WICHTIG: Der Betrieb von goMatlab.de wird privat finanziert fortgesetzt. - Mehr Infos...

Mein MATLAB Forum - goMatlab.de

Mein MATLAB Forum

 
Gast > Registrieren       Autologin?   

Partner:




Forum
      Option
[Erweitert]
  • Diese Seite per Mail weiterempfehlen
     


Gehe zu:  
Neues Thema eröffnen Neue Antwort erstellen

Kalman Filter, Verrauschtes Signal, Stochastische Prozesse

 

al3ko

Gast


Beiträge: ---
Anmeldedatum: ---
Wohnort: ---
Version: ---
     Beitrag Verfasst am: 11.07.2011, 00:31     Titel: Kalman Filter, Verrauschtes Signal, Stochastische Prozesse
  Antworten mit Zitat      
Hi Leute,
ich hoffe, dass hier jemand eine Antwort auf meine Frage weiß. Da ich keinen konkreten Fall habe, müssen wir meine Probleme eher auf genereller Basis untersuchen.

Man nehme irgendein System (egal ob thermodynamisch, elektrisch oder mechanisch etc.) und will dafür eine Regelung (Zustandsraum) entwerfen. Da wir ein bisschen Realität mit ins Spiel bringen wollen, ist die IST-Größe verrauscht.

Nun ist es ja so, dass der Kalman Filter ein Beobachter ist, der Rauschen berücksichtigt. Für das Design wird weißes Rauschen angenommen.

Und jetzt kommt meine Frage:
Woher weiß ich denn, dass das Rauschen auch wirklich weißes Rauschen ist?

Wenn ich mir das Signal angucke, dann sehe ich ganz viele Zacken und Kanten. Aber weshalb kann ich annehmen, dass es weißes Rauschen ist? Ich meine, wenn es falsch ist, dann ist doch der ganze Kalman Filter hinüber, oder misverstehe ich da etwas?

Vielen Dank an alle.

MfG
al3ko


Thomas84
Forum-Meister

Forum-Meister


Beiträge: 546
Anmeldedatum: 10.02.10
Wohnort: ---
Version: ---
     Beitrag Verfasst am: 11.07.2011, 06:57     Titel:
  Antworten mit Zitat      
Bei weissem Rauschen sind die Werte unabhängig, also unkorreliert, und gausverteilt. Das erste kannst du überprüfen indem du dir die Autokorrelation anschaust. Beim zweiten schaust du dir die Verteilung an.

Code:

x = randn([10000,1]);

% Autokorrelation prüfen
subplot(2,2,1);
autocorr(x,100);
% Verteilung prüfen
subplot(2,2,2);
hist(x)

% kein weisses Rauschen
y = filter(0.1*ones(1,10),1,x);
subplot(2,2,3);
autocorr(y,100);
subplot(2,2,4);
hist(y)

 


Gibt da sicher auch funktionen die da eine quantifizierte Aussage liefern. Aber anschauen ist auch erstmal ganz gut. Der Kalman Filter funktioniert aber auch wenn diese Bedingungen nicht erfüllt sind, nur ist die Schätzung dann nicht mehr optimal.

viele Grüße
Thomas
Private Nachricht senden Benutzer-Profile anzeigen
 
DSP
Forum-Meister

Forum-Meister



Beiträge: 2.117
Anmeldedatum: 28.02.11
Wohnort: ---
Version: R2014b
     Beitrag Verfasst am: 11.07.2011, 07:42     Titel:
  Antworten mit Zitat      
Noch als Ergänzung...

Weißes Rauschen ist mittelwertfrei und die Varianz entspricht der mittleren Leistung des Signals. Es korreliert (Autokorrelationsfunktion) lediglich bei m = 0 und stellt somit einen Diracimpuls mit der Höhe = Varianz dar.

rxx[m] = autocorr(x) = cxx[m] = Autocovarianzfunktion(x) da mittelwertfrei

Beim Leistungsdichtespektrum sieht man dagegen eine konstante Funktion (gleiche Amplitude über alle Frequenzen) mit der Höhe = Varianz des Signals
Private Nachricht senden Benutzer-Profile anzeigen
 
al3ko

Gast


Beiträge: ---
Anmeldedatum: ---
Wohnort: ---
Version: ---
     Beitrag Verfasst am: 11.07.2011, 10:52     Titel:
  Antworten mit Zitat      
Hallo Thomas, hallo DSP,

danke schon mal für eure Antworten. So ganz habe ich es aber noch nicht verstanden.


