มีชื่อที่ดีกว่า "ค่าเฉลี่ยของอินทิกรัล" หรือไม่?

ฉันกำลังทดสอบเซ็นเซอร์ตำแหน่งคันเร่ง (TPS) ธุรกิจของฉันขายและฉันพิมพ์พล็อตของการตอบสนองต่อแรงดันไฟฟ้ากับการหมุนของเพลาปีกผีเสื้อ TPS เป็นเซ็นเซอร์แบบหมุนด้วยช่วง 90 °และเอาต์พุตเป็นเหมือนโพเทนชิออมิเตอร์ที่เปิดเต็มเป็น 5V (หรือค่าอินพุตของเซ็นเซอร์) และการเปิดครั้งแรกมีค่าระหว่าง 0 ถึง 0.5V ฉันสร้างม้านั่งทดสอบพร้อมคอนโทรลเลอร์ PIC32เพื่อทำการวัดแรงดันไฟฟ้าทุก ๆ 0.75 °และเส้นสีดำเชื่อมต่อการวัดเหล่านี้$\approx$

หนึ่งในผลิตภัณฑ์ของฉันมีแนวโน้มที่จะทำให้การผันแปรของแอมพลิจูดที่มีการแปลในระดับท้องถิ่นต่ำและห่างจาก (และต่ำกว่า) เป็นสายที่เหมาะสมที่สุด คำถามนี้เกี่ยวกับอัลกอริทึมของฉันในการหาจำนวน "dips" ที่แปลเป็นภาษาท้องถิ่นเหล่านี้ ชื่อหรือคำอธิบายที่ดีสำหรับกระบวนการวัด dips คืออะไร (ตามคำอธิบายทั้งหมด) ในภาพด้านล่างการจุ่มเกิดขึ้นที่ด้านซ้ายของพล็อตและเป็นกรณีส่วนเพิ่มไม่ว่าฉันจะผ่านหรือล้มเหลวในส่วนนี้:

ดังนั้นฉันจึงสร้างเครื่องตรวจจับแบบจุ่ม ( stackoverflow qa เกี่ยวกับอัลกอริทึม ) เพื่อวัดความรู้สึกของลำไส้ของฉัน ตอนแรกฉันคิดว่าฉันวัด "พื้นที่" กราฟนี้อ้างอิงจากงานพิมพ์ด้านบนและความพยายามอธิบายอัลกอริทึมแบบกราฟิก มีการจุ่มสำหรับตัวอย่าง 13 ระหว่าง 17 และ 31:

$deltas$$deltas$

$deltas$$\frac {dy}{dx}$

$deltas$$deltas$

$0.7 + 1.2 + 1.3 + 1.4 + 1.8 + 2.5 + 2.9 + 3.0 + 2.5 + 2.0 + 1.5 + 1.0 + 1.2$

$23$

เส้นสีเขียวคือค่าเฉลี่ยของ "ต่ำกว่าค่าเฉลี่ย" ที่พบผ่านการแบ่งพื้นที่ด้วยความยาวของการจุ่ม:

$23 \div 13 = 1.77$

$2.6$$3.0$

$|deltas - avg| > avg+std dev$

เป็นเวลาเกือบ 20 ปีแล้วตั้งแต่ Calc 1 ดังนั้นโปรดช่วยฉันง่ายๆ แต่มันรู้สึกเหมือนกับว่าเมื่อศาสตราจารย์ใช้แคลคูลัสและสมการกระจัดเพื่ออธิบายว่าในการแข่งรถคู่แข่งที่มีความเร่งน้อยกว่าที่รักษาความเร็วมุมที่สูงกว่า ผู้แข่งขันที่เร่งความเร็วมากขึ้นในเทิร์นถัดไป: เมื่อผ่านเทิร์นก่อนหน้าเร็วขึ้นความเร็วเริ่มต้นที่สูงขึ้นหมายถึงพื้นที่ที่อยู่ภายใต้ความเร็วของเขา (การกระจัด) มีมากขึ้น

ในการแปลคำถามของฉันฉันรู้สึกว่าเส้นสีเขียวของฉันจะเหมือนกับการเร่งความเร็วอนุพันธ์อันดับ 2 ของข้อมูลดั้งเดิม

ผมเข้าเยี่ยมชมวิกิพีเดียที่จะ re-read พื้นฐานของแคลคูลัสและคำจำกัดความของอนุพันธ์และที่สำคัญได้เรียนรู้ในระยะที่เหมาะสมสำหรับการเพิ่มขึ้นในพื้นที่ใต้เส้นโค้งทางวัดรอบคอบเป็นตัวเลขบูรณาการ googling มากขึ้นโดยเฉลี่ยของอินทิกรัลและฉันนำไปสู่หัวข้อของการไม่เชิงเส้นและการประมวลผลสัญญาณดิจิตอล เฉลี่ยหนึ่งน่าจะเป็นตัวชี้วัดที่เป็นที่นิยมสำหรับปริมาณข้อมูล

$1.77$

ก่อนอื่นนี่เป็นคำอธิบายที่ยอดเยี่ยมเกี่ยวกับโครงการของคุณและปัญหา และฉันเป็นแฟนตัวยงของกรอบการวัดที่ทำที่บ้านของคุณซึ่งยอดเยี่ยมมาก ... แล้วทำไมบนโลกถึงมีความสำคัญต่อสิ่งที่คุณเรียกว่า

$x[n]$

นอกจากนี้ยังมีกฎอื่น ๆ ที่คุณอาจต้องพิจารณาเพื่อวัตถุประสงค์ในการจัดประเภทอุปกรณ์ว่าผิดพลาด:

• ถ้าการเบี่ยงเบนใด ๆ (เดลต้า) มากกว่า SD หลาย ๆ อันของเดลตาทั้งหมด
• ถ้าผลรวมกำลังสองของส่วนเบี่ยงเบนใหญ่กว่าขีด จำกัด ที่แน่นอน
• หากอัตราส่วนของผลรวมของ delta ที่เป็นบวกและลบนั้นไม่เท่ากันโดยประมาณ (ซึ่งอาจมีประโยชน์หากคุณต้องการข้อผิดพลาดเล็ก ๆ ในทั้งสองทิศทางมากกว่าที่จะมีอคติที่แข็งแกร่งในทิศทางเดียว)

แน่นอนคุณสามารถหากฎเพิ่มเติมและเชื่อมโยงพวกเขาโดยใช้ตรรกะบูลีน แต่ฉันคิดว่าคุณสามารถทำได้ไกลกว่าสามข้อข้างต้น

สุดท้าย แต่ไม่ท้ายสุดเมื่อคุณตั้งค่าแล้วคุณจะต้องทดสอบตัวจําแนก (ตัวจําแนกเป็นระบบ / โมเดลการแมปอินพุตกับคลาสในกรณีของคุณข้อมูลของอุปกรณ์แต่ละตัวเป็น "ดี" หรือ " ความผิดพลาด ") สร้างชุดการทดสอบโดยการติดฉลากประสิทธิภาพของอุปกรณ์แต่ละรายการด้วยตนเอง จากนั้นดูที่ROCซึ่งโดยทั่วไปจะบอกคุณถึงการชดเชยระหว่างจำนวนอุปกรณ์ที่ระบบของคุณหยิบขึ้นมาจากการคืนค่าอย่างถูกต้องซึ่งสัมพันธ์กับจำนวนอุปกรณ์ที่ผิดพลาดที่หยิบขึ้นมา