Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Autocorrelation" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-15 z 15
    Tytuł:
    Metoda uwzględniająca wpływ skorelowania obserwacji na ocenę standardowej niepewności wartości średniej
    A method for correcting the influence of autocorrelation of observations onto the standard uncertainty of the mean value
    Autorzy:
    Dorozhovets, Mykhaylo
    Powiązania:
    https://bibliotekanauki.pl/articles/154755.pdf
    Data publikacji:
    2014
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    obserwacje
    autokorelacja
    niepewność standardowa
    observations
    autocorrelation
    standard uncertainty
    Opis:
    W artykule przedstawiono metodę pośredniej korekcji wpływu skorelowania na standardową niepewność wartości średniej wielu skorelowanych obserwacji pomiarowych. Metoda polega na rozdzieleniu wszystkich obserwacji na grupy i obliczaniu stosunku wariancji wartości średnich tych grup do średniej wariancji tych grup z uwzględnieniem ich liczby stopni swobody. Stosunek ten wykorzystuje się do obliczania współczynnika korygującego wpływ skorelowania obserwacji przy obliczaniu standardowej niepewności średniej. Na podstawie porównywania wyników badań metodą Monte-Carlo wykazano większą skuteczność zaproponowanej metody w porównaniu do metody bezpośredniej estymacji funkcji autokorelacji obserwacji.
    In the paper there are presented the method and research results of indirect correction of the impact of autocorrelation on the mean value. The investigations were performed with the use of the Monte Carlo method. It is shown that in the case of a random autocorrelated process (5) the increase in the sampling frequency does not lead to a reduction of the standard uncertainty of the mean value (6) calculated according to the standard procedure (1) and, due to this, the standard uncertainty may be too optimistic (Fig. 1). In the proposed method all the N observations are separated into several (k) groups of n observations, there are calculated the global variation S2, k variation S[...] in each group (9) and mean variation S[...] of these groups and also variation S[...] of mean values xn of each groups (10). Next the ratio Fs (11) of these variations (takes into account degrees of freedoms) is calculated. This ratio is used in calculation of the coefficient (14) that is used for the correction of the influence of autocorrelation of observations in the standard uncertainty (2). After Monte Carlo simulations it is shown, that for the exponential autocorrelation function the proposed method demonstrated the effectiveness comparable with that of the method of direct estimation of the autocorrelation function, namely the average of the standard uncertainty was very close to the theoretical standard uncertainty (Tab. 1). However when using the estimated autocorrelation function, the average of the standard uncertainty is much underestimated (Tab. 1).
    Źródło:
    Pomiary Automatyka Kontrola; 2014, R. 60, nr 8, 8; 529-532
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Estymacja punktowa funkcji autokorelacji sygnałów na podstawie cyfrowych danych pomiarowych
    Point estimation of the signal autocorrelation function basing on digital measurement data
    Autorzy:
    Kawecka, E.
    Sienkowski, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/154366.pdf
    Data publikacji:
    2009
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    cyfrowy estymator funkcji autokorelacji
    wartość oczekiwana
    obciążenie
    wariancja estymatora
    autocorrelation function digital estimator
    expected value
    bias
    variance of autocorrelation function
    Opis:
    Artykuł przedstawia problematykę obliczania wartości oczekiwanej, obciążenia i wariancji cyfrowego estymatora funkcji autokorelacji sygnałów. Pokazano, że estymator funkcji autokorelacji nie jest zgodny oraz, że jest obciążony dodatkową, wynikającą z kwantowania składową. Pokazano, że funkcja gęstości kompensuje przesunięcie funkcji autokorelacji, co oznacza, że określenie na postawie momentów obciążenia i wariancji estymatora możliwe jest jedynie w tych punktach funkcji autokorelacji, które odpowiadają wartości średniokwadratowej sygnału. Przedstawiono wyniki oszacowań obciążenia i wariancji cyfrowego estymatora funkcji autokorelacji dla wybranych klas sygnałów. Do obliczeń zastosowano opracowany na potrzeby prowadzonych badań wielobitowy wirtualny korelator sygnałów.
