3. Jelminősítés
3.3. Detektorminősítés
3.3.1. Az időállandó vizsgálata
3.3.1.2. A számítási eljárás vizsgálata
( )
å å
=
= ⋅
= n
i i
n
i i i
x d x
0 2
0 ln
1
τ . (3.3.1.12)
A 3.3.1/2. ábrán látható rossz minőségű átmeneti függvény esetén a két illesztés közötti eltérés (2,595-2,576=0,019) kisebb egy százaléknál. Ennél nagyságrenddel nagyobb eltérések adódhatnak pl. az autoregressziós együtthatók és az idősor mintavételezési idejének megválasztásából.
1.00E-04 1.00E-03 1.00E-02 1.00E-01 1.00E+00
0.01 0.1 1 10 100
Frekvencia [Hz]
nAPSD
3.3.1/3. ábra. Egy τ=0,5 sec időállandójú rendszer kimenetén mért normált teljesítménysűrűség-spektrum (nAPSD) logaritmikus ábrázolásban, ha a bemenő jel fehérzaj
Az autoregressziós együtthatók kiszámításához szükséges C(t) autokorrelációs függvény a teljesítmény-sűrűség-spektrum inverz F-1 Fourier-transzformáltjaként is előállítható. Azaz
( )
t ω τ eωωτ dωC
t
ò
i∞
∞
−
−
= +
÷ø ç ö
è æ
= 1 + 2 2 2 2
1 1
F 1 . (3.3.1.14a)
Szimmetrikus, kétoldalú teljesítménysűrűség-spektrumok esetén a transzformáció egyoldalú alakkal is közelíthető (lásd [61]), amely alapján az autokorrelációs függvény a következő alakú lesz:
( ) ( ) ω
τ ω
ωt d t
C =
ò
∞01+ 2 22 cos . (3.3.1.14b)
A numerikus kísérletekhez a korrelációs függvényben a korrelációs időközt – a mérési gyakorlathoz igazodva – a mintavételi idővel azonosnak választjuk. A számításokban az f frekvencia és a ∆t minta-vételi idő közötti kapcsolatot az alábbi összefüggések adják meg:
2 max
1 1
f t f
m
=
=
∆ , (3.3.1.15)
ahol fm a mintavételi frekvenciának, fmax pedig a spektrum legnagyobb frekvenciavonalának az értéke.
A frekvenciaspektrum ∆f felbontása t
n n f f
∆
= ⋅
=
∆ 2
max 1 , ahol n a frekvenciavonalak száma. (3.3.1.16)
A számítási eljárás vizsgálatához a fenti (3.3.1.14-16) összefüggések felhasználásával különböző τ időállandókhoz tartozó autokorrelációs függvények készíthetők. A próbához a kiindulási teljesítmény-sűrűség-spektrumokat a zajdiagnosztikai gyakorlatban megszokott n=512 frekvenciavonalat tartalmazó spektrumokként állítjuk elő, amelyben ∆f az első spektrumvonal frekvenciája.
Az időállandó függése az adatsor mintavételi idejétől
A számítás ellenőrzéséhez ismert időállandókhoz tartozó, különféle mintavételi frekvenciával készített korrelációs függvények sorát készítettük el. A korrelációs függvényeken az időállandó számítását elvé-gezve a 3.3.1/4. ábrán bemutatott görbéket kaptuk. A számítás az AIC kritérium által visszaadott optimá-lis modellrenddel történt. Ez minden esetben háromnak adódott. Az inverz Fourier-transzformáció alapját a [60]-ban közölt eljárások képezték.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0.1 1 10 100 1000
Mintavételi idő [ms]
Időállandó [sec]
T=0,90 sec T=0,70 sec T=0,50 sec T=0,30 sec T=0,10 sec T=0,05 sec
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0 50 100 150 200 250 300
Mintavételi idő [ms]
Időállandó [sec]
T=0,90 sec T=0,70 sec T=0,50 sec T=0,30 sec T=0,10 sec T=0,05 sec
3.3.1/4. ábra. Modellezett időállandók számított értékei a mintavételi idő függvényében, az AIC szerinti optimális (3-as) modellrenddel számítva, logaritmikus és lineáris időtengely mentén
Az ábrán jól látható, hogy a számítás pontosságát a mintavételi frekvencia befolyásolja. A grafikonról leolvasható, hogy az ábrázolt görbéknél a vizsgált időállandóhoz tartozó optimális mintavételi frekvencia fél nagyságrendű eltérése kb. 10% eltérést okoz a számított időállandóban. Megfigyelhető, hogy a görbesereg a grafikon origója felé halad, azaz egyre kisebb és kisebb mintavételi időt használva – ha a számítás az időállandóhoz képest egyre rövidebb korrelációs hosszon történik – a számított időállandó is egyre kisebb lesz. Ennek egyszerű magyarázata az, hogy a mintavételi idő csökkenésével (rögzített spektrumszélesség, spektrumvonalszám esetén) a normált korrelációs függvények alakja – dimenzió nélkül összerajzolva – egyformává válik (lásd 3.3.1/5.ábra).
