
- •Министерство образования и науки Российской Федерации
- •Факультет физики, математики, информатики Кафедра нанотехнологии
- •Конспект лекций по дисциплине «Основы теории сигналов»
- •Лекция 1 Введение в теорию сигналов
- •1.1. Общие сведения и понятия
- •1.1.1. Понятие сигнала
- •1.1.2. Шумы и помехи
- •1.1.3. Размерность сигналов
- •1.1.4. Математическое описание сигналов
- •1.1.5. Спектральное представление сигналов
- •1.1.6. Математические модели сигналов
- •1.1.7. Виды моделей сигналов
- •1.1.8. Классификация сигналов
- •1.2. Типы сигналов
- •Пространство сигналов
- •2.1. Пространство сигналов
- •2.1.1. Множества сигналов
- •2.1.2. Пространство сигналов
- •2.1.3. Линейное пространство сигналов
- •2.1.4. Норма сигналов
- •2.1.5. Метрика сигналов
- •2.1.6. Скалярное произведение произвольных сигналов
- •2.1.7. Корреляция сигналов
- •2.2. Мощность и энергия сигналов
- •2.3. Пространства функций
- •2.4. Функции корреляции сигналов
- •2.5. Математическое описание шумов и помех
- •Спектральное представление сигналов
- •4.1. Разложение сигналов по гармоническим функциям
- •4.1.1. Понятие собственных функций
- •4.1.2. Ряды Фурье
- •4.1.3. Тригонометрическая форма рядов Фурье
- •4.1.4. Эффект Гиббса
- •4.2. Непрерывные преобразования Фурье и Лапласа
- •4.2.1. Интеграл Фурье
- •4.2.2. Преобразование Лапласа
- •4.2.3. Обобщенный ряд Фурье
- •4.3. Свойства преобразований Фурье
- •4.4. Спектры некоторых сигналов
- •Энергетические спектры сигналов
- •5.1. Мощность и энергия сигналов
- •5.2. Энергетические спектры сигналов
- •5.2.1. Скалярное произведение сигналов
- •5.2.2. Взаимный энергетический спектр
- •5.2.3. Энергетический спектр сигнала
- •Корреляция сигналов
- •6.1. Автокорреляционные функции сигналов
- •6.1.1. Понятие автокорреляционных функций сигналов
- •6.1.2. Акф сигналов, ограниченных во времени
- •6.1.3. Акф периодических сигналов
- •6.1.4. Акф дискретных сигналов
- •6.1.5. Акф зашумленных сигналов
- •6.2. Взаимные корреляционные функции сигналов
- •6.2.1. Взаимная корреляционная функция
- •6.2.2. Взаимная корреляция зашумленных сигналов
- •6.2.3. Вкф дискретных сигналов
- •6.2.4. Оценка периодических сигналов в шуме
- •6.2.5. Функция взаимных корреляционных коэффициентов
- •6.3. Спектральные плотности корреляционных функций
- •6.3.1. Спектральная плотность акф
- •6.3.2. Интервал корреляции сигнала
- •6.3.4. Вычисление корреляционных функций при помощи бпф
- •Лекция 7 дискретизация сигналов
- •7.1. Задачи дискретизации функций
- •7.1.1. Сигналы и системы дискретного времени
- •7.1.2. Принципы дискретизации
- •7.1.3. Воспроизведение непрерывного сигнала
- •7.2. Равномерная дискретизация
- •7.2.1. Спектр дискретного сигнала
- •7.2.2. Интерполяционный ряд Котельникова-Шеннона
- •7.3. Дискретизация спектров
- •7.4. Соотношение спектров одиночного и периодического сигналов
- •7.5. Дискретизация по критерию наибольшего отклонения
- •7.6. Адаптивная дискретизация
- •7.7. Квантование сигналов
- •7.8. Децимация и интерполяция данных
- •Дискретные преобразования сигналов
- •8.1. Преобразование Фурье
- •8.1.1. Дискретное преобразование Фурье
- •8.1.2. Быстрое преобразование Фурье
- •8.1.3. Применение дпф
- •8.2. Преобразование Лапласа
- •8.3.1. Определение преобразования
- •8.3.2. Примеры z-преобразования
- •8.3.3. Связь с преобразованиями Фурье и Лапласа
- •8.3.4. Свойства z-преобразования
- •8.3.5. Отображение z-преобразования
- •8.4. Дискретная свертка (конволюция)
Спектральное представление сигналов
Введение
Спектральная (частотная) форма представления сигналов использует разложение сигнальных функций на периодические составляющие.
