если проблема в шуме, то усреднение дает сглаживание шума в среднеарифметическом корень из числа измерений. Если шум 1%, то для получения сигнал/шум 0.1% вам нужно усреднить по 100 измерениям. Если значение меняется и вам нужно отслеживать тренд, то это немного другая задача. Я такого рода задачи считаю по экспоненциально взвешенной скользящей средней, чем больше N тем больше усредняется шум, но тем медленнее реакция. Вам лучше по эксп. взвешенной скользящей средней, с характерным усреднением по 100 измерениям. Это если вы ничего не знаете о шумах, если характеристики шума известны то применяется специальным образом рассчитанный цифровой ( в т.ч. конечный) фильтр. Но начните со скользящей средней. Формула для э.в.с.с. простая , см. вики или любой учебник
Экспоненциально взвешенное скользящее среднее, экспоненциальное скользящее среднее (англ.exponentially weighted moving average — англ.EWMA, англ.exponential moving average — англ.EMA) — разновидность взвешенной скользящей средней, веса которой убывают экспоненциально и никогда не равны нулю[3]. Определяется следующей формулой[1][2][4][5][6]:
где EMAt{\displaystyle {\textit {EMA}}_{t}} — значение экспоненциального скользящего среднего в точке t{\displaystyle t} (последнее значение, в случае временного ряда), EMAt−1{\displaystyle {\textit {EMA}}_{t-1}} — значение экспоненциального скользящего среднего в точке t−1{\displaystyle t-1} (предыдущее значение в случае временного ряда), pt{\displaystyle p_{t}} — значение исходной функции в момент времени t{\displaystyle t} (последнее значение, в случае временного ряда), α{\displaystyle \ \alpha } (сглаживающая константа от англ.smoothing constant) — коэффициент характеризующий скорость уменьшения весов, принимает значение от 0 и до 1, чем меньше его значение тем больше влияние предыдущих значений на текущую величину среднего.
Первое значение экспоненциального скользящего среднего, обычно принимается равным первому значению исходной функции:
Коэффициент α{\displaystyle \ \alpha }, может быть выбран произвольным образом, в пределах от 0 до 1, например, выражен через величину окна усреднения:
Если у Вас вагон времени - делайте процессинг хоть до 32 разрядов, достоверными все равно будут не более 10, и то при условии, что Вы не разгоняли АЦП.
Почитайте на досуге атмеловскую аппликейшн ноут AVR121. А потом напишите в тех супорт атмела что они идиоты, и 14-бит им не видать как собственных ушей.
Опять баянистую тему задели. Волшебник, вы уверены, что andriano не про абсолютную точность вёл речь?
Уверен что он как раз о ней и говорит. Я и говорю путаница в названии топика, точность тут вообще ни при делах. Нет смысла ни о какой точности говорить если сама измеряемая величина не то что платино-иридиевого стандарта не имеет, так вообще физико-математически не определена в СИ.
Хотя справедливости ради стоить заметить что andriano во многом прав. Если теоретизировать о дизайне идеальных АЦП.
Не прав он (как и многие на этом форуме) тогда, когда безапеляционно утверждает что АЦП сразу становится 6-8 бит если его раскрутить на 1 МГц, и что шумы не Гаусовские , хотя никаких доказательств не приводит.
Я тут перемерял последние 4 часа, используя свой код для измерения ЕНОБ-а на МЕГЕ, где-то в другом топике выкладывал, поищите. Так вот на 1 МГц ( разгонка х8) АЦП теряет пол-бита всего. А результаты БПФ абсолютно точно гарантируют Гаусовское распределение шума. 100%-но математически достоверно.
вот только недавно проводил свои исследования АЦП, выложил в своей теме в проектах .. не читали что ли? Там при повышении скорости присутствует как раз систематическая ошибка из-за медленной скорости работы мультиплекора встроенного АЦП. Даже если его не трогать и проводить измерения строго с одной ноги, то все равно, согласно даташиту в первые 1.5 такта АЦП происходит "переустановка согласно ADMUX", что и дает именно систематическую ошибку. Хорошо видно на выложенных сканах с плоттера ИДЕ. Эффективно как-бы "загрубляется" шаг оцифровки до 5-6 бит. на скорости 400-600ksps.