    In the paper there are discussed problems of estimation of the expected value, bias and variance of the digital estimator of the signal autocorrelation function. It is shown that the autocorrelation function estimator is not consistent and that the density function compensates the autocorrelation function delay. It means that determination of the bias and variance of the estimator basing on the so-called moments is possible only in these points of the autocorrelation function which are the mean square value of the signal. There are presented the results of estimation of the bias and variance of the autocorrelation function digital estimator for selected classes of signals. In order to perform calculations, there was designed a dedicated, multi-bit, virtual correlator of signals. The paper is divided into 3 sections. Section 1 contains a short introduction to the issues of this paper. In Section 2 there are presented the definitions of the autocorrelation function and the autocorrelation function estimator of a signal and quantized signal - Eqs. (2-4). Next, there is calculated the estimator's expected value - Eqs. (5, 6). There is determined the bias of the autocorrelation function digital estimator caused by quantization Eq. (7). In the next part of paper there is shown that the signal distribution density function compensates the autocorrelation function delay - Eq. (11). There is also calculated the estimator's mean square error - Eq. (20). The mean square error and variance from Eq. (17) allows evaluating the estimator consistency. Table 1 presents the results of analysis of the bias and variance of the autocorrelation function digital estimator for a sinusoidal signal with noise. There are analysed the following types of noise: Gaussian, uniform probability density function (PDF) and triangular PDF signal. In Section 3 the investigation results are summarized. The obtained results show the importance of investigations on autocorrelation function degradation caused by quantization.
    Źródło:
    Pomiary Automatyka Kontrola; 2009, R. 55, nr 7, 7; 422-425
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Szacowanie funkcji autokorelacji sygnału sinusoidalnego metodą Monte Carlo
    Estimation of the autocorrelation function of a sinusoidal signal using the Monte Carlo method
    Autorzy:
    Sienkowski, S.
    Lal-Jadziak, J.
    Kawecka, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/154437.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    funkcja autokorelacji
    metoda Monte Carlo
    autocorrelation function
    Monte Carlo method
    Opis:
    Funkcja autokorelacji stanowi uznane narzędzie analizy własności sygnałów. Artykuł dotyczy problematyki szacowania funkcji autokorelacji sygnału sinusoidalnego metodą Monte Carlo. Jedną z najczęstszych aplikacji metody Monte Carlo jest całkowanie numeryczne funkcji. Ponieważ składową funkcji autokorelacji jest operacja całkowania, to taką metodę można zastosować do szacowania funkcji autokorelacji.
    This paper deals with properties of the autocorrelation function of a sinusoidal signal. The Monte Carlo method was proposed for estimation of the autocorrelation function. The results showed that although the Monte Carlo method did not give the results of high accuracy, it provided the reliable autocorrelation function ratings. Section 1 presents basic information concerning the autocorrelation function. Eq. (3) describes the autocorrelation function of a sinusoidal signal. In Section 2 the Hit or Miss Monte Carlo method is presented. Such a method is applicable to a numerical integration task. Eqs. (6)-(9) describe the estimation of the integral (4). Eq. (10) gives the error of integral estimation. The Monte Carlo method was adapted to estimate the autocorrelation function of a sinusoidal signal. Eq. (13) describes the integration function and Eq. (14) gives its derivative, which was used to determine the integration ranges. The ends of these ranges are given by Eq. (19). In Fig. 1 the function to be integrated together with its integration domain and the range of the function values is shown. In the next part of the paper Eq. (20) describing the estimation error of the autocorrelation function and the sample results of estimation of the autocorrelation function with use of the Monte Carlo method are given. Section 3 contains the conclusions.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 10, 10; 866-868
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie funkcji autokorelacji do identyfikacji charakteru przepływu cieczy
    The use of the autocorrelation function for the characterization of the fluid flow
    Autorzy:
    Kasprzak, D.
    Mrowiec, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/157812.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    przepływ laminarny
    przepływ turbulentny
    laminar flow
    turbulent flow
    autocorrelation function
    Opis:
    W artykule przedstawiono zastosowanie funkcji autokorelacji do oceny charakteru przepływu cieczy. Zbadano przebiegi funkcji dla dwóch rodzajów przepływu - laminarnego i turbulentnego. Zagadnienie to może być bardzo przydatne dla przepływów odbywających się dla granicznej liczby Reynoldsa. Uzyskane wyniki świadczyć mogą o przydatności tej funkcji do identyfikacji przebiegów turbulentnych. Mogą stanowić wstęp do wyznaczenia transmitancji oraz charakterystyk częstotliwościowych (amplitudowej i fazowej) rozpatrywanych przebiegów.
