Содержание
- 2. Введение Настоящая работа посвящена чтению и обработке данных с электронной платы TRB3, предназначенной для считывания будущего
- 3. Знакомство с программным обеспечением для сбора и обработки данных с платы TRB3, с методами обработки экспериментальных
- 4. Разработка алгоритмов фильтрации и их испытание на смоделированных методом Монте-Карло данных. Оптимизация параметров алгоритмов и выбор
- 5. Обзор возможных существующих стандартных решений Для снижения уровня шума существует большое количество фильтров. В работе были
- 6. Фильтр Калмана Фильтр Калмана - это эффективный рекурсивный фильтр. Алгоритм фильтра состоит из двух фаз: прогноз
- 7. Фильтр Винера Фильтр Винера является линейным оптимальным фильтром. На вход фильтра поступают два сигнала: x[k] и
- 8. Выбор пути решения Подходящие алгоритмы для фильтрации редких сигнальных событий при наличии шумовой составляющей в литературе
- 9. Моделирование срабатываний детектора методом Монте-Карло Моделируется массив срабатываний от сигнальных событий (коррелированы по времени) и шумовых
- 10. Алгоритм фильтрации №1 filter1(T, n, hits) T – временное окно для отбора срабатываний, n – минимальное
- 11. Алгоритм фильтрации №2 filter2(p, k, T, hits) p – порог по среднему интервалу между срабатываниями; k
- 12. Алгоритм фильтрации №3 filter3(delta_t, T, n, hits) delta_t - длительность строба от хита; T – временное
- 13. Результаты исследования фильтров Шумовая эффективность – доля всех шумовых срабатываний, прошедшие фильтр как сигнальные. Сигнальная эффективность
- 14. Экспериментальная установка с H12700 и TRB3 ФЭУ H12700 (64 канала) засвечивается с помощью лазерных импульсов. Интенсивность
- 15. Применение фильтра №3 к реальным данным Параметры фильтра для экспериментальных данных: delta_t = 5 (нс), T
- 16. Заключение Разработаны 3 алгоритма фильтрации данных по времени и реализованы на Python. Применены к данным моделирования
- 18. Скачать презентацию