计量方法与误差理论-误差理论部分-CH7辩析.ppt

第四节 动态测试数据处理 5、差分阶数的确定方法 第四节 动态测试数据处理 第四节 动态测试数据处理 变量差分法主要用于分离动态测试数据中的随机误差，并可估计其方差，却不能表达出其中所含确定性成分的变化规律。 当数据N较大且阶数选择得当时，该方法分离效果较好。否则将产生较大误差，甚至逐次差分结果会发散，使得估算结果不可靠，精度不高。 6、变量差分法的特点及应用 第四节 动态测试数据处理 7、随机误差的其它分离方法 样本矩法、 FFT法、最大熵谱分析法、时间序列分析法 本章小节 1、随机过程的基本概念 2、平稳、非平稳随机过程的特征量及估计 3、各态历经随机过程的特征量及估计 4、动态测试误差基本概念 5、动态测试误差的估计 6、动态测试数据处理方法 练习 * * 重复测量 * psi * 预测 * 平稳随机过程的各态历经及其特征量估计： 各态历经性：在同一次实验中，对足够长的时间内的不同t值观察的随机过程，等价于在多次实验中对同一t值观察的随机过程，称为各态历经型随机过程。 这种平稳随机过程，它的数字特征完全可由随机过程中的任一实现的数字特征来替代。 0 第二节 动态测试数据处理的理论基础 “各态历经”的含义：随机过程中的任一实现都经历了随机过程的所有可能状态。因此， 只需从任意一个随机过程的样本函数中就可获得它的所有的数字特征， 从而使“统计平均”化为“时间平均”，使实际测量和计算的问题大为简化。 如何从数学上进行严格的判定？  判别各态历经随机过程的充分条件： 证明过程参见： 1、肖明耀.误差理论与应用. 北京:中国计量出版社,1985 2、崔明齐译.概率论.上海:上海科技出版社,1961 第二节 动态测试数据处理的理论基础 0 0 平稳？各态历经？ 平稳？各态历经？ 在通信系统中所遇到的随机信号和噪声， 一般均能满足各态历经条件。 特征量估计公式（时间平均法） 第二节 动态测试数据处理的理论基础 思考： 采用回归分析 各态历经？ 2、非平稳随机过程特征量的估计 对于非平稳过程的随机函数不能采用上述方法计算特征量，必须进行平稳化处理。 一般形式： 第二节 动态测试数据处理的理论基础 有： 获得　　的方法： ①　作图估计 ②　最小二乘拟合 ③　低通滤波 可用 表示的 第三节 动态测试误差及其评定 误差的表示： 被测量任一时刻的测量值和真值之差。 测量值 真值 动态误差 由静态、动态特性不理想或受外界干扰影响。随机变量，只能表示统计意义上的大小。 （随机、系统、粗大） 一、动态测试误差基本概念 随机误差：表现为由多种偶然性因素综合影响 下的随机函数。 系统误差：表现为具有确定性变化规律的时间 函数，即确定性函数。 粗大误差：表现为偶尔由个别反常因素造成叠 加在上述函数上的特大值或特小值。 误差的构成—— 采用高精度仪器，作为约定真值 动态误差 二、动态测试误差的评定 1、系统误差的评定 （确定时刻的系统误差的算术平均值） （确定时刻的最大值） 对于随机过程的所有n个测试样本： 2、随机误差的评定 对于随机过程的所有n个测试样本： （总体误差均值） （总体标准差） 对于各态历经随机过程（每个样本测试N个点）： （时间均值） （时间标准差） 误差消除？ 第四节 动态测试数据处理 一、动态测试数据处理的目的和任务 目的：合理的处理数据，消除动态测试误差并进 行分析。 任务：1）合理规定动态测试误差的评定指标； 2）分析确定性成分及消除动态误差； 3）分析随机性成分及消除动态误差。 第四节 动态测试数据处理 数据处理方法 确定性成分分析方法 随机性成分分析方法 解析式方法 多项式拟合法 滤波或平滑法 电子测量常用 样本矩法 FFT法 变量差分法 最大熵谱分析法 时间序列分析法 第四节 动态测试数据处理 二、确定性成分的分析方法——滑动平均法 在某些情况下，并不知道函数究竟为何种形式。且因其变化规律比较复杂，难以选择多项式来表示确定性成分，或无需用函数形式来表达。 此时只要设法消除动态测试数据的随机起伏性即可。可采用滑动平均方法，为平滑和滤波的方法之一。 第四节 动态测试误差及数据处理 1、基本方法 第四节 动态测试数据处理 （等权平均处理） m 2n+1 第四节 动态测试数据处理 （不等权处理） 第四节 动态测试数据处理 2、权值 的确定：最小二乘拟合 第四节 动态测试数据处理 第四节 动态测试数据处理 第四节 动态测试数据处理 m 5, k 2时？ 第四节 动态测试数据处理 3、滑动平均法的特点及应用 滑动平均法可抑制动态测试数据的随机起伏，以表示出其中较