Думата е "кефя се", когато виждам теория и практика да помагат в реалният живот/задачи.

А айде аз ще драсна още малко теория*:
според това, което учим има 3 видя грешки:

а) груба - отстранима -> очевидно нещо в начина на самото измерване не е наред. / постановка и т.
б) систематична - постоянна -> тук не чух добре , но си мисля ,че това е грешка пак в начина на самото измерване , но грешката е такава ,че не повдига съмнение във верността на даденият резултат и от там идва , че е постоянна , защото никой не тръгва да я гони , тъй като не е заподозряна
в) случайна - отстранима чрез методи на мат. статистика -> това за което иде реч тук, но трябва да обърнем внимание и на това, което казва Никола, според мен обаче по универсално решение е чрез статистиакта - изчисленя и сметки, защото то всъщност никола го е казал -> "ако ти е такъв случея" - това за пулсациите.

Успех !

Темата е интересна и полезна !

* - въпреки че трябва да изключа pc-то , че се разсейвам така

Ами значи относно смущенията, на база на наблюденията ми досега не изглеждат като пулсации, от друга страна самите ми входни сигнали са импулси. Ето малко снимки и графики :
www.eldevice.net/upload/razni/two_obj.jpg два обекта
www.eldevice.net/upload/razni/stol_60x.jpg един обект, вижда се че има отражение от стената която е доста по назад
www.eldevice.net/upload/razni/input.jpg входния сигнал, горе с червено са дсикретите, долу със синьо е отфилтриран и с подобрена динамика и отношение С/Ш
www.eldevice.net/upload/razni/corelation.jpg - горе с ервено резултат от корелацията, максимална корелация в слуая има на 101 отчета спрямо еталонния сигнал
Та знаи това което ми е входен сигнал се вижда на осцилограмите, това след дискретизиране може да се види на първата графика, съответно след филтрация се вижа с червенона вората графика. На тези данни имсе правят някои обработки, корелационен анализ, резултат от който се вижд ана втората графика, както и анализ на фурие за определяне фазовото отместване. Накрая на база на така направнете изчисления се определя разстоянието до обекта. До момента в много естов вариант на софта и хардуера сум получил точност от порядъка на 1-3 мм (зависи в момента мн от температурата), и сътветно такава повтаряемост на измерването. От доста време не съм работил по това тъй като имаше по важна част от проекта но и на тов аму дойде времето.
Та резултат е с добра повтаряемост, но при по големи разстояния, силата на сигнала спада значително, въпреки че стената е доста по назад, понякога ехото от стената е по силно от ехото от обекта, имайки се в предвид че обекта не е идеално твърд предмет, той даж от твърд е далеч, та при по неподходящ ъгъл, или неизвестно каква точно обстановка, но ми се случва да олуча 2-3 резултат с разстоянието до стената. Които именно искам да избегна. Значи с усъвършенстване на хардуера, разположението на детекторите, както и оптимизация на софтуера тезинеща може и да изчезнат, но все пак искам да съм зстрахован срещу подобни смущения.
Та както се вижжда аз не работя директно в-у входните резултати, филтъра ще е в-у резултат получен на тяхна база.

Тони, сега се сещам, че можеш да провериш за някакви готови и документирани *.m файлове за MatLab. Няма начин да не се намери нещо по вьпроса. Дори си мисля, че имаше отделен пакет в тази насока.

Aми как се оправят прилепите, като не са учили за никакви филтрации и корелации?
Сигурно не е адекватно да предлагам оптичен далекомер още повече, че не зная какъв е смисъла на задачката. Мога да предложа, ако има някъква предварителна информация, да се режат сигналите извън предполагаемия времеви интервал. Също така е възможно при движение да се прави някакъв анализ на поредицата импулси (номерирани), които се получават - по амплитуда и по времезакъснение.
Сигналът от ехото, ако и да е паразитен, си е сигнал. Принципно е неотстраним щом е приет от сензора, ако нямаме априорна информация.

