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 "Bias" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    A static calibration of mems 3-axis accelerometer using a genetic algorithm
    Autorzy:
    Marinov, Marin
    Petrov, Zhivo
    Powiązania:
    https://bibliotekanauki.pl/articles/198726.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    MEMS accelerometers
    calibration
    bias
    genetic algorithm
    akcelerometr MEMS
    kalibracja
    obciążenie
    algorytm genetyczny
    Opis:
    In this paper, a procedure for MEMS accelerometer static calibration using a genetic algorithm, considering non-orthogonality was presented. The results of simulations and real accelerometer calibration are obtained showing high accuracy of parameters estimation.
    Źródło:
    Zeszyty Naukowe. Transport / Politechnika Śląska; 2019, 105; 157-168
    0209-3324
    2450-1549
    Pojawia się w:
    Zeszyty Naukowe. Transport / Politechnika Śląska
    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 1-5 z 5

      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