Informacja

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

Wyszukujesz frazę "wariancja" wg kryterium: Temat


Wyświetlanie 1-8 z 8
Tytuł:
Sprzętowa implementacja reprezentacji "wartość średnia-wariancja"
Hardware implementation of representation of value mean-variance
Autorzy:
Nermend, K.
Powiązania:
https://bibliotekanauki.pl/articles/155582.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
wartość średnia-wariancja
przeciążenie operatorów
value mean-variance
overriding operators
Opis:
W artykule przedstawiono reprezentację "wartość średnia-wariancja". Pokazano przykładowy sposób wyprowadzania formuł w zwykłych systemach liczbowych ze wzorów zapisanych w reprezentacji wartość średnia-wariancja oraz porównano dwa sposoby implementacji sprzętowej omawianej reprezentacji.
In this paper the representation of mean-variance has been presented. Exemplary way of bringing out formulas in common numerical systems from expressions of representation of value mean-variance has been demonstrated. Two ways of hardware implementation of representation of value mean-variance have been compared.
Źródło:
Pomiary Automatyka Kontrola; 2007, R. 53, nr 7, 7; 126-127
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wyznaczanie okresu sygnałów dyskretnych na podstawie wartości średniej
Pitch detection of discrete signals based on the mean value
Autorzy:
Siwoń, C.
Powiązania:
https://bibliotekanauki.pl/articles/153318.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
wyznaczanie okresu
wartość średnia
wariancja
prędkość obrotowa
pitch detection
period measurement
mean value
variance
Opis:
Wyznaczanie okresu sygnału dyskretnego jest stosowane w wielu dziedzinach takich jak wibroakustyka, akustyka czy analiza mowy. Stosunkowo rzadko spotyka się zastosowanie tych metod w technice pomiarowej czy elektrotechnice, zapewne ze względu na istniejące i w pełni sprawdzone metody. W artykule przedstawiono propozycję nowej metody bazującej na wartości średniej sygnału okresowego. Zamieszczono również przykładowe wykorzystanie metody do pomiaru prędkości obrotowej silnika na podstawie przebiegu napięcia zasilającego.
Pitch detection is widely used in many domains such as vibroacoustic, speech analysis [1, 3, 4, 5]. This paper describes a new method for pitch detection based on the period mean value. The presented algorithm uses a given number of integrators (Fig. 1) integrating a shifted signal. The output values of the integrators are proportional to the signal mean value if these values are equal to each other. In this case the period is equal to the integration window size. The variance was used in order to detect "equality" of the output values of the integrators. The variance waveform is presented in logarithmic scale to enlarge the range of low values. The first derivative of the logarithmic variance signal was determined. The zero-crossing points (Fig. 3), in which the derivate crosses the x-axis going from negative to positive, correspond to the minima of the variance signal. The location of the first zero-crossing point, which satisfies the conditions presented in Section 5, determines estimation of the period and pitch. An example of application (measurement for rotation speed) of the proposed method to measurements of rotation speed is given.
Źródło:
Pomiary Automatyka Kontrola; 2010, R. 56, nr 12, 12; 1406-1408
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ocena wariancji wyniku cyfrowej filtracji uśredniającej
Variance evaluation of the result of averaging digital filtration
Autorzy:
Domańska, A.
Powiązania:
https://bibliotekanauki.pl/articles/154915.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
ruchoma średnia
uśrednianie koherentne
wariancja średniej
skorelowane dane
moving average
cumulating average
variance of average
correlated data
Opis:
Artykuł dotyczy cyfrowego uśredniania metodą ruchomej średniej oraz metodą z kumulacją, stosowanego w celu eliminacji lub redukcji losowego składnika stanowiącego zakłócenie wielkości deterministycznej. Podano zależność określającą wariancję wyniku uśredniania każdą z metod, co umożliwia ocenę jego niepewności. Odmienna specyfika metod przekłada się na odmienną postać zależności określającej wariancję i odmienne warunki, przy których można osiągać ekstremalny zysk z uśredniania.
