Schritt 24: Zeit Kalibrierung
Auf den Bildern sehen wir alle Daten, nahm ich eine analysiert. Die "Fitted Pisten" Handlung ist der interessanteste, weil es uns die tatsächlichen Anschaffung bei meinem System bei jeder prescaler Einstellung sagt. Die Pisten wurden als [ch/ms] Zahl gemessen, aber dies entspricht [kHz], so sind die Pisten Werte tatsächlich kHz oder auch kS/s (Kilo-Samples pro Sekunde). Das bedeutet, dass mit den Vorteiler einstellen, bekommen wir eine Abtastrate von 8:
kS/s (154±2)
Nicht schlecht, äh?
Während aus dem "y-Abschnitte ausgestattet" Plot wir einen Einblick in die System-Linearität bekommen. Der y-fängt sollte Null sein, da bei einem Signal mit Null-Länge sollte einen Impuls mit Länge Null entsprechen. Wie im Diagramm ersichtlich sind alle kompatibel mit Null, aber nicht die 18-Vorteiler Dataset. Dieser Datensatz ist, das Schlimmste, was man da ist hat nur zwei Daten und die Kalibrierung nicht vertraut werden kann.
Es folgt eine Tabelle mit den Erwerb Preise für jede prescaler Einstellung.
| Vorteiler | Erfassungsrate [kS/s] |
| 128 | 9.74 ± 0,04 |
| 64 | 19,39 ± 0,06 |
| 32 | 37.3 ± 0,6 |
| 16 | 75.5 ± 0,3 |
| 8 | 153 ± 2 |
Die genannten Fehler kommen vom Motor Gnuplot passen und ich bin unsicher, sie.
Ich habe auch versucht eine ungewichtete Passform der Raten, weil man sehen kann, dass sie etwa verdoppeln, wenn die prescaling Hälften, das sieht aus wie eine umgekehrte Proportionalität Gesetz. Also ich ausgestattet die Preise Vs die prescaler-Einstellungen mit einem einfachen Gesetz von
y = a/X
Ich habe einen Wert für eine der
ein = 1223
mit einem χ² = 3,14 und 4 Freiheitsgraden, dies bedeutet, dass das Gesetz mit einem 95 %-Konfidenzniveau akzeptiert wird!