    The use of the autocorrelation function in the characterization of the fluid flow is presented in the paper. The pressure of the liquid in the given observation points was measured. Results were then compared with computational results of mathematical simulation. The function for two kinds of flow - the laminar and the turbulent - was analyzed. The autocorrelation function for turbulent flows vary in different observation points. There are significant differences in the frequency of the functions. The analysis of the autocorrelation function for laminar flow indicates that the autocorrelation function remains unchanged regardless of the chosen observation point. The constant frequency of the autocorrelation function, as well as the unchanging parameters of this function, regardless of the selected observation point, indicate that a flow is laminar. The issue in question can prove highly useful for analyzing flows which take place for the borderline Reynolds number. The results of the analysis presented in the paper indicate that the function might also find its use in the identification of turbulent flows. One may state that the presented methodology of the featuring the flow may prove useful for the analysis of the flows with the Reynolds number (Re) between 2000 and 4000. They may also serve as an introduction to the calculation of transfer function and the frequency functions (both amplitude and phase functions) of the analyzed flows.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 9, 9; 1028-1030
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wyznaczanie niepewności typu A pomiarów o skorelowanych rezultatach obserwacji
    Evaluation of the uncertainty type A of autocorrelated measurement observations
    Autorzy:
    Dorozhovets, M.
    Warsza, Z. L.
    Powiązania:
    https://bibliotekanauki.pl/articles/152484.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    niepewność typu A
    autokorelacja
    rozkład prawdopodobieństwa
    type A uncertainty
    autocorrelation
    random distribution
    Opis:
    Omówiono zasięg i ograniczenie zasad wyznaczania parametrów niepewności pomiarów wg zaleceń międzynarodowych zawartych w publikacji nazywanej akronimem GUM [1, 2]. Podano propozycję rozszerzenia zakresu stosowania obliczeń niepewności wyznaczanej metodą typu A obejmującą uwzględnienie w pomiarach wpływu skorelowania skorygowanych obserwacji. Polega ona na wprowadzeniu efektywnej liczby obserwacji. Jest ona mniejsza od rzeczywistej i oblicza się ją z funkcji autokorelacji. Proponowane rozszerzenie metody obliczeń niepewności typu A zilustrowano przykładem liczbowym zawierającym też jako poprzedzające operacje usunięcie trendu z "surowych" wartości obserwacji i sprawdzenie wybranego typu rozkładu.
    Principles of the estimation of uncertainty parameters introduced by the international guide named by acronym GUM [1] are given and their scope and limitations are discussed. Proposals of expanding the application range of the uncertainty evaluated by the type A method to the measurement in the case of correlated observations are presented. Effective number of observations is introduced, smaller then real one. It is calculated from the autocorrelation function of corrected observations. Proposed method has been illustrated by the numerical example included also as the beginning operations the linear trend elimination from uncorrected observation results and testing the chosed type of distribution.
    Źródło:
    Pomiary Automatyka Kontrola; 2007, R. 53, nr 2, 2; 20-24
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ braku znajomości a priori funkcji autokorelacji obserwacji na ocenę niepewności standardowej ich wartości średniej
    Influence of lack of a priori knowledge about autocorrelation functions of observations on estimation of their average value standard uncertainty
    Autorzy:
    Dorozhovets, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/151256.pdf
    Data publikacji:
    2009
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    niepewność standardowa
    obserwacje pomiarowe
    estymacja
    współczynnik autokorelacji
    standard uncertainty
    observations
    autocorrelation function
    Opis:
    W artykule przedstawione są problemy obliczenia standardowej niepewności wartości średniej arytmetycznej szeregu skorelowanych obserwacji pomiarowych związane z brakiem znajomości a priori ich funkcji autokorelacji. Wykazano, że wskutek istotnej statystycznej niestabilności estymowanej na podstawie zarejestrowanych obserwacji unormowanej funkcji autokorelacji obliczona standardowa niepewność wyniku pomiaru często może być mało wiarygodna. Omówione są kierunki zmniejszenia wpływu niedokładnego estymowania funkcji autokorelacji na wartość standardowej niepewności wartości średniej.
