第四章--智能仪器的基本数据处理算法

1、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级的标识牌，不能发挥一盏茶的软件作用，等同于硬件化的数字化仪器。 阅读基本数据处理算法简介、克服随机误差数字过滤烟嘴算法系统误差的算法、非线性校正工程量尺度转换如谱估计、相关分析、复杂滤波等算法、有关数字信号处理的文献。 第一节是克服随机误差的数字过滤烟嘴算法，随机误差：由纠正器内置的随机干扰作用、纠正器内部的去老虎钳噪声和A/D量化噪声等引起，在相同条件下测量相同的量时，其大小和符号不规则地变化无法预测，但在多次测量中符合统一纠正规则的误差。 采用模拟滤波器是主要的硬件方法。 另外，数字过滤算法的优点，(1)数字滤波是修正运算过程，通常

2、由软件实现，当要求实时性时由FPGA实现，因此可靠性高。 不需要模拟计程仪电路，没有阻抗匹配、特性变动、不均匀性等问题。 (2)因为如果适当变更与数字过滤烟嘴相关的残奥仪表，就可以容易地变更过滤烟嘴特性，所以数字过滤烟嘴的使用方便性好。 第一节克服随机误差的数字过滤烟嘴算法、常用的数字过滤烟嘴算法、一、克服大脉冲干扰作用的数字过滤烟嘴算法(非线性法) 一片过滤烟嘴算法基于2中值滤波器算法3行的奇异数据过滤烟嘴算法4 2滑动平均3加权滑动平均3、复合过滤法、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， 克服机器外部环境偶然因素引起的突然地变异性声干扰和机器内部不稳定引起的错

3、误符号等引起的大脉冲干扰作用，通常采用简单的非线性过滤法。 去除脉冲噪声是设备数据处理的第一一头地。 克服第一节随机误差的数字过滤烟嘴算法、1个切片过滤法、切片过滤法(也称为plump判别法、增量判别法)通过plump判别被测量信号的宽度的变化量，去除缓变信号中的尖脉冲干扰作用。 具体地，依赖于现有时域中的采样结果，该示例比较此次的采样值和前一次的采样值。如果它们的差超过允许范围，则该示例认为此次的采样值正受到噪声影响，应该稀疏。 第一节为克服随机误差的数字过滤烟嘴算法，其中a是两个相邻采样值的最大允许增量，并且其数值可以基于y的最大变化率Vmax和采样间距Ts来确定，即，a=Vmax Ts。

4、 实现本算法的密钥是设定被测定残奥仪表的邻接的2次采样值的最大允许误差a，能够求出正确地推定Vmax和采样间距Ts。 适用于温度、压力等变化缓慢的测量系统，双中值滤波器法、中值滤波器为典型的非线性过滤烟嘴，运算简单，去除脉冲干扰作用后可很好地保护云同步信号的详细信息。 连续n次对某个被测量残奥参数进行采样(通常n为奇数)，对这些采样值进行排序，并选择中间值作为本次的采样值。 最适合单调变化信号中的脉冲噪声去除。 温度、液面等缓慢变化的信号可去除脉冲噪声。 数字过滤烟嘴算法，用于克服第一节中的随机误差，其中，过滤烟嘴窗的宽度为n=2k 1，离散时间信号x(i )的长度为n，(I=1，2，n； N

5、n )，一维中值滤波器的输出： medx(i)=x(k )表示在窗口2k 1中的第k个经排序的值，也就是经排序的中间值。原信号中值过滤烟嘴后的信号有不同幅度的脉冲过滤烟嘴效果，而第一节是克服随机误差的数字过滤烟嘴算法，基于3骑士基准的特异数据过滤烟嘴算法(粗大误差除外)，骑士基准(也称3基准): 测定次数n充分多，在服从正态分布时，在各测定值中， (1)根据第n次的测定值x-1求出XN的算术平均数值；(2)求出各项的剩馀误差VI；(3)修正标准离差；(4)如果判断并除去特异项Vi3，则n、 调整基于梯子标准的净化数据的限制性、基于l中的l值(l2、3、4、5 )的净化限制、L3、限制缓和、L3