если проблема в шуме, то усреднение дает сглаживание шума в среднеарифметическом корень из числа измерений. Если шум 1%, то для получения сигнал/шум 0.1% вам нужно усреднить по 100 измерениям. Если значение меняется и вам нужно отслеживать тренд, то это немного другая задача.
да кто его знает в чём проблема ))) так как контур работает в БАТ смею предположить, что в некоторый момент времени меняется нагрузка за счёт увеличения "отсоса" энергии, закон изменения известен одному создателю, отсюда и флуктуации, шум теоретически не выше 5-й гармоники, практически не мерял, нечем
Реализовано в коде 256 измерений и рассчёт средней
PS WDRAKULA - делай прибор, расслабляет не хуже перцовки )))
вы можете вместо цикла использовать вычисление скользящей. Для отслеживания трендов скользящая всегда лучше. Ну когда мы не знаем истинной причины колебаний, конечно. В общем случае ситуация не так однозначна.
вы можете вместо цикла использовать вычисление скользящей. Для отслеживания трендов скользящая всегда лучше. Ну когда мы не знаем истинной причины колебаний, конечно. В общем случае ситуация не так однозначна.
N - окно усреднения, берите 16 (если хотиет вместе с усреднением в чипе получить общее 256 и усреднение сигнал/шум 16). При N=0 формула дает просто текущее значение.
Ну или выше я приводил формулы, можно через альфу.
файл stm32fxx_it.c
uint16_t tmp_arr[256] = {0}; // массив где храним мгновенные значения
uint16_t tmp_rez = 0; // для хранения текущего результата
uint32_t sum = 0; // здесь хранится сумма всех элементов массива
uint32_t number = 0; // а сюда запишем результат вычисления среднего скользящего
void TIM1_UP_IRQHandler(void) // обработчик прерывания таймера (интервал через который будем делать замер запуская АЦП)
{
HAL_ADC_Start_IT(&hadc1);
HAL_TIM_IRQHandler(&htim1);
}
void ADC1_2_IRQHandler(void) // обработчик прерывания по окончанию преобразования
{
static uint8_t cnt = 0; // статическая переменная которая будет переполняться, специально делаю так чтобы не использовать условия if и т.д. , но размер окна получается в 256 значений
sum -= tmp_arr[cnt]; // отнимаем от общ. сум. знач. ячейки массива которую в дальнейшем перезапишем новым знач (т.е. самое старое значение)
tmp_res = HAL_ADC_GetValue(&hadc1); // по оконч. преобраз, присваиваем результ.временной перем.
sum += tmp_res; // прибавляем результат в общую сумму
tmp_arr[cnt] = tmp_res; // перезаписываем значение ячейки с которой работали
++cnt; // увеличиваем счетчик
number = sum >> 8; // делим на 256, т.е. количество элементов массива
HAL_ADC_IRQHandler(&hadc1);
}
если у вас не взвешенная , а простая конечная сумма то в конечности фильтра нет необходимости - скользящая экспоненциальная средняя требует лишь 2 float переменные - текущее и предыдущее значение среднего. У вас получится фильтр- аналог простой RC цепочки, а вам ведь больше и не нужно.