Folgende Überlegung bis dahin bzw. wie kann ich mit den Informationen vom Thomas arbeiten:

1. Ansatz:
Ich messe das Ausgangssignal von meinem System. Ich sehe also auf dem Oszilloskop eine Kurve mit viel überlagertem Rauschen.
Da ich weiß, was ich am Ausgang haben möchte (da ich den Sollwert kenne/bestimme), kann ich diesen von meiner Messung am Ausgang subtrahieren.
e(t)=w(t)-y(t) mit
y(t) := IST Wert
w(t) := SOLL Wert
e(t) := Fehler bzw. Rauschen

Ich untersuche e(t) und prüfe auf weißes Rauschen.

Anmerkung wäre, dass dieser Ansatz lediglich im stationären Verhalten Sinn ergeben würde.

2. Ansatz:
Man misst das Ausgangssignal z.B. ebenfalls bei einem transienten Vorgang (Sprungantwort etc.) und filtert das hochfrequente Rauschen. Somit bekommt man y(t) ohne überlagertes Rauschen und kann dann
e(t) = y_real(t) - y_ideal(t) mit
y_real(t) := IST Wert mit Rauschen
y_ideal(t) := IST Wert ohne Rauschen nach Filter
e(t) = Rauschen

Ich untersuche e(t) auf prüfe auf weißes Rauschen

Dieser Ansatz ginge ebenfalls bei einer offenen Regelung und kann auch im transienten Vorgang angewandt werden.


Wie ihr seht, bin ich eine ziemliche Laie auf dem Gebiet und kann nicht mit Gewissheit sagen, wie etwas wirklich gemacht wird.

Wie wird so etwas denn in den Unternehmen gemacht? Ich meine, dort müssen die Ingenieure doch ebenfalls mit verrauschten Signalen arbeiten. Sagen die einfach "Ach, wir nehmen der Einfachheit halber weißes Rauschen an und dann passt das schon, weil es in den Lehrbüchern überall mit weißem Rauschen beschrieben wird"?

Möglicherweise ist die Auswirkung gar nicht so bemerkbar/fatal, wenn weißes Rauschen angenommen wird, obwohl es sich nicht um weißes Rauschen handelt in Relation zum Rechen- und Designaufwandt?

Wo finde ich einen Kalmanfilter Guru? Very Happy

Vielen Dank und freundliche Grüße,
al3ko
 
Thomas84
Forum-Meister

Forum-Meister


Beiträge: 546
Anmeldedatum: 10.02.10
Wohnort: ---
Version: ---
     Beitrag Verfasst am: 13.07.2011, 06:39     Titel:
  Antworten mit Zitat      
Ich denke die meisten machen sich keine Gedanken über das Rauschen. In den meisten Fällen sind ja auch andere Forderungen (Modell ~= System) nicht erfüllt, so dass die Schätzung sowieso nicht optimal ist.

Um das Rauschen zu überprüfen würde ich Ansatz 1 verwenden.

viele Grüße
Thomas
Private Nachricht senden Benutzer-Profile anzeigen
 
Neues Thema eröffnen Neue Antwort erstellen



Einstellungen und Berechtigungen
Beiträge der letzten Zeit anzeigen:

Du kannst Beiträge in dieses Forum schreiben.
Du kannst auf Beiträge in diesem Forum antworten.
Du kannst deine Beiträge in diesem Forum nicht bearbeiten.
Du kannst deine Beiträge in diesem Forum nicht löschen.
Du kannst an Umfragen in diesem Forum nicht mitmachen.
Du kannst Dateien in diesem Forum posten
Du kannst Dateien in diesem Forum herunterladen
.





 Impressum  | Nutzungsbedingungen  | Datenschutz | FAQ | goMatlab RSS Button RSS

Hosted by:


Copyright © 2007 - 2024 goMatlab.de | Dies ist keine offizielle Website der Firma The Mathworks

MATLAB, Simulink, Stateflow, Handle Graphics, Real-Time Workshop, SimBiology, SimHydraulics, SimEvents, and xPC TargetBox are registered trademarks and The MathWorks, the L-shaped membrane logo, and Embedded MATLAB are trademarks of The MathWorks, Inc.