    In the paper there are presented some problems of estimating the standard uncertainty of the average value of the series of observations which correspond to the unknown a priori their autocorrelation function. It is proved that for proper evaluation of the average value standard uncertainty it is necessary to determine the effective number of the uncorrelated observations neff, which depends on the normalized autocorrelation function ρk. The formulas (3) and (7) used for calculating the standard uncertainty of the mean value for the a priori known and unknown standard deviation of autocorrelated observation are given. It is shown that the evaluation of autocorrelation coefficients rk based on the registered n observations is accompanied by their essential statistical instability within the range from approximately 20% (for the first coefficients rk, numbered k=1,2,3,..) to 96% (for the last coefficients, numbered k→n) for the number of observations n≈100 (Fig. 1a and Fig. 2). This instability in turn leads to the incor-rect determination of the effective number of observations (Figs. 3 and 4) and, as a result, provides the incorrect standard uncertainty of the measurement result. From Monte Carlo simulations one can draw a conclusion that in order to obtain in the first approach the stable neff, the number of summered members in formula (2) must be fewer than n/20÷n/30. In the summary some methods for decreasing the influence of inaccurate evaluation of the correlation function on the standard uncertainty mean value are described.
    Źródło:
    Pomiary Automatyka Kontrola; 2009, R. 55, nr 12, 12; 989-992
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Funkcja autokorelacji w analizie szerokopasmowych sygnałów krótkookresowych
    Autocorrelation function in wide band transient signals analysis
    Autorzy:
    Kiciński, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/152633.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    szumy krótkookresowe
    funkcja autokorelacji
    falka Malvara
    transient noise
    autocorrelation function
    Malvar wavelet
    Opis:
    Artykuł dotyczy analizy krótkookresowych sygnałów szerokopa-smowych, będących przejawem aktywności obiektów w środowisku podwodnym. Zaproponowany sposób detekcji sygnałów nie wymaga przyjęcia założeń o gaussowskim rozkładzie szumów środowiska pomiarowego. Jego istotą jest analiza ciągów próbek wartości chwilowej sygnału pomiarowego za pomocą falki Malvara, usunięcie redundantnych współczynników przekształcenia falkowego a następnie badanie charakteru zmienności funkcji autokorelacji współczynników falkowych.
    The problem of transient hydroacoustic signals detection has been considered. The presented method of transient detection differs from the methods discussed in literature, where gaussian probability distribution is usually assigned. The proposed procedure does not need any assumptions about probability distribution of ambient noise. This is very important, because the probability distribution of ambient noise in underwater environments is not gaussian, especially in coastal range. The presented method combines two powerful detection tools: the wavelet analysis and the analysis of the autocorrelation function curvature. The proposed algorithm uses the Malvar wavelet transformation and the procedure of signal denoising in wavelet coefficients space. The procedure of transient detection has been based on the properties of the autocorrelation function, which slowly goes to zero for noise with oscillatory ingredients and very quickly approaches zero for noise signals. The performance of the presented method has been illustrated on example of three real transient signals caused by air bubbles accompanying object activities in an underwater environment.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 8, 8; 897-900
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Badanie własności wybranej charakterystyki sygnału sinusoidalnego wyznaczanej na podstawie sześciu próbek sygnału
    Study of selected sinusoidal signal characteristic obtained from six signal samples
    Autorzy:
    Sienkowski, S.
    Krajewski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/158483.pdf
    Data publikacji:
    2014
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sześć próbkek sygnału
    funkcja autokorelacji
    wartość średniokwadratowa
    six signal samples
    autocorrelation function
    mean square estimator
    Opis:
    W artykule przedstawiono wyniki badania własności wybranej charakterystyki sygnału sinusoidalnego wyznaczanej na podstawie możliwie najmniejszej liczby próbek sygnału. Do badań zastosowano funkcję autokorelacji sygnału. Pokazano, że do wyznaczania wartości funkcji autokorelacji wystarczy sześć próbek sygnału oraz, że podczas obliczania wartości funkcji autokorelacji odpowiedni dobór parametrów sygnału powoduje wyeliminowanie skutków operacji kwantowania.
