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 "Sienkowski, S." wg kryterium: Autor

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 16
Tytuł:
Sprawdzanie dokładności szacowania wartości oczekiwanej metodą Monte Carlo
Verification of accuracy of mean value estimation using Monte Carlo method
Autorzy:
Sienkowski, S.
Powiązania:
https://bibliotekanauki.pl/articles/156845.pdf
Data publikacji:
2014
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
metoda Monte Carlo
wartość oczekiwana
rozkład Gaussa
Monte Carlo method
mean value
Gaussian distribution
Opis:
Przedmiotem badań jest estymator wartości oczekiwanej. Sprawdzano dokładność estymacji wartości oczekiwanej w sytuacji, gdy estymator obliczany jest na podstawie danych z rozkładu Gaussa. Sprawdzanie dokładności estymacji wykonano z zastosowaniem metody Monte Carlo.
The subject of the research is the mean value estimator. The estimator is determined based on data obtained from a Gaussian distribution. The accuracy of the mean value estimator was examined using the Monte Carlo method. Chapter 1 provides basic information on the reasons for use the Monte Carlo method. In Chapter 2 the basic definitions were presented. Eq. (1) describes the expected value of the random variable. Eq. (3) presents the mean value estimator. Eq. (4) it is the error of the estimator (3). In the next part of Chapter 2 the mean value estimator for Gaussian distribution was presented (eq. 6). Eq. (7) describes the error of the mean value estimator (6). Next equation describes coverage factor for Gaussian distribution. In the next part of the paper the Monte Carlo methods were presented. In this article the Crude and Hit-or-Miss Monte Carlo methods have been used. Eq. (13) presents the mean value estimator obtained using the Crude Monte Carlo method. Eq. (14) describes the error of the estimator. Eq. (15) presents the mean value estimator obtained using the Hit-or-Miss Monte Carlo method. Eq. (16) it is the error of the estimator. In Fig. 1 the errors (4), (14) and (16) have been shown. Tab. 1 presents the errors obtained in Matlab, MatCAD and LabWINDOWS. The researches have been summarized in Chapter 3.
Źródło:
Pomiary Automatyka Kontrola; 2014, R. 60, nr 11, 11; 945- 947
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Uogólniony model błędu kwantowania w pomiarze wartości skutecznej sygnałów
Generalized model of quantization error in measurement of signal RMS value
Autorzy:
Sienkowski, S.
Powiązania:
https://bibliotekanauki.pl/articles/152006.pdf
Data publikacji:
2008
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
błąd wynikający z kwantowania w pomiarze wartości skutecznej
bias of the RMS value estimator
Opis:
Z zastosowaniem teorii kwantowania Widrowa opracowano wynikający z kwantowania model błędu w pomiarze wartości skutecznej sygnałów. Na podstawie opracowanego modelu zbadano wpływ kwantowania na dokładność estymacji wartości skutecznej. W artykule przedstawiono wyniki analiz wpływu kwantowania na dokładność estymacji wartości skutecznej sygnału sinusoidalnego, sygnałów losowych o rozkładach gaussowskim, równomiernym i trójkątnym oraz wybrane kombinacje tych sygnałów.
The model of the bias of the root mean square (RMS) value estimator was worked out with applying the Widrow theory of quantization. The influence of quantizing on the accuracy of the RMS value estimator was studied on the basis of this model. The main subjects of the research were: sinusoidal signal, Gaussian signal, uniformly distributed signal, triangular probability density function (PDF) signal and selected combinations of the studied signals. In the first paragraph Eq. (6) and (7) describing the RMS value estimator bias are presented. The bias of the RMS value estimator is given by Eq. (6). The normalized bias is given by Eq. (7). In the next paragraph the Eq. of the PDFs and the characteristic functions for deterministic and random signals are given. In the second para-graph the process of bias estimation in the RMS value measurements caused by quantization is described. The normalized biases of the RMS value estimator of selected random signals are given by Eq. (10), (14), (18) and shown in Fig. 1. The normalized biases of the RMS value estimators of sinusoidal signal with random signals are given by (21) and shown in Fig. 2.
Źródło:
Pomiary Automatyka Kontrola; 2008, R. 54, nr 6, 6; 340-342
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
Tytuł:
Wspomagana komputerowo analiza obciążenia estymatora wartości średniokwadratowej sygnału sinusoidalnego
Computer analysis of bias of the mean square value estimator for sinusoidal signal
Autorzy:
Sienkowski, S.
