Hallo,
ich weiß nicht, ob ich hier offtopic bin.
suche hilfe im Bereich autocorrelation:
habe ein mehr oder weniger periodeische messwerte und soll diese softwaretechnisch analysieren.
welche methoden zur autocorrelation wäre da geeignet?
wäre wirklich für jede hilfe dankbar
gruß alexander
Hi!
OffTopic oder nicht, die Frage ist wohl etwa so präzise, wie 'Ich hab ein Auto, wo ist der Schalter für...' Das ist halt überall anders.
Was für Messwerte, wie schnell, wie stark ist die Streuung, wie groß ist der Toleranzbereich u.s.w...
Beispiel:
Wir haben eine Bremsensteuerung für Gleisbremsen in Rangierbahnhöfen entwickelt. Die Geschwindikeit der ablaufenden Waggons kann über mehrere Gleiskontakte und über ein Radar gemessen werden. Die für die Validierung des Systems wichtigen Geschindikeiten der Waggongs sird durch eine Software aus der Bremsensteuerung ausgelesen und grafisch dargestellt. Zur Aufbereitung der Grafiken war nun das Problem der Streuung zu lösen:
Radardaten sind mit geringer Toleranz aber zufällig auftretenden Spikes, die Messungen zwischen zwei Gleiskontakten ist nahezu ohne Spikes aber mit größeren Toleranzen.
Die Radardaten werden in einen FIFO-Puffer geschrieben und darin gemittelt. Einzelne grobe Ausreißer werden durch vergleichen mit dem Mittelwert erkannt und ausgefiltert. Bei den Gleiskontakten ist der Puffer kleiner, Ausreißer gibt es nicht, daher gehen alle Messwerte in den Puffer ein. Ein kleinerer Puffer muss sein, weil im Vergleich zu den Radardaten nur wenige Messwerte erzeugt werden und direkt reagiert werden muss.
Die Ringpuffer wurden in ihrer Größe entsprechend angepasst bis ein Optimum zwischen sauberem Messwert und möglichst naturgetreuer Darstellung herauskam.
Gruß,
Ulrich
AKF macht dann Sinn wenn man eine periodisches Nutzsignal hat, Mittelwertbildung macht sonst wenig Sinn. Anwendung:
Ich vermute AKF ist ohnehin nicht das gesuchte Verfahren.
MfG JRD
Hallo,
hab mir da schon einige gedanken dazu gamacht.
dachte zuerst ich sollte es mit der AKF versuchen oder mit dem Maximum-Likelihood. Dann kam mir die Idee mittels DFT oder FFT das ganze zu untersuchen.
nur irgendwie komme ich mir vor als würde ich mit kanonen auf spatzen schießen. Kann aber auch daher kommen, daß ich kein E-Techniker bin sondern Informatiker.
Zu meinen Meßwerten: die daten sind nicht periodisch zur zeit, da das signal mal zeitlich gedehn oder gestaucht sein kann. gleichzeitig verändert sich die y-lage, da das ganze system sich im laufe der zeit erwärmt! nur das signal selber bleibt gleich. meine aufgabe ist es dabei, ausreißer festzustellen.
gibts da ne einfachere methode zur autokorrealtion? was würdest Du mir da empfehlen.
Danke für Deine Hilfe
Gruß
Alexander
Ich hoffe es ist überhaupt klar was hinten bei einer AKF rauskommt. Das wäre z.B. ein Sinus mit weissem Rauschen:
| |X |X |XX _ _ |XX __/_\ _ /_\_ | \_/ \_/ |
Drift spielt für AKF kaum eine Rolle, da man das Signal ohnehin z.B. per Hochpaß-Filter DC-frei bekommen muß.
Mustererkennungsysteme verwenden manchmal Kreuzkorrelationsfunktion KKF wo man die Ähnlichkeit des empfangenen Musters mit einem Sollmuster bestimmen will. Beispiel in
MfG JRD
"Alexander" wrote in news:bp25c2$3gj$ snipped-for-privacy@wsc10.lrz-muenchen.de:
Oben der "Gleisprogrammierer" hat es ja schon beschrieben. Bilde einen gleitenden Mittelwert und alles was xx% ausserhalb des Mittelwertes liegt, ist ein Ausreisser. Alternativ kannst du das Signal auch einfach durch einen Hochpass (FIR oder IIR) der passenden Frequenz von wenigen Sub-Hz schicken (um die Erwärmung zu eliminieren) und kannst dann deine weiteren Untersuchungen immer um die Nullllage herum durchführen. Wenn du es wissenschaftlicher machen willst, suche mal in der Literatur nach Ausreissertests. Da werden Ausreisser in Bezug auf die Standardabweichung der Messdaten ermittelt.
M.
-- Bitte auf mwnews2@pentax.boerde.de antworten.
Und wenn schon, bei der heutigen Rechenleistung.
FT kann/sollte man da besser vergessen. FT geht davon aus, dass das Signal streng periodisch ist. Schon ein minimum an Schwankungen oder FM, und der Transformierten sieht man nicht mehr an, was die von Auge gesehene Mittenfrequenz ist. Die gibt es ja auch nicht, der Betrachter macht irgendwie intuitiv eine Pulsabstand-Mittelwertbildung. Schau vielleicht mal im Numerical Recipes nach, ob die Rat haben, auch im WWW auffindbar.
-- mfg Rolf Bombach
Hallo Alexander,
wie andere schon beschrieben haben: Es gibt nicht DAS Verfahren. Statistische Verfahren wie die der Autokorrelation (es geht auch auf "deutsch" ;-) sind immer dann interessant, wenn Du wenig über das Signal als solches weisst. Deinen zweiten Ausführungen entnehme ich jedoch, dass Du über den Prinzipiell erwünschten Signalverlauf informationen hast, diese aber in den Skalierungen schwanken. Ähnliche Probleme haben die Medizintechniker, bei deren Signalanalysen, z.B. EKG. Da tritt auch ein mehr oder weniger periodisches Ereignis eines sich sehr ähnlichen Signalverlaufes auf, welches jedoch in seiner Lage immer wieder wandert. Dies mag Dir bei der Suche ien wenig hilfreich sein, denn je nach dem Fokus, was man im EKG erkennen will gibt es mehr oder weniger viel Literatur dazu. EEG- , EMG-Analytik sind weitere Suchhilfen.
Du schon genauer erklären, wie Deine Signale aussehen, wenn sie gewollt richtig sind und wie, wenn sie "falsch "sind. Wenn es auf die Form ankommt, dann könnte es sein, dass Du mit einem Satz einfacher Merkmale, die einfach zu extrahieren sind schon sehr weit kommst. z. B. die einzelnen Zeiten innerhalb eines QRS-Komplexes sagen weit mehr aus, als deren Amplituden...je nach dem, was man denn wissen will.
Martin Schönegg
"Alexander" schrieb im Newsbeitrag news:bp0s2p$d3s$ snipped-for-privacy@wsc10.lrz-muenchen.de...
ElectronDepot website is not affiliated with any of the manufacturers or service providers discussed here. All logos and trade names are the property of their respective owners.