    This paper presents the results of a research of the selected sinusoidal signal characteristic obtained from the smallest possible number of the signal samples. Research was carried out using the autocorrelation function. It was shown that the values of the autocorrelation function can be determined on the basis of six signal samples. It was also shown that the appropriate selection of the signal parameters eliminates the effects of quantization. Chapter 1 provides basic information on the reasons for study of the autocorrelation function properties. In Chapter 2 the results of the theoretical study were presented. Th. 1 deals with the determination of the sinusoidal signal autocorrelation function and her estimator, when M >> 1, where M is the number of samples. Eq. (1) describes the relation between the number of samples and the delay times of the autocorrelation function. Eq. (3) presents the autocorrelation function estimator. In the second Theorem, it has been shown that, to determine the autocorrelation function values can be used only six sinusoidal signal samples. In the next part of Chapter 2 the third Theorem has been presented. It has been shown that if the initial phase of the signal is equal to (...)/2, then the effects of quantization are eliminated. In Chapter 3 the results of the experimental research were presented. Eq. (22) and (23) describes the mean of the mean square estimator obtained on the basis the autocorrelation function. In Fig. 1 the eq. (22) and (23) have been shown.
    Źródło:
    Pomiary Automatyka Kontrola; 2014, R. 60, nr 11, 11; 948-950
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie warunkowego uśredniania do wyznaczania interwału korelacji sygnału stochastycznego
    Application of conditional averaging to determination of correlation interval of stochastic signal
    Autorzy:
    Kowalczyk, A.
    Szlachta, A.
    Hanus, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/155990.pdf
    Data publikacji:
    2011
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sygnały przypadkowe
    interwał korelacji
    funkcja autokorelacji
    warunkowe uśrednianie
    random signals
    correlation interval
    autocorrelation function
    conditional averaging
    Opis:
    W pracy przedstawiono zastosowanie warunkowego uśredniania sygnału stochastycznego do wyznaczania interwału korelacji. Dla wybranych modeli sygnałów porównano wyniki badań teoretycznych i eksperymentalnych.
    The article presents the application of conditional averaging of stochastic signals to determination of correlation interval. For chosen models of signals the results of theoretical analysis are compared with results of experiments. The paper is divided into five sections. The first is a short introduction to the subject of the paper. Section 2 presents the definition and some examples of correlation intervals for typical form of autocorrelation functions (Fig. 1, Tab.1). Section 3 describes the use of conditional mean value to determination of correlation interval (Eq. 9) and statistical errors of estimation for this method (Eq. 10, Eq. 13). The results of experiments for random signals with Gaussian probability distribution and two typical form of autocorrelation function (Fig. 4) are given in Section 4. Section 5 summarizes the results and presents final remarks. The authors conclude that the method described in this paper may be applied to determination of correlation interval of stochastic signals, particularly for signals with non-oscillative form of autocorrelation function.
    Źródło:
    Pomiary Automatyka Kontrola; 2011, R. 57, nr 12, 12; 1555-1557
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Spatial characteristics of geometric deviations of free-form surfaces determined in coordinate measurements
    Charakterystyka przestrzenna odchyłek geometrycznych powierzchni swobodnych wyznaczanych w pomiarach współrzędnościowych
    Autorzy:
    Poniatowska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/152490.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    odchyłki geometryczne
    powierzchnia swobodna
    pomiary współrzędnościowe
    autokorelacja przestrzenna
    geometric deviations
    free-form surface
    coordinate measurements
    spatial autocorrelation
    Opis:
    Geometric deviations of free-form surfaces are determined as normal deviations of measurement points from the nominal surface. Different sources of errors in the manufacturing process result in deviations of different character, deterministic and random. Geometric deviations of 3D free-form surfaces may be treated as a spatial process, and spatial data analysis methods can be applied in order to conduct research on the relationships among them. The paper presents theoretic bases for testing spatial dependence of measurement data, as well as the results of tests on geometric deviations involving testing their spatial autocorrelation with the use of the Moran's I statistics.