Не мога да се сетя , а не ми се вади тълковният

какво беше априорна

Не съм чел внимателно постовете по нагоре, но темата е актуална винаги когато мериш дадена величина. В МЕИ едно време учихме "Методи, устройства и системи за събиране, и преобразуване на информация" точно това, което ти трябва . Проблема е че човека, който ни преподаваше не си даваше много зор, така че къде научили къде не, това се щита за нормално в МЕИ-то. Ако ти трябва после винаги почваш от кота "0". Та ще ти дам малък откас от това, което сме учили и което съм използвал, за съжаление не ми се налага често, макар материята да е много интерсена.
Още взето се излозват за първична обработка на информацията:
1. Линейно-отсечкова интерполация - идеята е да се свържат известенни точки от предавателната функция с отсечки
2. Интерполация с полином - Целта е да се намери полином, преминаващ през всички точки, който си дискретизирал.
3. Апроксимация по метода на най-малките квадрати (този съм го ползвал и работи добре) - целта, за да се избегне получаването на полином от много голяма степен, ако използваш предишния метод - целта става следната, да се прекара полином от степен к, максимално близо до точките който имаш, като условието е сумата от квадратите на разликите между полинома и известните му стойности да е минимална.
4.Сплайн апроксимация - свързваш всяка точка с кубична финкция, като първите и вторите производни са равни за да се получи гладка крива.

Другата обработка е статистическа обработка в амплитудната област.
Значи там ще трябва да почетеш, защото си е май...
Идеята е следната - имаш масив от данни, след което се изчислява средно-аритметичната стойност, след което се изчислява средноквадратичното отклонение на серията измервания, махат се всички измервания който са вън от +-3*средноквадратичното отклонение, идеята е че ако приемеш че разпределението на твоята величина е Гаусово, тогава можеш да приемеш че в интервала (+-3*средноквадратичното отклонение) имаш 99.7% от стойностите, който те интересуват, всичко друго е груба грешка, можеш да погледнеш какво е доверителен интервал и доверителна вероятност. Повтаряш процеса от изчисляването на средноаритметичното и така докато не останат стойносто за махане. Абе не е лесно, но се прави.

Другото е филтрацията на входа, идеята е че всички честоти, който са вън от спектъра на сигнала трябва да се подтискат, защото ти вкарват в системата груби грешки. Проблема е че тук трябва да се използват активни филтри и за да постигнеш условията за подтискане си трябва филтър от 8-10 ред. Абе ще се справиш малко е тежко, ама става . Успех.

Подкрепям
И за четирите вида интерполации и апроксимации има реализирани функции в MatLab + добра документация.


Това е методьт който сьм описал в поста по-горе.
Изглежда fitilla е обобщил често на практика прилаганите методи. Наистина се получи добра тема

Кога ще пиеме по бира по този повод Жестока тема !

Да, темата е наукообразна. И може би затова се изпуснах, та написах априорна - предварителна, за което се извинявам.
Апроксимацията и интерполацията имат за цел да получат някаква зависимост (функция) по няколко измерени точки от нея. Мисля, че тука задачата не е точно такава.
Доколкото разбрах от осцилограмите , се излъчва пакет от синусоиди. Вероятно се мери закъснението на пакета. По груби сметки теоретично без проблем би трябвало да се получи разрешавща способност микрометри, но явно има много фактори, които пречат да се постигне това.
Ако осцилограмите показват типични сигнали, то отношението сигнал/шум е много голямо. Ако отношението е по-голямо примерно от 5-10, не мисля, че е необходимо да се прави корелационен анализ. Освен, ако не трябва да се прави голяма наука от темата. От осцилограмите не мога да преценя доколко честотния филтър е подходящ.
По информацията от осцилограмите не виждам необходимост от използване на някакви допълнителни осреднявания, освен може би от средно аритметично, за да се отстранят флуктуациите по фронта на обвивката и по този начин да се постигне по-голяма разрешаваща способност.

Големият проблем според мене не е във филтрацията, а в получаването на паразитни сигнали от други обекти. Това са сигнали, а не случайни смущение или флуктуации (шум). Те са периодични и ако няма накаква предварителна информация, не може да се каже кое е истинския сигнал и кое - паразитния. Тези паразитни сигнали или трябва да се отстранят, чрез подобряване средата (например стените да се направят поглъщащи, сензорите да са с по-насочена характеристика) , или да се изберат критерии за елиминирането им например по някой от методите, за които писах по-горе.