-0.2 0 0.2 0.4 0.6 0.8 1
-200 -100 0 100 200
együttható sorszám
Fmax=10KHz; st=0.1ms Fmax= 1KHz; st=0.5ms Fmax=500Hz; st=1.00ms Fmax=250Hz; st=2.00ms Fmax=150Hz; st=3.33ms Fmax= 80Hz; st=6.25ms Fmax= 40Hz; st=12.5ms Fmax= 20Hz; st=25.0ms Fmax= 1Hz; st=500ms
3.3.1/5.ábra. τ =0,3 sec időállandóhoz tartozó, különböző ∆t mintavételi idővel numerikusan készített normált korrelációs függvények alakja az együtthatók sorszáma szerint ábrázolva. (Az ábrázolt görbék a feltüntetett görbeelnevezések sorrendjének megfelelően – egymás alatt – helyezkednek el.) Az autoregresszión alapuló számítás csak a korrelációs görbe alakját veszi figyelembe, és a számított időállandó a mintavételi-, illetve a korrelációs idő lineáris függvénye. Ennek következménye, hogy egy meghatározott értéknél kisebb mintavételi időkre – amikor a korrelációs függvény alakja már elhanya-golható mértékben változik – a számított időállandó közel lineárisan csökken a mintavételi idővel. (Valós méréseknél a spektrum csak a mérőrendszer alapzajáig csökkenhet, azaz itt az időállandó számított csök-kenése a háttérzaj frekvenciamenetétől függően meg is állhat, sőt emelkedésbe válthat át.) A korrelációs függvények alakjának egymásba esése a következők alapján könnyen belátható. Ha ωτ >>1, akkor a szűrő frekvenciaspektruma
( )2 2 2 21 2 1
1
τ ω τ
ω ω ≅
= +
H (3.3.1.17)
alakba megy át (ez a 3.3.1/3. ábrán is megfigyelhető, ha gondolatban a vízszintes tengely kezdőpontját 1 Hz-ig eltoljuk). Ennek az inverz Fourier-transzformáltja (3.3.1.14b) alapján a következő:
( ) ( ) ( ) ( ) ( )
ïþ ïý ü ïî
ïí
ì ú
û ê ù
ë
é −
+ ⋅
− ⋅
⋅ úû −
êë ù
= é−
=
∆ ∆
∆
ò
max max max
! ...
5 5 2
! 3 3 2 2
2 2 cos 2
1 4
2 2 cos
5 3
2 2 2
2 2
f
f f
f f
f
ft ft ft
f t df ft
f t ft
C π π π π π
τ π τ
π π . (3.3.1.18)
Az integrálást elvégezve és a (3.3.1.15-16) összefüggéseket behelyettesítve a következőt kapjuk:
( ) ( )
( ) ( )
ïï þ ïïý ü ïï
î ïïí ì
−
⋅
−
÷ø ç ö è æ
∆
− ⋅
÷ø ç ö è æ
− ∆
⋅
−
∆
÷ø ç ö è æ
− ∆
∆
⋅
÷ø ç ö è æ
∆
= ⋅
å
∞=−
−
+ 1
1 2 1
2
1 2
2 2 1 2 1 2 1!