если проблема в шуме, то усреднение дает сглаживание шума в среднеарифметическом корень из числа измерений. Если шум 1%, то для получения сигнал/шум 0.1% вам нужно усреднить по 100 измерениям. Если значение меняется и вам нужно отслеживать тренд, то это немного другая задача. Я такого рода задачи считаю по экспоненциально взвешенной скользящей средней, чем больше N тем больше усредняется шум, но тем медленнее реакция. Вам лучше по эксп. взвешенной скользящей средней, с характерным усреднением по 100 измерениям. Это если вы ничего не знаете о шумах, если характеристики шума известны то применяется специальным образом рассчитанный цифровой ( в т.ч. конечный) фильтр. Но начните со скользящей средней. Формула для э.в.с.с. простая , см. вики или любой учебник
Экспоненциально взвешенное скользящее среднее, экспоненциальное скользящее среднее (англ. exponentially weighted moving average — англ. EWMA, англ. exponential moving average — англ. EMA) — разновидность взвешенной скользящей средней, веса которой убывают экспоненциально и никогда не равны нулю[3]. Определяется следующей формулой[1][2][4][5][6]:
где EMAt{\displaystyle {\textit {EMA}}_{t}}
— значение экспоненциального скользящего среднего в точке t{\displaystyle t}
(последнее значение, в случае временного ряда), EMAt−1{\displaystyle {\textit {EMA}}_{t-1}}
— значение экспоненциального скользящего среднего в точке t−1{\displaystyle t-1}
(предыдущее значение в случае временного ряда), pt{\displaystyle p_{t}}
— значение исходной функции в момент времени t{\displaystyle t}
(последнее значение, в случае временного ряда), α{\displaystyle \ \alpha }
(сглаживающая константа от англ. smoothing constant) — коэффициент характеризующий скорость уменьшения весов, принимает значение от 0 и до 1, чем меньше его значение тем больше влияние предыдущих значений на текущую величину среднего.
Первое значение экспоненциального скользящего среднего, обычно принимается равным первому значению исходной функции:
Коэффициент α{\displaystyle \ \alpha }
, может быть выбран произвольным образом, в пределах от 0 до 1, например, выражен через величину окна усреднения:
Надеяться, что INA219 оригинал не приходится?
Их не подделывают, на сайте техаса голые чипы по 80 центов в партии тыща штук. А готовый модуль на али по полтора бакса.
Если у Вас вагон времени - делайте процессинг хоть до 32 разрядов, достоверными все равно будут не более 10, и то при условии, что Вы не разгоняли АЦП.
Опять баянистую тему задели. Волшебник, вы уверены, что andriano не про абсолютную точность вёл речь?
Опять баянистую тему задели. Волшебник, вы уверены, что andriano не про абсолютную точность вёл речь?
Хотя справедливости ради стоить заметить что andriano во многом прав. Если теоретизировать о дизайне идеальных АЦП.
Не прав он (как и многие на этом форуме) тогда, когда безапеляционно утверждает что АЦП сразу становится 6-8 бит если его раскрутить на 1 МГц, и что шумы не Гаусовские , хотя никаких доказательств не приводит.
Я тут перемерял последние 4 часа, используя свой код для измерения ЕНОБ-а на МЕГЕ, где-то в другом топике выкладывал, поищите. Так вот на 1 МГц ( разгонка х8) АЦП теряет пол-бита всего. А результаты БПФ абсолютно точно гарантируют Гаусовское распределение шума. 100%-но математически достоверно.
вот только недавно проводил свои исследования АЦП, выложил в своей теме в проектах .. не читали что ли? Там при повышении скорости присутствует как раз систематическая ошибка из-за медленной скорости работы мультиплекора встроенного АЦП. Даже если его не трогать и проводить измерения строго с одной ноги, то все равно, согласно даташиту в первые 1.5 такта АЦП происходит "переустановка согласно ADMUX", что и дает именно систематическую ошибку. Хорошо видно на выложенных сканах с плоттера ИДЕ. Эффективно как-бы "загрубляется" шаг оцифровки до 5-6 бит. на скорости 400-600ksps.
Смотреть тут: самодельная мега2560, мега128а с памятью 512 килобайт, пост №15 и далее
если проблема в шуме, то усреднение дает сглаживание шума в среднеарифметическом корень из числа измерений. Если шум 1%, то для получения сигнал/шум 0.1% вам нужно усреднить по 100 измерениям. Если значение меняется и вам нужно отслеживать тренд, то это немного другая задача.
