- •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.
Б) Пилообразный сигнал.
Рис 4. Пилообразный сигнал.
Пилообразный сигнал в пределах периода описывается линейной функцией
,
.
(20)
Данный сигнал является нечетной функцией, поэтому его ряд Фурье в синусно-косинусной форме содержит только синусные составляющие:
.
(21)
Ряд Фурье пилообразного сигнала имеет вид:
.
(22)
Для
спектров прямоугольного и пилообразного
сигналов характерно, что амплитуды
гармоник с ростом их номеров убывают
пропорционально
.
в) Последовательность треугольных импульсов.
,
(23)
.
(24)
Ряд Фурье имеет вид:
(25)
Рис 5. Последовательность треугольных импульсов.
Как видим, в отличие от последовательности прямоугольных и пилообразных импульсов, для треугольного периодического сигнала амплитуды гармоник убывают пропорционально второй степени номеров гармоник. Это связано с тем, что скорость убывания спектра зависит от степени гладкости сигнала.
Лекция №3. Преобразование Фурье.
Свойства преобразования Фурье.
3.1 Преобразование Фурье.
Преобразование Фурье является инструментом спектрального анализа непериодических сигналов. Его можно применить к периодическим сигналам, используя аппарат обобщенных функций:
(1)
На
качественном уровне проиллюстрируем
переход от ряда Фурье к преобразованию
Фурье.
Представим себе периодическую
последовательность импульсов и
сформулируем ряд Фурье для нее. Затем
увеличим период повторения импульсов
и снова рассчитаем коэффициенты. Мы
рассчитали тот же интервал, но для более
тесно расположенных частот
.
Изменение пределов интегрирования не
имеет значения, ведь на добавленном
интервале сигнал имеет нулевое значение.
Рис 1. Изменение спектра последовательности импульсов
при двукратном увеличении периода их следования.
При спектральном анализе непериодических сигналов формула для расчета комплексного ряда Фурье модифицируется следующим образом:
частота перестает быть изменяющейся:
изменяется на
;
удаляется множитель
;результатом вычислений вместо нумерованных коэффициентов ряда является функция частоты
:
,
,
(2)
.
(3)
Чтобы преобразование Фурье было применимо, необходимо чтобы:
- выполнялось условия Дирихле;
- сигнал был абсолютно интегрируемым:
.
(4)
Если
анализируемый сигнал
– вещественная
функция, то
соответствующая спектральная функция
является комплексно
симметричной
относительно нулевой частоты. Это
означает, что значение спектральной
функции на частотах
и
является комплексно
сопряженным:
.
(5)
Как в случае ряда Фурье, если – четная функция, то – вещественная и если – нечетная функция, то – чисто мнимая.
Модуль спектральной функции называют амплитудным спектром, а аргумент – фазовым спектром. Амплитудный спектр для вещественного сигнала – четная функция, фазовый – нечетная:
.
(6)
Таким образом, преобразование Фурье ставит в соответствие сигналу, заданному во времени, его спектральную функцию. При этом осуществляется переход из временной области в частотную. Преобразование Фурье является взаимнооднозначным. Представление сигнала в частотной области содержит столько же информации, сколько исходный сигнал во временной.