Периодичность гармонических колебаний исследовал еще в VI веке до нашей эры Пифагор и даже распространил ее на описание гармонического движения небесных тел. Термин "spectrum" впервые применил И. Ньютон в 1571 году при описании разложения на многоцветную полосу солнечного света, проходящего через стеклянную призму, и дал первую математическую трактовку периодичности волновых движений. В 18-м веке Д. Бернулли, Л. Эйлер и Ж. Лагранж в своих работах по математике и физике показали, что произвольные периодические функции представляют собой суммы простейших гармонических функций – синусов и косинусов кратных частот. Эти суммы получили название рядов Фурье, после того как в 1807 году французский инженер Жан Батист Фурье обосновал метод вычисления коэффициентов тригонометрического ряда, которым можно отображать с абсолютной точностью (при бесконечном числе членов ряда) или аппроксимировать с заданной точностью (при ограничении числа членов ряда) любую периодическую функцию, определенную на интервале одного периода T = b-a, и удовлетворяющую условиям Дирехле (ограниченная, кусочно-непрерывная, с конечным числом разрывов 1-го рода). Разложение сигнала на гармонические функции получило название прямого преобразования Фурье (Fourier transform). Обратный процесс – синтез сигнала по гармоникам – называется обратным преобразованием Фурье (inverse Fourier transform).
На первых этапах своего развития данное направление, получившее название гармонического анализа, имело теоретический характер и использовалось в естественных науках для выявления и изучения состава периодических составляющих в различных явлениях и процессах (активность солнца, девиация магнитного поля Земли, метеорологические наблюдения, и т.п.). Теория гармонического анализа была развита в работах Дирехле, Гаусса, Чебышева, Винера и других с распространением на произвольные функции с бесконечным периодом (интегралы Фурье).
Положение резко изменилось с появлением электро- и радиотехнических отраслей науки и техники, где гармонический состав сигналов приобрел конкретный физический смысл, а математический аппарат спектрального преобразования функций стал основным инструментом анализа и синтеза сигналов и систем. В настоящее время спектральный анализ является основным методом обработки экспериментальных данных во многих отраслях науки и техники.
Спектральное преобразование представляет собой перевод исходных динамических функций на новый координатный базис. Выбор рациональной ортогональной системы координатного базиса функций зависит от цели исследований и определяется стремлением максимального упрощения математического аппарата анализа, преобразований и обработки данных. В качестве базисных функций используются полиномы Чебышева, Эрмита, Лежандра и другие. Наибольшее распространение получило преобразование сигналов в базисах гармонических функций: комплексных экспоненциальных exp(j2ft) и вещественных тригонометрических синус-косинусных функций, связанных друг с другом формулой Эйлера. Это объясняется тем, что гармонические колебания сохраняют свою форму при прохождении через любую линейную цепь, изменяются только амплитуда и фаза колебаний, что удобно для анализа систем преобразования сигналов.
Ряды Фурье произвольных периодических сигналов могут содержать бесконечно большое количество членов. Одним из достоинств преобразования Фурье является то, что при ограничении ряда Фурье до любого конечного числа его членов обеспечивается наилучшее по средней квадратической погрешности приближение к исходной функции (для данного количества членов).
Спектральный анализ часто называют частотным анализом. Термин "частотный" обязан происхождением обратной переменной f = 1/|t| временного представления сигналов и функций. Понятие частотного преобразования не следует связывать только с временными функциями, т.к. математический аппарат преобразования не зависит от физического смысла независимых переменных. Так, при переменной "х", как единице длины, значение f представляет собой пространственную частоту с размерностью 1/|х| - число периодических изменений сигнала на единице длины.
В математическом аппарате спектрального анализа удобно использовать угловую частоту = 2f. Для процессов по другим независимым переменным в технической литературе вместо индекса частоты f часто используется индекс v, а для угловой частоты индекс k = 2v, который называют волновым числом.