- •1.1. Введение. Роль информационных технологий.
- •1.2. Компьютеризированные системы цифровой обработки
- •1.3. Классификация сигналов. Их характеристики.
- •Энергетические характеристики сигналов:
- •2.1. Обобщенный ряд Фурье и системы базисных функций.
- •2.2. Разложение в ряд Фурье.
- •2.3. Примеры разложения в ряд Фурье.
- •Б) Пилообразный сигнал.
- •3.1 Преобразование Фурье.
- •3.2. Свойства преобразования Фурье.
- •4.1. Аналоговые, дискретные и цифровые сигналы.
- •4.2. Частота Найквиста.
- •4.3. Спектр дискретного сигнала.
- •4.4. Теорема Котельникова.
- •Частота дискретизации
- •5.1. Функции окна.
- •5.2. Виды окон.
- •5.3. Особенности функций окна.
- •6.1. Нерекурсивные фильтры
- •6.1.1. Алгоритм.
- •6.1.2. Импульсная характеристика.
- •6.1.3. Передаточная функция.
- •6.1.4. Определение параметров нерекурсивного фильтра низкой частоты.
- •6.1.5. Синтез нрф с использованием окон.
- •6.1.5. Расчет коэффициентов фильтра.
- •6.2. Явление Гиббса.
- •7.1. Коэффициенты для высокочастотных, полосовых и
- •7.2. Расчет вч, пф и рф.
- •Преобразование фнч в пф.
- •Преобразование фнч в режекторный фильтр.
- •8.1. Корреляционный анализ.
- •9.1. Основные свойства речевых сигналов.
- •9.2. Дискретизация и квантование речевых сигналов.
- •Обработке речевых и аудио сигналов.
- •10.1. Анализ речевых сигналов во временной области.
- •Одним из важных параметров речевого сигнала является его энергия:
- •Энергия может служить хорошей мерой отличия вокализованных и невокализованных участков речи. Энергия невокализованных участков речи намного меньше, чем вокализованных.
- •10.2. Анализ речевых сигналов в частотной области.
- •10.3. Гомоморфная обработка речи.
- •10.4. Психоакустическая модель восприятия звука.
- •Технологии при обработке и анализе изображений.
- •11.1. Обработка изображений, предназначенных для зрительного
- •Применение обработки изображений в задачах анализа.
- •Теоретические основы обработки изображений.
- •11.2. Сигналы во временной и пространственной областях.
- •12.1. Модель реставрации изображений.
- •12.2. Методы повышения контраста.
- •13.1. Операторы сглаживания.
- •Низкочастотные операторы с усреднением.
- •Низкочастотные гауссовские операторы.
- •12.2. Другие методы сглаживания.
- •Пороговое сглаживание.
- •Сигнально-адаптивные сглаживающие операторы.
- •Подчеркивание контуров низкочастотным оператором.
- •Подчеркивание контуров дифференциальным оператором.
- •Градиентные операторы.
- •Операторы Лапласа.
- •Специальные методы обострения контуров.
- •14.1. Основные требования к алгоритмам сжатия изображений. Класс изображений.
- •Примеры приложений, использующих алгоритмы компрессии графики
- •Требования к алгоритму.
- •Критерии оценки алгоритмов сжатия изображений.
- •14.2. Алгоритмы архивации без потерь.
- •14.2.1. Алгоритм rle.
- •14.2.2. Алгоритм lzw.
- •14.2.3. Алгоритм Хаффмана.
- •15.1. Алгоритм jpeg.
- •Работа алгоритма.
- •Характеристики алгоритма jpeg.
- •15.2. Рекурсивный (волновой) алгоритм.
- •Заключение.
Энергетические характеристики сигналов:
Мгновенная (текущая) мощность:
.
(5)Энергия:
.
(6)Средняя мощность на интервале:
.
(7)
Если сигнал равен сумме двух сигналов:
,
,
.
(8)
Взаимная энергия
и
мощность
двух сигналов характеризуют степень
схожести двух сигналов.
Если сигналы совпадают, взаимная энергия увеличивается в 4 раза, и такие системы называются когерентными:
.
Если взаимная мощность или взаимная энергия двух сигналов равна нулю (т.е.
или
)
то такие сигналы называют ортогональными.
Из ортогональности по энергии всегда
следует ортогональность по мощности,
но не наоборот:
Если сигналы не полностью совпадают, то они называются частично совпадающими сигналами.
При цифровой обработке
сигналов часто используют такие
специальные функции как функция Хэвисайда
и
-функция
Дирака
Функция единичного сигнала (функция Хэвисайда) определяется:
Используется при создании сигналов конечной длительности:
.
(9)
В
MATLAB
данную функцию можно смоделировать с
помощью оператора сравнения
.
-функция
или функция Дирака – бесконечно узкий
импульс с бесконечной амплитудой и
единичной площадью
:
,
.
Важное свойство -функции – ее фильтрующее свойство:
.
(10)
Лекция №2. Основы анализа сигналов.
2.1. Обобщенный ряд Фурье и системы базисных функций.
Сигнал
на интервале
может быть записан в форме обобщенного
ряда Фурье:
.
(1)
Если
– вектор, то последнее выражение можно
интерпретировать как разложение по
некоторому базису, а коэффициенты
могут рассматриваться как проекции
вектора на координатные оси, заданные
системой функций
,
образующих базис.
Для
того чтобы разложение было возможно,
исходный сигнал
и система функций
должны
удовлетворять определенным
условиям:
Во-первых,
сигнал
должен принадлежать множеству
квадратично-интегрируемых на отрезке
сигналов:
.
(2)
Такое
множество сигналов образует пространство
сигналов
.
Отрезок интегрируемости
может быть как конечным, так и бесконечным
интервалом. Пространство
замкнуто относительно линейных операций,
т.е. если
и
,
то и
.
Поэтому его называют линейным
векторным
пространством.
Сигналы
и
рассматриваются как векторы
в линейном пространстве, для которых
определено скалярное
произведение:
(3)
и
норма вектора
(длина вектора):
.
(4)
Для скалярного произведения справедливо соотношение, называемое неравенством Коши-Буняковского:
.
(5)
Отношение
определяет косинус угла между сигналами
(векторами).
Во-вторых,
базисные функции
должны быть попарно
ортогональнымы,
т.е.
. (6)
Если базисные функции системы имеет единичную норму, то они образует ортонормированный базис.
При выполнении указанных условий коэффициенты обобщенного ряда Фурье находятся следующим образом:
.
(7)
Обобщенный
ряд Фурье содержит бесконечное число
членов. На практике приходится ограничивать
ряд конечным числом членов
.
Это приводит к появлению ошибки
аппроксимации:
.
Обычно
рассматривают норму ошибки
.
(8)
Одним
из важных свойств базисных функций
является полнота.
Базисные функции образуют полную
систему, если норма ошибки с ростом
уменьшается. Наиболее известной является
тригонометрическая
система базисных функций.
Интерес к поиску других систем функций обусловлен тем, что норма ошибки аппроксимации для иных систем может стать меньше при одном и том же числе членов ряда. Выбор базиса обусловлен спецификой решаемой задачи.
Н
φ1(t)
φ2(t)
φN(t)
Рис 1. Система мультипликативно-ортогональных функций.
Если два прямоугольных импульса не перекрываются во времени, такая система ортогональна:
и
.
(9)
Коэффициенты ряда Фурье:
.
(10)
Рассматриваемая
система мультипликативно-ортогональных
функций является полной только для
ступенчатых функций с шириной ступени
.
