NEJISTOTA ODHADU AMPLITUDOVÉHO DFT SPEKTRA



Podobné dokumenty
Analýza signálů ve frekvenční oblasti

Variabilita měření a statistická regulace procesu

NEPARAMETRICKÉ METODY

Diskrétní Fourierova transformace

12. N á h o d n ý v ý b ě r

je daná vztahem v 0 Ve fyzice bývá zvykem značit derivaci podle proměnné t (podle času) tečkou, proto píšeme

ZJIŠŤOVÁNÍ FREKVENČNÍCH VLASTNOSTÍ OTEVŘENÉHO OBVODU V UZAVŘENÉ REGULAČNÍ SMYČCE

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

Měření na trojfázovém transformátoru naprázdno a nakrátko.

Doc. Ing. Dagmar Blatná, CSc.

Fotometrie a radiometrie Důležitou částí kvantitativního popisu optického záření je určování jeho mohutnosti

SPOTŘEBITELSKÝ ÚVĚR. Na začátku provedeme inicializaci proměnných jejich vynulováním příkazem "restart". To oceníme při opakovaném použití dokumentu.

P2: Statistické zpracování dat

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Národní informační středisko pro podporu jakosti

Funkce hustoty pravděpodobnosti této veličiny je. Pro obecný počet stupňů volnosti je náhodná veličina

Digitální učební materiál

S k l á d á n í s i l

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

Stísněná plastická deformace PLASTICITA

u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení.,

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Kapitola 2. Bohrova teorie atomu vodíku

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

z možností, jak tuto veličinu charakterizovat, je určit součet

Náhodný výběr 1. Náhodný výběr

2 STEJNORODOST BETONU KONSTRUKCE

Národní informační středisko pro podporu kvality

6. KOMBINATORIKA Základní pojmy Počítání s faktoriály a kombinačními čísly Variace

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA

Intervalové odhady parametrů některých rozdělení.

Pravděpodobnostní modely

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

1.3. POLYNOMY. V této kapitole se dozvíte:

MATICOVÉ HRY MATICOVÝCH HER

Exponenciální funkce a jejich "využití" - A (Tato doplňková pomůcka nemůže v žádném případě nahradit systematickou matematickou přípravu.

Deskriptivní statistika 1

b c a P(A B) = c = 4% = 0,04 d

Algoritmus RSA. Vilém Vychodil. 4. března Abstrakt

Lineární a adaptivní zpracování dat. 8. Modely časových řad I.

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n


1 ROVNOMĚRNOST BETONU KONSTRUKCE

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

PRAVDĚPODOBNOST A STATISTIKA

Aplikace marginálních nákladů. Oceňování ztrát v distribučním rozvodu

České vysoké učení technické v Praze. Fakulta dopravní. Semestrální práce. Statistika

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS.

} kvantitativní znaky. korelace, regrese. Prof. RNDr. Jana Zvárov. Obecné principy

sin n sin n 1 n 2 Obr. 1: K zákonu lomu

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE

3. cvičení 4ST201 - řešení

4.5.9 Vznik střídavého proudu

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

14. B o d o v é o d h a d y p a r a m e t r ů

Lineární regrese ( ) 2

Předmět: SM 01 ROVINNÉ PŘÍHRADOVÉ KONSTRUKCE

Délka kružnice (obvod kruhu) II

4. LOCK-IN ZESILOVAČE

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

vají statistické metody v biomedicíně

5. Lineární diferenciální rovnice n-tého řádu

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

o d e vz d á v e j t ek o m p l e t n í, / n e r o z e b r a n é /, a b y s e t y t o

14/10/2015 Z Á K L A D N Í C E N Í K Z B O Ž Í Strana: 1

Cvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

Statistické charakteristiky (míry)

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

3. cvičení 4ST201. Míry variability

5. Funkce náhodných veličin a náhodných vektorů. 5.1 Spojité náhodné veličiny

VLIV MODIFIKACE MATICE HMOTNOSTI NA VÝSLEDKY MODÁLNÍ ANALÝZY

Zpracování a prezentace výsledků měření (KFY/ZPM)

Vzorový příklad na rozhodování BPH_ZMAN

Nejistoty v mìøení III: nejistoty nepøímých mìøení

Katedra elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava

4. Model M1 syntetická geometrie

( NV, )} Řešením Schrödingerovy rovnice pro N částic

Katedra obecné elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava ENERGETIKA U ŘÍZENÝCH ELEKTRICKÝCH POHONŮ. 1.

