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 1-11 z 11
    Tytuł:
    Application of the combinatorial sequencing theory for innovative coded design of signals
    Użycie teorii sekwencji kombinatorycznych w innowacyjnym konstruowaniu kodów
    Autorzy:
    Riznyk, W.
    Meckien, G.
    Powiązania:
    https://bibliotekanauki.pl/articles/194120.pdf
    Data publikacji:
    2010
    Wydawca:
    Politechnika Bydgoska im. Jana i Jędrzeja Śniadeckich. Wydawnictwo PB
    Tematy:
    sygnał
    kod
    funkcja autokorelacji
    optymalizacja
    signal
    code
    autocorrelation function
    Opis:
    The paper deals with coded design of signals of remarkable correlation quality or minimizing of codes with respect to correlation function owing to the best spatially distributed impulses of coded signals. The method based on application of remarkable properties of particular combinatorial structures called "Gold Numerical Rings" (GNR)s, provided to simplify finding the optimal variants for synthesis of the signals is described. Method for coded design of the signals using GNRs, can be well applied in electronic engineering, control systems, telecommunications and radio-engineering.
    Referat dotyczy konstruowania sygnałów o dobrej jakości korelacyjnej lub kodów minimalizowanych według funkcji autokorelacji poprzez jak najlepsze rozmieszczenie kolejności impulsów kodowanych sygnałów w przestrzeni. Opisana metoda bazuje na szczególnych właściwościach pewnych rodzajów struktur kombinatorycznych, zwanych "Złotymi Pierścieniami Liczbowymi" (ZPL), pozwalających uprościć poszukiwanie optymalnych wariantów syntezy takich sygnałów. Metoda konstruowania sygnałów za pomocą ZPL może być z powodzeniem stosowana w energoelektronice, układach sterowania, telekomunikacji i radio-inżynierii.
    Źródło:
    Zeszyty Naukowe. Elektrotechnika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy; 2010, 15; 43-51
    0209-0570
    Pojawia się w:
    Zeszyty Naukowe. Elektrotechnika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy
    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:
    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:
    On the statistical analysis of the harmonic signal autocorrelation function
    Autorzy:
    Sienkowski, Sergiusz
    Krajewski, Mariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/2055177.pdf
    Data publikacji:
    2021
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    harmonic signal
    autocorrelation function
    mean squared error
    sygnał harmoniczny
    funkcja autokorelacji
    błąd średniokwadratowy
    Opis:
    The article presents new tools for investigating the statistical properties of the harmonic signal autocorrelation function (ACF). These tools enable identification of the ACF estimator errors in measurements in which the triggering of the measurements is non-synchronized. This is important because in many measurement situations the initial phase of the measured signal is random. The developed tools enable testing the ACF estimator of a harmonic signal in the presence of Gaussian noise. These are the formulas on the basis of which the statistical properties of the estimator can be determined, including the bias, the variance and the mean squared error (MSE). For comparison, the article also presents the ACF statistical analysis tools used in the conditions of synchronized measurement triggering, known from the literature. Operation of the new tools is verified by simulation and experimental studies. The conducted research shows that differences between the MSE results obtained with the use of the developed formulas and those attained from simulations and experimental tests are not greater than 1 dB.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2021, 31, 4; 729--744
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Stanowisko dydaktyczne do badania drgań silnika
    Didactic stand for testing engine vibrations
    Autorzy:
    Kasprzak, D.
    Mrowiec, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/267497.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
    Tematy:
    czujnik drgań
    funkcja autokorelacji
    badanie jakościowe
    sensor of vibration
    autocorrelation function
    qualitative studies
    Opis:
    W artykule przedstawiono analizę przydatności funkcji autokorelacji do określenia charakteru drgań mechanicznych. W badanym stanowisku wykorzystano silnik z masą wirującą, do której istnieje możliwość dołożenia masy niewyważenia (w zakresie 4,9 g … 14,9 g) powodującej dodatkowe wymuszające drgania układu. Do rejestracji przemieszczeń w ruchu drgającym wykorzystano trzy czujniki typu 801s. W opracowaniu uwzględniono drgania silnika z masą wirującą w czterech wariantach zamontowania silnika na masywnej podstawie. Uzyskane przebiegi, ze względu na nieskalibrowanie czujników, nie pozwalają na przeprowadzenie ilościowej analizy drgań. Można natomiast określić jakościowo, w którym z czterech przypadków drgania są najmniejsze i jak przebiega ich proces tłumienia. Do określenia charakteru drgań, autorzy proponują wykorzystać funkcje autokorelacji. W artykule przedstawiono wyniki dla masy niewyważenia 14,9 g, określając kiedy drgania mają charakter losowy, a kiedy okresowy.
    The article presents an analysis of the usefulness of the autocorrelation function in determining the characteristics of mechanical vibrations, mainly for didactic purposes. The analysed station uses an engine with a rotating mass (a flywheel installed on a motor shaft) to which a mass of unbalance (between 4.9 g and 14.9 g) can be added (on a radius of R=35 mm), which causes additional driving oscillation of the system. Used as identifiers of displacement in vibrating motion were three 801S sensors with an analog output, connected to a NI USB-6009 measurement and data-logging device. The study features measurements of engine vibrations with a rotating mass for four variations of the installation of the engine to the base: directly (no damping), through spring dampers, through rubber dampers, through a system of rubber and spring dampers The measured characteristics – functions of displacement in time – due to uncalibrated sensors, do not enable quantitative analysis of the vibrations. However, it can be qualitatively determined, in which of the cases the vibrations are smallest and how their damping process takes place. This is done through comparison of displacement amplitudes. Because the achieved characteristics do not allow the identification of the nature of the vibrations, the authors propose the use of autocorrelation function for this purpose. The study presents an analysis of results measured for the mass of unbalance of 14.9 g and specifies which variations of engine installation result in random vibrations and which in periodic vibrations.
    Źródło:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2018, 59; 83-86
    1425-5766
    2353-1290
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
    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:
    The influence of window size of autocorrelation function on fetal heart rate variability measurement using the Doppler ultrasound signal
    Autorzy:
    Roj, D.
    Fuchs, T.
    Przybyła, T.
    Jeżewski, M.
    Matonia, A.
    Gacek, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/333477.pdf
    Data publikacji:
    2008
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    monitoring płodu
    tętno płodu
    USG Dopplera
    funkcja autokorelacji
    fetal monitoring
    fetal heart rate
    Doppler ultrasound
    autocorrelation function
    Opis:
    Commonly used noninvasive fetal monitoring is based on fetal heart rate (FHR) variability analysis of the Doppler ultrasound signal coming from the mechanical activity of the fetal heart. Estimation of periodicity of acquired signals using the autocorrelation technique is very important. The determination of cardiac intervals using the Doppler signal is more difficult than in electrocardiography, where the R-waves are evident. We investigated the influence of the autocorrelation window size on the FHR variability analysis. The indices describing the FHR variability calculated for signals obtained using two different autocorrelation techniques with various window lengths were compared with the reference ones obtained from fetal electrocardiogram. The optimal window was a compromise between artifacts resistance and the averaging level of instantaneous variability.
    Źródło:
    Journal of Medical Informatics & Technologies; 2008, 12; 111-116
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    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
      Wyświetlanie 1-11 z 11

      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