
- •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.
Операции цифровой обработки сигналов. Линейная свертка. Корреляция сигналов. Линейная цифровая фильтрация. Модуляция сигналов.
К основным оперциям
относятся свертка (конволюция), корреляция,
фильтрация, функциональные преобразования,
модуляция. Линейная
свертка
– основная операция ЦОС. Для двух
конечных причинных последовательностей
h(n) и y(k) длиной соответственно N и K свертка
определяется выражением: s(k)
= h(n)
③
y(k)
h(n)
*
y(k)
=
h(n)
y(k-n),
Преобразование свертки однозначно
определяет выходной сигнал для
установленного значения входного
сигнала при известном импульсном отклике
системы. Обратная задача деконволюции
- определение функции y(k)
по функциям s(k)
и h(n), имеет решение только при определенных
условияхКорреляция
существует в двух формах: автокорреляции
и взаимной корреляции. Взаимно-корреляционная
функция (ВКФ,
cross-correlation function - CCF), и ее частный случай
для центрированных сигналов функция
взаимной
ковариации (ФВК)
– это показатель степени сходства формы
и свойств двух сигналов. Линейная
цифровая фильтрация
является одной из операций ЦОС, имеющих
первостепенное значение, и определяется
какs(k)
=
h(n)
y(k-n),
где: h(n),
n=0,
1, 2, … , N
– коэффициенты фильтра, y(k)
и s(k) – вход и выход фильтра. Это по сути
свертка сигнала с импульсной характеристикой
фильтра. К основным операциям фильтрации
информации относят операции сглаживания,
прогнозирования, дифференцирования,
интегрирования и разделения сигналов,
а также выделение информационных
(полезных) сигналов и подавление шумов
(помех). Основными методами цифровой
фильтрации данных являются частотная
селекция сигналов и оптимальная
(адаптивная) фильтрация.Дискретные
преобразования
позволяют описывать сигналы с дискретным
временем в частотных координатах или
переходить от описания во временной
области к описанию в частотной. Самым
распространенным преобразованием
является дискретное преобразование
Фурье. При K отсчетов функции:S(n)
=
s(k)
exp(-j
2
kn/K).
дискретизация функции по времени
приводит к периодизации ее спектра, а
дискретизация спектра по частоте - к
периодизации функции.:f
= 1/T = 1/(Kt),
t
= 1/2fN =
1/(Nf),
tf
= 1/N, N
= 2TfN
= K Т.е.для преобразований без потерь
информации число отсчетов функции и ее
спектра должны быть одинаковыми.Модуляция
сигналов.
Перенос спектра сигналов из низкочастотной
области в выделенную для их передачи
область высоких частот выполняется
операцией модуляции.
Высокочастотный цифровые фильтры Баттерворта.
Высокочастотные
и полосовые фильтры конструируются
путем частотной трансформации передаточных
функций фильтров низких частот. Если
обозначить аргумент передаточных
функций ФНЧ через p=jW, a функций ФВЧ и ПФ
через s=jw, то всегда можно найти такую
функцию частотного преобразования
p=F(s), которая превращает один тип фильтров
в другой. Для преобразования ФНЧ → ФВЧ
функция частотного преобразования
имеет вид:p = 1/s, (10.2.1) В этом нетрудно
убедиться сравнением двух видов
преобразования. Как известно, передаточная
функция ФВЧ может быть получена из ФНЧ
разностью между широкополосным фильтром
(H()=1) и ФНЧ. Применяя этот метод для
функции Баттеруорта, получаем:|H(w)|2
= 1-|H(W)|2
= 1- 1/(1+W2N)
= W2N/(1+W2N).
(10.2.2)С другой стороны, при W = p/j: |H(p)|2
= 1/(1-p2N).
Выполняя подстановку (10.2.1) в это выражение,
получаем:|H(s)|2
=
s2N/(s2N-1).Возвратимся
из последнего выражения к аргументу w
с учетом принятого равенства s=jw:|H(s)|2
= (jw)2N/((jw)2N-1)
=(w)2N/(1+(w)2N),что
полностью повторяет (10.2.2) при w=W.Подставляя
p=1/s непосредственно в выражение H(p)
(10.1.16) для четного значения N, получаем:H(s)
= G
s2/(s2+am
s+1)(10.2.3)Для
нечетного N:H(s)
= [G·s/(s+1)]
s2/(s2+am
s+1).