Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: wybór pasma informacyjnego

Sortuj według:

Ogranicz wyniki do:

FPGA-based bandwidth selection for kernel density estimation using high level synthesis approach

Gramacki A., Sawerwain M., Gramacki J.

Bulletin of the Polish Academy of Sciences. Technical Sciences

2016

Vol. 64, nr 4

821--829

Field-programmable gate arrays (FPGA) technology can offer significantly higher performance at much lower power consumption than is available from single and multicore CPUs and GPUs (graphics processing unit) in many computational problems. Unfortunately, the pure programming for FPGA using hardware description languages (HDL), like VHDL or Verilog, is a difficult and not-trivial task and is not intuitive for C/C++/Java programmers. To bring the gap between programming effectiveness and difficulty, the high level synthesis (HLS) approach is promoted by main FPGA vendors. Nowadays, time-intensive calculations are mainly performed on GPU/CPU architectures, but can also be successfully performed using HLS approach. In the paper we implement a bandwidth selection algorithm for kernel density estimation (KDE) using HLS and show techniques which were used to optimize the final FPGA implementation. We are also going to show that FPGA speedups, comparing to highly optimized CPU and GPU implementations, are quite substantial. Moreover, power consumption for FPGA devices is usually much less than typical power consumption of the present CPUs and GPUs.

Application of ARMA modelling and alpha-stable distribution for local damage detection in bearings

Żak G., Obuchowski J., Wyłomańska A., Zimroz R.

Diagnostyka

2014

Vol. 15, No. 3

3--10

In this paper a novel method for informative frequency band selection is presented. It is suitable for a vibration signal from a damaged rotating machine which is consisted of a pulse train, but it might be contaminated by other vibrations, often with higher energy. We first decompose the signal into simpler sub-signals and analyze those sub-signals using statistical tools, i.e. autoregressive moving average modelling and fitting of the α -stable distribution. The choice of this distribution is motivated by its excellent ability of modeling heavy-tailed data, i.e impulsive data. We illustrate the proposed methodology by analysis of real vibration signals from heavy-duty rotating machinery. The results prove that this statistical analysis is very efficient in informative frequency band selection in presence of high-energy contamination.

W artykule zaprezentowano nową metodę selekcji informacyjnego pasma częstotliwościowego. Jest ona odpowiednia dla sygnałów drganiowych z maszyny uszkodzonej zawierających impulsy, nawet kiedy są one niewidoczne w dziedzinie czasu, tzn. kiedy wysokoenergetyczne drgania innych elementów zakłócają sygnał informacyjny. Pierwszym krokiem zaproponowanej metody jest dekompozycja sygnału na składowe o prostszej strukturze i ich analiza za pomocą narzędzi statystycznych, tj. modelu ARMA i rozkładu alfa-stabilnego. Wybór tego rozkładu jest umotywowany zdolnością modelowania danych ciężko ogonowych, tzn. sygnałów, w których występują impulsy. Metodę zilustrowano analizą rzeczywistych sygnałów z drganiowych maszyn górniczych. Potwierdzono efektywność zaproponowanej metody statystycznej w kontekście selekcji informacyjnego pasma częstotliwościowego w obecności wysokoenergetycznych zakłóceń.