Usiamo una scheda di acquisizione dati per effettuare le letture da un dispositivo che aumenta il suo segnale ad un picco e poi ricade vicino al valore originale. Per trovare il valore di picco al momento ricerca nella matrice per il valore elevato e utilizzare l'indice per determinare la temporizzazione del valore di picco che viene usato nei nostri calcoli. Questo metodo funziona bene se il valore più alto è il picco che stiamo cercando, ma se il dispositivo non funziona correttamente possiamo vedere un secondo picco che può essere superiore al picco iniziale. Prendiamo 10 letture un secondo da 16 dispositivi più di un secondo periodo di 90. I miei pensieri iniziali sono per scorrere le letture di controllo per vedere se i punti precedenti e successivi sono meno di quello attuale per trovare un picco e costruire una serie di picchi. Forse dovremmo guardare ad una media di un certo numero di punti entrambi i lati della posizione corrente per consentire il rumore nel sistema. È questo il modo migliore di procedere o sono tecniche non meglio Noi usiamo LabVIEW e Ho controllato il forum lava e ci sono una serie di esempi interessanti. Questo fa parte del nostro software di test e stiamo cercando di evitare l'utilizzo di un numero eccessivo di librerie non-standard VI quindi speravo per il feedback sulle processalgorithms coinvolti piuttosto che codice specifico. chiesto 6 agosto 08 alle 10:23 Si potrebbe provare la media del segnale, cioè per ogni punto, la media del valore con l'ambiente circostante 3 o più punti. Se i segnali di ritorno di rumore sono enormi, quindi anche questo potrebbe non aiuta. Mi rendo conto che questo era il linguaggio agnostico, ma indovinando che si sta utilizzando LabView, ci sono un sacco di trattamento pre-confezionati segnale VI che vengono con LabView che è possibile utilizzare per fare levigante e riduzione del rumore. I forum NI sono un ottimo posto per ottenere l'aiuto più specializzato in questo genere di cose. rispose 6 agosto 08 alle 11:12 Ci sono un sacco di metodi di rilevamento di picco classici, ognuno dei quali potrebbe funzionare. Youll hanno a vedere che cosa, in particolare, delimita la qualità dei dati. Qui ci sono descrizioni di base: tra due punti qualsiasi nei dati, (x (0), y (0)) e (x (n), y (n)). aggiungere fino y (i 1) - Y (i) per 0 lt i lt n e chiamare questo T (corsa) e impostare R (aumento) per y (n) - y (0) k per opportunamente piccolo k. TR gt 1 indica un picco. Questo funziona bene se grande viaggio a causa del rumore è improbabile o se il rumore distribuisce simmetricamente intorno ad una forma curva base. Per la vostra applicazione, accettare il primo picco con un punteggio di sopra di una certa soglia, o analizzare la curva di marcia per i valori di aumento per le proprietà più interessanti. Utilizza filtri adattati a segnare somiglianza con una forma del picco standard (essenzialmente, utilizzare un dot-prodotto normalizzata contro alcuni forma per ottenere un coseno-metrica di similarità) Deconvolve contro una forma picco dello standard e verificare la presenza di valori elevati (anche se spesso trovo 2 a essere meno sensibili al rumore per una semplice uscita strumentazione). Smooth i dati e verificare la presenza di triplette di punti equidistanti in cui, se x0 lt x1 lt x2, y1 GT 0.5 (y0 Y2). o controllare distanze euclidee come questo: D ((x0, y0), (x1, y1)) D ((X1, Y1), (X2, Y2)) gt D ((x0, y0), (x2, y2)) . che si basa sulla disuguaglianza triangolare. Utilizzando rapporti semplici sarà di nuovo fornire un meccanismo di punteggio. Montare un modello molto semplice miscela 2-gaussiana ai dati (ad esempio, Numerical Recipes ha un bel pezzo ready-made di codice). Prendere il picco precedente. Questo si occuperà correttamente con picchi che si sovrappongono. Trovare la migliore corrispondenza nei dati di una semplice gaussiana, Cauchy, Poisson, o quello che-hanno-te della curva. Valutare questa curva in un ampio campo e sottrarre da una copia dei dati dopo notando la sua posizione di picco. Ripetere. Prendere il primo picco il cui modello di parametri (deviazione standard, probabilmente, ma alcune applicazioni potrebbero preoccuparsi curtosi o altre caratteristiche) incontrare qualche criterio. Attenzione per i manufatti lasciati alle spalle quando i picchi vengono sottratti dai dati. Miglior risultato potrebbe essere determinato dal tipo di partita segnando suggerito 2 di cui sopra. Ive fatto quello che stai facendo prima: picchi di trovare nei dati di sequenza del DNA, trovando picchi in