
Шпоры и задачи 2012 (Саломатин) [7171 вопросов] / scr / pdf / 25-30
.pdf
25.Циклическая свертка: определение, методы представления и вычислений
Свѐртка - базовая операция в ЦОС. В процессе кодирования - декодирования сигналов с использованием конечных полей приходится неоднократно вычислять произведение двух векторов (полиномов), которое принято называть свѐрткой.
Понятие круговой свѐртки используется только для периодических последовательностей. Циклическая свертка периодических последовательностей длины N определяется выражением (1):
При этом справедливы следующие соотношения: x[-n]=x[N-n] и h[-n]=h[N-n]. В матричном виде циклическая свертка записывается следующим образом:
Найдѐм ДПФ круговой свѐртки Y(k), если ДПФ посл-тей x1(nT) и x2(nT) соответственно равны
X1(k) и X2(k):
( ) ∑ (∑ ( ) ( )) |
|
|
∑ ( ) (∑ ( ) ( ) ) |
( ) ∑ ( ) |
( ) ( ) |
Заметим,что периодическая посл-ть x3(nT), равная произведению периодических посл-тей x1(nT) и x2(nT) имеет ДПФ:
( ) ∑ ( ) ( )
Циклическую свертку можно вычислить
|
с использованием ДПФ по след.алгоритму: |
1) |
Вычислить ДПФ X1 (k) и X2 (k) для посл-тей x1 (nT) и x2 (nT) |
2) |
Вычислить ДПФ Y(k) для свѐртки y(nT) |
3) |
Вычислить у(nT) путѐм вычисления ОДПФ по найденному Y(k) |
|
с использованием преобразования Уолша-Адамара |
|
с использованием ТЧП |
26.Дискретное преобразование Лапласа и Z-преобразование:
свойства Z-преобразования
Дискретным преобразованием Лапласа называется след.ряд:
|
|
|
( |
) |
* ( )+ |
∑ ( |
) |
где |
* ( |
)+- символическое обозначение дискретного преобр-я Лапласа; |
|||||
( |
)- оригиналвещественная или комплексная посл-ть, для которой выполняется |
||||||
условие |
( )| |
; |
|
|
|
|
|
( |
)- D-изображение посл-ти |
( |
),результат дискретного преобр-я Лапласа. |
||||
Дискретное преобр-е Лапласа однозначно связывает посл-ть ( ) с еѐ D-изображением |
|||||||
( |
) и справедливо только в области абсолютной сходимости ряда |
||||||
|
|
∑| ( ) |
| ∑| ( )|| |
| |
∑| ( )| |
||
определяемой абсциссой сходимости . На комплексной p- плоскости это область, где |
|||||||
( |
) |
. |
|
|
|
|
|
При исследовании дискретных сигналов и линейных систем, как правило, вместо преобр-я Лапласа используют Z- преобразование, которое получается из дискретного преобр-я Лапласа в результате замены переменных
,
где p- оператор Лапласа: p=
Комплексная переменная z может быть представлена в двух формах:в алгебраической z=c+jd
в показательной z=r·ejφ,
где радиус r является модулем, а угол φ- аргументом переменной z
Z- преобр-ем посл-ти |
( ) называется след.ряд: |
|
|
|||||
|
|
|
( ) |
* ( |
)+ |
∑ |
( |
) |
где |
* ( |
)+- символическое обозначение Z-преобр-я; |
|
|||||
( |
)- оригиналвещественная или комплексная посл-ть, для которой выполняется |
|||||||
условие |
( )| |
; |
|
|
|
|
|
|
( |
)- D-изображение посл-ти ( |
),результат Z- преобр-я. |
||||||
Z- |
преобр-е однозначно связывает посл-ть |
( |
) |
с еѐ z- изображением ( ) и |
||||
справедливо только в области абсолютной сходимости ряда |
||||||||
|
|
|
|
∑| ( |
) |
| |
|
|
Основные свойства z-преобразования
Одним из важнейших св-в Z- преобразования является св-во его единственности, в соответствии с которым посл-ть x(nT) однозначно определяется z-изображением X(z) в области его сходимости и наоборот, z- изображение X(z) однозначно определяет посл-ть x(nT).