Разбирам, че и двете ми предложения не са лесно реализуеми и вероятно не са препоръчителни за използване, но за сега друг начин не виждам. Не искам да съм лош пророк, но ако този далекомер е в основата на задачката, то истинските проблеми едва сега започват.

Да се не изпразниш?

Това ми напомни една реплика, но не помня на кой беше та ще цитирам по спомен без име засъжаление:

"Ако когато ползвахме DOS и batch файлове някои ми беше показал Linux и bash script щях да получа оргазъм ".
Не говориме за просто ерекция или из... , човека е щял да ... се взриви хахахаахаххахахаах

--
сега сериозно: щях да качвам един протокол с формули ,ама уви нямах време вчера довечера вече със сигурност ще го свърша Но към 8-9 ще стане това.

Ами да не е точно апроксимация, или интерполация, въпреки че много зависи от това как се погледне, същноста на това кеото трябва да сатне наистина е филтър, за да с епремахнат скоковете.
Относно измерването, на осцилограмата отнощението С/Ш е голямо, основно защото обекта е близо, с отдалечаване на обекта сигнала става доста слаб. За точност от микрометри не може да се говори, това което се гони е от порядъка на 1 до 3 мм, в зависимост от разстоянието до обекта. Причините да няма кой зна еколко висока точност са много, като почнеш от влага и температура, които влияят на скороста, минеш през особенности на излъчвателя и приемника и стигнеш до честота на дискретизация. Най-елементарният начин е с измерване на закъснението, пускаш синусоида и цакаш да получиш ехото, но това е много неточно.
Това което првя е да съпоставям формата на излъчения с формата на приетия сигнал. Тук също има къде да се сгреши, сравняват се обвиващи криви, какъв е точно излъченият никой не знае, има формули но резултат се влияе от самия излъчвател, но подобна разлика може да се компенсира сравнително лесно. Значи корелацията ми дава с колко единият сигнал е отместен от другия, естествено тук точноста идва от честоттата на дискретизиране. Освен това по този начин не могат да се открият големи измествания, затова ползвам и фурие за да изчисля фазовото отместване.
Както писах по-горе метода дава добри резултати но поняког се появяват грешки които трябва да се маханат при усредняването.
Първото което ми хрумна е това с индексите, но това което HCL предлага може би ще върши по-добра работа.
Отнсосно апроксимация ...... това сега не знам защо съм го сложил в заглавието, реално няма истинска апроксимация или интерполация, най-вероятно защото си мислех да направя нещо като функцията която определя точно корелацията, която е реазлизирана с параболична интерполация, но се оказва неподходящо за това кеото аз искам, изобщо тм е друга идеята ....

От показаните осцилограми, първото, което виждам е, че не ти е в ред хардуера.
Или излъчвателя е калпав, или приемния усилвател, но добрия сигнал не изглежда така.
Керамичните резонатори, които се ползват при ултразвука, са по принцип филтри с много тясна честотна лента.
Ако предаващия и приемащия не са двойка (подбрана), резултата е плачевен.
Каква е резонансната честота, която ползваш?
Правилото, при мерене на разстояние с отразен сигнал е: Верен е първия пристигнал. Всички след него са в резултат на отражения.
Филтрирането се прави с дефинирането на времеви прозорец.
Едва след това, статистическата обработка може да даде положителен резултат

Бих се включил само с допълнението - ако целта е ръбата и подвижна то е нормално да има минимум и максимум в показанията.Те дават пространственното положение на обекта спрямо неподвижен излъчвател/приемник. Идеята с времевите прозорци,въобще с маските за филтрация е добра,но въпроса тогава ще опира и до това каква маска се използва.Виж някой алгоритми за обработка на изображение,имаше едно нещо наречено хистограмно изравняване и от сорта - могат да ти са от полза.Успех

Колега, ако с програмни средства и математика искаш да компенсираш калпав хардуер, - мога само да ти пожелая късмет и всичко най.
Ако искаш да фиксираш динамичен обект с един датчик, няма да стане (щото ти трябва триангулация.)
Но - всеки има право да си губи времето, както намери за добре (ако си е негово, разбира се - т.е. не е на заплата)
Успех!!