सिग्नल प्रोसेसिंग में "तेज" परिवर्तनों का पता कैसे लगाएं

Question

मैं एक ऐसे प्रोजेक्ट पर काम कर रहा हूं, जहां हम घटकों की सोल्डरिटी को मापते हैं। मापा संकेत शोर है। हमें वास्तविक समय में सिग्नल को संसाधित करने की आवश्यकता है ताकि हम 5000 मिलीसेकंड के समय से शुरू होने वाले परिवर्तन को पहचान सकें।

मेरा सिस्टम हर 10 मील के दायरे में वास्तविक मूल्य का नमूना लेता है - लेकिन इसे धीमी नमूनाकरण के लिए समायोजित किया जा सकता है।

1. मैं 5000 मिलीसेकंड पर इस ड्रॉप का पता कैसे लगा सकता हूं?
2. आप सिग्नल / शोर अनुपात के बारे में क्या सोचते हैं? क्या हमें ध्यान केंद्रित करना चाहिए और बेहतर संकेत प्राप्त करने की कोशिश करनी चाहिए?
3. एक समस्या है कि प्रत्येक उपाय के अलग-अलग परिणाम होते हैं, और कभी-कभी ड्रॉप इस उदाहरण से भी छोटा होता है।

डेटा फ़ाइलों के लिए लिंक (वे भूखंडों के लिए उपयोग किए जाने वाले समान नहीं हैं, लेकिन वे नवीनतम सिस्टम स्थिति दिखाते हैं)

1. https://docs.google.com/open?id=0B3wRYK5WB4afV0NEMlZNRHJzVkk
2. https://docs.google.com/open?id=0B3wRYK5WB4afZ3lIVzhubl9iV0E
3. https://docs.google.com/open?id=0B3wRYK5WB4afUktnMmxfNHJsQmc
4. https://docs.google.com/open?id=0B3wRYK5WB4afRmxVYjItQ09PbE0
5. https://docs.google.com/open?id=0B3wRYK5WB4afU3RhYUxBQzNzVDQ

Comments

आपको अपेक्षाकृत छोटा सिग्नल-टू-शोर अनुपात दिखाई देता है। अधिकांश समस्याओं का पता लगाने के साथ, आप अपने द्वारा बताए गए फ़ीचर का सही पता लगाने की संभावना और गलत तरीके से घोषित किए जाने की संभावना के बीच संतुलन पर विचार करना चाहेंगे। आपके आवेदन के लिए कौन सा अधिक महत्वपूर्ण है? क्या आपके पास किसी भी पहचान की विलंबता आवश्यकताएं हैं?

— जेसन आर

'शोर' एक विशेष आवृत्ति पर हस्तक्षेप की तरह दिखता है। यदि यह मामला है (एक स्पेक्ट्रम प्लॉट मदद करेगा), तो उपयुक्त फ़िल्टरिंग अधिकांश काम करेगा।

— Juancho

दरअसल इस फीचर का पता लगाना बहुत जरूरी है। लेकिन मैं कुछ विलंबता के साथ रह सकता हूं, लेकिन मुझे अंतिम स्टॉप की स्थिति को समायोजित करने की आवश्यकता है, क्योंकि मुझे पता नहीं है कि भाग कहां मिलाप को छूता है, और मुझे विसर्जन की गहराई को नियंत्रित करने की आवश्यकता है। इसलिए उदाहरण के लिए अगर मुझे पता है कि विसर्जन 0,5 मिमी होना चाहिए, तो मैं सोल्डर ग्लोब्यूल के आदर्श आकार के अनुसार सैद्धांतिक स्थिति की गणना करता हूं, लेकिन फिर मुझे एक ग्लोब के वास्तविक आकार के लिए सुधार करने की आवश्यकता होती है जिसे मैं स्पर्श से पहचानता हूं - यह एक के रूप में प्रकट होता है बल में परिवर्तन।

— पेट्र

संपूर्ण मापक उपकरण स्प्रिंग्स पर स्थित है, इसलिए यह स्वतंत्र रूप से स्थानांतरित हो सकता है, लेकिन यह भी शोर पैदा करता है और हमने माप की पूरी श्रृंखला के लिए स्प्रिंग्स भी तय किए हैं, और निश्चित रूप से उच्चतम संवेदनशीलता का उपयोग करते समय ये समस्याएं दिखाई देती हैं, जहां मापा बल बहुत अधिक हैं छोटे।