1. Линейность
Если посл-ть ( ) равна линейной комбинации посл-тей |
|
( ) |
, |
то еѐ z- изображение равно линейной комбинации z- изображений данных посл-тей:
( ) |
( ) |
( ) |
2. Z-преобразование задержанной посл-ти (теорема о задержке).
Z- преобр-е посл-ти x[(n-m)T], задержанной на m (m>0) отсчѐтов, равно z- изображению незадержанной посл-ти x(nT), умноженному на z-m:
* |
( |
)+ |
( |
); |
|
Z |
* |
,( |
) |
-+ |
( ) |
3. Z- преобразование свёртки посл-тей (теорема о свёртке).
Свѐрткой посл-тей ( ) и ( |
) называется посл-ть |
( |
), определяемая соотношением |
|||
( |
) |
∑ |
( |
) ,( |
|
) - |
Z- изображение свѐртки равно произведению z- изображений свѐртываемых посл-тей |
||||||
* |
( |
)+ |
( ) |
( |
) |
( ) |

27.Методы спектрального анализа нестационарных дискретных
сигналов
Спектральный анализ – это один из методов обработки сигналов, который позволяет охарактеризовать частотный состав измеряемого сигнала.
Рассмотрим классические методы. Преобразование Фурье является математической основой классических методов, которая связывает временной или пространственный сигнал (или же некоторую модель) с его представлением в частотной области. При этом могут использоваться непосредственно дискретные отсчеты сигнала (периодограммный метод или прямой метод).
Для стационарных процессов можно использовать модель или вычисленную оценку автокорреляционной функции (АКФ) входного сигнала. Далее на основе АКФ через преобразование Фурье находят оценку спектральной плотности мощности (СПМ). Автокорреляционные значения сигнала могут рассматриваться как коэффициенты промежуточного состояния, вычисленные при переходе из временной области в спектральную. Методы на основе АКФ называются коррелограммными или косвенными.
Для исследования нестационарных процессов предпочтение отдается периодограммным методам в виду их простоты.
Недостатком классических методов можно считать появление боковых лепестков и ложных максимумов из-за ограниченности временной выборки.
К достоинствам можно отнести простоту метода и удобства вычислений.
Периодограммная оценка СПМ.
Строгая запись для периодограмной оценки СПМ в предположении стационарности входного сигнала имеет вид:
где T – интервал дискретизации; M – оператор математического ожидания; x [n] – входная последовательность отсчетов сигнала.
Пренебрегая операцией вычисления математического ожидания и пологая, что конечное множество данных x[0],…,x[N-1] содержит N отсчетов, получаем выборочный спектр
который может быть вычислен по конечной последовательности данных.
Выборочный спектр будет давать статистические несостоятельные (т.е. неустойчивые) оценки СПМ, поскольку была опущена операция математического ожидания. Поэтому для сглаживания периодограмной оценки необходимо применить операцию псевдоусреднения. Операция псевдоусреднения может быть реализована за cчет разбиения исходного сигнала длиной N на P перекрывающихся или неперекрывающихся сегментов. Каждый сегмент содержит D отсчетов сигнала
( D<N ).
От каждого сегмента находится оценка СПМ по предыдущей формуле, затем полученные оценки усредняются по формуле:
где – ̂( ) оценка СПМ

Коррелограммный метод оценки СПМ.
Известно, что корреляционная функция и СПМ связаны между собой преобразованием Фурье:
где r[m] – автокорреляционная функция сигнала x[n]: r[m]=M{x[n]x*[n+m]} Коррелограммный метод оценивания СПМ – это использование в (2а) оценки
автокорреляционной функции конечной длины вместо бесконечной последовательности неизвестных истинных значений автокорреляции. Оценка автокорреляционной функции
обозначается как ̂, - (несмещенная оценка автокорреляции на интервале ±L). Оценка СПМ для ̂, - имеет вид:
при этом оценка ̂, - вычисляется как:
Максимальный индекс временного сдвига L , как правило, много меньше числа отсчетов данных N (L≈N/10).

28.Дискретные экспоненциальные функции
Вдискретных преобразованиях Фурье используется система дискретных экспоненциальных функций (ДЭФ), определяемых как
def (k, n) exp( j 2N kn)
Переменные k и n принимают отождествляют с номером функции,
целочисленные значения (0,1,…,N-1). Переменную k а переменную n – с номером отсчета.
Если обозначить |
W |
exp( j |
2 |
) , тогда |
def (k, n) W kn |
. Функция |
W kn |
носит |
|
|
|||||||||
|
N |
|
N |
|
N |
|
N |
|
|
|
|
|
|
|
|
|
|
||
название поворачивающий множитель. |
|
|
|
|
|
||||
Образуем матрицу |
|
|
|
|
|
|
|
|
|
|
F |
[W kn], |
k 0,1,...,N 1; |
n 0,1,...,N 1, |
|
|
|||
|
N |
N |
|
|
|
|
|
|
|
строки которой нумеруются переменной k, столбцы переменной n, а на пересечении k-й
строки и n-го столбца записана величина WNkn .
Прямое и обратное ДПФ имеет следующую матричную форму записи:
X F x ; |
x F |
1 X , |
N |
N |
|
где x [x[0],...,x[N 1]]T - вектор отсчетов |
сигнала, |
X [ X (0),...,X (N 1)]T - вектор |
коэффициентов спектра ДПФ; T – оператор транспонирования .
