คำถามติดแท็ก measurement

อะไรจะเป็นวิธีที่เหมาะในการค้นหาค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของสัญญาณสำหรับแอปพลิเคชันตามเวลาจริง ฉันต้องการที่จะทริกเกอร์คอนโทรลเลอร์เมื่อสัญญาณมีค่าเบี่ยงเบนมาตรฐานมากกว่า 3 จากค่าเฉลี่ยในระยะเวลาหนึ่ง ฉันสมมติว่า DSP โดยเฉพาะจะทำสิ่งนี้ได้อย่างง่ายดาย แต่มี "ทางลัด" ใด ๆ ที่อาจไม่ต้องการอะไรที่ซับซ้อนขนาดนี้หรือไม่?

31 statistics  real-time  measurement 

ฉัน preforming การวัดการระบุระบบและต้องการถอดรหัสการตอบสนองของระบบการวัดจากการตอบสนองที่วัดได้ การตั้งค่าของระบบมีดังนี้ สัญญาณถูกสร้างขึ้นบนพีซีจากนั้นสัญญาณจะถูกส่งไปยังการ์ดเสียงซึ่งจะส่งสัญญาณไปยังแอมป์พาวเวอร์ซึ่งจะส่งผลต่อลำโพง ลำโพงจะถ่ายทอดพลังงานเสียงที่ไมโครโฟนจับไว้และกลับสู่การ์ดเสียง จากนั้นคอมพิวเตอร์จะประมวลผลสัญญาณที่บันทึกไว้ สัญญาณจากการ์ดเสียงก็ป้อนกลับไปยังตัวเองโดยตรงซึ่งทำให้ฉันสามารถวัดการตอบสนองของพีซี -> DAC -> ADC -> การตอบสนองของพีซี ฉันต้องการถอดรหัส 'ห่วงโซ่การวัด' นี้จาก 'เชนระบบ' โดยรวม ฉันสามารถใช้วิธีการใดสำหรับงานนี้

14 system-identification  measurement 

นั่นคือถ้าคุณมีสถานะตัวแปรเป็นตำแหน่ง ( p ) และความเร็ว ( v ) และฉันทำการวัดความถี่ต่ำของpนี่ก็ให้ข้อมูลเกี่ยวกับvทางอ้อมด้วย(เพราะเป็นอนุพันธ์ของp ) วิธีที่ดีที่สุดในการจัดการความสัมพันธ์คืออะไร? A) ในขั้นตอนการอัพเดตฉันควรจะบอกว่าฉันวัดค่าpแล้วและพึ่งพากระบวนการกรองและเมทริกซ์ความแปรปรวนร่วมของรัฐที่สะสม ( P ) ของฉันเพื่อแก้ไขv ? B) ฉันควรสร้าง "พิเศษ" ขั้นตอนการทำนายทั้งหลังหรือก่อนขั้นตอนการปรับปรุงของฉันสำหรับการตรวจวัดของพีที่ใช้วัดของฉันหน้าและ (ค่อนข้างใหญ่) เดลต้าเวลาที่จะทำให้การคาดการณ์สูงแปรปรวนของวี ? C) ในขั้นตอนอัปเดต / การวัดของฉันฉันควรจะบอกว่าฉันทำการวัดทั้งpและ vแล้วเข้ารหัสข้อมูลเกี่ยวกับการพึ่งพาซึ่งกันและกันของพวกเขาในเมทริกซ์ความแปรปรวนร่วม ( R ) หรือไม่? สำหรับพื้นหลังเพิ่มเติมเล็กน้อยต่อไปนี้เป็นสถานการณ์เฉพาะที่ฉันพบปัญหา: ฉันกำลังทำงานกับระบบที่ฉันต้องการที่จะประเมินตำแหน่ง ( P ) ของวัตถุและฉันทำให้การวัดที่พบบ่อยของการเร่งความเร็ว ( ) และไม่บ่อยนักที่วัดสูงเสียงพี ฉันกำลังทำงานกับ codebase ที่ไม่นี้กับคาลมานกรองขยายที่จะช่วยให้เป็นตัวแปรรัฐพีและวี มันรันขั้นตอน "การคาดคะเน" หลังจากการวัดความเร่งทุกครั้งซึ่งจะใช้aและ delta-time …

13 filters  kalman-filters  estimation  measurement  bayesian-estimation 

ฉันกำลังทำงานในโครงการที่เราวัดความสามารถในการบัดกรีของส่วนประกอบ สัญญาณที่วัดได้จะมีเสียงดัง เราจำเป็นต้องประมวลผลสัญญาณแบบเรียลไทม์เพื่อให้เราสามารถรับรู้การเปลี่ยนแปลงที่เริ่มต้นในเวลา 5,000 มิลลิวินาที ระบบของฉันใช้ตัวอย่างค่าจริงทุก ๆ 10 เสี้ยววินาที - แต่สามารถปรับให้เป็นการสุ่มตัวอย่างช้าลง ฉันจะตรวจสอบการตกนี้ที่ 5,000 มิลลิวินาทีได้อย่างไร คุณคิดอย่างไรเกี่ยวกับอัตราส่วนสัญญาณ / เสียงรบกวน เราควรมุ่งเน้นและพยายามรับสัญญาณที่ดีขึ้นหรือไม่ มีปัญหาที่ทุกการวัดมีผลลัพธ์ที่แตกต่างกันและบางครั้งการปล่อยจะน้อยกว่าตัวอย่างนี้ ลิงก์ไปยังไฟล์ข้อมูล (ไม่เหมือนกันกับไฟล์ที่ใช้สำหรับแปลง แต่แสดงสถานะระบบล่าสุด) https://docs.google.com/open?id=0B3wRYK5WB4afV0NEMlZNRHJzVkk https://docs.google.com/open?id=0B3wRYK5WB4afZ3lIVzhubl9iV0E https://docs.google.com/open?id=0B3wRYK5WB4afUktnMmxfNHJsQmc https://docs.google.com/open?id=0B3wRYK5WB4afRmxVYjItQ09PbE0 https://docs.google.com/open?id=0B3wRYK5WB4afU3RhYUxBQzNzVDQ

12 filters  discrete-signals  real-time  measurement