TIP: Přetáhni ikonu na hlavní panel pro připnutí webu
Ahoj,
potřebuji udělat digitální filtr signálu, ukázka signálu z ADC (fialově) a očekávaného výstupu filtru (černá) je na obrázku. Průměrování posldeních n vzorků má bohužel velké spoždění na výstupu. Jak na mikrokontroléru udělám "spojnici trendu"? Při hledání jsem narazil na pojem polynomická regrese. 
Připojen obrázek.
ATMEGA328P, jedna hodnota za 2 sekundy.
hu
Máš na výběr mnoho možností ... ty hledáš polynomickou regresi
https://cs.wikipedia.org/wiki/Polynomick%C3%A1_regrese
jde o to, že nepíšeš základní charakteristiky signálu .. ten tvuj signál je sinusovka ??? náhodný signál ? jiný signál ??? je zarušený ? znáš charakteristiku rušení ??? v jakým jazyce ??? v céčku ? python ? matlab ? jiný ?
a nestačí ti výpočet trendu pomocí plovoucího průměru ???
https://towardsdatascience.com/time-series-analysis-in-python-an-introduction-70d5a5b1d52a
Polynomialni regrese:
https://uloz.to/file/7QS83hlxtRB8/polynomialni-regrese-pdf#!ZJV0AQR2ZwMuLmyyAQNkLwH3Lwt4LGuPHaD0pHIyqGuFq2V4Lj==
počítej že ti to zabere tak měsíc práce ...
ale soou lidi co to ani po roce programování nedaj dohromady
Když píšu signál, myslím obecný signál. O jeho tvaru nebo periodě nebyla zmínka proto, že nemá tvar jako sinus, trojúhelník, pila ... a není nijak periodický. Je to nějaká fyzikální veličina měnící se v reálném čase, je jedno jestli tlak vzduchu nebo teplota v peci. Charakteristika rušení a šumu není jak určit. Koneckonců nevybavuji si, že by u čidla s digitálním výstupem byly uvedeny informace o šumu a jeho charakteru. Plovoucí průměr jsem psal, že nevyhovuje. Narazil jsem na bakalářské práce, které tvrdili, že to jde. Realizaci jsem neviděl, nemám jak ověřit. V jakém jazyce? Potřebuji algoritmus. Proto to není v diskuzi ke konkrétnímu programovacímu jazyku.
180 řádků v Basicu? Sčítání, odčítání, násobení, dělení a druhá mocnina? To by ATMEGA328P na 16MHz mohla za 2 s stihnout...
hu
No ... pro obecný signál lze vypočítat plovoucí průměr a je to jednoduché. Je to průměr z M prvků předcházejících aktuální prvek a N prvků následujících po aktuálním prvku. Takže celkem se to počítá z M + 1 + N prvků . Algoritmicky tohle doladit není problém. A funguje to ok...
další možností je převod do frekvenční oblasti pomocí Diskrétní Fourierovy Transformace a filtrace ve frekveční oblasti a převod zpět. To už ATMEGA328 nezvládne ale je na to speciální čip
https://www.ti.com/lit/an/sprabb6b/sprabb6b.pdf?ts=1628855628855&ref_url=https%253A%252F%252Fwww.google.cz%252F
a dá se to programovat i v Pythonu
https://numpy.org/doc/stable/reference/routines.fft.html
Pořád dokola: plovoucí průměr je pomalý, způsobí značné spoždění signálu. Otázka je, zda stejný problém nemá regrese.
hu
polynomiální regrese (PR) vyžaduje, aby v okamžiku výpočtu byly k dispozici všechny datové prvky tedy dvojice (x,y) které tvoří signál, PR je poměrně pomalá, na AT328 jsem ji nikdy nedělal a navíc vyžaduje přesnost IEEE754-single. Celočíslně jsem PR nikdy nedělal ale prej to de taky ale asi to bude nějaká šílenost :)
PR jsem na nejslabším počítači viděl na IQ151 :) chvíli to počítalo no ...
tohle zpracování signálů na procesorech AT je poměrně problém ...
Neslo by zvolit oversampling? Kazde 2 sekundy udelat 16 vzorku tesne po sobe a zprumerovat vydelenim 16 (aka bitshift o 4 bity). Proste zpresnit vstupni hodnoty. Nebo vzorkovat mnohem casteji a pak bude plovouci prumer mnohem sviznejsi. Ja delal aproximovany odecetl jsem prumernou hodnotu a pricetl novou. Ale to samozrejme neni uplne ono na "rychle" skoky. Nicmene s oversamplingem by to nemuselo byt tak opozdene
Novejsi druhy Atmegy tohle umi udelat uz primo v ADC, kdyz se to nastavi (ty na Xmega jadre).
Podle prubehu to jinak vypada, ze to jsou jsou skoky mozna na urovni jednoho ci dvou LSB bitu.
