
- •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)
8.3.1. Определение преобразования
Распространенным способом анализа дискретных цифровых последовательностей является z-преобразование (z-transform).
Произвольной непрерывной функции s(t), равномерно дискретизированной и отображенной отсчетами sk = s(kt), равно как и непосредственно дискретной функции, можно поставить в соответствие степенной полином по z, последовательными коэффициентами которого являются значения sk:
sk = s(kt) TZ[s(kt)] = sk zk = S(z). (8.9)
где z = +j = rexp(-j) – произвольная комплексная переменная.
Полином S(z) называют z-образом или z-изображением функции s(kt). Преобразование имеет смысл для области тех значений z, в которой ряд S(z) сходится, т.е. сумма ряда представляет собой аналитическую функцию переменной z, не имеющую полюсов и особых точек.
Пример: sk = {1, 2, 0, -1, -2, -1, 0, 0}.
S(z) = 1z0+2z1+0z2-1z3-2z4-1z5+0z6+0z7 = 1+2z-z3-2z4-z5.
Впервые z-преобразование введено в употребление П.Лапласом в 1779 и повторно "открыто" В.Гуревичем в 1947 году с изменением символики на z-1. В настоящее время в технической литературе имеют место оба вида символики. На практическое использование преобразования это не влияет, т.к. смена знака только зеркально изменяет нумерацию членов полинома (относительно z0), числовое пространство которых в общем случае от - до +. В дальнейшем в качестве основной будем использовать символику положительных степеней z, давая пояснения по особенностям отрицательной символики, если таковая имеется.
По заданному или полученному в результате анализа какой-либо системы z-полиному однозначно восстанавливается соответствующая этому полиному функция путем идентификации коэффициентов степеней при zk с k-отсчетами функции.
Пример: S(z) = 1+3z2+8z3-4z6-2z7 = 1z0+0z1+3z2+8z3+0z4+0z5-0z6-2z7.
sk = {1, 0, 3, 8, 0, 0, -4, -2}.
Смысл величины z в z-полиноме заключается в том, что она является оператором единичной задержки по координатам функции. Умножение z-образа сигнала s(k) на величину zn означает задержку сигнала на n интервалов: znS(z) s(k-n).
Z-образы с положительными степенями z соответствуют каузальным (физически реализуемым) процессам и системам, которые работают в реальном масштабе времени с текущими и "прошлыми" значениями сигналов. При обработке информации на ЭВМ каузальность сигналов не относится к числу ограничений и возможно использование отрицательных степеней z, соответствующих отсчетам сигналов "вперед", например, при синтезе симметричных операторов фильтров, что позволяет производить обработку информации без внесения в сигнал фазовых искажений. При использовании символики z-1 "прошлым" значениям соответствуют значения с отрицательными степенями z, "будущим – с положительными.
Основное достоинство z-преобразований заключается в простоте математических операций со степенными полиномами, что имеет немаловажное значение при расчетах цифровых фильтров и спектральном анализе.
8.3.2. Примеры z-преобразования
Примеры z-преобразования часто встречающихся на практике дискретных сигналов.
Импульсы Кронекера. В общем случае, в произвольной точке числовой оси:
(k-n) при k=n, (k-n) = 0 при k ≠ n.
X(z)
=
(k-n)
zk
= zn.
Для импульса Кронекера в нулевой точке соответственно X(z) = z0 =1.
Функция Хевисайда (единичный скачок).
x(k) 0 при k < 0, x(k) = 1 при k 0.
X(z) = zk = zk.
Ряд сходится при |z| < 1, при этом его сумма равна:
X(z) = 1/(1-z), |z| < 1.
При использовании символики z-1:
X(z) = 1/(1-z-1) = z/(z-1), |z| > 1.
Экспоненциальная функция:
x(k) 0 при k < 0, x(k) = ak при k 0.
X(z) = x(k) zk = ak zk = (az)k.
Как и в предыдущем случае, ряд сходится при |az| > 1, т.е. при |z| < |a|, при этом:
X(z) = 1/(1-az), |z| > |a|.