- •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
Второй рассмотрим введение весовой функции Фейера:
(2.20)
АЧХ фильтра при N=501 имеет вид. Нетрудно заметить, что у АЧХ исчезла колебательность, однако увеличился наклон характеристики в переходной зоне.
Рис.2.7.
Весовая функция Ланцоша:
(2.21)
при
привела к следующему результату, который
не лучше предыдущего
Рис.2.8.
Кайзер ввел в рассмотрение следующую весовую функцию:
(2.22)
где
- модифицированная функция Бесселя
первого рода нулевого порядка, а
- положительное число.
Рис.2.9.
Четвертым, была исследована применимость «окна» Папулиса:
(2.23)
АЧХ имеет вид:
Рис.2.10.
Колебательность характеристики возросла, однако и возрос ее наклон в переходной зоне, что привело к ее уменьшению.
На Рис.2.11. приведены все полученные выше АЧХ:
Рис.2.11.
Если нет жесткого ограничения на величину переходной зоны, то фильтрация шума будет осуществляться с меньшими искажениями при использовании окон Фейера и Ланцоша.
Лабораторная работа №4 Расчет и моделирование нерекурсивного низкочастотного фильтра с высокочастотным синусоидальным шумом в среде математического пакета Mathcad
Цель работы. Проведение расчета и моделирование низкочастотного фильтра в среде математического пакета Mathcad. Получение навыков моделирования фильтров в Mathcad.
Порядок выполнения работы.
Сформируем полезный синусоидальный сигнал
x(n∆t) =A sin(2πf∆t),
где A – амплитуда синусоидального сигнала, f – частота сигнала, n – номер дискрета, ∆t – величина дискрета времени. Параметры синусоидального сигнала можно взять из таблицы 1 в соответствие с последней цифрой шифра студента. Построим график этого сигнала.
Сформируем высокочастотный синусоидальный шум
v(n∆t) = Bsin(2πfшn∆t),
где B – амплитуда синусоидального шума, fш – частота высокочастотного синусоидального сигнала, причем fш > f. Параметры синусоидального шума можно взять из таблицы 1 в соответствие с последней цифрой шифра студента. Построим график этого сигнала.
Сформируем аддитивную смесь полезного и высокочастотного синусоидальных сигналов
y(n∆t) = x(n∆t) + v(n∆t).
В соответствие с выражением
w(n)
=
,
где
- частота среза,
- частота дискретизации, n
– номер дискрета, получим
импульсную переходную характеристику низкочастотного фильтра. Построим ее график.
Проведем моделирование работы фильтра. Построим график сигнала, прошедшего через фильтр.
Найти величину относительной ошибки работы фильтра
e
=
.
Пример программы в Mathcad.
В таблице 1 приведены исходные данные для моделирования, которые выбираются студентами в соответствие с последней цифрой шифра.
№ вар |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
f |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
fc |
10 |
20 |
30 |
40 |
50 |
60 |
70 |
80 |
90 |
100 |
fш |
20 |
30 |
40 |
50 |
60 |
70 |
80 |
90 |
100 |
150 |
fmax |
50 |
50 |
100 |
100 |
200 |
200 |
300 |
400 |
500 |
500 |
N |
2000 |
5000 |
3000 |
1000 |
1500 |
4500 |
5000 |
3000 |
4000 |
7000 |
fd |
4fmax |
5fmax |
6fmax |
2fmax |
4fmax |
7fmax |
8fmax |
9fmax |
4fmax |
2fmax |
A |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
B |
0.1 |
0.2 |
0.3 |
0.4 |
1 |
2 |
3 |
4 |
3 |
2 |