FINANČNÍ MATEMATIKA. Jarmila Radová KBP VŠE Praha

Generování dvojrozměrných rozdělení pomocí copulí

Přednáška č. 2 náhodné veličiny

0. 4b) 4) Je dán úhel Urči jeho základní velikost a převeď ji na radiány. 2b) Jasný Q Q ZK T D ZNÁMKA. 1. pololetí



OBRAZOVÁ ANALÝZA POVRCHU POTISKOVANÝCH MATERIÁLŮ A POTIŠTĚNÝCH PLOCH

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

ÚBYTKY NAPĚTÍ V ES Jednoduchá ss vedení nn, vn Dvouvodičový rozvod. Předpoklad konst. průřezu a rezistivity. El. trakce, elektrochemie, světelné

Komplexní čísla. Definice komplexních čísel

Katedra pravděpodobnosti a matematické statistiky. χ 2 test nezávislosti

8.1.2 Vzorec pro n-tý člen

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

Transkript:

EJISTOTA ODHADU AMPLITUDOÉHO DFT SPEKTRA Marti ovotý, Miloš Sdláč Čsé vysoé č tchicé v Praz, Fal ltrotchicá, atdra měř 1. Úvod Frvč aalýza, čili alz rvčho sptra sigál, patř důlžitým úlohám v moha tchicých obstch. S rozvojm čslicové tchiy s stál častěji začalo vyžvat výhod čslicového zpracová sigálů v rvč aalýz jd o zsá odhad sptra pomoc DFT). Z ho důvod j vhodé zabývat s otázo přsosti odhad sptra při požit DFT. sočasé době s postpě přcház ovým mdám vyjadřová odchyl měř. Dosavad chyby měř jso ahrazováy mi měř. Z ho důvod považjm za vhodé strčě problmati t měř připomot.. ty měř praxi jso žádé měř, žádá měřic mda ai žádý přstroj absoltě přsé. jrůzějš ga vlivy, tré s v rálém měřicm procs vysytj, s projv odchylo mzi aměřo a stčo hodo měřé vličiy. ýsld měř s vždy pohybj v tém lračm poli olm stčé hodoty, al téměř idy astává idál zžě obo hodot. Rozsah hodot, jž j možo racioálě přiřadit měřé vličiě, charatrizj paramtr azvaý měř..1 ty měř - diic.1.1 Sdard ty měř s rozm výsld měř přidržý paramtr charatrizjc rozptýl hodot, tré lz odůvoděě poládat za hodot vličiy, trá j objtm měř [1]. Zád vati charatristio j sdard. J směrodatá odchyla vličiy, pro ž j dáváa. Sdard ty s podl způsob svého vyhodoc děl a sdard ty typ A sové z výsldů opaovaých měř obcě stistico aalýzo séri aměřých hodot a a sdard ty typ B zsaé jiými způsoby. Sdard ty typ B pocházjc z růzých zdrojů s slčj do výsldé sdard ty typ B..1. Kombiovaá sdard praxi s j zřda vysč s jdm bo drhým typm ty samostě. Pa j za potřb sovit výsldý t ombiovaých t měř obo typů, A i B. Kombiovaá sdard s zsá sločm sdard ty typ A s výsldo sdard typ B: x) x) + x) A B d x) j ombiovaá sdard, A x) j sdard typ A, B x) j výsldá sdard typ B. 1).1.3 Rozšřá Původě sová směrodatá odchyla tdy i sdard ) přdsvj apř. jčastěji požvaého ormálho rozděl itrval rčý s pravděpodobost asi 68 %. Podobě j m i jiých záoů rozděl. Aby bylo dosažo lpšho itrval poryt blžcho s 1 %, j třba rozšřit sdard t čiitlm rozšř r [1]. Pro ormál rozděl r odpovdá úrovi oidc 95 %, r 3 odpovdá oidci 99,7%. Rozšřo t lz pa vyjádřit: U r d U j rozšřá, r oicit rozšř, sdard. S rozšřo j vést čiitl rozšř r. )

