
- •1. Роль и место цос и в современной радиоэлектронике. Преимущества и эффективность цос. Последовательность операций цос.
- •2. Дискретные линейные системы. Представление дискретных последова-тельностей. Нормированное время.
- •3.Дискретизация и квантование сигналов. Способы отсчета значений сигнала. Нормированная частота.
- •4. Теорема дискретизации Найквиста-Котельникова. Выбор интервала дискретизации для нестационарных процессов.
- •5. Дискретные системы. Примеры: идеальная система задержки; система без запоминания.
- •6. Дискретные линейные стационарные системы. Примеры: сумматор, система с запоминанием.
- •7. Дискретные линейные системы с постоянными параметрами. Уравнение циклической свертки.
- •9. Линейные разностные уравнения с постоянными параметрами. Пример.
- •10. Рекурсивные линейные дискретные системы. Пример. Схема.
- •11. Нерекурсивные линейные дискретные системы. Пример. Схема.
- •12. Представление дискретных систем и сигналов в частотной области. Комплексная частотная характеристика дискретных систем. Пример.
- •13. Представление кчх дискретных систем в алгебраической и в показательной форме. Расчет кчх. Пример.
- •14. Импульсная характеристика дискретных систем. Импульсная характеристика рекурсивной линейной дискретной системы. Пример.
- •15. Свойства преобразования Фурье. Теорема о периодической свертке
- •16. Расчет комплексной частотной характеристики рекурсивной системы. Пример.
- •17. Дискретизированное по времени преобразование Фурье.
- •18. Выбор подходящего класса дискретных фильтров. Сравнение бих и ких-фильтров.
- •19. Идеальные частотно-избирательные фильтры. Спецификация требований фильтра. Преимущества цф. Формула
- •20. Дискретный фильтр с конечной импульсной характеристикой. Вычисление коэффициентов ких-фильтра.
- •21. Метод весовых функций. Расчет частотной характеристики прямоугольного окна. Эффект Гиббса.
- •23. Структурная схема ких-фильтра.
- •24. Импульсная характеристика идеального фнч.
- •25. Дискретные экспоненциальные функции. Свойства функций дэф
- •26. Метод окон. Стандартные весовые функции (окна). Пример вычисления коэффициентов импульсной характеристики ких – фильтра нч.
- •27. Дискретное преобразование Фурье. Свойства дпф. Теорема о корреляции.
- •28. Соотношения двойственности преобразования Фурье.
- •29. Дпф. Свойства. Инвариантность дпф относительно сдвига по времени и частоте.
- •30.38 Вычислительнаясложностьдискретныхпреобразований: дпф, дпх, дпу-a, дкп.
- •31. Алгоритм быстрого преобразования Фурье. Алгоритм разделения входной последовательности на части. Посмотреть48
- •32. Дискретное преобразование Уолша-Адамара. Свойства.
- •33.Ортогональные преобразования. Базисные функции ядра унітарного преобразования Хартли
- •34.Цифровая корреляционная функция. Корреляционное декодирование кодових последовательностей. Пример.
- •36. Дисперсионная фильтрация сигналов и изображений. Пример.
- •37. Вычисление циклической дискретной автосвертки последовательности с помощью дпф.
- •30.38. Вычисление двумерных преобразований. Вычислительная сложность двумерных преобразований. Пример.
- •39.Фурье-образ прямоугольного окна. Пример.
- •41. Устойчивость линейных дискретных систем.
- •43. Дискретное преобразование Фурье. Свойства. Симметричность дпф. Теорема о свертке.
- •44. Сжатие изображений. Статистические характеристики изображений.
- •45. Пороговая фильтрация коэффициентов преобразования Уолша-Адамара. Пример.
- •46. Описание границ объектов на изображениях посредством преобразований. Пример.
- •47. Оценка вычислительной сложности бпф. Выигрыш в вычислительной сложности бпф.
- •48. Структурная схема процессора для вычисления n-мерного сигнала. Пример бпф с прореживанием по времени
- •49. Дисперсионный принцип фильтрации трансформант. Пример.
