
- •1.Содержание цос. Аналоговый, дискретный и цифровой сигналы.
- •2.Аппроксимация в процессе синтеза рекурсивных дискретных фильтров
- •3.Преимущества и недостатки цос. Области применения цос.
- •4.Определение передаточной функции при синтезе дискретного рекурсивного фильтра
- •5. Принципы дискретизации сигналов. Модель непрерывного сигнала.
- •6.Сравнение методов реализации дискретных фильтров. Пример дискретного фильтра первого порядка.
- •7. Предельная дискретизация сигналов с ограниченным спектром.
- •8. Эффекты квантования в цифровых фильтрах. Постановка задачи. Ошибки, вызываемые неточными значениями постоянных параметров.
- •9. Квантование непрерывных сигналов. Преобразование сигналов в цифровую форму.
- •10. Пример дискретного фильтра второго порядка.
- •11. Дискретное преобразование Фурье. Свойства дпф.
- •12. Эффекты квантования в цифровых фильтрах. Ошибки, вызываемые аналого-цифровым преобразованием.
- •13. Особенности практического использования дпф.
- •14.Анализ шумов в цифровом фильтре первого порядка.
- •15. Быстрое преобразование Фурье (бпф).
- •16. Анализ шумов в цифровом резонаторе.
- •17. Разновидности бпф.
- •18. Ошибки цифрового фильтра, вызванные квантованием произведений. Эффект «мертвой» зоны.
- •19. Вычисление корреляционного интеграла на основе бпф.
- •20. Цифровая обработка случайных сигналов. Оценка моментов.
- •21. Краткие сведения о функциях Уолша. Свойства функций Уолша.
- •22. Непараметрические методы оценки законов распределения.
- •23. Способы нумерации функций Уолша. Генерирование функций Уолша.
- •24.Параметрический метод оценки законов распределения. Аппроксимация экспериментальных распределений.
- •25. Дискретные функции Уолша. Свойства дискретных функций Уолша.
- •26. Цели и классификация методов цифрового спектрального анализа.
- •27.Линейные дискретные и цифровые фильтры. Краткие сведения о z -преобразовании.
- •28. Оценка спектра мощности методом периодограмм.
- •29. Передаточные функции дискретных фильтров. Временные и частотные характеристики дискретных фильтров.
- •30. Сглаживание спектральных оценок. Основные свойства оконных функций.
- •31. Структурные схемы дискретных фильтров.
- •32. Линейные модели и расчет спектральной плотности мощности.
- •33.Устойчивость дискретных фильтров.
- •34. Определение параметров ар-модели по известной автокорреляционной функции сигнала.
- •35. Кодирование чисел в цифровых фильтрах. Особенности проектирования цифровых фильтров.
- •36. Определение параметров ар-модели по анализируемым данным.
- •37.Разновидности нерекурсивных фильтров и требования к ним.
- •38. Цифровые синтезаторы частот. Схема на основе фапч с дпкд.
- •39. Основные этапы проектирования нерекурсивных фильтров.
- •40. Цифровой синтезатор частоты на основе цифро-аналогового фазовращателя.
31. Структурные схемы дискретных фильтров.
Широко используются 2 формы изображения структурной схемы фильтра: прямая форма и каноническая форма.
Прямая форма соответствует исходному разностному уравнению.
Схема содержит M+N элементов памяти, M+N+1 умножителей и сумматор с N+M+1 входами. Период следования отсчетов равен интервалу дискретизации ∆t.
Каноническая форма
Эта форма реализации дискретного фильтра основана на преобразовании выражения для передаточной функции.
;
;
Эта схема позволяет сэкономить на объеме памяти.
32. Линейные модели и расчет спектральной плотности мощности.
АРСС модели.
Многие последовательности отсчетов сигнала xn, n=0,1….N, представляющего собой сумму детерминированных и случайных сигналов м.б. достаточно хорошо аппроксимированы выходным сигналом линейного фильтра.
,
где
-
входной сигнал фильтра
Эта модель в виде линейного фильтра называется АРСС моделью (авторегрессии со скользящим средним). В задачах входной сигнал считают белым шумом с дисперсией δn. Используя это можно смоделировать сигнал и подсчитать спектр.
Если все aj=0, то получаем модель скользящего среднего(СС):
, A(w)=1
Если b0=1, bl=0, то получим модель АР:
,
B(w)=1
У модели скользящего среднего в уравнении присутствуют 0, поэтому ее называют нулевой моделью; у АР модели нули отсутствуют, но есть полюса, ее называют чисто полюсной моделью.
Принципиально все 3 модели применимы в одинаковой степени, т.к. существует метод, который позволяет любую из этих моделей представить любой из 2х оставшихся. Для каждой из этих моделей процесс вычисления параметров разный.
33.Устойчивость дискретных фильтров.
Фильтр называется устойчивым, если при любом ограниченном по амплитуде входном сигнале {xn} выходной сигнал фильтра является ограниченным.
│{xn}│≤B → │{yn}│≤D
│yn│≤D (при любом n), n→∞, D=const и не зависит от n
Исходя из этого определения, нерекурсивный фильтр всегда устойчив.
Рекурсивный фильтр – это фильтр с ОС, поэтому он м.б. неустойчивым. В общем случае, рекурсивный фильтр устойчив, если устойчивым является решение соответствующего однородного линейного разностного уравнения.
- однородное разностное уравнение
Общий вид решения этого уравнения:
-
это решение должно быть устойчивым
Здесь Z1, Z2,…Zn – корни характеристического уравнения, которое получается из разносного:
1+a1Z-1+a2Z-2+….+anZ-N=0
Коэффициенты cl – это постоянные коэффициенты, которые определяются начальными условиями.
│Zl│<1, т.е. все корни по модулю должны быть меньше 1. На комплексной плоскости корни должны лежать внутри единичной окружности.
Корни характеристического уравнения – полюса передаточной функции. Рекурсивный фильтр устойчив тогда, когда его полюса лежат внутри единичной окружности. Однако, устойчивость м.б. обеспечена и при нахождении полюсов за единичной окружностью. Это возможно, когда знаменатель передаточной функции имеет корни в этих же точках. Из выражения
следует еще одно условие устойчивости:
Эти критерии устойчивости относятся только к линейным дискретным фильтрам, т.е. когда отсутствует квантование отсчетов, и все арифметические операции выполняются точно.