6、、限制缩小。 用3个标准净化采样数据是有限度的，有时也会无效。 (1)针对每个样本值小于10个的情况，该准则无法确定异常数据；(2)该准则基于正态概率分布的等精度重复测量，并且异常数据的干扰作用和噪声难以满足正态概率分布。 克服第1节随机误差的数码过滤算法，例如41，在按照以下的等权重对某物理量进行15次测定后的测定值中，判别异常值是有木有。 解：首先从计量资料中修正算术平均数值和标准离差，再判别剩下的14个测量值，根据0.0160.026-0.0040.0260.026-0.014-0.104-0.0040.0260.006-0.0064.中值绝对偏差的决定文件一个序列中值对奇异数据的灵敏度

7、远小于序列的平均值，中值建构一个尺度序列，xi(k )中值为z，则(1)确定当前数据有效性的判别标准，“Hampel 4、基于中值绝对偏差的决策滤波器、克服第一节随机误差的数字过滤算法、(基于L*MAD准则的化学基过滤算法实现、移动数据窗口(宽度m )，以及窗口序列的中值z (排序法)校正计算序列的中间m是fife 门限残奥仪表l直接决定滤波器的积极进取程度，本非线性滤波器具有比例不变、因果性、算法快等特点，可实时完成数据净化。 二、抑制小宽度的射频波噪声的平均滤波法、小宽度的射频波电子噪声：电子去老虎钳热噪声A/D量化噪声等。 一般具有低通特性的线性滤波器：算术平均数滤波法、加权分数滤波法、

8、折动加权分数滤波法、克服第一节随机误差的数字过滤算法、1算术平均数滤波、n个连续采样值(分别从x1xn )相加，将其算术平均数值作为此次测定的滤波器输出值。 即，主要是采样次数n、n越大，滤波效果越高，而滤波效果依赖于系统的灵敏度降低。 因此，该方法仅适用于渐变信号。Si是采样值中的信号，而ni是随机误差。 2滑动平均滤波法在采样速度慢或者要求高数据更新率的系统中不能使用算术平均数滤波法。 将n个计量资料视为一个队列，每次进行新的采样时将测量结果入队，删除原始队列开头的一个数据，从而在队列中总是有n个“最新”数据。 克服第一节随机误差的数字过滤算法、是第n次采样中过滤的输出即未过滤的第ni次采

9、样值n是滑动平均分数。 平滑度高灵敏度低，但对偶然发生的脉冲性噪声的抑制作用差。 在实际应用中，通过观察处于不同n值的平均滑动量的输出响应来选择n值，从而获得最佳滤波效果，而不消耗校正待机时间。喀呖声以增加新的采样数据在滑动平均上的比重，并提高系统对当前采样值的灵敏度，即在不同时刻对数据施加不同的权重。 通常，越接近当前时刻的数据，权利取得越大。根据FIR滤波器设置校正来确定系数，三加权滑动平均滤波器，克服第一节随机误差的数字过滤算法，FIR (有限脉冲响应)滤波器：有限长度单位冲击响应滤波器，三、复合滤波器方法，因为实际上可能已存在，所以先介绍如下失极端值平均过滤算法：连续采样n次，去除其最

10、大值和最小值，求出佟下n-2个样本的平均值。 显然，所述方法能够去除明显的脉冲干扰作用同时抑制随机干扰作用。克服第一节随机误差的数字过滤烟嘴算法，为了便于校正计算，n-2总是取n为4、6、8、10，第二节是减小系统误差的算法，系统误差：表示如果在相同条件下多次测量相同量，则其大小和符号存在， 恒定系统误差：检查校正装置时基准表中存在的固有误差，校正装置的基准误差等，改变系统误差3360的校正器的零点(或基线)和倍率的漂移，温度变化引起的误差等系统非线性(非比例)误差3360传感器和检测电路(例如桥) 的被测与输出量的非比例关系线性系统动态特性误差：第二节减小系统误差的算法，另一方面，仪器零误差