Powiązania:
https://bibliotekanauki.pl/articles/158363.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
wartość średniokwadratowa
obciążenie estymatora wartości średniokwadratowej
mean square value
bias of the mean square value estimator
Opis:
W referacie przedstawiono przykłady wspomaganych komputerowo obliczeń obciążenia estymatorów wartości średniokwadratowej otrzymanych metodą bezpośrednią i na podstawie widma amplitudowego.
This paper presents computer calculations of bias of the mean square value estimators calculated by the direct method and on the basis of the amplitude spectrum.
Źródło:
Pomiary Automatyka Kontrola; 2007, R. 53, nr 9 bis, 9 bis; 97-100
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Komputerowe wspomaganie obliczania niepewności pomiaru
Computer calculation of uncertainty of measurement
Autorzy:
Sienkowski, S.
Powiązania:
https://bibliotekanauki.pl/articles/156152.pdf
Data publikacji:
2005
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
wspomaganie komputerowe
obliczanie niepewności pomiaru
computer calculation
uncertainty of measurement
Opis:
Opracowany został program komputerowy wspomagający obliczanie niepewności pomiaru z zastosowaniem współczynników rozszerzania wyznaczanych na podstawie splotów rozkładów prawdopodobieństwa. W artykule przedstawiono przykłady obliczeń niepewności pomiaru różnych wielkości elektrycznych i nieelektyrycznych, wykonanych metodami bezpośrednimi i pośrednimi. Szczególną uwagę poświęcono opracowaniu i optymalizacji algorytmów umożliwiających szybkie i dokładne obliczanie współczynników rozszerzenia.
A computer program has been designed which within an acceptable time computes measurement uncertainty with the use of coverage factors determined on the basis of selected convolutions of probability distributions. In the article has been presented examoles of the computing the uncertainty of real measurements of various electrical and non-electrical quantities carried out by direct and indirect method. Particular attention has been devoted to the designing and optimization of algorithms enabling fast and accurate computation of coverage factors.
Źródło:
Pomiary Automatyka Kontrola; 2005, R. 51, nr 2, 2; 32-35
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Estimation of random variable distribution parameters by the monte carlo method
Autorzy:
Sienkowski, S.
Powiązania:
https://bibliotekanauki.pl/articles/220507.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
Monte Carlo method
mean
mean square
variance
Opis:
The paper is concerned with issues of the estimation of random variable distribution parameters by the Monte Carlo method. Such quantities can correspond to statistical parameters computed based on the data obtained in typical measurement situations. The subject of the research is the mean, the mean square and the variance of random variables with uniform, Gaussian, Student, Simpson, trapezoidal, exponential, gamma and arcsine distributions.
Źródło:
Metrology and Measurement Systems; 2013, 20, 2; 249-262
0860-8229
Pojawia się w:
Metrology and Measurement Systems
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:
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:
Automatyzacja wzorcowania multimetrów i kalibratorów
Automatization of multimeter and calibrator calibration
Autorzy:
Krajewski, M.
Sienkowski, S.
Powiązania:
https://bibliotekanauki.pl/articles/153086.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
automatyzacja wzorcowania
aplikacja pomiarowa
wzorcowanie multimetrów
wzorcowanie kalibratorów
automatization of calibration
measurement application
multimeter calibrations
calibrator calibrations
Opis:
Artykuł dotyczy problematyki wzorcowania multimetrów i kalibratorów. Przedstawiono koncepcję aplikacji pomiarowych do automatyzacji procesu wzorcowania przyrządów pomiarowych, prowadzącej do usprawnienia pracy laboratoriów wzorcujących. Pokazano ogólną strukturę systemu pomiarowego, schemat działania aplikacji pomiarowych oraz omówiono poszczególne bloki funkcjonalne programów. W pracy zaprezentowano przykładową aplikację do wzorcowania multimetru Keithley 2002
Manual calibration of multimeters and calibrators takes mostly many hours. A faster process needs automatization. In the paper an idea of measurement application for automatization of calibration process is presented. This application allows making work of calibration laboratories more effective. A general structure of the measurement system (Fig. 1) and the measurement application working diagram (Fig. 2) are shown. An example application for calibration of the Keithley 2002 multimeter is given. The application allows making calibration automatically and step by step (Fig. 3) based on the procedure written on a worksheet. It is also possible to edit the report of calibration (Fig. 4), write the report in a doc file (Fig. 5) and write down all calibrations results in a text file (Fig. 6). The concept of automatization of multimeter and calibrator calibration is universal. The elaborated application in LabView can be modified for calibration of other measurement devices. The main advantages of the application are automatization of calibration, calculation of the measurement uncertainty, reporting of calibration and easy operation.
