常用数字信号处理.ppt

2、建模方法之一：代数插值法代数插值：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处满足第31页,共43页，2024年2月25日，星期天系数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)。第32页,共43页，2024年2月25日，星期天最常用的多项式插值有：

线性插值和抛物线（二次）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yxVi=|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。第33页,共43页，2024年2月25日，星期天(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yxf（x）P（X）x0y0y1y2x2x1第34页,共43页，2024年2月25日，星期天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。第35页,共43页，2024年2月25日，星期天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。第36页,共43页，2024年2月25日，星期天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。第37页,共43页，2024年2月25日，星期天3.建模方法之二：曲线拟合法曲线拟合，就是通过实验获得有限对测试数据（xi,yi）,利用这些数据来求取近似函数y=f(x)。式中x为输出量，y为被测物理量。与插值不同的是，曲线拟合并不要求y=f(x)的曲线通过所有离散点（xi,yi），只要求y=f(x)反映这些离散点的一般趋势，不出现局部波动。第38页,共43页，2024年2月25日，星期天最小二乘法连续函数拟合自变量x与因变量y之间的单值非线性关系可以自变量x的高次多项式来逼近对于n个实验数据对（xi，yi）（i=1，2，…，n），则可得如下n个方程第39页,共43页，2024年2月25日，星期天解即为aj（j=0，…，m）的最佳估计值第40页,共43页，2024年2月25日，星期天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+a1xn个实验数据对（xi，yi）（i=1，2，…，n），分段直线拟合分段n次曲线拟合第41页,共43页，2024年2月25日，星期天三、系统误差的标准数据校正法当难以进行恰当的理论分析时，未必能建立合适的误差校正模型。但此时可以通过实验，即用实际的校正手段来求得校正数据，然后把校正数据以表格形式存人内存。实时测量中，通过查表来求得修正的测量结果。第42页,共43页，2024年2月25日，星期天感谢大家观看第43页,共43页，2024年2月25日，星期天关于常用数字信号处理Part1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