
- •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)
Пространство сигналов
2.1. Пространство сигналов
Важнейшее свойство аналоговых и дискретных сигналов заключается в том, что их линейные комбинации также являются аналоговыми или дискретными сигналами. Линейные комбинации цифровых сигналов, в силу их ограничения по разрядности, в принципе относятся к разряду нелинейных операций, однако последним фактором можно пренебречь, если ошибки, которые вносятся в результаты наблюдений при квантовании отсчетов, достаточно малы по сравнению с шумами зарегистрированной информации. При дискретизации и квантовании данных непосредственно на входах в ЭВМ это условие выполняется практически всегда, поскольку ошибки определяются разрядностью ЭВМ и программными системами обработки данных, которые обычно не ниже 6-12 десятичных разрядов.
2.1.1. Множества сигналов
Сигналы обычно рассматриваются в составе определенных множеств L, объединенных каким-либо свойством Р, характерным для всех и каждого из сигналов данного множества. Условное отображение множества: L = {s; P} – множество всех s, для которых справедливо свойство Р. Определив свойство Р, мы тем самым можем ограничивать сигналы, действующие в каких-либо системах, определенными типами, условиями, границами по параметрам и т.п.
Пример 1. Множество гармонических сигналов.
L = {s; s(t)} = A·cos (t+), - < t < }.
Множество содержит гармонические сигналы с произвольными значениями амплитуд, частот и фаз.
Пример 2. Множество периодических сигналов.
L(Т) = {s; s(t) = s(t+kT), - < t < , k I}.
Пример 3. Множество сигналов, ограниченных по амплитуде и длительности.
L(K,T) = {s; |s(t)| ≤ K, s(t)=0 при |t| > T}.
Множества сигналов могут образовываться из других, ранее определенных множеств, логическими операциями объединения (индекс - ) и пересечения (индекс - ):
L = S1 S2 = {s; s S1 или s S2},
L = S1 S2 = {s; s S1 и s S2}.
Возможно разбиение множества сигналов на непересекающиеся подмножества, более удобные для обработки, при этом для множества S, разбитого на совокупность подмножеств {S1, S2, S3, …, SN}, должны выполняться условия:
S = S1 S2 S3 … SN,
Sn Sm = для n ≠ m.
Запись S1 S означает, что множество S1 входит в состав множества S, т.е. является подмножеством в составе S.
Преобразование элементов vi множества V в элементы gi множества G называется отображением (трансформацией, преобразованием) V в G. Символьные записи преобразования: g = T[v] или v → g, при этом элементы v называют прообразом множества g, а элементы g – образом множества v.
Если преобразование выполняется над числами одного множества R (например, x = T[y]), то такое преобразование порождает функциональную зависимость x = f(y).
Если преобразование выполняется над функциями одного и того же множества L (например, f(t) = T[g(t)], f(t) L и g(t) L), то алгоритм преобразования T[..] называют оператором преобразования f(t) в g(t).
Преобразование g = T[f(t)] функций f(t) множества F называют функционалом, если результатом преобразования являются числовые значения g множества G. Примерами функционалов являются интегралы функций в определенных пределах.
Преобразование может выполняться функциональными операторами с переводом функций одной переменной, например t, в функции по другой переменной, например , Типичным примером функционального оператора является преобразование Фурье. В комплексной форме:
S() = s(t) exp(-jt) dt.