cos cos
2 1
k
k k
k
k k
t n
t t
t t
t t t
t n
t n
t t
C
π π
π π π π
π τ
π . (3.3.1.19)
A korrelációs függvényt t=i⋅∆t, i=
[
1...n]
lépésközönként számítjuk ki:( ) ( ) ( ) ( )
( ) ( )
ïï þ ïïý ü ïï
î ïïí ì
−
⋅
−
÷ø ç ö è
−æ
−
⋅
∆
⋅
⋅ −
−∆
÷ø ç ö è
⋅ æ
∆
⋅
=
∆
⋅
å
∞=− −
+ 1
1 2 1
2 1 2
2 cos cos 2 1 2 1 2 1!
2 1
k
k k
k
k k
n i i
t i i
n t t i
n t
i C
π π π π
π π
π τ
π . (3.3.1.20)
A fenti összefüggésben a ∆t mintavételezési idő kiemelhető, azaz a korrelációs együtthatók a ∆t minta-vételi időtől lineárisan függenek. Ez egyben azt is jelenti, hogy az rk normalizált autokorrelációs függ-vényben a ∆t mintavételezési idővel egyszerűsíteni lehet. Azaz az
( )
[ ]
[
( )]
max1.. c i t t k r c
n i i
k
k ⋅∆
∆
= ⋅
∈
(3.3.1.21) adatsor minden mintavételezési időre azonos értéket vesz fel. Diszkrét inverz Fourier-transzformációt használva a nulla időponthoz tartozó értéket is visszakapjuk, a fenti számítás azonban a t=0 időre (illetve i=0-ra) nem érvényes. Ezt az értéket csak határérték-számítással kaphatnánk meg. Ettől eltekintve a korreláció hasonlóságát bizonyítottnak tekintjük.
A továbbiakban vizsgáljuk meg, hogy mi történik, ha egyre nagyobb mintavételi idővel (azaz egyre kisebb mintavételi frekvenciával) végezzük az adatgyűjtést. A mintavételi idő növekedésével a frekven-ciaspektrum balra tolódik, azaz a spektrum konstans értékhez kezd közelíteni, aminek következtében a szűrő frekvencialetörési sávja fokozatosan eltűnik a spektrumból. (Ilyet láthatunk, ha a 3.3.1/3. ábra frekvenciaspektrumának felső határfrekvenciáját 0,1 Hz alá visszük.). A jelenséget frekvenciatérben vizsgálva fejtsük Taylor-sorba a szűrő (3.3.1.13) frekvenciaspektrumát.
( ) 1 0 0 ...
1
1 2 2 3 4 4
2 2
2 = + ⋅ − + ⋅ + +
= + ω ω τ ω ω τ
τ ω ω
H . (3.3.1.22)
Ha olyan frekvenciasávot választunk, amelyben ωτ <<1, akkor a spektrum ebben a frekvenciasávban egyhez közeli értéket vesz fel, azaz a spektrum „kifehéredik”. Ennek az a következménye, hogy az autokorrelációs függvény a nulla pozíció (r0 =1 érték) után rögtön igen kis (vagy abszolút értékben kicsi) negatív értékeket vesz fel (lásd 3.3.1/5. ábra), tehát a korreláció jellemzői is a fehérzajhoz közelí-tenek. (A fehérzajra számított időállandó nulla.) Az időállandó számítása ilyen korrelációs értékekre in-stabillá válik, mert az átmeneti függvényekben oszcilláció jelentkezik és/vagy a függvények divergenssé válnak. A negatív egységugrás átmeneti függvénye negatív tartományba is átmegy, ami már a logaritmus
kiszámításában is problémát okoz. Kisebb mértékű oszcillációk szükségmegoldásként esetleg pontelha-gyással kezelhetők.
Az optimális mintavételi idő meghatározásához a tényleges időállandó és a mintavételi frekvencia ará-nyának függvényében ábrázoltuk a számított időállandók relatív hibáját (lásd 3.3.1/6. ábra).