. Záo šř t Pro přmá měř lz t vličiy y závislé a vličiách x i rčých přmým měřm jjich odhady a ty jso zámy), j-li záma č závislost y x 1, x,..., x ), rčit z vzh [1]: y) x ) 3) i i 1 xi d y) j ombiovaá sdard vličiy y, x i ) sdard měřé vličiy x i. T vzh pt poz pod jso vličiy x 1 až x orlovaé. opačém přpadě j třba orci do vzh zahrot viz [1]..3 Zdroj t Měřic systém s sládá z ěolia bloů. přpadě čslicových systémů jso většio smač, obvody pro přdzpracová sigál, měřic ar pro sběr dat s vzorovačm, AČ přvod a počč vybavý přslšým sotwarm. Každý blo měřcho řtězc j zdrojm t, tré s šř s průchodm sigál do ásldjcch bloů a přispvaj výsldé ombiovaé tě výsld měř. My s zaměřm a ty způsobé vavám přdsvjc domiat zdroj t) a jjich šřm algoritmm DFT..4 způsobá vavám Kvavá j jčastěji modlováo šmm s rovoměrým rozložm pravděpodobosti v rozsah ± ½ vatizačho ro. t způsobo vavám vzor můžm vyjádřit jao směroda odchyl áhodé vličiy s rovoměrým rozdělm dl vzh: rag 4) 1 1 d j jmš vavac ro, rag j rozsah AČ přvod a j počt bitů AČ přvod. U rálých AČ přvodů s lz spolhot a rozliš odpovdajc omiálm počt bitů, stčé rozliš j mš a popisj ho paramtr zvaý počt bitů []. Pomoc můžm vyjádřit t zsaého vzor pomoc vzh [3]: rag 1 5).5 vstho algoritm DFT zh 5) rčj t jdotlivých odbraých vzorů. ás zajmá jaým způsobm s projv v výsldé posloposti, tro zsám apliac DFT a vstp vzory. To ztm požitm záoa šř t 3) a algoritms DFT. DFT j diováa vzhm [4,5]: X ) 1 x ) π j d x) j poslopost vzorů a X) j omplx poslopost vzorů rprztjc sptrm. Poslopost X) j v obcém přpadě omplx a lz ji tdy zapsat jao X) R) j I). Pom rálo slož R) a imagiár slož I) můžm vyjádřit s vyžitm Elrova vzh ásldově: 1 π ) x ) cos 1 π ) x ) si R I 6) 7) 8)

Pomoc těch slož j možé vyjádřit amplitdovo část sptra: M ) X ) R ) + I ) 9) Apliac záoa šř t ztm, ja s projv vavá v výsld DFT: M )) pro pro 1) 3. Odhad amplitdového sptra Z posloposti DFT rsp z modl jjch hodot) chcm zsat odhad amplitdového sptra. Pro postp zsá odhad j rozhodjc zda s jdá o přpad ohrtho vzorová, dy poslopost DFT rprztj rvč sptrm ortě, bo j přpad ohrtho vzorová, při trém vziá rozmazá sptra. 3.1 Kohrt vzorová Aby došlo rozmazá sptra, j třba zatit odbrá clistvého počt priod vstpho sigál. To odpovdá požadav a splě podmy: m 11) sig vz d sig j rvc sigál, j počt vzorů DFT, vz j vzorovac rvc a m j přirozé čslo. Odhady střd hodot sigál a amplitdy jdotlivých harmoicých slož rčm z modl sptra: M ) im M i), i d přdsvj střd hodot a im j amplitda i-té harmoicé složy. ty těch odhadů způsobé vavám vyjádřm za pomoci 3) dosazm 1): 1 1 ) M )) M )) M ) 1) 13) 14) im ) M i)) M i)) im ) M i 15) 3. ohrt vzorová přpadě, ž splěa podma 11), dojd rozmazá sptra boli prosaová rgi v sptr [4,5], ozačovaé běžě aglicým trmm ag. T jv j důsldm vhodého výběr vzorů, trý má za ásld ávazost priodicého prodlož a sigál v zádm itrval. Ergi sptrál čáry odpovdajc orét harmoicé složc s rozprostř do oolch prvů posloposti DFT, jž přdsvj vzorovaé sptrm. Laag tvoř při splě vzorovac věty obvyl jzávažějš slož chyby DFT sptrál aalýzy. Možost potč j požit o, trým s vstp poslopost vyásob. To má za ásld sostřdě podsté části rgi harmoicé složy do mšho počt sosdch prvů DFT a tm mš vliv a vzdálějš prvy vzory sptra). jčastěji s v té sovislosti požvaj osiová oéa diovaá vzhm: P ) πr w cos P r r d os P s azývá řád oa.,1,... 1 16)

