传感器原理与应用-数据分析与处理.ppt

8.1数据分析意义1、正态性检验
根据被测信号的概率密度分布图判别
正态性检验通常把一组数据序列点在一种专用的正态概率纸上，若各点近似地落在一条直线上，则说明样本符合正态分布。
通过累积概率分布图的规律也可进行数据正态性的检验。
2、平稳性检验
如果信号的均值近似是常数，信号的自相关和起始时间无关，仅和时间差有关。
目测的话，平稳信号曲线各部分的变化小、波峰波谷分布均匀、变化频率较为一致。
平稳信号对应的被测系统的基本特性不随时间改变。
分段统计特性分析法（轮次法）设有—随机序列X、长度为M,现将其分成N个子区间、求出各子区间的均方值、然后再求这N个均方值的中值、即大小处于中间位置的值。所谓轮次检验是将这N个均方值逐个与中值比较、其大于中值者记为“+’，小于中值者记为“—”、这种从“+’”到“一”和从“一’到“+’的变化次数称为轮次数，用r表示。一个序列的轮次数反映序列的独立性，平稳随机过程的轮次数将满足—定的统计规律
3、周期性检验
根据被测系统的物理力学特性判别
如果系统的基本物理力学特性随时间周期性变化，则认为被测信号呈现周期性。
目测检验
观测被测信号的记录曲线，如果信号曲线成周期性变化，则认为被测信号呈现周期性。
数据采集所得的原始信号，在分析处理前需要进行预处理。预处理工作主要包括去干扰、消除趋势项、剔除异常数据、平滑、拟合等。
一、趋势项
1、趋势项就是在信号中存在线性项或缓慢变化的、周期大于记录长度的非线性成分。
原因：(1)抽样时未对原始信号加以适当的处理，如在A／D转换前未进行必要的高通滤波，使抽样信号中含有不需要的低频成分。
(2)由于外界原因，包括传感器或仪器的零点漂移；传感器安装不当、测试对象的基础运动等原因引起的信号波形漂移；积分放大器后产生的趋势项。2）平均斜率法消除趋势项3）有高阶趋势项的零均值化
设有序列三．测试数据的五点三次平滑
平滑，即在满足残差平方和最小的前提，对测试数据进行处理，减少因一些偶然因素所造成的数据误差的影响，起到剔除异点的作用。
平滑处理是进行分段拟合。五点三次平滑是用三次多项式拟合相邻五个点的数据。四．奇异点剔除
剔除异常数据是根据统计学原理。统计学认为，大量采样数据值不超过超过标准差的3倍。若以零均值信号的3倍标准差为置信区间，其置信度可达到99.74％，因此大于3倍标准差的信号几乎不存在，可以视为异常点。五．噪声与周期性干扰信号的消除

1）有效频率以外的噪声与干扰信号的消除
低通滤波器（去高频）
高通滤波器（去低频）
带通滤波器（去高低频）
2）有效频率以内的噪声与干扰信号的消除
带阻滤波器
频域消除法概述：1、误差处理意义：误差是不可避免。
1、对被测单个信号进行必要的去误差处理，更便于发现检测信息统计特征，找出实验数据的规律；
2、对多路、多传感器检测信息去误差处理，更便于进行信息融合，实现目标识别。8.3随机信号去误差处理1．系统误差——在同样条件下，对同一物理量无限多次测量值的平均值减去该被测量的真值。系统误差的大小、方向恒定一致或按一定规律变化。

2．随机误差——在同样条件下，对同一物理量的测量值减去无限多次测量的平均值。随机误差具有随机性、正负抵偿特性。

3．粗大误差——明显超出限定条件下预期的误差，它是统计异常值。应剔除含有粗大误差的测量值。针对不同类型误差，采用不同的处理方法：

1、采样频率很高，测量次数很多，
对测量后信号中存在的随机干扰和粗大误差的处理（随机信号去误差处理）；

2、采样频率低、测量次数较少，
添加测量信号中缺少点的处理（插值处理）；

3、由测量给定点的不精确数据求其精确数据（非线性补偿处理）。当测量次数n充分大时，对N次测量值取平均值，其数学期望为对系统输出值估算时，先对直接检测值算术平均，再按函数关系求测量结果的误差较小，比先对多个检测值按函数关系计算出每次采样结果，然后求采样结果的算术平均值效果好。分析：
当测量次数n较大时，（8-3-5）可以认为1)标准误差是在采样次数n足够大得到的，但实际测量只能有限次，测量次数n如何确定？
说明：实际测量中的有限次测量只能得到标准误差的近似值
2)采用测量序列的剩余误差通过贝塞尔公式求标准误差的近似值
3）采用近似值通过谢波尔德公式确定测量次数n。贝塞尔（Bessel）公式
对于测量列{}中的一次测量结果标准差有：

剩余误差为：
真差：
由式（8-2-9）、(8-2-8)有：

由此可推导出用剩余误差计算近似标准误差的贝塞尔公式：谢波尔德公式
a.给出了标准误差、近似误差以及检测设备分辨率之间的关系：

b.当测量次数n增加，利用随机误差的抵偿性质，使随机误差的大小减小到与相近的数量时，测得到标准误差就趋于稳定，此时测量次数n为选定值。粗大误差（或称疏失误差）是指显然