0 10 20 30 40 50
0 10 20 30 40 50 60 70 80 90 100
Időállandó / Mintavételi idő
Relatív hiba [%]
T=0,90 sec T=0,70 sec T=0,50 sec T=0,30 sec T=0,10 sec T=0,05 sec
3.3.1/6. ábra. Modellezett időállandók számított értékeinek relatív hibája a tényleges időállandó és a mintavételi idő arányának függvényében
Az ábráról leolvasható, hogy a modellezési feltételek mellett az optimális mintavételi idő minden idő-állandónál az időállandó tizennyolcad része, azaz az adott feltételek mellett azonos.
Az időállandó függése a modell rendjétől
A modellrend növekedésével az autoregresszió egyre pontosabban írja le a vizsgált rendszer tulajdonsá-gait. Minél magasabb modellrenddel készítjük el például a jel autospektrumát, annál finomabb részletek jelennek meg benne, azaz az autoregressziós spektrum az FFT spektrumot egyre jobban kezdi megköze-líteni. Az időállandó számításához nem szükséges, sőt zavaró a jel minél pontosabb modellezése, ehelyett elegendő a jel alaptulajdonságainak a leírása. A modellrend megválasztásának hatását az időállandó szá-mításának eredményére a 3.3.1./7. ábrán mutatjuk be.
0 0.2 0.4 0.6 0.8 1 1.2 1.4
0 5 10 15 20 25
Modellrend
Időállandó [sec]
T=0,90s; ST=50,0ms T=0,70s; ST=35,7ms T=0,50s; ST=27,8ms T=0,30s; ST=16,7ms T=0,10s; ST=5,56ms T=0,05s; ST=2,50ms
3.3.1/7.ábra. Optimális mintavételezési idővel számított időállandók a modellrend függvényében Az ábrán látható, hogy a számítás szempontjából ideális tulajdonságú adatsoroknál – a modellrend feltüntetett tartományában – a számított időállandó a jelmagyarázatban feltüntetett pontos érték 15%-os környezetében váltakozik. Az időállandó hármas modellrendnél közelíti meg legjobban a pontos értéket, ez egybeesik az AIC-vel kapott optimális modellrenddel. Valós adatsoroknál probléma lehet, hogy az AIC által visszaadott adatsor a minimumhely körül ellaposodik, emiatt nehezebben határozható meg az optimális modellrend. Felvetődik az is, hogy olyan mért idősorok esetén, melyekben más folyamatok
hatásai (és időállandói) is jelen vannak, az AIC-vel meghatározott optimális modellrend nem feltétlenül optimális az időállandó meghatározására.
Az időállandó számításának ellenőrzése mért adatsorokon
A módszer gyakorlati teszteléséhez egy 0,6 sec időállandójú rendszeren (RC körön) fehérzajt vezettünk át. A kijövő jelet különböző mintavételi időkkel digitalizáltuk. Az adatgyűjtést 0,01 Hz-es felüláteresztő szűrő közbeiktatásával készítettük. A vizsgálatot az alacsonyabb mintavételi idejű méréseknél a szűrő kiiktatásával is végrehajtottuk. A számításokat az idősorokból készített autokorrelációs függvényeken végeztük el. Ezek eredményét a 3.3.1/9. ábra mutatja be.
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7
0 20 40 60 80 100
Mintavételi idő [ms]
Időállandó [sec]
T=0,6 sec; HP=0,01 Hz T=0,6 sec; HP sz. nélkül
3.3.1/9. ábra. Mért adatsorokból számított időállandók a mintavételi idő függvényében
Az ábrán jól látható, hogy a görbe fő vonulata jelentős mértékű egyenetlensége ellenére hasonló a nume-rikus szimulációval kapott görbékhez. A feldolgozás tapasztalatai szerint a görbe egyenetlensége elsősor-ban az AIC alapján számított optimális modellrendből származik. (A modellrend választásának függvé-nyében 10-15%-os eltérések adódtak.) Másodsorban az okozza, hogy a mérőrendszer aluláteresztő szűrője csak meghatározott értékekre állítható, és a beállított érték nem mindig esik egybe a mintavételi frekvencia által megkövetelt értékkel. Az ábra jól demonstrálja, hogy ha a felüláteresztő szűrő levágási sávja eléri a spektrum első vonalait, akkor a számított időállandókra kisebb értékek adódnak. Ez figyel-hető meg 25 ms-tól, ahol a görbék elágaznak.