智能仪器第四章.pptVIP

设滤波器窗口的宽度为n=2k+1，离散时间信号x(i)的长度为N，(i=1，2，…，N；Nn)，则当窗口在信号序列上滑动时，一维中值滤波器的输出: med[x(i)]=x(k) 表示窗口2k+1内排序的第k+1个值，即排序后的中间值。 拉依达准则法的应用场合与程序判别法类似，并可更准确地剔除严重失真的奇异数据。 拉依达准则：当测量次数N足够多且测量服从正态分布时，在各次测量值中，若某次测量值Xi所对应的剩余误差Vi＞3σ，则认为该Xi为奇异数据，予以剔除。 拉依达准则法实施步骤 （1）求N次测量值X1至XN的算术平均值: 拉依达准则法局限性 采用3σ准则净化奇异数据，有的仪器通过选择Lσ中的L值（L＝2，3，4，5）调整净化门限，L＞3，门限放宽，L＜3，门限紧缩。采用3σ准则净化采样数据有其局限性，有时甚至失效。 该准则在样本值少于10个时不能判别任何奇异数据； 3σ准则是建立在正态分布的等精度重复测量基础上，而造成奇异数据的干扰或噪声难以满足正态分布。 基于中值数绝对偏差的决策滤波器 中值绝对偏差估计的决策滤波器能够判别出奇异数据，并以有效性的数值来取代。 采用一个移动窗口x0(k), x1(k), …, xm-1(k) ，利用m个数据来确定xm(k)的有效性。若滤波器判定该数据有效，则输出；否则，如果判定该数据为奇异数据，用中值来取代。 基于中值数绝对偏差的决策滤波器 用中值构造一个尺度序列，设{xi(k) }中值为Z，则 (2)．实现基于L*MAD准则的滤波算法 2. 抑制小幅度高频噪声的平均滤波法 小幅度高频电子噪声：电子器件热噪声、A/D量化噪声等。 通常采用具有低通特性的线性滤波器： 1. 算术平均滤波法 2. 加权平均滤波法 3. 滑动加权平均滤波法 2. 抑制小幅度高频噪声的平均滤波法 N个连续采样值（分别为X1至XN）相加，然后取其算术平均值作为本次测量的滤波器输出值。即 2. 抑制小幅度高频噪声的平均滤波法 对于采样速度较慢或要求数据更新率较高的系统，算术平均滤法无法使用。 滑动平均滤波法把N个测量数据看成一个队列，队列的长度固定为N，每进行一次新的采样，把测量结果放入队尾，而去掉原来队首的一个数据，这样在队列中始终有N个“必威体育精装版”的数据。 2. 抑制小幅度高频噪声的平均滤波法 2. 抑制小幅度高频噪声的平均滤波法 增加新的采样数据在滑动平均中的比重，以提高系统对当前采样值的灵敏度，即对不同时刻的数据加以不同的权。通常越接近现时刻的数据，权取的越大。 3. 复合滤波法 在实际应用中，有时既要消除大幅度的脉冲干扰，有要做数据平滑。因此常把前面介绍的两种以上的方法结合起来使用，形成复合滤波。 去极值平均滤波算法：先用中值滤波算法滤除采样值中的脉冲性干扰，然后把剩余的各采样值进行平均滤波。连续采样N次，剔除其最大值和最小值，再求余下N-2个采样的平均值。显然，这种方法既能抑制随机干扰，又能滤除明显的脉冲干扰。 3. 复合滤波法 为使计算更方便，N-2应为2，4，8，16 常取N为 4，6，8，10，18 减小零位误差与增益误差的方法 系统非线性校正 系统误差的标准数据校正法 传感器的温度误差的校正方法 系统误差:是指在相同条件下多次测量同一量时，存在着其大小和符号保持不变或按一定规律变化的误差。 恒定系统误差：校验仪表时标准表存在的固有误差、仪表的基准误差等； 变化系统误差：仪表的零点(或基线）和放大倍数的漂移、温度变化而引入的误差等； 系统非线性（非比例）误差：传感器及检测电路（如电桥）被测量与输出量之间的非比例关系。 1. 仪器零位误差和增益误差的校正方法 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，所以会给仪器引入零位误差和增益误差。 1. 仪器零位误差和增益误差的校正方法 测量过程: 先选定增益 把输入接地（即使输入为零），此时整个测量通道的输出即为零位输出N0（一般不为零）； 再把输入接基准电压Vr测得数据Nr，并将N0和Nr存于内存； 然后输入接Vx，测得Nx，则测量结果可用下式计算出来。 1. 仪器零位误差和增益误差的校正方法 Vx =A1*Nx +A0 A1=Vr/（Nr-N0） A0=Vr N0/（N0-Nr） 校正系数A1、A0 当通道是程控增益， 每个增益档有一组系数。 2. 系统非线性校正 传感器的输出电信号与被测量之间的关系呈非比例关系（非线性）；仪器采用的测量电路是非线性的 。 2. 系统非线性校正 如果已知传感器或检测电路的非线性特性的解析式y = f(x)，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。 2. 系