The paper concerns digital averaging performed with the use of the moving average method and the cumulative method. This type of averaging is applied in order to eliminate or reduce the random component, being a disturbance of the deterministic quantity. Moreover, the paper presents the dependence determining the variance of the averaging result with the use of each of these methods, which makes it possible to estimate the uncertainty of the result. A different character of each of the methods implies a different form of the dependence determining the variance as well as different conditions with which an extreme profit can be achieved on the averaging. MAV and CAV are digital averaging algorithms of the value of dependent from the time (signals). The algorithm MAV is fitted for averaging of aperiodic and periodic signals. The algorithm CAV is fitted for averaging of periodic signals or repeatable signals at multiples to their gaining. The filtration MAV influences reductively on the variance of the noise and on the variance of the primary signal, however CAV reduces only the variance of the noise, not changing the variance of the primary signal. The use of the filtration MAV and CAV promotes better repeatability of results, if are estimated from samples of the average signal. Both algorithms are realizations of digital filters of the type FIR. In the case MAV this is the single low-pass filter. In the case CAV this is "the group" of simultaneously working low-pass filters - every in length equal of numerous of the collection of the repetition and filters is as many as of samples counts the single repetition. Fundamental difference between MAV and CAV consists in the manner of the choice of the collection of samples (undergo averaging) for the purpose of the determination of the single value of the average signal. In MAV this are adjacent samples from the single registration of the signal. In CAV this are the cophasal samples, every from other repetition. In the case of the averaging filtration of signals periodic or repeatable is more effective the algorithm CAV. However it is more time-consuming than the algorithm MAV.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 9, 9; 750-753
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie wariancji Allana do badania zmienności rytmu serca
Application of Allan variance to research of heart rate variability
Autorzy:
Bołtrukiewicz, M.
Powiązania:
https://bibliotekanauki.pl/articles/156038.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
zmienność rytmu serca
wariancja Allana
częstotliwość zatokowego rytmu serca
heart rate variability
modified Allan variance
frequency of heart rhythm
Opis:
Zmienność rytmu serca jest powszechnie występującym zjawiskiem fizjologicznym. Do jego parametryzacji wykorzystuje się typowe wielkości statystyczne, do których należy wartość średnia i odchylenie standardowe. W pracy zaproponowano wykorzystanie do jej oceny wariancji Allana, która jest użyteczna w ocenie jakości oscylatorów elektronicznych. Zaprezentowano adaptację metody obliczeniowej wariancji Allana, którą dostosowano do specyfiki badanego sygnału oraz wyniki uzyskane dla trzech 10-minutowych przebiegów akcji serca.
The heart rate variability - HRV, is a general physiological phenomenon. The analysis of HRV is a simple and noninvasive clinical examination of heart and autonomic nervous system. In the time domain the periods of electrocardiographic signal (ECG) or photoplethysmographic signal (PPG) are detected. Next, typical statistical parameters such as e.g. the average value, the standard deviation of these periods are calculated. The Allan variance is a recommended measure of instability of oscillators. The human heart is an oscillator too, so the Allan variance has been proposed to evaluate its rhythm variability. The procedure of calculation of the Allan variance has been modified, because the fundamental frequency of the heart rhythm is unknown. This modification is described by Eqs. 1 - 5, and shown in Fig. 1. In the experiments the PPG signal has been used. The histograms of the heart rhythm periods are presented in Fig. 2. The obtained values of the heart rhythm Allan variance are shown in Fig. 3. The obtained results enable identification of the kind of a noise component occurring in the heart rhythm.
Źródło:
Pomiary Automatyka Kontrola; 2011, R. 57, nr 12, 12; 1486-1488
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Estymacja punktowa cyfrowego estymatora wartości średniej sygnałów przypadkowych
Point estimation of the mean value digital estimator of random signals
Autorzy:
Sienkowski, S.
Kawecka, E.
Powiązania:
https://bibliotekanauki.pl/articles/154292.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
cyfrowy estymator wartości średniej
wartość oczekiwana
obciążenie
wariancja estymatora
mean value digital estimator
expected value
bias
estimator's ariance
Opis:
Artykuł przedstawia problematykę obliczania wartości oczekiwanej, obciążenia i wariancji cyfrowego estymatora wartości średniej sygnałów przypadkowych. W rzeczywistych sytuacjach pomiarowych estymacja obciążenia i wariancji, wymaga najczęściej wielokrotnego powtarzania eksperymentu pomiarowego. Nie są przy tym sformułowane kryteria dotyczące dokładności prowadzonych oszacowań. Zaprezentowane w pracy wzory omijają problem niejednoznaczności oszacowań i umożliwiają, na podstawie momentów, obliczenie obciążenia i wariancji cyfrowego estymatora wartości średniej sygnałów.