derivati stimato da curve misurate, e la ricerca di picchi di istogrammi. Vi incoraggio a partecipare con attenzione alla corretta baselining. filtraggio di Wiener o altro filtraggio o semplice analisi istogramma è spesso un modo semplice per basale in presenza di rumore. Infine, se i dati sono in genere rumorose e stai ricevendo dei dati dalla scheda come non referenziato uscita single-ended (o anche riferimento, non solo differenziale), e se sei una media di un sacco di osservazioni in ciascun punto di dati, provare l'ordinamento tali osservazioni e buttare via il primo e l'ultimo quartile e una media di ciò che resta. Ci sono una miriade di tali tattiche di eliminazione di valori anomali che possono essere veramente utile. ha risposto 4 settembre 08 alle 18:07 It39s solo per evitare overflow: quando si divide T da R, se la curva è piatta o quasi piatta o della prima e dell'ultima valori y sono uguali o quasi uguali, allora R sarà pari o vicino allo zero . Adeguatamente piccola sarebbe abbastanza piccolo per evitare di gettare via il rapporto in molto quando R non è vicino a zero. Questo è principalmente un pratico, questione empirica. It39s solo scopo di evitare che un-divide zero, che si potrebbe invece scegliere di fare in altro modo. ndash Thomas Kammeyer 6 giugno 12 alle 19:32 Questo problema è stato studiato in dettaglio. Ci sono una serie di molto up-to-date le implementazioni delle classi TSpectrum di root (un nuclearparticle strumento di analisi fisica). Il codice funziona in uno a dati tridimensionali. Il codice sorgente ROOT è disponibile, in modo da poter afferrare questa implementazione, se si desidera. Dalla documentazione di classe TSpectrum: Gli algoritmi utilizzati in questa classe sono stati pubblicati i seguenti riferimenti: 1 M. Morhac et al. metodi di eliminazione sfondo per multidimensionale coincidenza spettri di raggi gamma. Strumenti nucleari e Metodi Physics Research A 401 (1997) 113- 132. 2 M. Morhac et al. one efficiente e deconvoluzione oro bidimensionale e la sua applicazione alla decomposizione raggi gamma spettri. Strumenti nucleari e Metodi Physics Research A 401 (1997) 385-408. 3 M. Morhac et al. Identificazione dei picchi in multidimensionale coincidenza spettri raggi gamma. Strumenti nucleari e Metodi di ricerca in fisica A 443 (2000), 108-125. Le carte sono collegate dalla documentazione di classe per quelli di voi che non avete un abbonamento online NIM. La versione a corto di ciò che viene fatto è che l'istogramma appiattito per eliminare il rumore, e poi massimi locali vengono rilevati con la forza bruta nell'istogramma appiattito. Vorrei contribuire a questa discussione un algoritmo che io stesso ho sviluppato: Si basa sul principio della dispersione. se un nuovo punto dati è un dato numero x di deviazioni standard di distanza da alcune in movimento, i segnali medi algoritmo (denominato anche z-score). L'algoritmo è molto robusto, perché costruisce un mezzo in movimento separata e la deviazione, in modo tale che i segnali non si corrompere la soglia. segnali futuri sono quindi identificati con approssimativamente la stessa precisione, indipendentemente dalla quantità di segnali precedenti. L'algoritmo prende 3 ingressi: LAG il ritardo della finestra mobile. soglia il punteggio z in cui i segnali algoritmo e influenza l'influenza (tra 0 e 1) di nuovi segnali sulla media e la deviazione standard. Ad esempio, un ritardo di 5 userà gli ultimi 5 osservazioni per lisciare i dati. Una soglia di 3,5 segnalerà se un punto dati è di 3,5 deviazioni standard dalla media in movimento. E un'influenza di 0,5 dà segnali metà della influenza che datapoints normali hanno. Allo stesso modo, un'influenza di 0 ignora completamente i segnali per ricalcolare la nuova soglia: un'influenza pari a 0 è quindi l'opzione più robusta. Funziona come segue: ha risposto 3 novembre 15 a 21:46 Questo metodo è fondamentalmente da David Marrs libro Vision Controllo sfocatura il segnale con la larghezza prevista di tuoi picchi. questo si libera di picchi di rumore ei dati di fase non è danneggiato. Poi bordo rilevare (LOG farà) e poi il bordo erano i bordi delle caratteristiche (come i picchi). Guardiamo tra i bordi per i picchi, ordinare i picchi per dimensione, e il gioco è fatto. Ho usato variazioni su questo e funzionano molto bene. ha risposto 2 settembre 08 alle 1:00 Penso che si vuole attraversare-correlare il segnale con un segnale esemplare previsto. Ma, è stato così tanto tempo da quando ho studiato l'elaborazione dei segnali e anche allora