да кто его знает в чём проблема ))) так как контур работает в БАТ смею предположить, что в некоторый момент времени меняется нагрузка за счёт увеличения "отсоса" энергии, закон изменения известен одному создателю, отсюда и флуктуации, шум теоретически не выше 5-й гармоники, практически не мерял, нечем
Реализовано в коде 256 измерений и рассчёт средней
PS WDRAKULA - делай прибор, расслабляет не хуже перцовки )))
шум теоретически не выше 5-й гармоники, практически не мерял, нечем
Реализовано в коде 256 измерений и рассчёт средней
Среднеарифметическая? А скользящая не лучше?
шум теоретически не выше 5-й гармоники, практически не мерял, нечем
Реализовано в коде 256 измерений и рассчёт средней
Среднеарифметическая? А скользящая не лучше?
Режим INA219 - 16S и я в цикле 16 раз вызываю, что там получается не владею, колебания значений 2-3 единицы
вы можете вместо цикла использовать вычисление скользящей. Для отслеживания трендов скользящая всегда лучше. Ну когда мы не знаем истинной причины колебаний, конечно. В общем случае ситуация не так однозначна.
вы можете вместо цикла использовать вычисление скользящей. Для отслеживания трендов скользящая всегда лучше. Ну когда мы не знаем истинной причины колебаний, конечно. В общем случае ситуация не так однозначна.
в коде не подскажите?
в коде не подскажите?
Х(0)=Inp(0)
X(n)=X(n-1)+2* (Inp(n) - X(n-1))/(1+N)
тут
Х(0) - нулевое среднее значение
Inp(0) - нулевой значение входной величины
X(n) - энное среднее значение (текущее)
X(n-1) -(n-1 ) "ое среднее значение (предыдущее)
Inp(n) - текущее входное значение
N - окно усреднения, берите 16 (если хотиет вместе с усреднением в чипе получить общее 256 и усреднение сигнал/шум 16). При N=0 формула дает просто текущее значение.
Ну или выше я приводил формулы, можно через альфу.
нашел такое решение:
файл stm32fxx_it.c uint16_t tmp_arr[256] = {0}; // массив где храним мгновенные значения uint16_t tmp_rez = 0; // для хранения текущего результата uint32_t sum = 0; // здесь хранится сумма всех элементов массива uint32_t number = 0; // а сюда запишем результат вычисления среднего скользящего void TIM1_UP_IRQHandler(void) // обработчик прерывания таймера (интервал через который будем делать замер запуская АЦП) { HAL_ADC_Start_IT(&hadc1); HAL_TIM_IRQHandler(&htim1); } void ADC1_2_IRQHandler(void) // обработчик прерывания по окончанию преобразования { static uint8_t cnt = 0; // статическая переменная которая будет переполняться, специально делаю так чтобы не использовать условия if и т.д. , но размер окна получается в 256 значений sum -= tmp_arr[cnt]; // отнимаем от общ. сум. знач. ячейки массива которую в дальнейшем перезапишем новым знач (т.е. самое старое значение) tmp_res = HAL_ADC_GetValue(&hadc1); // по оконч. преобраз, присваиваем результ.временной перем. sum += tmp_res; // прибавляем результат в общую сумму tmp_arr[cnt] = tmp_res; // перезаписываем значение ячейки с которой работали ++cnt; // увеличиваем счетчик number = sum >> 8; // делим на 256, т.е. количество элементов массива HAL_ADC_IRQHandler(&hadc1); }если у вас не взвешенная , а простая конечная сумма то в конечности фильтра нет необходимости - скользящая экспоненциальная средняя требует лишь 2 float переменные - текущее и предыдущее значение среднего. У вас получится фильтр- аналог простой RC цепочки, а вам ведь больше и не нужно.
Попробую одолеть вашу китайскую грамоту - тунже цу воды )))
Попробую одолеть вашу китайскую грамоту - тунже цу воды )))
жё ши ичи.
Экспоненциально взвешенная скользящая средняя - очень простая штука, её даже брокеры на бирже знают
http://berg.com.ua/indicators-overlays/types-of-moving-averages/