
- •1. Цифровые сигналы. Обработка цифровых сигналов.
- •2. Функциональные преобразования сигналов. Операции цифровой обработки.
- •3. Области применения цифровой обработки сигналов. Синтез цифровых рекурсивных фильтров методом частотного преобразования
- •4. Полосовой цифровой фильтр Баттерворта
- •5. Цифровые фильтры Чебышева.
- •Операции цифровой обработки сигналов. Линейная свертка. Корреляция сигналов. Линейная цифровая фильтрация. Модуляция сигналов.
- •Высокочастотный цифровые фильтры Баттерворта.
- •Передаточные функции фильтров
- •10. Цифровые фильтры обработки одномерных сигналов.
- •11. Нерекурсивные и рекурсивные цифровые фильтры.
- •12. Импульсная реакция фильтров. Передаточные функции фильтров.
- •14. Рекурсивные цифровые фильтры.
- •15. Конструкция рекурсивных цифровых фильтров.
- •16. Каскадная и параллельная форма
- •17. Режекторные и селекторные фильтры.
- •18. Цифровые фильтры
- •19. Частотные характеристики фильтров.
- •20. Фазовая и групповая задержка сигналов.
- •Билинейное z-преобразование при синтезе рекурсивных цифровых фильтров.
- •Деформация частотной шкалы.
- •Виды рекурсивных фильтров.
- •26 Фильтры сглаживания сигналов.
- •28. Фильтры мнк 1-го, 2-го и 4-го порядка.
- •32. Пространство z - полиномов. Аналитическая форма z-образов.
- •В общем случае, множества z, для которых полиномы s(z) сходится, образуют на z-плоскости.
- •33. Фильтры сглаживания сигналов методом наименьших квадратов.
- •34. Импульсные реакции и частотные характеристики фильтров. Модификации фильтров. Оптимизация сглаживания. Расчет простого цифрового фильтра по частотной характеристике.
- •Удобным методом решения разностных уравнений линейных систем является именно z-преобразование.
- •Разностные операторы.
- •Выделение в сигналах шумов
- •Восстановление утраченных или пропущенных данных.
- •Аппроксимация производных. Частотные характеристики операторов
- •40.Нерекурсивные частотные цифровые фильтры.
- •41.Типы фильтров. Методика расчетов. Идеальные частотные фильтры.
- •Конечные приближения идеальных фильтров. Применение весовых функций.
- •Гладкие частотные фильтры.
- •Частотные характеристики фильтров. Дифференцирующие цифровые фильтры. Методика расчетов
- •Идеальные фильтры. Конечные приближения идеальных фильтров.
- •47.Применение весовых функций.
- •48. Фильтрация случайных сигналов. Сохранение природы сигнала. Математическое ожидание. Корреляционные соотношения.
- •49. Спектры мощности случайных сигналов
- •50. Усиление шумов. Весовые функции.
- •51.Явление Гиббса. Параметры эффекта.
- •52. Последствия для практики. Нейтрализация явления Гиббса.
- •53. Основные весовые функции
- •54.Фильтрация случайных сигналов. Спектр мощности выходного сигнала. Средняя мощность выходного сигнала. Дисперсия выходного сигнала.
- •55. Взаимный спектр мощности входного и выходного сигналов.
- •56. Функция когерентности входного и выходного сигналов фильтра оценивается по формуле:
- •57. Рекурсивные частотные цифровые фильтры Чебышева.
- •58. Передаточная функция цифрового фильтра. Методика расчета фильтров.
- •21. Структурные схемы цифровых фильтров.
50. Усиление шумов. Весовые функции.
Усиление шумов. Критерием качества при использовании любого метода фильтрации информации можно считать выполнение целевого назначения с минимальным усилением шумов (максимальным их подавлением). Обозначим через (k) аддитивный шум во входном сигнале с математическим ожиданием M{(k)}= 0 и дисперсией 2. Значения (k) статистически независимы. С учетом помехи во входном сигнале значение сигнала на выходе: y(k) = n h(n)[x(k-n)+(k-n)]. Математическое ожидание значений выходного сигнала: M{y(k)}= n h(n)[x(k-n)+M{(k-n)]}= n h(n) x(k-n). Вычислим дисперсию распределения отсчетов выходного сигнала: D{y(k)}= 2 n h2(n). Отсюда следует, что сумма квадратов значений импульсного отклика цифрового фильтра представляет собой коэффициент усиления шумов. Это полностью соответствует прямому использованию выражения при Wx(f) = 2: y2 = 2 |H(f)|2 df ≡ 2 h2(n). Таким образом, коэффициент усиления фильтром дисперсии статистически распределенных шумов при расчете по импульсному отклику: Kq =n h2(n). По дискретной частотной функции фильтра: Kq = [1/(N+1)] n Hn2. Весовые функции Естественным методом нейтрализации нежелательных эффектов усечения сигналов во временной области является изменение окна селекции сигнала таким образом, чтобы частотная характеристика окна селекции при свертке как можно меньше искажала спектр сигнала.
Основные весовые функции.
Естественное (П) П(t) = 1, |t|П(t) t
Бартлетта () b(t) = 1-|t|/
Хеннинга, Ганна p(t) = 0.5[1+cos(t/)]
Хемминга p(t) = 0.54+0.46 cos(t/)
Карре (2-е окно) p(t) = b(t) sinc(t/)
Лапласа-Гаусса p(t) = exp[-2(t/)2/2]
Кайзера-Бесселя
p(t) =
51.Явление Гиббса. Параметры эффекта.
При расчетах фильтров, задается определенная передаточная характеристика H() фильтра и по ней производится расчет оператора фильтра h(n), количество членов которого может оказаться очень большим даже только по значимым значениям. Усечение может рассматриваться, как результат умножения функции оператора фильтра на селектирующее весовое окно длиной 2N+1. В простейшем случае это окно представляет собой П-образную селектирующую функцию:
hn = h(n)·ПN(n), ПN(n) = 1 при |n| N, ПN(n) = 0 при |n| > N.
Функция h(n) оператора фильтра, в пределе бесконечная, обуславливает определенную частотную передаточную характеристику фильтра H(). Полному оператору h(n) соответствует исходная частотная характеристика H(): H() = h(n) exp(-jn). (1)
Сущность явления Гиббса. Функции во временном окне селекции ПN(n) в частотном пространстве соответствует спектральная функция. При усечении оператора h(n) и ряда Фурье (3.1.1), до конечного числа членов N будем иметь усеченный ряд Фурье:
HN() = h(n) exp(-jn), (2)
при этом сходимость суммы остающихся членов ряда HN() к исходной передаточной функции H() ухудшается и происходит отклонение частотной характеристики фильтра от первоначальной в тем большей степени, чем меньше значение N. Особенно ярко это проявляется на крутых перепадах в передаточных функциях:
- крутизна перепадов "размывается", т.к. она не может быть больше, чем крутизна (в нулевой точке) последней сохраненной гармоники ряда (2);
- по обе стороны "размытых" перепадов появляются выбросы и затухающие осцилляции с частотой, равной частоте последнего сохраненного или первого отброшенного члена ряда (1).
Эти эффекты при усечении рядов Фурье получили название явления Гиббса.