Fagstoff

Etterbehandling av data

Publisert: 08.02.2011, Oppdatert: 03.03.2017
  • Innbygg
  • Enkel visning
  • Lytt til tekst
  • Skriv ut

Etterbehandling av data gir andre muligheter for presentasjon og mer inngående studier enn ved sanntidsvisning. Siden det ikke finnes noen sanntidskrav vil det være mulig å behandle hvert eneste datapunkt, noe som minsker faren for undersampling selv for målinger som varierer svært raskt. Ved etterbehandling er alle punktprøver fra hele flukten lagret i en permanent form. Dette gir mulighet for å behandle data med ulike filter og matematiske funksjoner for å fjerne støy eller vise nye sammenhenger.

 

Tidskurver og XY-grafer

Ved sanntidsvisning av data vil det ofte bare være en andel av datapunktene som blir brukt i plottingen. Med hurtig varierende data kan ikke alle datapunktene komme med i en sanntidsanalyse. Da er det ofte nødvendig å gjøre tilbakespilling fra data som er lagret, slik at hurtige datavariasjoner kan studeres. Figuren under viser magnetometermålinger fra en rakett som roterer med ca. 5 Hz. Grafen til venstre viser hvordan grafen skal se ut med alle måleverdiene, mens grafen til høyre viser alvorlige feil på grunn av utilstrekkelig punktprøving i sanntidsvisning. Se også artikkelen om aliasing.

Eksempel på aliasing. Aliasing skjermdump
Opphavsmann: Narom

 

Et viktig punkt er at data ikke behøver å behandles og vises som funksjon av tid. Det kan for eksempel være ønskelig å vise to variable som funksjon av hverandre i oppgitte tidsintervaller. Dette er illustrert i følgende figur hvor strøm til en probe er vist som funksjon av en forspenning på probeoverflaten.

Langmuir-plotLangmuir-plot
Opphavsmann: Narom


Matematiske funksjoner

Det finnes mange standardfunksjoner som er nyttige i vurdering av data. Her er en del eksempler

  • numerisk derivasjon (eng. "numerical derivation")
  • løpende middel (eng. "running mean ")
  • lineær regresjon (eng. "linear regression")
  • FFT spektralanalyse (eng. "fast fourier transform")


Løpende middel

En vanlig måte å jevne ut en ujevn graf på er å bruke løpende middelverdi. Figuren nedenfor viser eksempler på kurver med støy hvor et løpende middel er plottet sammen med de originale data med støy. Hvert punkt i den utjevnede grafen er altså en middelverdi av et gitt antall punkter, i dette eksemplet ni, rundt det samme tidspunktet i den originale grafen.
Ni punkts glidende middelGlidende middel
Opphavsmann: Narom


Lineær regresjon

Lineær regresjon innebærer å finne en lineær funksjon der funksjonsgrafen ligger så nær flest mulig datapunkter i de opprinnelige data som mulig.

FFT (Fast Fourier Transform)

I mange sammenhenger er det av interesse å studere spektralfordelingen i et utvalg av punkter over et gitt tidsintervall. Resultatet kan presenteres som et X-Y plott med frekvens langs X-aksen og effekt eller energi langs Y-aksen.

 

3D grafikk

Det kan være ønskelig å vise sammenhengen mellom tre, og ikke bare to parametre. Figuren under viser sammenhengen mellom tid, ionefluks og energi omkring et skiveformet legeme i et plasmakammer. Eksperimentet skal simulere ionestrømmen rundt en satellitt. Grafikken er laget ved hjelp av programsystemet IDL.
3D-plott av ionestrøm3D-plott av ionestrøm
Opphavsmann: Narom

 


Flere variable ved hjelp av fargekoder

En annen metode til å fremstille tre eller flere variable på en todimensjonal skjerm er bruk av fargekoding. Et eksempel er vist i figuren under der horisontal akse representerer tid, vertikal akse avstand (høyde) mens intensiteten av signalene er fargekodet etter en skala vist på høyre side av plottet.
Fargekode som informasjonsvariabelFargekoding
Opphavsmann: Narom
Relatert innhold

Generelt