第六章智能仪器的基本数据处理算法探究.pptVIP

第六章 智能仪器的基本数据处理算法　;6.1 克服随机误差的数字滤波算法 ;常用的数字滤波算法 ;6.1.1 克服大脉冲干扰的数字滤波法;; a是相邻两个采样值的最大允许增量，其数值可根据y的最大变化速率Vmax 及采样周期T确定，即 a = Vmax T 实现本算法的关键是设定被测参量相邻两次采样值的最大允许误差a。要求准确估计Vmax 和采样周期T。;2)中值滤波法 ;设滤波器窗口的宽度为n=2k+1，离散时间信号x(i)的长度为N，（i=1，2，…，N；Nn），则当窗口在信号序列上滑动时，一维中值滤波器的输出: med [x（i）]=x(k) 表示窗口2k+1内排序的第k个值，即排序后的中间值。;3)基于拉依达准则的奇异数据滤波法;拉依达准则法实施步骤 ;应用拉依达准则净化数据的局限性 ;4）基于中值数绝对偏差的决策滤波器 ;（1）确定当前数据有效性的判别准则;(2) 实现基于L*MAD准则的滤波算法 ;6.1.2 抑制小幅度高频噪声的平均滤波法;1）算数平均滤波 ;2）滑动平均滤波法 ;;3）加权滑动平均滤波;4）一阶惯性滤波;;6.1.3 复合滤波法 ;为使计算更便N-2应为：2，4，8，16 常取N为：4，6，10，18。 ;6.2 消除系统误差的软件算法 ;6.2.1 仪器零位误差和增益误差的校正方法 ;;（2）增益误差的自动校正方法;6.2.2 系统非线性校正 ;1）校正函数法 ;　　　　　 ;2）建模方法之一：代数插值法 ;系数an，…，a1，a0应满足方程组 ;最常用的多项式插值有：线性插值和抛物线（二次）插值。 ;; 提高插值多项式的次数可以提高校正准确度。考虑到实时计算这一情况，多项式的次数一般不宜取得过高，当多项式的次数在允计的范围内仍不能满足校正精度要求时，可采用提高校正精度的另一种方法。 (3) 分段插值法：这种方法是将曲线y = f (x)按分成N段，每段用一个插值多项式Pni (x)来进行非线性校正（i= 1, 2, …N）。 等距节点分段插值和不等距节点分段插值两类。 ; ① 等距节点分段插值 适用于非线性特性曲率变化不大的场合。分段数N及插值多项式的次数n均取决于非线性程度和仪器的精度要求。非线性越严重或精度越高，则N取大些或n取大些，然后存入仪器的程序存储器中。实时测量时只要先用程序判断输入x（即传感器输出数据）位于折线的哪一段，然后取出与该段对应的多项式系数并按此段的插值多项式计算Pni (x)，就可求得到被测物理量的近似值。 ; ② 不等距节点分段插值 对于曲率变化大的非线性特性，若采用等距节点的方法进行插值，要使最大误差满足精度要求，分段数N就会变得很大（因为一般取n≤2）。这将使多项式的系数组数相应增加。此时更宜采且非等距节点分段插值法。即在线性好的部分，节点间距离取大些，反之则取小些，从而使误差达到均匀分布。;3）建模方法之二：曲线拟合法 ;最小二乘法连续函数拟合;; 拟合多项式的次数越高，拟合结果的精度也就越高，但计算量相应地也增加。若取m = 1，则被拟合的曲线为直线方程 y = a0 + a1x n个实验数据对（xi，yi）（i = 1，2，…，n）， ;6.2.3 系统误差的标准数据校正法 ;实测值介于两个校正点之间时，若仅是直接查表，则只能按其最接近查找，这样显然就会引入一定的误差。 可进行如下误差估计，设两校正点间的校正曲线为一直线段，其斜率S=△x／△y(注意，校正时y是自变量，x是函数值)，并设最大斜率为Sm，可能的最大误差为△xm=Sm△y，设y的量程为ym，校正时取等间隔的N个校正点，则△xm=Smy/N ;6.2.4 传感器温度误差的校??方法 ;温度本身就是一个需要检测的量，或在传感器内靠近敏感元件处附加一个测温元件(PN二极管、热敏电阻)等。它们的某些特性随温度而变化，经测温电路、ADC后可转换为与温度有关的数字量，设为θ。 温度误差数学模型的建立，可采用前面已介绍的代数插值法或曲线拟合法等。 可采用如下较简单的温度误差校正模型： ;6.3 标度变换 ;6.3.1 线性标度变换 ;6.3.2 非线性参数的标度变换