
- •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.
52. Последствия для практики. Нейтрализация явления Гиббса.
При расчетах фильтров и усечении размеров их операторов явление Гиббса является весьма нежелательным, т.к. приводит к искажению формы передаточных характеристик фильтров. В Рассмотрим: H(f) = 1, при -0.2 f 0.2, H(f) = 0, при -0.2 > f > 0.2,
an
=
4
cos(2fn)
df = 2 sin(0.4n)/(n).
П
ередаточная
функция: H(f)
= 0.4 + 2
sin(0.4n)
cos(2fn)/(n).
(1)
Результат усечения ряда Фурье (1) до N = 7 приведен на рис. 1.
Рис.1. Передаточные функции ФНЧ.
Явление Гиббса существенно искажает передаточную функцию фильтра.
Явление Гиббса имеет место при усечении любых числовых массивов. В самих усекаемых данных мы не видим этих явлений, т.к. они проявляются в изменении их частотного образа, но при обработке данных, основной целью которой, как правило, и является изменение частотных соотношений в сигналах, последствия этих явлений могут сказаться самым неожиданным образом.
Как другой пример, при частотной обработке вырезанного сигнала будет обрабатываться не спектр исходного сигнала, а спектр, которому соответствует сигнал, восстанавливаемый по данному спектру с наложенным явлением Гиббса.
Нейтрализация явления Гиббса в частотной области. При усечении произвольного оператора фильтра h(n) прямоугольным селектирующим окном ПN(n).
HN() = h(n) exp(-jn), (2) Период осцилляций суммы усеченного ряда Фурье (2) равен периоду последнего сохраненного либо первого отброшенного члена ряда. Осцилляции частотной характеристики могут быть существенно сглажены путем усреднения по длине периода осцилляций в единицах частоты, т.е. при нормированной свертке с Пr( импульсом, длина которого равна периоду осцилляций r = 2/(N+1). Эта свертка отобразится во временной области умножением коэффициентов фильтра h(n) на множители, которые являются коэффициентами преобразования Фурье частотной П-образной сглаживающей функции Пr():
H'N() = HN() * Пr() hnN(n) = h(n)ПN(n)N(n),
p(n) = ПN(n)N(n) = sinс(n/(N+1)), |n| N.
53. Основные весовые функции
В настоящее время известны десятки различных по эффективности весовых функций. В идеальном случае хотелось бы иметь весовую свертывающую функцию с минимальной амплитудой осцилляций, высокую и узкую в главном максимуме, и при этом с минимальными размерами весового окна.
Носители весовых функций, в принципе, являются неограниченными и при использовании в качестве весовых окон действуют только в пределах окна и обнуляются за его пределами, что выполняется без дальнейших пояснений. Формулы приводятся в аналитической форме, с временным окном 2, симметричным относительно нуля (т.е. 0 ). При переходе к дискретной форме окно 2 заменяется окном 2N+1, а значения t - номерами отсчетов n (t = nt). Большинство весовых функций на границах окна (n = N) принимают нулевые или близкие к нулевым значения, т.е. фактическое окно усечения данных занижается на 2 точки. Последнее исключается, если принять 2= (2N+3)t.