Jo u toho aproximovaneho by se dalo udelat treba rozdil nove hodnoty a podle velikosti rozdilu vynasobit nejakym koeficientem, aby velka zmena zapusobila rychleji (derivacni clen jako z ridicich systemu, ci primo kompletni PID)
#10 hlucheucho
A co je to presne za cidlo? Na zacatku si zminil akorat ADC, tak mozna je to nejake externi ci tak...
Kazdopadne u interniho a neprilis se meniciho signalu davam na vstup RC filtr, a pak vzorkuju vicekrat (z ADC leze temer PWM - cim vice se to blizi k jedne nebo druhe hodnote, tim casteji to v tom stavu i je zmerene)
No mozna by se to docela zpresnilo uz jen zprumerovanim s predchozi hodnotou (ale ne o moc)
EDIT: mimochodem nemas ten vzorek dat v textovem formatu, by se aspon daly primo na pocitaci zkouset ruzne aproximace
Ze vzorku dopředu? Aktuální vzorek je poslední naměřená hodnota.
hu
aha ... no pojem "ze vzorku dopředu" znamená, že buď děláš predikci/extrapolaci příp. použiješ kalmánuv filtr u nekonečné řady nebo na začátku signálu má tvůj filtrovaný signál K kroků zpoždění, což by vubec nevadilo ...
plovoucí průměr se dělá - jak už sem psal - z M vzorků po aktuálním vzorku a N vzorků "před" aktuálním vzorkem ... a ten tvůj "aktuální vzorek" je třeba 5 vzorků zpožděný za tim, který právě reálně nastal
DHT22 a tím jsem i prozradil fyzikální veličinu. V ukázce je pak průběh absolutní vlhkosti (musí se počítat) při zásahu regulátoru.
hu
Ono by to melo jit oznacit a zkopirovat - ci ulozit jako csv textak.
Ale kazdopadne podle toho vstupniho vzorku a jak oproti tomu vypada vystupni, bude asi sakra tezke vykouzlit nejakou krivku bez znacneho zpozdeni
takže tohle ?
https://www.gme.cz/digitalni-teplomer-a-vlhkomer-s-dht22
to je zajímavý ...
no já bych asi začal s tim plovoucím průměrem a pak by se vidělo ...
každopádně bych zkusil i křivku trendu, tady je příklad:
https://www.codeproject.com/Articles/1101932/Simple-trend-calculation
hm příkladů na výpočet křivky tendu je na internetu celkem dost
https://stackoverflow.com/questions/43224/how-do-i-calculate-a-trendline-for-a-graph
https://classroom.synonym.com/calculate-trendline-2709.html
stačí do googlu zadat heslo něco ve smyslu "trendline calculation C++"
https://classroom.synonym.com/calculate-trendline-2709.html
problém ale je, že ty asi potřebuješ kvadratickej trent nebo příp. logaritmickej nebo exponenciální ..
to by se muselo zkusit
tady je moc hezkej příklad na parabolu
https://books.google.cz/books?id=zxAeEAAAQBAJ&pg=PA421&lpg=PA421&dq=math+trendline+calculation+parabolic&source=bl&ots=60MRlVPSja&sig=ACfU3U3bWEYvxN2_Uy7zKJyQq0Vl2K5M0Q&hl=cs&sa=X&ved=2ahUKEwj__tna2q7yAhVMsKQKHUfvC74Q6AF6BAguEAM#v=onepage&q=math%20trendline%20calculation%20parabolic&f=false
#1 hlucheucho
tedy nevím, připadá mi to jako by ta výstupní křivka v daném bodě kopírovala průměr od začátku. pak by stačilo uchovávat sumu a počet nebo poslední průměr a počet, výpočet nové hodnoty se pak sredukuje na
(suma+nová hodnota)/n+1 nebo (průměr*n + nová hodnota)/n+1
případně aplikace nějaké korekce.
on tam neuved to nejduležitější .. jestli se ta křivka počítá z K-posledních vzorků nebo ze všech ..
#28 JerryM
Kdybys přemýšlel, tak bys věděl, že počet vzorků je omezen - ATMEGA nemá harddisk aby si zapamatovala cca 20 minut (ukázka) nebo třeba týden. A už vůbec nemá početní výkon na to aby zpracovala takový objem dat. Kromě toho výsledek polynomické regrese závisí i na počtu vzorků. Nejdřív potřebuji vědět jak se to dělá (algoritmus) a pak mohu řešit detaily (jestli bude vzorků 5 nebo 50)
hu
já vííííííííííím já víííííííííííím proto sem ti dal co nejvíc možností k přemýšlení :) :) :) a polynomiální regrese je tam napsaná v Basicu takže jestli potřebuješ Basic tak ti mužu dát i TurboBasic a pustíš si ho v DOSBoxu pod MSDOSem 7.0 :) NortonCommander mám taky a český ovladače klávesnice taky .. takže klid .. pupíčku
#27 MilanL
Plovoucí průměr, pokud ho používám, počítám tak, že mám v paměti pole n hodnot, součet a ukazatel na nejstarší hodnotu v poli. S každou novou hodnotou od součtu odečtu nejstarší, přičtu novou hodnotu, podělím n, novou hodnotu uložím na místo nejstarší a posunu ukazatel. Stejný postup jsem použil pro true RMS, tam se dělá odmocnina z aritmetického průměru kvadrátů zvorků. ATMEGA 88 na 8MHz to zvládala pro 8 vstupů, každý se vzorkoval každé 2 ms. Početní výkon AVR bych nepodceňoval, není sice velký, ale maličký taky ne.