non ho molto caso. rispose 6 agosto 08 alle 11:38 Si potrebbe applicare un po 'Devision standard per la logica e prendere atto dei picchi oltre x. Risposi 6 agosto 08 alle 11:17 Non so molto di strumentazione, quindi questo potrebbe essere del tutto impraticabile, ma poi di nuovo potrebbe essere una direzione utile diversa. Se si sa come le letture possono fallire, e c'è un certo intervallo tra picchi dato tali errori, perché non fare la discesa del gradiente ad ogni intervallo. Se la discesa si ritorna ad una zona youve cercato prima, si può abbandonarla. A seconda della forma della superficie campionato, anche questo potrebbe aiutare a trovare i picchi più veloce di ricerca. rispose 6 agosto 08 alle 11:38 C'è una differenza qualitativa tra il picco desiderato e il secondo picco indesiderato Se entrambi i picchi sono taglienti - cioè breve durata di tempo - quando guardando il segnale nel dominio della frequenza (facendo FFT) youll ottenere energia a maggior parte dei gruppi. Ma se il buon picco ha affidabile presente energia a frequenze non esistenti nel cattivo di picco, o viceversa, si può essere in grado di distinguere automaticamente in quel modo. ha risposto 2 settembre 08 alle 00:33 La vostra risposta 2017 Stack Exchange, IncBREAKING GIÙ drawdown Questo metodo prelievo di registrazione è utile perché una valle cant essere misurato fino al verificarsi di un nuovo massimo. Una volta che l'investimento, fondo o delle materie prime raggiunge un nuovo massimo, il tracker registra la variazione percentuale dal vecchio alto al più piccolo trogolo. Prelievi contribuiscono a determinare un rischio finanziario investimenti. Sia il Calmar e rapporti di Sterling utilizzare questa metrica per confrontare un securitys possibile premio per il rischio. Perdita è semplicemente la metà negativa di deviazione standard in relazione ad un prezzo delle azioni delle scorte. Un prelievo da un prezzo delle azioni elevati alla sua bassa è considerata la sua quantità prelievo. Utilizzi Stock A scorte volatilità totale è misurata dalla sua deviazione standard, ancora molti investitori, soprattutto i pensionati che stanno ritirando fondi dalle pensioni e conti pensione, sono preoccupati per prelievi. Durante mercati volatili, e dei mercati che hanno una possibilità di una correzione, perdita è una seria preoccupazione per i pensionati. Molti stanno iniziando a guardare il prelievo dei loro investimenti, provenienti dalle scorte di fondi comuni di investimento, e considerando la loro eventuale potenziale massimo scoperto (MDD). Drawdown rischio Utilizzi presentare un rischio significativo per gli investitori se si considera il uptick nel prezzo delle azioni necessarie per superare un prelievo. Ad esempio, può non sembrare molto se un titolo perde 1, in quanto necessita solo di un aumento del 1,01 per recuperare alla sua posizione precedentemente detenuta. Tuttavia, un prelievo di 20 richiede un ritorno 25, mentre un 50 prelievo visto durante 2008 a 2009 Google recessione richiede un enorme aumento 100 per recuperare la stessa posizione. La maggior parte degli investitori vogliono evitare prelievi di 20 o superiore prima di tagliare le loro perdite e trasformare una posizione in investimenti in denaro. I pensionati, in particolare, sentono questo rischio, se sono il raddoppio sull'economia drawdown come si ritirano ulteriori fondi dal principale dei loro investimenti per finanziare le loro pensioni. In molti casi, un prelievo drastica, accoppiato con prelievi continui in pensione può ridurre considerevolmente i fondi pensione. Drawdown valutazioni genere, prelievo rischi sono mitigati da avere un portafoglio ben diversificato e conoscendo la lunghezza della finestra di recupero. Se una persona è all'inizio della sua carriera o ha più di 10 anni fino alla pensione, il limite di prelievo del 20 che la maggior parte dei promotori finanziari espongono dovrebbe essere sufficiente per i portafogli riparo per una ripresa. Tuttavia, i pensionati devono essere particolarmente attenti a rischi di prelievo nei loro portafogli. Diversificare un portafoglio tra azioni, obbligazioni e strumenti di cassa in grado di offrire una certa protezione contro il prelievo, le condizioni di mercato influenzano diverse classi di investimenti in modi diversi. prezzo delle azioni o prelievo di mercato non devono essere confusi con il prelievo di pensionamento, che si riferisce al modo in cui i pensionati dovrebbero prelevare fondi dai loro conti di pensione o di pensione.
No comments:
Post a Comment