In the paper there is discussed a problem of estimation of the expected value, bias and variance of the mean value digital estimator of random signals. In real measurement tasks the estimation of the variance and bias values requires numerous repetitions of measurement experiments. Moreover, there are no clear criteria of the estimation accuracy. The equations formulated in this paper allow avoiding the problem of the estimation uncertainty and calculating the bias and variance of the digital estimator of the mean value signals basing on the so called moments. The paper is divided into 4 sections. Section 1 contains a short introduction to the issues of this paper. In Section 2 there is given a definition of the digital estimator of the mean value signal. The estimator's expected value is calculated - Eq. (2). On the basis of Eq. (2), the bias caused by quantization is given by Eq. (4). The variance is described by Eq. (7), while the mean square error by Eq. (8). It allows evaluating the consistency estimator. The variance of the mean value Eq. (13) is determined basing on the Widrow theory of quantization Eq. (10-12). In the next section there is presented an example of determining the bias - Eq. (17) and variance Eq. (20) of the mean value digital estimator of a Gaussian signal. The characteristic function of the Gaussian signal is given by Eq. (15). Table 1 presents the result of calculating the mean value variance for varying signal amplitude and increasing A/D resolution. Section 4 summarizes the investigations and presents some concluding remarks. There are discussed applications of the obtained expressions to evaluation of the measurement result uncertainty of the most important signal parameters.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 7, 7; 441-443
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:
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:
Ocena wpływu kwantowania na niepewność estymatora wartości oczekiwanej sygnału
Evaluation of quantization influence on the signal mean value estimator uncertainty
Autorzy:
Sienkowski, S.
Powiązania:
https://bibliotekanauki.pl/articles/153044.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
estymator wartości oczekiwanej
wariancja
obciążenie
niepewność
przetwornik A/C
mean value estimator
expected value
variance
bias
uncertainty
A/D converter
Opis:
Artykuł dotyczy problematyki oceny wpływu kwantowania na niepewność estymatora wartości oczekiwanej sygnału. Zdefiniowano postacie estymatorów wartości oczekiwanej oraz wariancji tego parametru. Wyznaczono obciążenia estymatorów. Oceniono wpływ kwantowania na niepewność estymatora wartości oczekiwanej. Do badań zastosowano skwantowane próbki sygnału oraz momenty zmiennej losowej. Konwersja sygnału przeprowadzono z zastosowaniem kwantyzatora typu zaokrąglającego o idealnej charakterystyce kwantowania.
The paper deals with the problem of evaluation of quantization influence on the signal mean value estimator uncertainty on the basis of digital measuring data. In order to evaluate the uncertainty ,there have been used the quantized samples and moments of a random variable as well as the Widrow theory of quantization. The round-off quantizer of the ideal quantizing characteristic has been applied. The paper is divided into four sections. In the first section there is given Eq. (2) describing the mean value estimator obtained from the quantized data. In the second section the bias of the mean value estimator is described by Eq. (5) and shown in Fig.1. The mean value estimator (2) with and without bias (5) is shown in Fig.2. The mean value estimator variance is given by Eq. (6) and shown in Fig.3. In the next section there are presented Eqs. (21)-(23) describing the quantization influence on the mean value estimator uncertainty obtained from the moments and quantized data. The quantization influence on the mean value estimator uncertainty is studied in two independent cases, with and without bias, and shown in Fig.6. It has been shown that for a sinusoidal signal Eq. (21) is a suppressed oscillating function of the amplitude. Moreover, it has been proved that by increasing the sample size Eqs. (22) and (23) can be brought to 1. In the last section the results of investigations are summarized.
Źródło:
Pomiary Automatyka Kontrola; 2010, R. 56, nr 11, 11; 1311-1314
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-8 z 8

    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