Plovoucí průměr se chová jako integrační člen. Výstup sleduje vstup se spožděním. Sebelepší algoritmus výpočtu na tom nic nemění.
hu
jestli je Basic z 90 let moc složitej tak tady na straně 249 je to napsaný v Pythonu
https://uloz.to/file/C7nserCwe1kR/apress-numerical-python-scientific-computing-and-data-science-applications-with-numpy-scipy-and-matplotlib-second-edition-pdf#!ZJSxZQR2ZwAxAwIyMGZ0MJEuMJEyZIWeZJIFnTp0qaWOGzIyAN==
#34 JerryM
super, Budu se učit bůhvíkolik jazyků jen abych 1x za život udělal zpětný inženýrství nějakého kódu. Kdybys vygůgli zvorečky a dal k nim návod pro pitomce, bylo by to větším přínosem. Zvorečky se asi vygůglit dají, ale pro mne budou nesrozumitelný. 31 let po maturitě už vědomostí zbylo málo.
Ony ty zvorečky mají výhodu. Dá se to s jejich pomocí modelovat na reálných datech a do vlastní implementace se pouštět až když to bude vypadat nadějně.
Takže už žádný implementace v mnoha jazycích.
hu
#35 Kit
Derivaci čeho? Matně si vzpomínám, že derivace se dělaly u funkcí. Mám jen data, funkci definovanou nemám. Pokud bych měl získat funkci z nějakého počtu vzorků dat, představuje to "ecelovské" proložení grafu nějakou křivkou a tím se vracíme k tomu, co je v prvním příspěvku. Jak na polynomickou regresi?
#37 hlucheucho
Nad diskrétními daty se také dá udělat derivace. Nejjednoduššeji tak, že odečteš od sebe poslední dvě hodnoty. Používá se to u regulačních smyček pro přesun mezi kvadranty grafu. Výhodou je, že si můžeš stanovit takové koeficienty, které ti budou nejlépe vyhovovatvyhovvyhovovat.
http://https://www.uschovna.cz/zasilka/OTTHNBY32UU97ZRH-K9C/
stajná data v csv a xslx
Ještě pozn.: Změny abs. vlhkosti v grafu odpovídají změně rel. vlhkosti o 0,1%, což je 1 digit.
hu
Hmm, tuto stránku se nám nedaří najít.
K serveru na adrese https se nepodařilo připojit.
Pokud je tato adresa správná:
Zkuste to znovu později.
Zkontrolujte připojení k síti.
Pokud jste připojeni přes firewall, zkontrolujte, že má Firefox povolený přístup na web.
Snad budu rozesílat flashku poštou nebo co...
hu
druhý pokus: http://leteckaposta.cz/494959440
hu
no a parabola by ti nestačila ? je to jednodušší na výpočet a křivka je téměř totožná
jde o to, že tu polynomiální regresi nejde zkrátit .. chápeš jo ... prostě tam ty vzorce použít musíš :)
Guru
Nahlásit jako SPAM
IP: 195.178.67.–
Věrný člen
God of flame
Grafoman
#include <iostream>
constexpr int N = 16;
int main() {
int sum = 0;
int i;
while (std::cin >> i) {
int diff = i - sum/N;
sum += ((diff+8)/16*16)*8 + diff%16;
std::cout << sum/N << "\n";
}
}
Na neco lepsiho to budes asi muset rozjet jako PID regulator regulujici tu hodnotu (pro atmegy nejake jsou) -
#56 KIIV
Tohle vypadá opravdu dobře. Tady je i vidět, co to dělá. Vyzkouším a dám vědět.
Normalizované transportní spoždění je větší než 1 (ale to jsi nemohl vědět). V takovém případě se PID nedoporučuje.
Každopádně na lepší výsledek by muselo být čidlo s větším rozlišením. Díval jsem se do databáze na kompletní záznam, kde je i relativní vlhkost. Ty skoky, co tam jsou, odpovídají změně o 0,1% relativní vlhkosti, což je rozlišení čidla.
hu
Snažím se z daného HW dostat maximum možného.
hu
Zjistit počet nových příspěvků
Ano, opravdu chci reagovat → zobrazí formulář pro přidání příspěvku
© 2003–2024 Programujte.com