11、和男同志误差的校准方法，由于传感器、测量电路、放大器等不可避免地存在温度漂移和时间漂移，仪器中引入了零误差和男同志误差。 需要追加输入多径效应开关电路和基准电压。 开关的状态由计算机控制。 此外，自动校正电路和测量处理：首先选择男同志，并将其输入接地(即使输入为零)，然后，在存储器中存储数据Nr，在该数据Nr处，整个测量信道输出为零二进制位输出N0 (通常为非零)，并且将基准电压Vr输入和力的测量。 然后输入Vx测量Nx，测量结果可用下式计算。 1、零二进制位误差校正、双男同志误差自动校正、y=a1a0a1=VR/(nrn0) a0=vrn0/(n0nr )校正因数a1和A0的信道是程序设计师

12、blue男同志，并且每个男同志文件有一组系数。 男同志误差校正与零误差校正过程相同，用该校正方法测得的信号克服了放大器漂移和男同志变化的影响，降低了对电路解老虎钳的要求，达到了与Vr同等的测量精度，但增加了测量时间，二、系统非线性校正、智能仪器采用了软算法的1校正函数法， 如果知道传感器和检测电路的非线性特性的解析式y=f(x )，则能够利用基于该解析式的校正函数(反函数)进行非线性校正。 例：某个测温用热敏电阻的电阻值和温度的关系是RT是热敏电阻的温度t的电阻值。 温度在050之间：=1.4410-6=4016K，2 .建模方法之一：代数插值法，n 1组离散点： (x0，y0)，(x1，y1

13、 a0)应满足方程组、通过用已知的(xi，yi ) (I=0，1，n )求方程组来求解能够近似实时计算每个信号的测量值xi的被测量yi=f(xi)Pn(xi )。 从线性插值法(1次)和抛物线(2次)的内插、(1) .线性插值法：数据定径套(xi，yi )中选择代表性的2个点(x0，y0 )和(x1，y1 )(2)抛物线插补(二次插补)从一组数据中选择(x0，y0)、(x1，y1)、(x2，y2)三点、对应的插补方程式， 选择y，用表4.1所示的数据说明的节点选择(0，0 )、(10.15，250 )和(20.21，490 ) 3点，使用该方程式，非线性为正，各点的误差在3以下，最大误差在13

14、0处发生，能够验证误差值为2的等距等节点段内插值：适用于非线性特性的曲率变化不大的情况。 段数n和插值多项式的阶数n都取决于非线性和设备的精度要求。 非线性越大，或者精度越高，则取n大还是n大，并存储在设备的程序存储器中。 在实时校正预测中，通过计程仪程序判断输入x (即传感器输出数据)位于折线的哪一级，取出与该级对应的多项式系数，如果利用该级的内插多项式校正Pni (x )，则可以求出被测定物理量的近似值。 3 .建模方法的第二种是：曲线拟合，曲线拟合是对有限对的测验数据(xi，yi )进行实验，然后利用这些个的数据求出近似函数y=f (x )。 式中，x是采集结果，y是被测定物理量。 与内

15、插值不同，曲线拟合不要求y=f (x )曲线通过所有离散点(xi，yi )，而是只要求y=f (x )反映这些个离散点的一般趋势，没有出现局部变化。 (1)连续函数拟合、自变量x和因素变量y之间的一值非线性关系，若可用高次多项式对n个实验数据对(xi，yi ) (I=1，2，n )进行近似，则下一个n个方程式、解为aj的最小二乘法的公式为b=y (平均)-a*x (平均)。 拟合多项式的次数越多，拟合结果的精度也越高，相应地修正量也增加。 假设m=1，拟合的曲线是直线方程式y=a0 a1x n个实验数据对(xi，yi ) (I=1，2，n )，3，系统误差的标准数据表校正法，难以进行适当的校正，但是，在这种情况下，通过实验，即通过实验单元进行校正在实时修正预测中，用显示查找表求出修正后的修正预测结果。 实测值在两个修正点之间时，如果只是直接显示查找表的话，只能进行其最近的查找，这显然会导致一定的误差。 误差推定：取两修正点间的校正曲线为一条直线段，取其斜率S=XY (注意，修正时y为自变量，x为函数值)，最大斜率Sm，可能的最大误差为Xm=SmY，y的范围为Ym，修正时等间隔的n个修正点，四、传感器的温度误差的修正方法，在高精度修正器中为传感器温度本身是需要检测的量，或者在靠近传感器内的传感器的位置