
- •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.
7. Дискретные линейные системы с постоянными параметрами. Уравнение циклической свертки.
Теория дискретных линейных систем связана с описанием и обработкой временных или частотных последовательностей и проектированием систем цифровой обработки сигналов, например фильтров
Линейные системы с постоянными параметрами
Линейная система - это система, к которой применим принцип суперпозиции и определяется она следующим образом. Если X1(n) и X2(n) - некоторые входные последовательности, а Y1(n) и Y2(n) - соответствующие им выходы линейной системы, то при подаче на вход последовательности aX1(n) + bX2(n) на выходе образуется последовательность aY1(n) + bY2(n), где а и b - произвольные постоянные.
Система с постоянными параметрами характеризуется тем, что если входной последовательности X(n) соответствует выход Y(n), то входной последовательности X(n-n0) при любых n0 соответствует на выходе Y(n-n0). Это свойство называется инвариантностью во времени.
Дискретная система по существу задает алгоритм преобразования одной последовательности (входной X(n)) в другую (выходную Y(n)).
Циклические и линейные свертки
Прямые способы вычисления произведения многочленов содержат число умножений и сложений, примерно равное произведению степеней многочленов, LN; возможны, однако, другие способы вычисления такого произведения, содержащие меньшее число вычислений.
Циклическая свертка, s M = 8 (х) d (x) (mod хп — 1), рициенты даются п —
где deg g (х) = deg d (x) = п — 1, коэфствами si = Е ?(«-*> A. i = 0,6=0
и двойные скобки обозначают вычисления по модулю л, если вычислять ее прямо по выписанным формулам, содержит п2 умножений и я (п — 1) сложений. Циклическую свертку можно также вычислять как линейную свертку с последующим приведением
по модулю хп— Iх). Следовательно, эффективные способы вычисления линейной свертки приводят также к эффективным методам вычисления циклической свертки. Наоборот, эффективные методы вычисления циклической свертки можно легко превратить
в эффективные методы вычисления линейной свертки. Популярным способом вычисления циклической свертки является использование теоремы о свертке и дискретного преобразования Фурье. Согласно теореме о свертке в частотной области, Sh = GhDk, k = 0, ..., п— 1, так что свертку можно вычислять, выполняя последовательно преобразование Фурье, поточечное умножение и обратное преобразование Фурье
8. Уравнение апериодической свертки. Графическое представление вычисления свертки. Пример.
А
периодическая
свертка (линейная) относятся к классу
локальных преобразований. При этом как
правило полагается, что размер вектора
исходных данных значительно больше
размера ядра свертки, что приводит к
следующему выражению для вычисления
любого отсчета результата:
Вычисление
свертки лежит в основе корреляционного
метода подавления помех. Сущность такого
метода заключается в использовании
различия между корреляционными функциями
сигнала и помехи. Данный метод эффективен
лишь в случае обработки периодических
или квазипериодических сигналов.
Рассмотрим сущность метода на примере,
когда полезный сигнал является
гармоническим, а помеха - типа белого
гауссова шума [21]. Автокорреляционная
функция сигнала является тоже гармонической
и имеет ту же частоту. Метод
автокорреляционного приема основан на
анализе автокорреляционной функции
принятого сигнала y(t)=x(t)+р(t).
Если сигнал и помеха взаимно независимы
(типичный для практики случай), то
т.е автокорреляционная функция принятого
сигнала равна сумме автокорреляционных
функций сигнала и помехи. Метод
корреляционного приема позволяет
обнаружить полезный сигнал, который
имеет мощность значительно меньшую,
чем мощность помехи.
Пусть
имеется два дискретных сигнала
a(n),n=0..N-1,
и
b(n),
n=0..M-1.
В общем случае длины этих сигналов N и
M могут
отличаться. Линейной сверткой сигналов
a(n) и
b(n) называется
дискретный сигнал вида:
Для вычисления линейной свертки сигналы
a(n)
и
b(n) сдвигают
относительно друг друга почленно
перемножают и складывают. При этом
предполагается, что a(n)=0 при
n<0 и
n>N ,
а также b(n)=0 при
n<0 и
n>M. Графическое
представление:
Отсчеты сигнала b(n) сдвигаются относительно отсчетов последовательности a(n) все возможные перекрывающиеся отсчеты почленно перемножаются и складываются. Приведен пример вычисления линейной свертки двух сигналов a(n)=[2,1,3,-1] длиной 4 отсчета и b(n)=[-1,1,2] длиной 3 отсчета.
Необходимо отметить, что сигнал b(n) при вычислении свертки отражается слева-направо, поскольку b(0)= -1 самый первый отсчет (самый ранний по времени) и обрабатываться он также должен первым.