Źródło:
Pomiary Automatyka Kontrola; 2010, R. 56, nr 11, 11; 1277-1279
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:
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:
Simple, fast and accurate four-point estimators of sinusoidal signal frequency
Autorzy:
Sienkowski, S.
Krajewski, M.
Powiązania:
https://bibliotekanauki.pl/articles/221283.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
sinusoidal signal
frequency estimation
frequency tracking
Opis:
In this paper, two new sinusoidal signal frequency estimators calculated on the basis of four equally spaced signal samples are presented. These estimators are called four-point estimators. Simulation and experimental research consisting in signal frequency estimation using the invented estimators have been carried out. Simulation has also been performed for frequency tracking. The simulation research was carried out applying the MathCAD computer program that determined samples of a sinusoidal signal disturbed by Gaussian noise. In the experimental research, sinusoidal signal samples were obtained by means of a National Instruments PCI-6024E data acquisition card and an Agilent 33220A function generator. On the basis of the collected samples, the values of four-point estimators invented by the authors and, for comparison, the values of three- and four-point estimators proposed by Vizireanu were determined. Next, estimation errors of the signal frequency were determined. It has been shown that the invented estimators can estimate a signal frequency with greater accuracy.
Źródło:
Metrology and Measurement Systems; 2018, 25, 2; 359-376
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie obciążenia estymatora wartości średniokwadratowej wybranych klas sygnałów
Modeling of bias of mean square value estimator for selected signals
Autorzy:
Lal-Jadziak, J.
Sienkowski, S.
Powiązania:
https://bibliotekanauki.pl/articles/155842.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
funkcja gęstości prawdopodobieństwa
funkcja charakterystyczna
wartość średniokwadratowa
obciążenie estymatora
probability density function
characteristic function
mean square value
estimator bias
Opis:
Modele obciążenia znajdują zastosowanie w badaniach estymatorów parametrów i charakterystyk sygnałów, a także w określaniu ich niepewności. W publikacji przedstawiono modele obciążenia estymatora wartości średniokwadratowej powodowanego kwantowaniem. Specjalne miejsce poświęcono sygnałom poliharmonicznym oraz sygnałom poliharmonicznym z sygnałami losowymi o rozkładzie równomiernym, gaussowskim oraz trójkątnym.
Models of bias are used in research of parameters and characteristics of signal estimators and in determination their uncertainties. In this article are presented models of mean square value estimator bias caused by quantization. Special attention is paid to the poliharmonic signals and poliharmonic signals with uniform, Gaussian and triangular PDF signal.
Źródło:
Pomiary Automatyka Kontrola; 2007, R. 53, nr 9 bis, 9 bis; 93-96
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Przykłady aplikacji pomiarowych opracowanych w zintegrowanym środowisku programistycznym
Examples of measurement applications designed in an integrated development environment
Autorzy:
Sienkowski, S.
Krzesiński, G.
Lechki, M.
Powiązania:
https://bibliotekanauki.pl/articles/155279.pdf
Data publikacji:
2014
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
LabVIEW
aplikacja pomiarowa
niepewność wyniku pomiaru
measurement applications
measurement uncertainty
Opis:
Artykuł prezentuje przykłady aplikacji pomiarowych opracowanych w środowisku programowania LabVIEW firmy National Instruments. W artykule przedstawiono programy komputerowe przeznaczone do oceny niepewności wyniku pomiaru, pomiaru prędkości obrotowej, modelowania zjawisk i obiektów oraz wyznaczania charakterystyk tłumienia sygnałów zakłócających.
This paper presents examples of the application of LabVIEW to develop the measuring applications. The computer programs were developed for the evaluation of measurement uncertainty, for measuring the rotational speed, for mathematical modeling the phenomena and objects and for determining the damping characteristics in the measuring instruments. Chapter 1 provides basic information concerning about the reasons for developing measurement applications. Fig. 1 presents the workstations, where the computer programs have been installed. In Chapter 2 the measurement applications are presented. Fig. 2 presents the blocks software of the measurement applications. The first block allows the communication with the measuring instrument. In the second block the configuration measurement functions and measurements are performed. In the third block the measurement results are presented. In the next part of the Chapter 2 the computer programs are described. Fig. 3 shows the main panel of the computer program for the evaluation of measurement uncertainty. Fig. 4 presents the main panel of the measuring application for measuring the rotational speed. Fig. 5 presents the main panel of the application for modeling the phenomena and objects. Fig. 6 presents the main panel of the program for determining the damping characteristics.
Źródło:
Pomiary Automatyka Kontrola; 2014, R. 60, nr 11, 11; 969-971
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
Wyświetlanie 1-15 z 16

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