Odhad hodoty rčité rvč složy sptra sigál ásobým osiovým om s zsá pomoc ásldjcho vzh [6]: d + 1 1 M ) M ) 17) pg 1 1 1 pg w i), přičmž wi) j poslopost přdsvjc važovaé oo, M) j modl i sptra sigál ásobého važovaým om a 1 a jso ové rvc, aby s obsáhlo P+1 slož DFT olm hv rvč složy a stjý počt olm jjho zrcadlového obraz, P j řád oa. Zsat aalyticý vzh pro výsldo t při ohrtm vzorová by bylo vlmi obtžé, boť jdotlivé sptrál složy včtě svých zrcadlových obrazů s avzájm ovlivňj, přičmž závislost orc j vlic ompliovaá. 4. Simc Simc poslož ověř psti rticých vzhů zjméa z hldisa važová orc mzi jdotlivými vstpmi vličiami), popřpadě prvot přdsvě závislosti ty v přpadě, ž aalyticý vzh zám. Simc spočvá v grová tsvacch sigálů a jjich zpracová. Sigál ms modlovat vavá, což spočvá v přidá áhodé vličiy aždém vzor grovaého harmoicého sigál. Ta áhodá vličia přdsvjc vavac šm, podléhá rovoměrém rozlož pravděpodobosti a jj směrodatá odchyla s rová tě způsob vavám 5). Pro přpad ohrt vzorová j třba avc v sérii grovaých sigálů měit rvc rozsah : sig m m.5 +, vz.5 vz m přirozé d m j zvolá poloha čáry v posloposti DFT. Pro střd rvci sigál Hz, pět priod sigál m 5) vycház rozpět rvc sigál 18 až Hz. yhodoc ty spočvá v spočt DFT sigál a rč sdard ty. Zd a i pohlžm, jao a t typ A. To zamá, ž ji vyhodocjm stisticými mdami. Z ho ply požadav a dostčý počt ralizac. ašm přpadě byl procs opaová 1x. 5. Exprimtál ověř Ta áz j zaměřá a ověř vybraého modl zdrojů t, važovaých v přdšlých rocch. Exprimtál ověř probhá podobě jao v přdchozm ro, výpočtm zomaého algoritm, trát ovšm z rálého sigál s paramtry shodými jao v přdchozch dvo rocch, a hardwar, jž byl modlová v rticé aalýz i mricé simci. yhodoc probhá stjým způsobm jao v přpadě simc. 18) 6. Hardwarové a sotwarové vybav Při výběr sotwarového prostřd pro simc i rálá měř pad volba amaticy a prodt irmy MathWors : MATLAB v ombiaci s Sigal procssig olboxm a Da Acisitio olboxm. Hardwarové prostřd tvořil grár sigál a zásvá měřic dsa I 63E irmy atioal Istrmts. Ta ar obsahj dvaáctibivý přvod pracjc a pricip postpé aproximac. Požadavy a grová sigál splňj č grár HP 331A irmy Hwltt Pacard. T grár možňj grová harmoicého sigál, obdélového, trojúhlového a pilového sigál. avc posytj ci swp rvč rozmtá), trá by poži pro grová sigál při ohrtm vzorová.

r ]- ).4.35.3.5..15.1.5 odhad střd hodoty počé z sptra při ohrtm vzorová 1 3 4 5 6 7 8 9 1 - počt vzorů a priod [-] Trticá aalýza mricá simc Exprimtál ověř Obr. 1 Závisl ost t oty odhad střd hodo ty poč é z sptr a při ohr t m vzor ová odhad hodoty počé z sptra při ohrtm vzorová. ]ṟ ).18.16.14.1.1.8.6.4 Trticá aalýza mricá simc Exprimtál ověř. 1 3 4 5 6 7 8 9 1 - počt vzorů a priod [-] Obr. Závislost ty odhad hodoty počé z sptra při ohrtm vzorová

