Фильтры в LabView / FIT

В некоторых приложениях, параметры типа влажности, температуры, и давления могут воздействовать на данные, которые Вы собираете. Вы можете моделировать статистические данные, выполняя регрессивный анализ и ввводя коэффициенты в параметры, которые воздействуют на данные.

Два примера в этой секции поясняют, как использовать VI вычерчивания эмпирической кривой. Первый пример показывает, как использовать VI Линейной Подгонки, Экспоненциальной Подгонки, Общей Полиномиальной Подгонки, и т.д. Второй пример поясняет, как использовать VI Общая Линейная Подгонка.

Подгонка Линии к Данным

Следующая блок-диаграмма показывает как подогнать линию к множеству точек данных, используя VI Линейная Подгонка.

Вы можете модифицировать пример для подгонки экспоненциальных или полиномиальных кривых, заменяя VI Линейная Подгонка на VI Экспоненциальная Подгонка или VI Общая Полиномиальная Подгонка.

Следующий график показывает результат полгонки линии к набору шумовых данных.

Общая LS Линейная Подгонка

Следующий пример демонстрирует, не только как использовать VI Общая LS Линейная Подгонка, для получения множества наименьших квадратичных коэффициентов и подогнанных величин, но также как устанавливать входные параметры.

Целью является нахождение множества минимальных квадратичных коэффициентов, которые наилучшим образом представляют множество точек данных (x,y). Связь между x и y имеет форму:

Где

И n - общее число функций.

Предполагается, что данные генерируются, с использованием соотношения:

Где

а шум - случайная величина.

Также предполагается, что связь между x и y имеет форму:

Где

Для получения коэффициентов a, Вы должны представить множество точек (x,y) в массивах X и Y, и Вы должны также применить функцию базиса H(X,i), которая является 2-ой матрицей, к VI Общая LS Линейная Подгонка.

Массивы X и Y - величины, полученные в вашем эксперименте. Простой способ представления функции базиса H(X,i) показан на следующей блок-диаграмме.

Вы можете легко редактировать узел-формулу, для измения, добавления, или удаления функций. В этой месте, мы имеем все необходимые входы, для использования VI Общая LS Линейная Подгонка, чтобы найти коэффициенты a. Ожидаемый набор коэффициентов:

Выполнение VI Общая LS Линейная Подгонка с величинами X, Y, и H(X,i) дает в результате следующий набор коэффициентов.

Блок-диаграмма, расположенная ниже, показывает, как применять VI Общая LS Линейная Подгонка, для получения коэффициентов и нового набора значений y.

Пиктограмма, помеченная Создание Данных, генерирует массивы X и Y. Вы можете заменять эту пиктограмму на одну из тех, которые реально получают данные в ходе ваших экспериментов. Пиктограмма, помеченная H(X,i) генерирует 2-х мерную функцию базиса H(X,i).

Последняя часть диаграммы покрывает оригинальные и оцененные точки данных и направляет вывод на график. Результаты представлены на следующем графике:

VI Общая LS Линейная Подгонка имеет шесть различных алгоритмов, для получения набора коэффициентов и подогнанных значений. В этом примере, не существует значительной разности между различными алгоритмами. Вы можете выбирать различные алгоритма на лицевой панели, и сравнить результаты. В некоторых случаях, различные алгоритма могут давать значительные расхождения, в зависимости от наблюдаемого набора данных.