- •Цифровая обработка сигналов и изображений
- •Лабораторный практикум по цифровой обработке сигналов и изображений
- •Тема 1. Спектральный анализ и синтез сигналов
- •Краткие теоретические сведения.
- •Лабораторная работа №1 Расчет спектра центрированного прямоугольного импульса
- •Нахождение амплитудного спектра в среде математического пакета Mathcad
- •Лабораторная работа №2 Расчет спектра прямоугольного импульса, начинающегося в нулевой момент времени
- •Нахождение амплитудного и фазового спектра в среде математического пакета Mathcad
- •Вопросы для самопроверки
- •Тема 2. Построение и моделирование цифровых нерекурсивных фильтров
- •2.1. Краткие теоретические сведения о цифровых фильтрах Классификация сигналов
- •Связь между аналоговыми и дискретными сигналами. Теорема Котельникова. Связь между дискретными и цифровыми сигналами
- •Динамические характеристики цифровых фильтров: передаточная функция, частотная передаточная функция, импульсная переходная функция, связь между ними с помощью преобразования Фурье
- •Понятие рекурсивных и нерекурсивных цифровых фильтров, ких и бих фильтров
- •Понятие устойчивости фильтров
- •Синтез нерекурсивных цифровых фильтров
- •Второй рассмотрим введение весовой функции Фейера:
- •Лабораторная работа №4 Расчет и моделирование нерекурсивного низкочастотного фильтра с высокочастотным синусоидальным шумом в среде математического пакета Mathcad
- •Пример программы в Mathcad.
- •Лабораторная работа №5 Расчет и моделирование нерекурсивного низкочастотного фильтра с высокочастотным псевдобелым шумом в среде математического пакета Mathcad
- •Пример программы в Mathcad.
- •Вопросы для самопроверки
- •Понятие устойчивости фильтров.
- •Тема 3. Построение и моделирование цифровых рекурсивных филитров
- •3.1. Краткие теоретические сведения о цифровых фильтрах. Синтез рекурсивных фильтров
- •Полиномиальные цифровые фильтры нч
- •Синтез цифровых фильтров нч Баттерворта Для фильтра Баттерворта справедливо записать:
- •Лабораторная работа №6 Расчет и моделирование рекурсивного низкочастотного фильтра Баттерворта с высокочастотным псевдобелым шумом в среде математического пакета Mathcad
- •Вопросы для самопроверки
- •Понятие устойчивости фильтров.
- •Тема 4. Цифровая обработка сигналов с помощью вейвлет-преобразований
- •Тема 5. Цифровая обработка изображений в matlab
- •1. Краткие теоретические сведения
- •Задание и порядок выполнения работы
- •Вопросы для самопроверки
- •Тема 6. Цифровая обработка сигналов и изображений с помощью нейронных сетей Краткие теоретические сведения
- •Классификация и свойства нейронных сетей
- •Обучение искусственных нейронных сетей
- •Обучение с учителем
- •Обучение без учителя
- •Нечеткие (гибридные) нейронные сети
- •Алгоритмы обучения и использования нечетких нейронных сетей
- •Лабораторная работа № 10. Низкочастотная фильтрация с помощью нейронных сетей
- •Порядок выполнения работы
- •Программа моделирования нч фильтра на основе нейронной сети
- •Вопросы для самопроверки
- •Литература
Нахождение амплитудного и фазового спектра в среде математического пакета Mathcad
Зададим параметры прямоугольного импульса (из таблицы 1 в соответствие с последней цифрой шифра студента)
Амплитуда A=5;
Ширина импульса τ=2.
Зададим интервал изменения частоты с дискретизацией ∆ω (из таблицы 1)
-20 ≤ ω ≤ 20;
∆ω = 0.1.
Рассчитываем в среде Mathcad амплитудный спектр прямоугольного импульса
│S(ω)│=
│
│.
Получим график амплитудного спектра
Рассчитаем в среде Mathcad фазовый спектр прямоугольного импульса
φ(ω) = arg(S(ω))
Получим график фазового спектра
Пример программы в Mathcad.
Амплитудный спектр имеет лепестковый характер и простирается до бесконечности постепенно затухая. Вводится понятие эффективной ширины спектра, которая равна ширине главного лепестка
∆ω = 2π/τ,
и обратно пропорциональна длительности импульса τ.
Произведение эффективной ширины спектра на длительность сигнала называется базой сигнала
B = ∆ωτ.
Для прямоугольного импульса база сигнала
B = 2π.
Из приведенных соотношений следует, что чем короче сигнал, тем шире его спектр.
В таблице 1 приведены исходные данные для моделирования, которые выбираются студентами в соответствие с последней цифрой шифра.
Таблица 2
-
№ вар
1
2
3
4
5
6
7
8
9
10
A
10
12
4
5
8
15
14
20
3
7
τ
1
2
3
4
5
4
3
2
1
5
ω
±10
±15
±30
±5
±40
±12
±25
±35
±20
±50
∆ω
0.1
0.05
0.2
0.15
0.25
0.25
0.15
0.2
0.1
0.3
Лабораторная работа №3
Получение псевдобелого шума с помощью ряда Фурье
Нахождение его корреляционной функции и спектральной плотности
Псевдобелый шум может быть получен с помощью частичной суммы ряда Фурье
S(t)
=
.
Коэффициенты Фурье выбираются случайным образом, подчиняются нормальному закону распределения, математическое ожидание равно 0, и
σ = 1).
Нахождение псевдобелого шума среде математического пакета Mathcad
Ниже приведена программа генерирования псевдобелого шума в диапазоне от 100 до 200 гц.
Зададим количество членов аппроксимирующего ряда Фурье n, время наблюдения сигнала T , период дискретизации ∆t, N – число значений в выборке сигнала.
Расчет корреляционной функции псевдобелого шума
Рис.2. Корреляционная функция псевдобелого шума
Расчет спектральной плотности псевдобелого шума
Рис.3. Спектральная плотность псевдобелого шума
В таблице 1 приведены исходные данные для моделирования, которые выбираются студентами в соответствие с последней цифрой шифра.
Таблица 3
-
№ вар
1
2
3
4
5
6
7
8
9
10
fmin
10
40
30
50
150
70
20
120
200
300
fmax
50
140
100
200
450
200
80
360
500
1000
N
200
500
300
1000
400
450
500
300
400
700
n
50
60
70
80
90
100
90
80
70
60