- •50.Алгоритс бпф с прореживанием по времени.
- •51. Вычисление двумерной функции распределения трансформант.
- •52. Компрессия изображений посредством дкп. Пример.
27. Дискретное преобразование Фурье. Свойства дпф. Теорема о корреляции.
Дискретное преобразование Фурье.
Прямое преобразование:
,
k =0, 1, …,N –1, где
W=e-i2р/N – поворачивающий множитель N – количество дискретных отсчетов сигнала C(k) - N комплексных амплитуд синусоидальных сигналов x(n) — измеренные значения сигнала которые являются входными данными для прямого преобразования и выходными для обратного
Обратное преобразование:
n
=0, 1, …,N –1, где
W=ei2р/N – поворачивающий множитель
1. Линейность Спектр суммы сигналов равен сумме спектров этих сигналов. Если то спектр равен: (2)
где - спектры сигналов и соответственно.
При умножении сигнала на константу спектр сигнала также умножается на константу:
2. Временной сдвиг Пусть сигнал имеет спектр . Если сдвинуть сигнал циклически на отсчетов, т.е. , то спектр сдвинутого сигнала равен:
3. ДПФ циклической свертки сигналов
При выводе выражения (8) было использовано свойство временного сдвига. Таким образом можно сделать вывод о том, что спектр циклической свертки двух сигналов равен произведению спектров этих сигналов. Это свойство позволяет использовать быстрые алгоритмы ДПФ для вычисления свертки.
4. Спектр произведения двух сигналов
Пусть сигнал равен произведению сигналов и , причем и - спектры сигналов .
Таким образом, спектр произведения сигналов представляет собой циклическую свертку спектров этих сигналов.
5. Свойство частотного сдвига
Произведем
циклический сдвиг спектра
и рассмотрим ОДПФ, тогда:
Таким образом получили, что сдвиг спектра осуществляется умножением сигнала на комплексную экспоненту. Важно отметить, что после умножения на комплексную экспоненту сигнал будет комплексным, а его спектр перестанет быть симметричным.
Теорема о корреляции.
Взаимнокорреляционная
функция рассчитывается так:
.
Спектр последовательности R(n)
по определению ДПФ находится:
.
Так как пределы суммирования одинаковы
(от 0 до N-1),
и используя свойство инвариантности
ДПФ относительно к сдвигу во времени,
запишем:
.
Таким образом, вычислению корреляционной
функции во временной области соответствует
умножение в спектральной области
Фурье-образов рассматриваемых процессов.
В
общем случае теорема о корреляции
определяется так:
28. Соотношения двойственности преобразования Фурье.
Выясним теперь свойства преобразования Фурье. Допустим, требуется произвести обратное преобразование - из частотных составляющих сформировать исходный сигнал. Для этого справедливы приведённые ниже формулы:
Коэффициенты ReX[k] и ImX[k] определяются по следующим формулам:
Такой процесс преобразования называется синтезом или обратным преобразованием Фурье. Заметим, что формулы обратного преобразования аналогичны формулам прямого преобразования, только теперь подынтегральной функцией являются коэффициенты при синусах и косинусах. Это свойство является очень важным и называется двойственностью преобразования Фурье. Свойство двойственности позволяет объяснить следующий факт: единичный импульс во временном домене (единичное значение одной выборки при нулевых значениях остальных) соответствует синусоиде и косинусоиде в частотном домене и наоборот (рис.). Во втором случае всё понятно - имеется один коэффициент при синусе или косинусе - это значит, что исходный сигнал (выборка) содержит составляющую одной частоты синусоидальной или косинусоидальной формы. Первый же случай может быть объяснён на основе двойственности преобразования Фурье. Описанный факт используется при построении алгоритма быстрого преобразования Фурье. Дело в том, что приведённые выше формулы для прямого и обратного преобразований имеют временную сложности реализующих их алгоритмов порядка O(n^2). Таким образом, при больших объёмах выборки, не удаётся за реальное время произвести преобразование Фурье. Для этой цели в середине 60-х годов был разработан алгоритм быстрого преобразования Фурье, который описывается в конце статьи