancji błędu synchronizacji, amplitudy, relacji między częstotliwością sygnału i częstotliwością próbkowania oraz od liczby próbek. Przy niezerowym błędzie synchronizacji, uśrednianie koherentne redukując szum addytywny powoduje zniekształcenia chwilowych wartości sygnału będących wynikiem uśredniania.

EN

Digital cumulative averaging (CAV) is a form of the digital filtration and belongs to the methods for noise reduction in repeatable signals. An advantage distinguishing CAV from the usual digital filtration is that it also causes noise reduction in the signal band. The CAV algorithm realizes two operations: synchronization of segments and coherence averaging of samples. The paper presents the problem of evaluating the influence of non ideal synchronization on the value of samples of the signal being the CAV result. If the synchronization error does not occur, CAV reducing the noise does not change the recovered signal value. For the non-zero synchronization error, CAV reducing the noise causes distortions of temporary values of this signal. The synchronization error influences the error of the sample value and, in consequence, the error of the CAV result. The CAV efficiency depends, in such a case, on the synchronization accuracy of the converted segments. Section 2 describes the system CAV structure. In Section 3 there is given the dependence defining the variance of the single sample and the sample obtained from CAV caused by the synchronization error. In the case of sinusoidal signals, the variance of the result (samples of the signal after CAV) due to the synchronization error depends on: the synchronization error variance, the amplitude, the relation between the signal frequency and the sampling frequency as well as the number of the averaged samples/ repetitions. One can determine the limit value of this variance.

2

Effectiveness of the frequency offset computation procedure

Piotrowski Z.

Elektronika : konstrukcje, technologie, zastosowania

|

2010

|

Vol. 51, nr 3

76-79

EN

Output phase drift constitutes one of the basic problems in the water-mark decoding process with the use of the coherent spectrum aver-aging method. Phase drift or jitter is undesirable in the output signal on the receiver's side of the watermarking system. Phase drift results from varying stability of quartz oscillators of transmitter and receiver A/D converters. The laboratory results presented in this paper indicate high effectiveness of the frequency offset computation procedure as regards phase reduction during coherent spectrum averaging of the received signal.

PL

Dryft kąta fazowego pojawiający się po stronie odbiorczej łańcucha telekomunikacyjnego jest niepożądanym zjawiskiem podczas dekodowania sygnału oznaczonego cyfrowym znakiem wodnym. Wynikowa wartość dryftu kąta fazowego (jittera) zależy m. in. od stabilności oscylatorów kwarcowych taktujących pracę przetworników A/C w kartach dźwiękowych zainstalowanych w komputerach. Wyniki testów laboratoryjnych prezentowane w artykule wskazują na dużą efektywność procedury wyznaczającej poprawkę kąta fazowego. Procedura ta została uwzględniona podczas uśredniania koherentnego widma sygnału odbieranego.

3

Ocena wariancji wyniku cyfrowej filtracji uśredniającej

Domańska A.

Pomiary Automatyka Kontrola

|

2009

|

R. 55, nr 9

750-753

PL

Artykuł dotyczy cyfrowego uśredniania metodą ruchomej średniej oraz metodą z kumulacją, stosowanego w celu eliminacji lub redukcji losowego składnika stanowiącego zakłócenie wielkości deterministycznej. Podano zależność określającą wariancję wyniku uśredniania każdą z metod, co umożliwia ocenę jego niepewności. Odmienna specyfika metod przekłada się na odmienną postać zależności określającej wariancję i odmienne warunki, przy których można osiągać ekstremalny zysk z uśredniania.

EN

The paper concerns digital averaging performed with the use of the moving average method and the cumulative method. This type of averaging is applied in order to eliminate or reduce the random component, being a disturbance of the deterministic quantity. Moreover, the paper presents the dependence determining the variance of the averaging result with the use of each of these methods, which makes it possible to estimate the uncertainty of the result. A different character of each of the methods implies a different form of the dependence determining the variance as well as different conditions with which an extreme profit can be achieved on the averaging. MAV and CAV are digital averaging algorithms of the value of dependent from the time (signals). The algorithm MAV is fitted for averaging of aperiodic and periodic signals. The algorithm CAV is fitted for averaging of periodic signals or repeatable signals at multiples to their gaining. The filtration MAV influences reductively on the variance of the noise and on the variance of the primary signal, however CAV reduces only the variance of the noise, not changing the variance of the primary signal. The use of the filtration MAV and CAV promotes better repeatability of results, if are estimated from samples of the average signal. Both algorithms are realizations of digital filters of the type FIR. In the case MAV this is the single low-pass filter. In the case CAV this is "the group" of simultaneously working low-pass filters - every in length equal of numerous of the collection of the repetition and filters is as many as of samples counts the single repetition. Fundamental difference between MAV and CAV consists in the manner of the choice of the collection of samples (undergo averaging) for the purpose of the determination of the single value of the average signal. In MAV this are adjacent samples from the single registration of the signal. In CAV this are the cophasal samples, every from other repetition. In the case of the averaging filtration of signals periodic or repeatable is more effective the algorithm CAV. However it is more time-consuming than the algorithm MAV.