- •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.
3.Дискретизация и квантование сигналов. Способы отсчета значений сигнала. Нормированная частота.
Дискретизация-это процесс преобразования аналогового сигнала в последовательность отсчётов. А результат такого преобразования дискретным сигналом. Последовательность чисел, представляющая сигнал при цифровой обработке является дискретным рядом и не может полностью соответствовать аналоговому сигналу. Числа, составляющие последовательность, являются значениями сигнала в отдельные(дискретные) моменты времени и называются отсчётами сигнала. Как правило, отсчёты берутся равными долями через равные промежутки времени Т, называемые периодом дискретизации(интервалом или шагом). Величина, обратная периоду дискретизации, называется частотой дискретизации (f=1/T). При обработке сигнала ввычислительных уст-вах его отсчёты представляются в виде двоичных чисел, имеющих ограниченное число разрядов. Вследствие этого отсчёты могут принимать лишь конечное множество значений и, следовательно, при представлении сигнала неизбежно происходит его округление. Процесс преобразования отсчётов сигнала в числа называется квантованием по уровню, а возникшие при этом ошибки округления – ошибки квантования. Сигнал дискретный по времени но не квантованный по уровню называют дискретным, а сигнал дискретный по времени и квантованный по уровню, называют цифровым.. Квантование по уровню — представление величины отсчётов цифровыми сигналами. Для квантования в двоичном коде диапазон напряжения сигнала от Umin до Umax делится на 2n интервалов. Каждому интервалу присваивается n-разрядный двоичный код — номер интервала, записанный двоичным числом. Каждому отсчёту сигнала присваивается код того интервала, в который попадает значение напряжения этого отсчёта. Таким образом, аналоговый сигнал представляется последовательностью двоичных чисел, соответствующих величине сигнала в определённые моменты времени, то есть цифровым сигналом. При этом каждое двоичное число представляется последовательностью импульсов высокого (1) и низкого (0) уровня.
4. Теорема дискретизации Найквиста-Котельникова. Выбор интервала дискретизации для нестационарных процессов.
Дискретизация — процесс преобразования непрерывного сигнала в последовательность дискретных значений.
Теорема
Найквиста-Котельникова
дает ответ на вопрос, какой частоты
дискретизации fs достаточно
для того, чтобы не произошло потери
информации, т.е. чтобы по дискретизованному
сигналу можно было восстановить исходный.
В
доказательстве теоремы и далее будет
использоваться операция свертки функций I(x), J(x),
определяемая так:
Т
еорема
: Для
того чтобы сигнал I(x) можно
было восстановить по его дискретному
образу, его спектр должен быть ограничен
максимальной частотой fH и
частота дискретизации fs должна
быть более 2fH.
Доказательство использует факты из
математического и функционального
анализа (см. например[3]).
Пусть Is(x) -
дискретный образ исходного сигнала I(x),
как обычно, T
= 1/fs -
период дискретизации, тогда
Образом
функции Comb в
частотной области является функция:
а Фурье-образ I(x) по-прежнему
будем обозначать F(f).
Умножение функций в пространственной
области соответствует их свертке (будем
обозначать ее
)
в частотной и наоборот. Соответственно,
рассмотрим свертку F и FComb,
являющуюся Фурье-образом Is(x) (обозначим
егоFs(f) ):
где
переход (1) произошел благодаря сдвигающему
свойству дельта-функции при свертке.
Как видно из последнего
выражения, Fs(f) представляет
собой бесконечную сумму функций F(f),
умноженных на fs и
сдвинутых на fs относительно
друг друга, поэтому при условии fд >
2W
носители
соседних сдвинутых версий не пересекаются,
и отдельно, взяв центральную копию F(f)
(k = 0) и
применив к ней обратное преобразование
Фурье, можно получить исходный сигнал I(x).
Центральная копия берется путем
умножения Fs(f) на
прямоугольную функцию
,
где
Т.е.
,
- образ исходной функции получен. Заметим,
этому умножению в частотной области
соответствует свертка в пространственной
области. Применив обратное преобразование
Фурье к
,
получим функцию
Применив
свертку с Is(x),
получаем
где
переход (2) также произошел благодаря
сдвигающему свойству дельта-функции
при свертке. Последняя формула
называется Интерполяционной
формулой Найквиста-Шеннона.Для
завершения доказательства осталось
показать, что невозможно однозначно
восстановить сигнал при
.
интервал дискретизации для нестационарных процессов (процесс с изменяющимися во времени статистическими свойсвами) должен быть меньше времени корреляции. время корреляции - время когда корреляция = 1. те другими словами: выборку сигнала нужо делать быстрее чем он изменяется.