    Pomiary współrzędnościowe są źródłem cyfrowych danych w postaci współrzędnych punktów pomiarowych o dyskretnym rozkładzie na mierzonej powierzchni. Odchyłki geometryczne powierzchni swobodnych wyznacza się w każdym punkcie jako odchyłki normalne tych punktów od powierzchni nominalnej (modelu CAD). Różne źródła błędów w procesie wytwarzania powodują powstawanie odchyłek o odmiennym charakterze, deterministycznych i losowych (rozdz. 2). Udział zjawisk losowych na powierzchni zależy od rodzaju obróbki. W artykule zaproponowano stosowanie metod analizy danych przestrzennych do badań losowości lokalnych odchyłek geometrycznych powierzchni swobodnych, polegających na testowaniu ich przestrzennych powiązań. W badaniach przestrzennej autokorelacji odchyłek powierzchni frezowanej wykorzystano statystykę I Morana (rozdz. 3). Wykrycie dodatniej korelacji przestrzennej dowodzi istnienia systematycznych błędów obróbki (rozdz. 4), charakter błędów pozwala na określenie ich przestrzennego modelu, a następnie eliminację przez usunięcie źródeł błędów czy korekcję programu obróbkowego.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 8, 8; 957-960
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie interwału korelacji do oceny niepewności standardowej średniej arytmetycznej danych skorelowanych
    Application of correlation interval to determination of standard uncertainty of arithmetic mean for correlated data
    Autorzy:
    Kowalczyk, A.
    Szlachta, A.
    Hanus, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/155964.pdf
    Data publikacji:
    2011
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sygnały przypadkowe
    funkcja autokorelacji
    interwał korelacji
    średnia arytmetyczna
    niepewność standardowa
    random signals
    autocorrelation function
    correlation interval
    arithmetic mean
    standard uncertainty
    Opis:
    W pracy zaproponowano wykorzystanie interwału korelacji do wyznaczania standardowej niepewności średniej arytmetycznej szeregu danych dodatnio skorelowanych. Dla wykładniczego modelu skorelowania danych porównano sposób oceny wpływu skorelowania za pomocą interwału korelacji i wartości funkcji autokorelacji.
    Correlation interval (CI) is frequently used in stochastic signals analysis. In this work the CI application to determination of standard uncertainty of arithmetic mean for correlated data is proposed. The results of theoretical analysis for Gaussian distributed data with exponential form of autocorrelation functions are given. The paper is divided into five sections. The first is a short introduction to the subject of the paper. Section 2 presents the definition and determination of CI (Eq. 1, Eq. 2) and its application to evaluation of the standard uncertainty of the arithmetic mean (Eq. 11). Section 3 describes the use of correlation interval to determination of the standard uncertainty of the arithmetic mean for data with exponential form of autocorrelation function. The results of experiments for random signals with Gaussian probability distribution are given in Section 4. Section 5 summarizes the results and presents final remarks. The authors conclude that the method described in this paper may be applied to determination of standard uncertainty of arithmetic mean for Gaussian positively correlated data.
    Źródło:
    Pomiary Automatyka Kontrola; 2011, R. 57, nr 12, 12; 1549-1551
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie funkcji autokorelacji i skwantowanych danych do obliczania wariancji estymatora wartości oczekiwanej sygnału
    Use of autocorrelation function and quantized data for determining the variance of the expected signal value estimator
    Autorzy:
    Kawecka, E.
    Sienkowski, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/158051.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    wartość oczekiwana
    obciążenie
    wariancja
    funkcja autokorelacji
    kwantowanie
    przetwornik A/C
    excepted value
    bias
    variance
    autocorrelation function
    quantization
    A/D converter
    Opis:
    Celem pracy jest wyznaczenie rzeczywistej wariancji wartości oczekiwanej skwantowanego sygnału i porównanie takiej wariancji z estymatorami tej wielkości obliczanymi metodą klasyczną oraz na podstawie funkcji autokorelacji. W pracy zdefiniowano postać estymatora wartości oczekiwanej sygnału. Na tej podstawie wyznaczono jego wariancję. Do badań zastosowano skwantowane próbki sygnału oraz momenty zmiennej losowej. Założono, że próbki sygnału zostały skwantowane w przetworniku analogowo-cyfrowym (A-C) typu zaokrąglającego o idealnej charakterystyce kwantowania. W charakterze przykładu przedstawiono wyniki obliczeń wariancji dla sygnału sinusoidalnego, sygnałów losowych o rozkładach: równomiernym oraz Gaussa.