— पेट्र

जुआनचो - शायद यह मदद कर सकता है, लेकिन मैं इसे विभिन्न भागों के विभिन्न भागों के लिए कैसे हल कर सकता हूं, जिसके परिणामस्वरूप विभिन्न आवृत्तियों हो सकती हैं? यह घटक तब भी बदलता है जब भाग को मिलाप में डुबोया जाता है, क्योंकि गीला करने की प्रक्रिया शोर स्तर को कम कर रही है, लेकिन यह केवल बड़े हिस्सों के लिए होता है, यहाँ यह लगभग समान है जब या बाहर होता है।

— पेट्र

Answer 1

इस समस्या के लिए क्लासिक संदर्भ एब्स्ट्रैक्ट चेंजेस का पता लगाना है - थ्योरी एंड एप्लीकेशन बायसेविल और निकिफोरोव। पूरी पुस्तक पीडीएफ डाउनलोड के रूप में उपलब्ध है ।

मेरी सिफारिश है कि आप CUSUM (संचयी योग) एल्गोरिथ्म पर अध्याय 2.2 पढ़ें ।

Answer 2

मैं आमतौर पर ढलान का पता लगाने के रूप में इस समस्या को फ्रेम करता हूं। यदि आप एक चलती खिड़की पर एक रेखीय प्रतिगमन की गणना करते हैं, तो सचित्र ड्रॉप ढलान के संकेत और / या परिमाण में एक महत्वपूर्ण बदलाव के रूप में दिखाई देगा। यह दृष्टिकोण प्रस्ताव ऐसे कई कारक हैं जिनके लिए "ट्यूनिंग" की आवश्यकता होगी: उदाहरण के लिए, नमूना आवृत्ति, खिड़की का आकार, आदि, ढलान साइन डिटेक्टर की मजबूती (शोर प्रतिरोध) को प्रभावित करेगा। यह वह जगह है जहाँ उपरोक्त कुछ टिप्पणियों को लागू किया जा सकता है। कोई भी फ़िल्टरिंग या शोर दमन जिसे लाइन फिटिंग से पहले लागू किया जा सकता है, आपके परिणामों में सुधार करेगा।

Answer 3

मैंने डेटा के बाएं हिस्से बनाम डेटा के दाएं हिस्से के टी-स्टेटिस्टिक की गणना करके इस तरह का काम किया है। यह आपको पता है कि संक्रमण बिंदु आप निश्चित रूप से कहाँ हैं।

इसलिए, आप जो करते हैं वह समय के धुरी के साथ कई सौ विभाजन बिंदुओं की कोशिश करता है और सबसे महत्वपूर्ण टी-स्टेटिस्टिक के साथ एक को ढूंढता है।

u_left, u_right : mean of left and right portion
s_left, s_right : SD of left and right portion
n_left, n_right : number of samples on left and right (subtract one from each for the one degree of freedom)

se = sqrt(s_left^2 / n_left^2 + s_right^2 / n_right^2)
T = (u_left - u_right) / se

आप इसे बाइनरी खोज की तरह कुछ कर सकते हैं। 10 डेटा पॉइंट्स आज़माएं, सबसे बड़े दो खोजें, फिर उन दोनों के बीच 10 पॉइंट्स आज़माएँ। इस तरह से आप एक बहुत सटीक ट्रांज़िशन पॉइंट प्राप्त कर सकते हैं। मैं सटीकता का दावा नहीं कर रहा हूं। :-)

आईये जानते हैं कि यह कैसा रहेगा!

PS आप चल रहे sums के रूप में माध्य और sd की गणना कर सकते हैं, जो इस विभाजन कार्य की गणना की जटिलता को N ^ 2 से N के लिए प्रत्येक एकल कब्जे के लिए कम कर देता है। ऐसा करने से आप संभवतः हर संभव बिंदु बिंदु पर T आँकड़ा की गणना कर सकते हैं।