第四章--智能仪器的基本数据处理算法.pptVIP

1．校正函数法 如果知道传感器或检测电路的非线性特性的解析式y = f(x)，则就有可能利用基于此解析式的校正函数（反函数）来进行非线性校正。 例：某测温用热敏电阻的阻值与温度之间的关系为 　　　　　　　　　　　 　RT为热敏电阻在温度为T的阻值。 当温度在0～50℃之间： α=1.44×10-6 β=4016K 2.建模方法之一：代数插值法 　设有n+1组离散点：(x0, y0)，(x1, y1)，…，(xn, yn)，x∈[a，b]和未知函数f(x)，就是用n次多项式. 去逼近f(x)，使Pn(x)在节点xi处满足 系数an，…，a1，a0应满足方程组 要用已知的（xi, yi） (i = 0, 1, …, n)去求解方程组，即可求得ai(i = 0, 1, …, n)，从而得到Pn(x)。此即为求出插值多项式的最基本的方法。 对于每一个信号的测量数值xi就可近似地实时计算出被测量yi = f(xi)≈Pn(xi)。 线性插值（一阶）和抛物线（二阶）插值 (1).线性插值：从一组数据（xi, yi）中选取两个有代表性的点（x0, y0）和（x1, y1），然后根据插值原理，求出插值方程 Vi = | P1 (Xi)－f (Xi) |, i = 1, 2, …, n – 1若在x的全部取值区间[a, b]上始终有Vi＜ε(ε为允许的校正误差)，则直线方程P1(x) = a1x+a0就是理想的校正方程。 (2)抛物线插值（二阶插值） 在一组数据中选取（x0, y0），（x1, y1），（x2, y2）三点，相应的插值方程 y x f（x） P（X） x0 y0 y1 y2 x2 x1 以表4.1所列数据说明抛物线插值的作用。节点选择（0，0），（10.15，250）和（20.21，490）三点 可以验证，用此方程进行非线性较正，每点误差均不大于3℃，最大误差发生在130℃处，误差值为2.277℃ 　　(3) 分段插值法： 这种方法是将曲线y = f (x) 分成N段，每段用一个插值多项式Pni (x)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。 第四章 智能仪器的基本数据处理算法 数据处理能力是智能仪器水平的标志,不能充分发挥软件作用,等同硬件化的数字式仪器. 测量精度和可靠性是仪器的重要指标，引入数据处理算法后，使许多原来靠硬件电路难以实现的信号处理问题得以解决，提高仪器的综合性能。 基本数据处理算法内容提要 克服随机误差的数字滤波算法 消除系统误差的算法、非线性校正 工程量的标度变换 诸如频谱估计、相关分析、复杂滤波等算法，阅读数字信号处理方面的文献。 第一节 克服随机误差的数字滤波算法 随机误差：由串入仪表的随机干扰、仪器内部器件噪声和A/D量化噪声等引起的，在相同条件下测量同一量时，其大小和符号无规则变化而无法预测，但在多次测量中符合统计规律的误差。采用模拟滤波器是主要硬件方法。 数字滤波算法的优点 （1）数字滤波是一个计算过程，通常用软件实现，在实时性要求高的情况下用FPGA实现，因此可靠性高。无需模拟电路，不存在阻抗匹配、特性波动、非一致性等问题。 （2）只要适当改变数字滤波程序有关参数，就能方便的改变滤波特性，因此数字滤波使用时方便灵活。 第一节 克服随机误差的数字滤波算法 常用的数字滤波算法 一、克服大脉冲干扰的数字滤波法(非线性法） 1．限幅滤波法 2．中值滤波法 3．基于拉依达准则的奇异数据滤波法 4. 基于中值数绝对偏差的决策滤波器 二、抑制小幅度高频噪声的平均滤波法 1．算数平均; 2．滑动平均; 3．加权滑动平均 三、复合滤波法 第一节 克服随机误差的数字滤波算法 一、克服大脉冲干扰的数字滤波法 克服由仪器外部环境偶然因素引起的突变性扰动或仪器内部不稳定引起误码等造成的大脉冲干扰，通常采用简单的非线性滤波法。 滤除脉冲干扰是仪器数据处理的第一步。 第一节 克服随机误差的数字滤波算法 1．限幅滤波法 限幅滤波法（又称程序判别法、增量判别法）通过程序判断被测信号幅度的变化量，从而消除缓变信号中的尖脉冲干扰。 具体方法是，依赖已有的时域采样结果，将本次采样值与上次采样值进行比较，若它们的差值超出允许范围，则认为本次采样值受到了干扰，应予剔除。 第一节 克服随机误差的数字滤波算法 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及采样间隔Ts确定，即 a = Vmax Ts。 实现本算法的关键是设定被测参量相邻两次采样值最大允许误差a.要求准确估计Vmax和采样间隔Ts。