    In the paper there is presented a way of determining the variance of the expected value estimator based on the signal autocorrelation function. The expected signal value estimator is defined and the estimator variance is determined. For investigations there were used quantized samples of signal and moments of random variable. There was assumed that the signal was sampled by an ideal AC round-off converter. As an example there are given the results of variance calculations for sinusoidal, Gaussian and uniform PDF (Probability Density Function) signals. The paper is divided into three paragraphs. Paragraph 1 comprises a brief introduction to the research problems. There is given a definition of the expected signal value estimator, calculated on the basis of quantized data (Eq. 2). There are defined the initial conditions allowing calculation of the estimator characteristics. In Paragraph 2 the variance (Eq. 3) of the estimator (Eq. 2) calculated on the basis of moments (Eq. 7) and the autocorrelation function (Eq. 8) are determined. There are also presented the definitions of variance estimators of the expected signal value estimator calculated with use of the classic method (Eq. 11) and autocorrelation function (Eq. 12). Because both estimators have bias, there are given definitions (Eq. 14, 15) for the case when only quantization has an influence on the variance bias. In subparagraphs 2.1 - 2.3 there are presented exemplary results of calculating the variance (Eq. 3) of the estimator (Eq. 2) for the examined signals. For each signal a definition of the characteristic function (Eq. 16, 19, 22) is given. On the basis of the characteristic function definitions, the detailed formulas (Eq. 17, 20, 23) calculated from the random variable moments are derived. (Fig. 1-3) shows charts of the variance. There are defined the formulas (Eq. 18, 21, 24) allowing calculations of the mean square error. Exemplary results are given in Tables 1 and 2. The investigation results are summarized in Paragraph 3. They show that the accuracy of calculation results of the expected signal value estimator variance obtained with use of the classic method and those from the autocorrelation function is the same.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 10, 10; 1119-1122
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Generowanie sygnałów stochastycznych o zadanych charakterystykach statystycznych w badaniach metod estymacji czasu opóźnienia
    Random signal generating of given statistical parameters applied for the evaluation of time delay estimation methods
    Autorzy:
    Hanus, R.
    Szlachta, A.
    Kowalczyk, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/151251.pdf
    Data publikacji:
    2011
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sygnały przypadkowe
    funkcja autokorelacji
    cyfrowe generowanie szumów
    pomiary opóźnień czasowych
    random signals
    autocorrelation function
    digital noise generation
    time delay measurement
    Opis:
    W artykule omówiono algorytmy modelowania wzajemnie opóźnionych stacjonarnych sygnałów stochastycznych o rozkładach normalnych i zadanych kształtach funkcji autokorelacji. Przedstawiono stanowisko laboratoryjne umożliwiające fizyczne generowanie takich przebiegów oraz analizę przetwarzanych sygnałów. Przedstawione modele sygnałów i stanowisko mogą znaleźć zastosowanie np. w badaniach statystycznych metod pomiaru opóźnienia oraz przyrządów pracujących w oparciu o te metody.
    Random signals are an important topic in DSP. They are often required to test the performance of algorithms that must work with stochastic signals or in the presence of noise. The paper presents algorithms for modeling of mutual delayed stationary random signals with given statistical parameters: Gaussian (normal) probability density, typically form of autocorrelation function (ACF) and specified signal-to-noise ratio (SNR). The paper is divided into five sections. The first is a short introduction to the subject of the paper. Section 2 presents the typical model of random signals (Eq. 1) obtained from two sensors in measurement of time delay (e.f. in two-phase flow evaluation). In section 3 the discrete model algorithms of signal with normal probability density function and specified ACF are presented (Eq. 2-4, Tab. 1, Fig. 1). The models can be applied to simulation of both: useful stochastic signal and distortion. Section 4 describes a laboratory stand for generation of voltage random signals based on models described above, and for acquisition and analysis of real signals obtained from sensors (Fig. 2,3). The laboratory stand consists of two generators, digital oscill-oscope and PC with DAQ NI-6143 simultaneous sampling card, GPIB card, and software. The control application is described in LabVIEW environment. Section 5 summarizes the results and presents final remarks. The authors conclude that the models of signals and laboratory stand may be applied to evaluation of statistical method and systems for time delay measurements of stochastic signals.