6 odhad střd hodoty z sptra při ohrtm vzorová mricá simc Exprimtál ověř 5 4 3 ]ṟ ) 1 4 6 8 1 1 - počt vzorů a priod [-] Obr. 3 Závislost ty odhad střd hodoty počé z sptra při ohrtm vzorová vliv lag) odhad hodoty počé z sptra při ohrtm vzorová 15 ]ṟ 1 ) 5 mricá simc Exprimtál ověř 4 6 8 1 1 - počt vzorů a priod [-] Obr. 4 Závislost ty odhad hodoty počé z sptra při ohrtm vzorová obdélové oo)

.3 hodoty z sptra při požit oa Hammig mricá simc Exprimtál ověř r ]- ).5..15.1.5 4 6 8 1 1 - počt vzorů a priod [-] Obr. 5 Závislost ty odhad hodoty počé z sptra při ohrtm vzorová požitém oě Hammig.5.45 odhad hodoty z sptra při požit oa vo Ha mricá simc Exprimtál ověř r ]- ).4.35.3.5..15.1.5 4 6 8 1 1 - počt vzorů a priod [-] Obr. 6 Závislost ty odhad hodoty počé z sptra při ohrtm vzorová požitém oě vo Ha

7. Závěr ětré z výsldů aš sahy v obsti t odhad amplitdového DFT sptra j možé spatřit a obrázcch obr.1 obr.6. jdotlivých grach jso zobrazy závislosti ty zsaé rtico aalýzo, simc i xprimtálm ověřm pro ohrt vzorová a pro ohrt vzorová simc a xprimtálm ověřm. Exprimtál ověř bylo provdo a harmoicém sigál s těmi paramtry: amplitda pp 4, stjosměrá složa 1, rvc 5 Hz, spoštěc úrovň t 1. Pro ohrt vzorová střd hodo rvc Hz. Z graů j vidět dobrý sod výsldů zsaý váděými způsoby. Zajmavý pozat ply pro požit o při ohrtm vzorová. Závislost ty a počt vzorů, lsá s vzrůsjcm počtm vzorů DFT j do rčité hodoty, od tré výš j téměř ost, dalš zvyšová ad t hodot má z hldisa zvýš přsosti smysl. J třba podotot, ž v přspěv byly zomáy poz hv zdroj t. Pod by výpočty byly prováděy s mš přsost, ž odpovdá požit poččů PC, bylo by vyštřit é vliv očé dély slova a t výsld. To můž být přpad miroprocsorových systémů. Rověž při vysoých vzorovacch mičtch by s moh ptit časová rčist vzorová jittr) a dalš vlivy v měřicm řtězci. Poděová Přspěv byl zpracová v rámci výzmého záměr čslo J4/98:115 a ČUT v Praz, podporovaého Miistrstvm šolstv, mládž a tělovýchovy Čsé rpbliy. 8. Litratra [1] ISO Gid th Exprssio o Ucrity i Masrmt, Itratioal Orgaisatio or Sdardizatio, Swizrd, 1993 []. Haasz, J. Rozčil, J. ová: Čslicové měřic systémy. ČUT, Praha [3] G. Bt, C. Ligori, A. Pitrosa: Strctrd Approach Estimat th Masrmt Ucrity i Digil Sigal Eboratio Algorithms, IEE Proc.-Sci. Mas. Tchol. ol. 146, o. 1, Jaary 1999, str.1-6. [4] M. Sdláč: Zpracová sigálů v měřic tchic. ČUT, Praha 1993 [5] J. Uhlř, P. Sova: Čslicové zpracová sigál, ČUT, Praha 1995 [6] O. M. Solomo, Jr.: Th Us o DFT Widows i Sigal--ois Ratio ad Harmoic disrtio comptios, IEEE Trasactios o Istrmtio ad Masrmt, vol. 43, pp. 194-199, April 1994 Kot adrsa: Ig. Marti ovotý, Doc. Ig. Miloš Sdláč, CSc. Čsé vysoé č tchicé v Praz, Fal ltrotchicá, atdra měř, Tchicá, 166 7 Praha 6. Tl: +4 )435 177, ax: +4 ) 311 999 E-mail: {ovotm5, sdcm} @ld.cvt.cz