[Tonny_Bennet]

Под амплитудой шума я понимаю среднеквадратичное отклонение показаний, снятых в одном и том же положении. Конечно же имеет практический смысл считать только среднее за определённый период времени: 1. В цикле записываешь N показаний y[i], взятых через одинаковый промежуток времени 2. Считаешь среднее M=sum(y[i], 0<i<N) /*псевдокод*/ 3. Считаешь дисперсию D=sum(pow(y[i]-M,2), 0<i<N) 4. Как правило "красивую" форму имеет ср.-кв. отклонение S=sqrt(D) Сделай несколько замеров с разным интервалом по времени между y[i] и с разными расстояниями, покажи графики, может что подскажем. »

Ясно, я пока остановился на усреднении замеренных показателей в процессе градуирования дальномера. По-возможности сделаю графики и среднеквадратичного отклонения и выложу, раз к этому проявлен интерес

Различные коэф. поглощения звука? Ковер, ножка стола(дерево), бетон, различные типы обоев на стене? Или пытаться анализировать отзвук и возвращаемую функцию. Обширнейшая теория звука в помощь! »

Да, о этих проблемах у ультразвуковых дальномеров я уже успел прочитать. Видимо в идеале нужно создавать непростой программно-аппаратный комплекс.

Слона едят по кусочкам. Создавай до крайней степени примитивную, но рабочую модель. Пусть она пока будет двигаться в "белом" пространстве. Будут проведены и готовы исследования -- ведешь "цветное" пространство. »

Так я в принципе и двигаюсь, просто задавая открытый вопрос сразу получаешь много дельных советов и предложений. Приятно. Но в то же время чтобы всё проверить приходится отдаляться от основной идеи.

[lxa85]

Но в то же время чтобы всё проверить приходится отдаляться от основной идеи. »

Скажу по секрету - в том и есть "Наука"

[Tonny_Bennet]

Контроллер можно настроить на автоматический опрос линии АЦП. Установил частоту опроса на 100 Гц. Устанавливал белое препятствие на расстоянии от 5 до 45 см с интервалом в 1 см. В цикле набирал по 1000 значений измерений. И дальше по алгоритму написал функцию расчёта дисперсии.

Код:

        double[] compute_disperse(List<int> Y)
        {
            int[] y =  Y.ToArray();

            double M = 0;

            for (int i=0; i< y.Length;i++)
            {
                M += y[i];
            }

            M = M / y.Length;

            double D = 0;

            for (int i=0; i< y.Length; i++)
            {
                D += Math.Pow(y[i] - M,2);
            }

            return new double[] { M, Math.Sqrt(D) };
        }

Построил график в программе AdvancedGrapher. Применил сглаживание. Зелёная линия это арифметическое среднее. Красная - дисперсия. По оси абсцисс расстояние. По оси ординат значения в некоторых единицах АЦП (можно однозначно перевести в вольты).

[pva]

В формуле дисперсии не хватает "поделить на N-1" (кажется я забыл это написать), поэтому отклонение на графике завышено в Sqrt(999) раз. Для качественного анализа это не смертельно.

1. Сглаживание лучше не делать, а просто отметить точки. На случайных данных сглаживание даёт сбивающие с толку эффекты. Сделай графики без сглаживания и без соединения точек.
2. Странно, что на 1000 точках отклонение так сильно прыгает. Можно посмотреть массивы в точках x=10 и x=15? Возможно там не гауссово распределение (например дальномер "видит" рисунок на припятсвии)
3. Функция отклика отличается от заявленной производителем (а может быть это эффект сглаживания)
4. Создаётся ощущение, что на дальних расстояниях шум выше

Чтобы получить хорошие данные не особо себя затрудняя, можно поедположить, что медленное движение препятствия на дальномер не оказывает больших эффектов на статистику 1000-точечного замера. Тогда можно поставить АЦП на постоянную запись (сливать данные на винт, пусть в 2-мегабайтный файл) и с постоянной небольшой скоростью двигать препятствие на дальномер (с этим хорошо справится шаговый двигатель). Замерив время начала и окончания эксперимента, можно узнать скорость движения. Большой файл порезать на 2-килобайтные кусочки. В итоге всё сделает автоматика, а во время эсперимента можно пить чай.

[Tonny_Bennet]

В формуле дисперсии не хватает "поделить на N-1" (кажется я забыл это написать), поэтому отклонение на графике завышено в Sqrt(999) раз. Для качественного анализа это не смертельно. »

В своём коде я делил на N.

1. Сглаживание лучше не делать, а просто отметить точки. На случайных данных сглаживание даёт сбивающие с толку эффекты. Сделай графики без сглаживания и без соединения точек. »

2. Странно, что на 1000 точках отклонение так сильно прыгает. Можно посмотреть массивы в точках x=10 и x=15? Возможно там не гауссово распределение (например дальномер "видит" рисунок на припятсвии) »

Хм, может я не правильно понял. Просто постараюсь ещё раз описать свои действия:

1. установил препятствие на расстоянии L см
2. запустил сбор статистики измерений пока не наберётся N штук.
3. произвёл усреднение и рассчитал дисперсию по представленным формулам.
4. записал в файл 3 значения: L M D (расстояние до объекта, среднее значение измерений, дисперсия)

Проделав данную процедуру 30 раз я получил набор значений (L M D) который построил в виде графика.

Можно посмотреть массивы в точках x=10 и x=15? Возможно там не гауссово распределение (например дальномер "видит" рисунок на припятсвии) »

Т.е. стоит посмотреть на распределение экспериментальных данных при измерении в одной точке?
Рисунка нет. Белый лист бумаги.