Заметим, что для поворачивающего множителя справедливы следующие соотношения:
|
W N exp( j2 ) 1 |
|
|
|
|
|
|
N |
|
, |
|
|
|||
и, |
следовательно, |
W |
|
1 |
т.е. |
поворачивающий |
|||||||||
|
N |
|
|
|
|
|
|
N |
|
|
|
|
|
|
|
множитель первой степени является корнем N-й степени из единицы; |
|
|
|||||||||||||
|
|
(k |
N |
) |
|
N |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
W |
|
2 W k ; |
W |
N |
2 |
1. |
|
|
|
|
|||
|
|
N |
|
|
N |
|
|
|
|
|
|
|
|
|
|
Для любого N матрица FN обладает следующими свойствами: |
|
|
|||||||||||||
1. |
Матрица FN ортогональна и унитарна: |
F |
F |
|
F |
F |
NI |
N |
; IN- единичная |
||||||
|
|
|
|
|
|
N N |
N |
N |
|
|
диагональная матрица.
2.Матрица FN- симметрична: FN FNT .
3.FN2 NQN , где QN- симметричная матрица перестановок
|
1 |
0 |
... |
0 |
0 |
|
|
|
|
|
|
|
0 |
0 |
... |
0 |
1 |
QN |
0 |
0 |
... |
1 |
0 |
|
|
|
|
|
|
|
. |
. . . |
. |
||
|
0 |
1 |
... |
0 |
0 |
|
|
|
|
|
|
4.FN4 N 2I N .
5.Сопряженная матрица имеет вид FN QN FN FN QN .
6.Обратная матрица имеет вид FN1 N 2FN3 N 1FN N 1QN FN .
Для формирования обратной матрицы необходимо прочесть в обратном порядке элементы WNkn с отличными от нуля степенями (kn 0) строк матрицы FN .
7.Мультипликативность
def (k1, n)def (k2, n) def (k1 k2, n) ; def (k, n1)def (k, n2 ) def (k, n1 n2 ) .
При умножении любых двух строк (столбцов) матрицы ДЭФ получается строка (столбец) той же матрицы. Номер строки (столбца) равен сумме номеров сомножителей.
8. Факторизуемость. Для любого N, разложимого в произведение отличных от 1 чисел N1 и N2, матрица функций ДЭФ порядка N представима в виде
FN PN2 N1 (I N1 FN2 )DN1N2 (FN1 I N2 )
или в виде
FN (FN1 I N2 )DN1N2 (I N1 FN2 )PN1N2 ,
где PN1 N2 и PN2 N1 - матрицы перестановок, отвечающие транспонированию прямоугольных матриц соответственно размеров (N1 N2) и (N2 N1); DN2 N1 - диагональная
матрица, образованная последовательностью поворачивающих множителей
WN0 0,WN1 0,...,WN( N2 1) 0,WN0 1,WN11,...,WN( N2 1) 1,...
...,WN0 ( N1 1) ,...,WN( N2 1) ( N1 1)

29. Модели анализатора спектра.
Обработка сигналов, связанная с анализом их спектров, называется спектральным анализатором. Спектральный анализ используется во многих алгоритмах ЦОС, в частности, при распознавании, обнаружении и сжатии сигналов. Матем. основой спектр.анализа явл-ся ДПФ.
Структурная схема для спектра-анализатора: N-точечное ДПФ
Анализатор спектра в виде гребѐнки фильтров:
Гребѐнка фильтров:
выдаѐт N спектральных отсчѐтов в каждый момент времени;
требует N операций умножениянакопления на 1 отсчѐт сигнала.
30. Дискретное преобразование Фурье
Дискретное преобразование Фурье устанавливает связь между временным и частотным представлениями сигнала при разложении его по гармоническим дискретно-экспоненциальным функциям.
Дискретные прямое и обратное преобразования Фурье
|
N 1 |
|
X (k) |
x[n]exp( j2 kn / N ) , k=0,…,N-1 |
|
|
n 0 |
|
и |
|
|
|
1 N 1 |
|
x[n] |
|
X (k) exp( j2 nk / N ) , n=0,…,N-1 |
|
||
|
N k 0 |
где {x[n]}- последовательность отсчетов сигнала
{X(k)} – последовательность спектральных коэффициентов
Свойства ДПФ
(33)
(34)
1.Цикличность. Последовательность коэффициентов ДПФ является периодической последовательностью
X (k) X (k)mod N .
Последовательность отсчетов сигнала, полученная обратным ДПФ (ОДПФ) из ее коэффициентов также периодична
x[n] ОДПФ{X (k)} x[n]mod N .
