- •1. Модели объекта, математические модели.
- •2. Моделирование электрических цепей.
- •3. Сложный объект, его компоненты. Системотехника.
- •4. Норма сигнала. Расстояние между сигналами. Скалярное произведение сигналов.
- •5. Ортогональная система функций. Разложение сигнала в ортогональный ряд.
- •6. Ортогональные многочлены Лежандра, Чебышева, Лагерра, Эрмита.
- •7. Методы использования широкополосного диапазона в протоколе WiFi. Технология ofdm.
- •8. Базисные функции Фурье, их ортогональность.
- •9. Построение формул для коэффициентов ряда Фурье.
- •10. Разложение в ряд Фурье четных и нечетных функций. Разложение сигнала в ряд Фурье на отрезке.
- •11. Временная и частотная области сигнала.
- •12. Комплексная форма ряда Фурье.
- •13. Прямое и обратное преобразование Фурье
- •14. Синус и косинус преобразования, их связь с преобразованием Фурье.
- •15. Преобразование Фурье прямоугольного сигнала.
- •16. Свойства преобразования Фурье.
- •17. Понятие динамической системы. Оператор свертки.
- •18. Задача идентификации системы.
- •19.Идентификация системы импульсным методом.
- •20. Функция Дирака. Функция Хевисайда, её производная.
- •21. Свойства ф-ции Дирака.
- •22. Преобразование Фурье функции Дирака. Обратное преобразование Фурье от постоянной.
- •23. Коммутативность оператора свертки. Преобразование Фурье свертки.
- •24. Обратное преобразование Фурье свертки сигналов.
- •25. Преобразование Фурье функции единичного скачка.
- •26. Преобразование Фурье тригонометрических функций.
- •27. Равенство Парсеваля.
- •28. Оценка энергии, потребляемой сигналом. Интервалы частот потребления энергии.
- •29. Приложение преобразования Фурье в технике.
- •30. Функция распределения дискретной случайной величины.
- •31. Преобразование Лапласа.
- •32. Преобразование Лапласа функции Хевисайда, экспоненты.
- •33. Преобразование Лапласа тригонометрической функции.
- •34. Свойства преобразования Лапласа.
- •35. Применение преобразования Лапласа к решению дифференциальных уравнений.
- •36. Понятие обратного преобразования Лапласа.
- •37. Преобразование Лапласа от свертки сигналов.
- •38. Преобразования Лапласа от произведения сигналов.
- •39. Дискретный сигнал. Уравнение в конечных разностях.
- •43. Применение z-преобразования для решения уравнений в конечных разностях.
- •44. Случайные величины и их характеристики.
- •45. Случайный процесс и его характеристики.
- •46. Процесс случайного блуждания и его характеристики.
- •47. Гауссовский случайный процесс.
- •48. Стационарный случайный процесс в узком и широком смыслах.
- •49. Реализации случайного процесса.
- •50. Эргодический случайный процесс.
- •51. Свойства функции автоковариации.
- •52. Спектральная функция мощности.
- •53. Параметры эргодического случайного процесса
- •54. Определение белого шума
- •55. Гауссовский белый шум.
- •56. Физические источники белогошума.
5. Ортогональная система функций. Разложение сигнала в ортогональный ряд.
Сигналы
x(t) и
y(t) называются
ортогональными,
если их
скалярное произведение равно нулю.
Система линейно независимых функций {f0(t), f1(t), ..., fk(t), ...}, заданных на некотором отрезке [a, b] называется ортогональной системой функций, если все они попарно ортогональны на этом отрезке.
Если все функции системы имеют норму 1, то система называется ортонормированной.
Пример ортогональной системы функций : функции cos (kωt), k=0,1,... ортогональны на отрезке [-π/ω, π/ω], но система не ортонормирована.
Разложение сигнала
в ортогональный ряд:задача состоит в
том, чтобы найти коэффициенты разложения
функции y(x)
в ряд: ![]()
на интервале [a, b]
Функции Pk(x)
называются базисными
функциями разложения.
Требуется найти коэффициенты разложения
Ak.
Для того, чтобы найти Ak0
для конкретного k0,
умножим обе части равенства на Pk0(x)и
наs(x)
и на интервале ортогональности [a,
b]проинтегрируем
по x.![]()
![]()
В предположении,
что ряд сходится абсолютно и интегралы
существуют, меняем порядок интегрирования![]()
![]()
Ввиду ортогональности
базисных функций Pk(x)
все интегралы в правой части, кроме
слагаемого с индексом k0,
обращаются в нули. Получаем:![]()
![]()
![]()
![]()
Поскольку , то
Записывая для
простоты результат с индексом k,
получаем формулу Последнее отношение
– это производная от H(t) в точке t, то
есть значение h(t).![]()
6. Ортогональные многочлены Лежандра, Чебышева, Лагерра, Эрмита.
Многочлены Pk(t)
(k = 0, 1, 2,… –
степень многочлена) образуют ортогональную
систему многочленов на отрезке[a,b] с
весом s(t),
если ,где
- символ Кронекера.![]()
Существует
рекуррентная формула, из которой, зная
первые 2 многочлена, можно вычислить
все остальные
Первые 2 многочлена:
Лежандра

Чебышева

Лагерра

Эрмита


Константы для многочленов
|
Многочлен |
a k |
b k |
c k |
dk |
Nn |
|
Лежандр |
k+1 |
2k+1 |
0 |
k |
|
|
Чебышев |
1 |
2 |
0 |
1 |
|
|
Лагерр |
1 |
1 |
2k+1 |
k2 |
n! |
|
Эрмит |
1 |
2 |
0 |
2k |
|
Интервалы, на которых определены многочлены:
Лежандра [-1, +1]
Чебышева [-1, +1]
Лагерра [0, +∞ )
Эрмита (-∞, +∞)
Весовые функции многочленов:
Лежандра


Чебышева
Лагерра


Эрмита
7. Методы использования широкополосного диапазона в протоколе WiFi. Технология ofdm.
Методы использования широкополосного диапазона в протоколе WiFi:
метод ортогонального мультиплексирования OFDM;
методпрямойпоследовательностиDSSS;
метод скачкообразной перестройки частоты FHSS.
Модуляция OFDM позволяет увеличить скорость передачи и информационную емкость канала передачи, разделяя широкий канал, занимаемый одной модулированной несущей, на множество близко расположенных узкополосных каналов, занимаемых несущими, каждая из которых использует разную частоту. Но соседние несущие расположены близко друг к другу, они смешиваются и создают взаимные помехи. Несущие разделяются методом ортогонализации, они образуют ортогональную систему сигналов.
Ниже я переводил с английского, так что не пинайте, если окажется не совсем правильно
Центры несущих ложатся на ортагональные частоты
ОРТОГОНАЛЬНОСТЬ – пики каждого сигнала совпадают с нулями других сигналов
Поднессущие разделены на 1/Ts

Wi-Fi использует схему OFDM с 64 несущими, за счет чего суммарный объем передаваемых данных резко увеличивается. Несущие ортогональны, поэтому из суммарного смешанного сигнала можно выделить несущую С, вычисляя скалярное произведение С на суммарный сигнал.