    Źródło:
    Pomiary Automatyka Kontrola; 2011, R. 57, nr 2, 2; 172-174
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Niepewność typu A pomiaru o obserwacjach samoskorelowanych
    Uncertainty of type A of the measurement with auto-correlated observations
    Autorzy:
    Warsza, Z. L.
    Zięba, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/157535.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    teoria pomiaru
    menzurand
    niepewność
    autokorelacja
    efektywna liczba obserwacji
    efektywna liczba stopni swobody
    measurement theory
    measurand
    uncertainty
    autocorrelation
    effective number of observations
    effective degree of freedom
    Opis:
    Omówiono ograniczenia zalecanej w Przewodniku GUM metody wyznaczania niepewności pomiarów typu A. Opisano rozszerzenie jej na pomiary o równomiernym próbkowaniu menzurandu z uwzględnieniem wpływu funkcji autokorelacji wartości obserwacji. Przedstawiono poprzedzającą niezbędną identyfikację i usunięcie składowych regularnie zmiennych z surowych danych pomiarowych. Podano wzory dla równoważnej, tzw. efektywnej liczby nieskorelowanych obserwacji ηeff, zależnej od funkcji autokorelacji ρk próbki. Umożliwia ona poprawne wyznaczenie niepewności pomiarów według dotychczasowej procedury GUM. Omówiono sposób oszacowania estymaty funkcji autokorelacji τk z danych pomiarowych. Rozważania zilustrowano przykładami liczbowymi.
    Expanding of the application range of the present formalism of GUM to the case of regularly sampled mutually correlated observations is proposed. First, the obvious previous identification and cleaning of the raw sample data from regularly variable components is discussed briefly. The formulae for standard deviation and standard deviation of the mean are expressed with the use of the so-called effective number of observation ηeff. This quantity depends of real number of observation n and elements of the autocorrelation function ρk. The another parameter named effective degree of freedom νeff describes the dispersion of both estimators of standard deviation and can be used to calculate the expanded uncertainty. We also show how to adopt this formalism if only an estimate τk of the ACF derived from a sample is available. A novel method is introduced based on truncation of the τk function at the point of its first transit through zero (FTZ). This method can be applied to non-negative ACFs which occurs most often in practice. Considerations are illustrated by the numerical example.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 2, 2; 157-162
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ sygnału ditherowego o rozkładzie równomiernym na dokładność estymacji funkcji autokorelacji
    The influence of uniformly distributed dither on the accuracy of autocorrelation function estimation
    Autorzy:
    Kawecka, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/152627.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    cyfrowe estymatory funkcji autokorelacji
    przetwarzanie a-c z ditherem
    dither o rozkładzie równomiernym
    digital estimators of autocorrelation functions
    A/C conversion with dither
    uniformly distributed dither
    Opis:
    Przedstawiono twierdzenia Widrowa i warunki odtwarzalności dla kwantowania. Dokonano analizy błędu obciążenia estymatora funkcji autokorelacji spowodowanego niespełnieniem warunków odtwarzalności dla kwantowania. Szczególną uwagę poświęcono sygnałowi harmonicznemu z ditherem o rozkładzie równomiernym. W artykule zaprezentowano oraz porównano wyniki badań wykonanych w programie Mathcad oraz wyniki badań symulacyjnych wykonanych z użyciem wirtualnego korelatora.
    The quantizing theorems of Widrow and quantizing reconstruction conditions for the estimation of the autocorrelation function are presented. An analysis of the bias error of the autocorrelation function estimator, caused by non-satisfied quantizing reconstruction conditions, is carried out. Special attention is devoted to the harmonic signal with uniformly distributed dither. In this article some preliminary research results are presented and discussed. A comparison of bias of the autocorrelation function estimator modeled in Mathcad (Eq. 16, 17) and obtained of virtual correlator model (Eq. 21) is carried out.
    Źródło:
    Pomiary Automatyka Kontrola; 2007, R. 53, nr 5, 5; 45-47
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-15 z 15

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies