56
H. Nobach: Stochastic Sampling als Messprinzip 1 Stochastic Sampling als Messprinzip Holger Nobach Max-Planck-Institut für Dynamik und Selbstorganisation Göttingen Physikalisches Kolloquium der Universität Göttingen 13.10.2008

Stochastic Sampling als Messprinzip - nambis.bplaced.denambis.bplaced.de/download/pres/SS_Goettingen_2008.pdf · H. Nobach: Stochastic Sampling als Messprinzip 1 Stochastic Sampling

  • Upload
    ledan

  • View
    220

  • Download
    0

Embed Size (px)

Citation preview

H. Nobach: Stochastic Sampling als Messprinzip 1

Stochastic Samplingals Messprinzip

Holger Nobach

Max-Planck-Institut für Dynamik und SelbstorganisationGöttingen

Physikalisches Kolloquium der Universität Göttingen13.10.2008

H. Nobach: Stochastic Sampling als Messprinzip 2

Inhalt

Stochastic Sampling Unregelmäßige Abtastung

H. Nobach: Stochastic Sampling als Messprinzip 3

Inhalt

Stochastic Sampling Unregelmäßige Abtastung

gewollt natürlich

H. Nobach: Stochastic Sampling als Messprinzip 4

Inhalt

Stochastic Sampling Unregelmäßige Abtastung

gewollt natürlich

Vorteil Nachteil

H. Nobach: Stochastic Sampling als Messprinzip 5

Stationen

, Universität Rostock– Studium Elektrotechnik, Diplom– Promotion Messtechnik

, Dantec Measurement Technology, Kopenhagen– DFG-Postdoc-Programm

, TU Darmstadt– Forschung: Strömungsmesstechnik– Lehre: Messtechnik, Signale und Systeme– Habilitation im Fachbereich Maschinenbau

, Cornell University– Forschung: Strömungsmesstechnik

, Max-Planck-Institut für Dynamik und Selbstorganisation, Göttingen– Forschung: Strömungsmesstechnik, Turbulenz, Windkanal– Lehre: Optische Messtechnik

H. Nobach: Stochastic Sampling als Messprinzip 6

Turbulenzforschung

mikroskopisch

Navier-Stokes-Gleichungen

H. Nobach: Stochastic Sampling als Messprinzip 7

Turbulenzforschung

makroskopischmikroskopisch

Navier-Stokes-Gleichungen

1mm

100m

H. Nobach: Stochastic Sampling als Messprinzip 8

Turbulenzforschung

Turbulenzmodelle

makroskopischmikroskopisch

Navier-Stokes-Gleichungen

H. Nobach: Stochastic Sampling als Messprinzip 9

Turbulenzforschung

Experimentelle Verifikation, Experiment, Messtechnik, Statistische Verfahren

Turbulenzmodelle

makroskopischmikroskopisch

Navier-Stokes-Gleichungen

H. Nobach: Stochastic Sampling als Messprinzip 10

Re=;v L7

&7000 000

H. Nobach: Stochastic Sampling als Messprinzip 11

f-Korrelation

g-Korrelation

E~4" 881 5

"53

TurbulenzspektrumR~1"4 x

x1 52

R~1"4 xx2 5

23

R~exp 4" xx3 5

R~1"4 xx1 5

2

R~exp 4" xx3 5

E~4" 881 5

"53

Messpunkte

Messrichtung

Messpunkte

Messrichtung

H. Nobach: Stochastic Sampling als Messprinzip 12

Hitzdrahtanemometrie

Anströmung Heiz- / Fühlerelement(Draht)

Abströmung

Wärmeabgabe Strom I

Sensor (dünner Draht:1mm lang 5µm dick)

Stifte (Kontakte und Halterung für den Draht)

H. Nobach: Stochastic Sampling als Messprinzip 13

Sensor VorverstärkerAnpassung

TP

Analoges Filter:- Anti-Aliasing- Rauschunterdrückung

ADU

AD-Umsetzer:- Diskretisierung

Diskreter Datensatz ui(t

i)

- äquidistant abgetastet- schmalbandiges Rauschen

äquidistanterDatensatz

ui(t

i)

Autokorrelations-funktionR

uu(=

k)

Amplituden-dichtespektrum

U(fj)

Leistungs-dichtespektrum

Suu

(fj)

Four

ier-T

rans

form

atio

n

inve

rse

Four

ier-T

rans

form

atio

n

Four

ier-T

rans

form

atio

n

inve

rse

Four

ier-T

rans

form

atio

n

R(=)=*u(t)u(t+=)+

S(f)=U*U=|U|2

H. Nobach: Stochastic Sampling als Messprinzip 14

Empfänger

Laser

Strahl-teiler

Sende-linse

Interferenzfeld

Streuteilchen

Signal-burst

Laser-Doppler-Anemometrie

H. Nobach: Stochastic Sampling als Messprinzip 15

Ges

chw

indi

gkei

t

Zeit

Einzelteilchenmessung . zufällig abgetastete ZeitreiheUnsicherheit der Frequenzschätzung . breitbandiges RauschenKorrelation zw. Teilchenrate und Geschwindigkeit . Korrelation zw. Datenrate und GeschwindigkeitInterferenz des Streulichtes verschiedener Teilchen . Prozessortotzeit

LDA-Datensatz

H. Nobach: Stochastic Sampling als Messprinzip 16

unregelmäßig abgetasteterDatensatz

statistische Datenanalyse

H. Nobach: Stochastic Sampling als Messprinzip 17

unregelmäßig abgetasteterDatensatz

- Mathematische Beschreibung des Signals (z.B. Folge von Dirac-Impulsen)

- Berücksichtigung der unregelmäßigen Abtastung

- Entwicklung geeigneter Schätzer

- Wahl einer geeigneten Rekonstruktions- bzw. Interpolationsvorschrift

- Klassische Datenverarbeitung

Direkte Verarbeitung Signalrekonstruktion undregelmäßige Wiederabtastung

Transformation in einen dünnbesetzten Datensatz

- Quantisierung der Abtastzeitpunkte oder -intervalle

- Berücksichtigung von Signallücken

- Schätzer aus der Prozessidentifikation

Zeit

Ges

chw

indi

gkei

t

Zeit

Ges

chw

indi

gkei

t

ZeitG

esch

win

digk

eit

H. Nobach: Stochastic Sampling als Messprinzip 18

SS 4f 5'1T $%

0

T

u 4t 5e"2: j f t i$2

= TN 2$!

i=1

N

uie"2: jft i$

2

, Prinzip der direkten Spektralanalyse , Systematischer Fehler aufgrund der unregelmäßigen Abtastung

E {SS }=SP/TN

<u2

3SP 4f 5=TN2 {$!i=1

N

u ie"2: j f t i$

2

"!i=1

N

ui2}

Fehlerabschätzung:

Korrektur:

H. Nobach: Stochastic Sampling als Messprinzip 19

SS 4f 5'1T $%

0

T

u 4t 5e"2: j f t i$2

= TN 2$!

i=1

N

uie"2: jft i$

2

, Prinzip der direkten Spektralanalyse , Systematischer Fehler aufgrund der unregelmäßigen Abtastung

E {SS }=SP/TN

<u2

3SP 4f 5=TN2 {$!i=1

N

u ie"2: j f t i$

2

"!i=1

N

ui2}

Fehlerabschätzung:

Korrektur:

H. Nobach: Stochastic Sampling als Messprinzip 20

LDA-Datensatz

Rekonstruktion undregelmäßige Abtastung

Korrelationsfunktion

Fourier-Transformation

Spektrum

H. Nobach: Stochastic Sampling als Messprinzip 21

LDA-Datensatz

Rekonstruktion undregelmäßige Abtastung

Korrelationsfunktion

Fourier-Transformation

Spektrum

H. Nobach: Stochastic Sampling als Messprinzip 22

, Sample-and-Hold-Rekonstruktion

, lineare Interpolation

, exponentielle Rekonstruktion

H. Nobach: Stochastic Sampling als Messprinzip 23

, Spline-Interpolation

, Kalman-Rekonstruktion, Shannon-Rekonstruktion, Anpassung einer bandbegrenzten Funktion (POCS), fraktale Rekonstruktion

Allen Rekonstruktionen (unabhängig von der Rekonstruktionsvorschrift) gemeinsam:– Bei hoher Datenrate sind alle Verfahren geeignet, aus dem unregelmäßig

abgetasteten LDA-Datensatz einen regelmäßig abgetasteten Datensatz zu erzeugen, der die spektralen Eigenschaften des Strömungsprozesses widerspiegelt.

– Bei geringer Datenrate verändern sich die spektralen Eigenschaften. Der spektrale Charakter des Rekonstruktionsergebnisses wird direkt und unabhängig vom zugrundeliegenden Strömungsprozess von der verwendeten Rekonstruktionsvorschrift und der Datenrate bestimmt.

H. Nobach: Stochastic Sampling als Messprinzip 24

Unregelmäßige Abtastung, Messkette

Prozess

Messgröße

Signal

Verarbeitung

Kenngrößen und -funktionen

Information

Messgerät

H. Nobach: Stochastic Sampling als Messprinzip 25

Unregelmäßige Abtastung, Messkette , Einfluss des

MessgerätesProzess

Messgröße

Signal

Verarbeitung

Kenngrößen und -funktionen

Information

Prozesseigenschaften Messgerät

Signaleigenschaften

Messgerät

H. Nobach: Stochastic Sampling als Messprinzip 26

1. Analyse des rekonstruierten Datensatzes

LDA-Datensatz

Rekonstruktion

Resampling

Korrelations-und Spektralanalyse

H. Nobach: Stochastic Sampling als Messprinzip 27

2. Abschätzung des Filters

Wahre ACFLDA-Datensatz

Rekonstruktion

Resampling

Korrelations-und Spektralanalyse

Nach Rekonstruktionerwartete ACF

E { 3RR 4=5}=MR 4=5

3RR 4=5

t 1

t2

=1 =2

R 4=5

H. Nobach: Stochastic Sampling als Messprinzip 28

3. Korrektur

Wahre ACFLDA-Datensatz

Rekonstruktion

Resampling

Korrelations-und Spektralanalyse

Nach Rekonstruktionerwartete ACF

Korrigierte ACF

Nach Rekonstruktionbestimmte ACF

E { 3RR 4=5}=MR 4=5 3R 4= 5=M"1 3RR 4= 5

H. Nobach: Stochastic Sampling als Messprinzip 29

, Sample-and-Hold-Rekonstruktion– Rekonstruktionsvorschrift– Interpolationsfilter

– Korrektur

, Proportional-Ein-Punkt-Rekonstruktion (exp., Korrelationskoeffizient, S&H)– Rekonstruktionsvorschrift– Interpolationsfilter

– Korrektur erfolgt numerisch durch Lösung des linearen Gleichungssystems

, andere Interpolationen– prinzipiell auch für andere Interpolationen geeignet– numerischer Aufwand steigt mit der Anzahl der verwendeten Stützstellen

stark an– geringer Gewinn gegenüber Sample-and-Hold-Interpolation

uR 4t 5=u i f R 4t"t i 5 t i1t0t i/1

E { 3RR4=k 5}=R 405!i="#

0f R 4"=i 5f R 4=k"=i 5 41"e"n6= 5e"n 4=k"= i 5

/!9=1

#R 4=95!i=1

min 4k ,95f R 4=9"=i 5f R 4=k"=95 41"e"n6= 52e"n4=k"2=i/=95

E { 3R R 4=k 5}=e"n=k {R 40 5/ 4e n6="1 52

1"e2 n6= !9=1

#e"n=9 41"e2 n min 4k , 956 = 5R 4=95}

uR 4t 5=u i t i1t0t i/1

3R 4=k 5={ 3RR 40 5 für k=042c/1 5 3RR 4=k 5"c [ 3RR 4=k "15/ 3RR 4=k /15] sonst

c= e"n6 =

41"e"n6 =52

H. Nobach: Stochastic Sampling als Messprinzip 30

LDA-Datensatz

S&H-Rekonstruktion undregelmäßige Abtastung

Korrelationsfunktion

Fourier-Transformation

Spektrum

FilterkorrekturBestimmung derDatenrate

H. Nobach: Stochastic Sampling als Messprinzip 31

Slot Correlation

AKF

u iu j

t i t j

t j"t i /u i u j

/16=

i=12Nj=12N j(i

zk=!i=1

N

!j=1j(i

N

u i u j bk 4t j"t i 5

nk=!i=1

N

!j=1j(i

N

bk 4t j"t i 5

bk 46 t 5={1 für 4k"1/256=)6 t04k/1/256=0 sonst 3Rk=zk /nk

-1 0 1 2 3 4 5

-1 0 1 2 3 4 5

H. Nobach: Stochastic Sampling als Messprinzip 32

Modellbasierte Rausch- / Varianzschätzung

Slot Correlation

- Local Normalization- Fuzzy Slotting- Local Time Estimation- Wichtungsfaktoren (Transit-Time / Forward-

Backward-Arrival-Time)- etwas geringere Schätzunsicherheit- Offline-Auswertung

S&H-Rekonstruktion und regelmäßige Abtastung

- Korrektur des Datenratenfilters- Verarbeitung großer Blöcke durch Kürzen

der Korrelationsfunktion- Verwendung schneller Algorithmen (FFT)- kommerzielle Nutzung

unregelmäßig abgetasteter Datensatz

Zeitskalen

- Taylor-Zeitmaß- integrales Zeitmaß

Leistungsdichtespektrum

- Continuous Fourier Transform- Variable Windowing

Räumliche Korrelationsfunktion

- Zeit-Raum-Transformationen

H. Nobach: Stochastic Sampling als Messprinzip 33

Unregelmäßige Abtastung

, hohe zeitliche Auflösung durch kurze Abtastintervalle, geringes Datenvolumen durch lange Abtastintervalle, sehr effizient, Bestimmung statistischer Kennwerte und -funktionen

möglich

Interessante Eigenschaftenauch für andere Anwendungen

H. Nobach: Stochastic Sampling als Messprinzip 34

Aliasing

H. Nobach: Stochastic Sampling als Messprinzip 35

Aliasing

H. Nobach: Stochastic Sampling als Messprinzip 36

Aliasing

H. Nobach: Stochastic Sampling als Messprinzip 37

Aliasing

H. Nobach: Stochastic Sampling als Messprinzip 38

Supersampling

H. Nobach: Stochastic Sampling als Messprinzip 39

Stochastic Sampling

H. Nobach: Stochastic Sampling als Messprinzip 40

Stochastic Sampling

H. Nobach: Stochastic Sampling als Messprinzip 41

Stochastic Sampling

H. Nobach: Stochastic Sampling als Messprinzip 42

Quantisierung

H. Nobach: Stochastic Sampling als Messprinzip 43

Quantisierung

H. Nobach: Stochastic Sampling als Messprinzip 44

Stochastic Sampling

H. Nobach: Stochastic Sampling als Messprinzip 45

Stochastic Sampling

hohe Frequenzen niedrige Frequenzen

H. Nobach: Stochastic Sampling als Messprinzip 46

Stochastic Sampling

Rekonstruktion stat. Eigenschaften

Prozess / Signal

Abtastung

hohe Frequenzen niedrige Frequenzen

H. Nobach: Stochastic Sampling als Messprinzip 47

AbtastschemaPoisson-Prozess Mindestabstände max. Abstände Jitter

H. Nobach: Stochastic Sampling als Messprinzip 48

Abtastschema

20µm

Paul R. Martin, Ulrike Grünert, Tricia L. Chan, and Keely Bumsted: Spatial orderin short-wavelength-sensitive cone photoreceptors: a comparative study of the primate retina. JOSA A, Vol. 17, Issue 3, pp. 557-567

menschl. Retinablaue Zapfen

H. Nobach: Stochastic Sampling als Messprinzip 49

Anwendungen

, Computer Graphics (Anti Aliasing, Motion Blur, Tiefenschärfe), Punktraster (Informationsgewinnung, Visualisierung), Suchalgorithmen, Tomographie, Signal- und Bildrekonstruktion, Signal- und Systemidentifikation, Bilddatenkompression, Wetter- und Klimavorhersagen, Populationsuntersuchungen, Höchstfrequenztechnik, Astronomie

H. Nobach: Stochastic Sampling als Messprinzip 50

Particle Image Velocimetry

H. Nobach: Stochastic Sampling als Messprinzip 51

Particle Image Velocimetry

H. Nobach: Stochastic Sampling als Messprinzip 52

Empfänger

Laser

Strahl-teiler

Sende-linse

Interferenzfeld

Streuteilchen

Signal-burst

LDA-Beschleunigungsmessung

H. Nobach: Stochastic Sampling als Messprinzip 53

Anforderungen

, Hohe Genauigkeit der momentanen Teilchengeschwindigkeit

, Akurate Justage der Optik (Streifensystem)

, Hohes Signal-Rausch-Verhältnis

, Durchflugzeit

, Mittenfrequenz

, Teilchengeschwindigkeit

, Momentanfrequenz

, Relative Frequenzänderung

100µm

v=10 ms

a=2000 ms2

6 x=2.5µm10µs

4MHz

9.99210.01 ms

3.99624.004MHz

6 ff

=0.1%

H. Nobach: Stochastic Sampling als Messprinzip 54

Methoden

, Kurzzeit-FFT, komplexe FFT (direkte Methode), Wavelet, Modellanpassung (LMS), Modellanpassung (Korrelation)

H. Nobach: Stochastic Sampling als Messprinzip 55

H. Nobach: Stochastic Sampling als Messprinzip 56

Stochastic Sampling

, hohe Auflösung durch kleine Abtastintervalle, geringes Datenvolumen durch große Abtastintervalle, sehr effizient, Bestimmung statistischer Kennwerte und -funktionen

möglich, Rekonstruktion eingeschränkt möglich