3. Функция отклика отличается от заявленной производителем (а может быть это эффект сглаживания) »

В первом посте я просто взял картинку из даташита другого оптического дальномера. Вид линии совпадает с оригиналом и я не считаю это каким-либо отклонением.

Чтобы получить хорошие данные не особо себя затрудняя, можно поедположить, что медленное движение препятствия на дальномер не оказывает больших эффектов на статистику 1000-точечного замера. Тогда можно поставить АЦП на постоянную запись (сливать данные на винт, пусть в 2-мегабайтный файл) и с постоянной небольшой скоростью двигать препятствие на дальномер (с этим хорошо справится шаговый двигатель). Замерив время начала и окончания эксперимента, можно узнать скорость движения. Большой файл порезать на 2-килобайтные кусочки. В итоге всё сделает автоматика, а во время эсперимента можно пить чай. »

Отличный вариант но вот шагового двигателя у меня нету

[Tonny_Bennet]

Можно посмотреть массивы в точках x=10 и x=15? »

Установил препятствие на 10 см.

Построил диаграмму. По оси абсцисс значения АЦП по оси ординат количество фиксаций данного события.

[pva]

Я имел в виду чтобы ты аттачил записанные файлы (семплы), я бы сам посмотрел нужные срезы . Судя по гистограмме (подозреваю что это плотность распределения), распределение не нормальное, а лог-нормальное или что-то в этом роде. Похоже что на выходной сигнал дальномера где-то накладывается нелинейное усиление. Попробуй построить гистограмму плотности распределения от логарифма получаемых значений.

[Tonny_Bennet]

Я имел в виду чтобы ты аттачил записанные файлы (семплы), я бы сам посмотрел нужные срезы »

На каких расстояниях записать?

Судя по гистограмме (подозреваю что это плотность распределения), распределение не нормальное, а лог-нормальное или что-то в этом роде. »

Я не могу сказать как это называется, но могу ещё раз рассказать как я получил эту гистрограмму. Я установил препятствие на 10 см. Запустил опрос датчика и смотрел сколько раз из 1000 будет появляться то или иное значение. Соответственно записывал количество регистраций значения Чем выше палочка тем больше раз выпадало это значение. На данном примере значение 368 регистрировалось 637 раз из тысячи. А значение 369 - 173 раза из тысячи.

Похоже что на выходной сигнал дальномера где-то накладывается нелинейное усиление. »

Откуда такие предположения и чем они мне грозят?

[pva]

Я не могу сказать как это называется, но могу ещё раз рассказать как я получил эту гистрограмму. Я установил препятствие на 10 см. Запустил опрос датчика и смотрел сколько раз из 1000 будет появляться то или иное значение. »

немного теории чисто чтобы знать как это называется:
Стандартная процедура замеры плотности распределения такая (почти как ты описал):
1. записывается сигнал, дофига независимых отсчётов.
2. вещественная ось делится на равные отрезки (чем длинее отрезок - тем глаже, но меньше точек в гистограмме)
3. вычисляется сколько точек попали в каждый отрезок.
Второй вариант (по смыслу то же самое):
1. дофига точек
2. Строится функция распределения = вероятность попадания числа в отрезок (-inf; x) как функция от x (сколько % точек меньше x).
3. плотность распределения - это производная функции распределения по x

На каких расстояниях записать? »

Мне понравились расстояния 10 и 15 см, потому что там явный скачок и провал ср-кв. отклонения. В идеале было бы хорошо посмотреть "типичный" сингал и "сильное отклонение от нормы", а расстояние любое от 10 до 30 см.

Снимать данные можно с любой частотой в диапазоне 100 - 10000 Гц (верх взял от балды, не принципиально). Нужно просто записать показания в файл (без обработки). Чем больше точек - тем представительней выборка. Советую от 1000 шт.

Откуда такие предположения и чем они мне грозят? »

Гистограмма формой похожа на искаженную гауссиану. Природные шумы (случайные процессы, возникающие за счёт большого числа случайных факторов, имеющих различные распределения) в пределе подчиняются нормальному закону распределения (плотность в виде гауссианы). Т.о. возможно мы видим нелинейно искажённый природный шум. Исказить его можно усилителем.
Предположения не грозят, они могут помочь найти недостающий фактор, помогающий определить расстояние.

[Beyound]

на мой взгляд вы немного не в ту степь углубились. вообще измерение достаточно важное - оно показывает насколько хорошо работает датчик, но вообще графики странные получились.
вот почему - мат. ожидание соизмеримо с дисперсией. т.е. значение, которое точно соотносится с расстоянием (мат. ожидание), соизмеримо по размерам, если не больше, со средним размером ошибки (дисперсией). это фигово и так быть не должно, скорее всего ты неправильно посчитал дисперсию. вот почему - на рисунке с 10 см такой дисперсии явно нет - это факт.
составь новые графики, возможно есть смысл увеличит на пару порядков замеры, уменьшив интервал между опросом (чтоб время не терять :-) ).
! но все это не поможет в проблемой перейти экстремум на графике вольты-расстояние. в коде программы для датчика эти данные бесполезны ибо поиск мат. ожидания для тебя будет всегда ибо один замер при поиске дистанции - лажа - тебе над делать больше. вот если бы там была некая нелинейность или какие нить особые места.
п.с. с расстояние дисперсия по идеи должна расти. чем больше расстояние - тем больше шума набирает сигнал