Это свойство следует из периодичности ядра преобразования
2. Симметрия.
{x[N n]} ДПФ { X (N k)};
{x*[n]} ДПФ {X *(N k)}; {x[n] x*[n]} ДПФ {X (k) X *(N
exp{ j2 nk / N}.
k)}.
3. Теорема сдвига (инвариантность относительно сдвига во времени и частоте). Пусть x[n n0 ]mod N - последовательность, образованная из последовательности x[n]
циклическим сдвигом на n0 отсчетов. Тогда справедливо соотношение
{x[n n0 ]mod N } ДПФ X (k) exp{ j2 n0k / N}.
Свойство показывает, что при сдвиге по времени амплитудный спектр не меняется. Изменяются только фазы гармонических составляющих.
Аналогичное свойство для частотной области
{x[n]exp( j2 nk0 / N )} ДПФ X (k k0 )mod N .
4.Интерполяция. Спектр последовательности, полученный раздвиганием и дополнением нулями элементов некоторой исходной последовательности,
образуется с помощью интерполяции отсчетов ДПФ исходной последовательности. Четные компоненты спектра удлиненной последовательности совпадают с
аналогичными значениями спектра исходной последовательности. Нечетные компоненты спектра удлиненной последовательности можно рассматривать как результат интерполяции.
5.Теорема отсчетов. Периодическое M кратное повторение исходной последовательности приводит к увеличению в M раз значений спектральных

компонент еѐ ДПФ, размещению их с шагом M и дополнением остальных позиций спектра нулями:
{x[l]mod N ;l 0,1,...MN 1} |
ДПФ M X (k) [kmod M ], |
||||
где [k] 1, |
k 0 |
- символ Кронекера. |
|||
0, |
k 0 |
|
|
||
6. Децимация. |
Пусть {XNM(k)} - |
множество коэффициентов спектра ДПФ |
|||
последовательности {x[n]; n=0,1,…,NM-1}: |
|||||
|
|
1 |
NM 1 |
|
|
x[nM m] |
X NM (k) exp[ j2 k(nm m) / NM ] , |
||||
|
|||||
NM |
|||||
|
|
k o |
|
||
|
|
m = 0,1,…,M-1; |
n = 0,1,…,N-1 |
Отсюда можно получить выражение для спектра децимированной последовательности
x [n] ДПФ X (k) |
1 |
M 1 |
|
|
X (mN k ) . |
(46) |
|
|
|||
|
M m 0 |
|
|
7. Теорема о перестановках. Если P не имеет общих делителей с N, то |
|
||
{x[Pn]mod N } ДПФ {X (Qk)mod N }, |
(47) |
где (PQ)mod N 1. Эта теорема является аналогом теоремы о масштабах интегрального
преобразования Фурье. Но если изменение масштаба сигнала, например, растяжение сигнала по координате в P раз, приводит к сжатию его спектра Фурье в P раз, то для дискретных последовательностей и их ДПФ это соответствует перестановкам элементов последовательностей.
8.Линейность. Пусть даны две последовательности x1[n] и x2[n], для которых ДПФ равны соответственно X1(k) и X 2 (k) . Спектр взвешенной суммы последовательностей a x1[n] + b x2[n]= x3[n] равен аналогичной взвешенной сумме спектров:
X3(k) = a X1(k) + b X 2 (k) . |
(48) |
9. Теорема о свертке. Спектр свертки двух последовательностей {x[n]} и {h[n]} равен произведению спектров X (k) и H (k) сворачиваемых последовательностей:
N 1 |
|
y(l) h[l] x[l n]mod N ДПФ X (k)H (k ) . |
(49) |
n 0 |
|
Теорема позволяет вычислить циклическую свертку y[l] при помощи ДПФ по формуле {y[l]} = ДПФ-1(ДПФ{x[n]} ДПФ{h[n]}).
10.ДПФ вещественной последовательности. Пусть {x[n]} – вещественная последовательность. ДПФ такой последовательности имеет следующие особенности:
Спектральные коэффициенты комплексно сопряжены относительно N/2
X ( |
N |
l) X |
|
( |
N |
l) , |
2 |
|
2 |
||||
|
|
|
|
|
||
где оператор означает комплексное сопряжение. |
|
|
|
Если x[n] – четная последовательность, т.е. x[n]=x[-n], то спектр ДПФ {X(k)} также представляет собой вещественную последовательность.
Если x[n] – нечетная последовательность, т.е. x[n]=-x[-n], то {X(k)} представляет собой чисто мнимую последовательность.
Данное свойство позволяет при помощи одного преобразования вычислить ДПФ двух действительных последовательностей, либо использовать N/2 –точечное преобразование для вычисления спектра N точечной последовательности.