Лекции по ТБА v3
.pdfGenerated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
1
Введение
Основными направлениями использования методов ЦО являются циф-
ровая фильтрация и спектральный анализ. Спектральный анализ можно проводить путем вычисления спектров сигналов с помощью дискретного преобразования Фурье (ДПФ) или путем вычисления спектров с примене-
нием статистических методов. На практике при спектральном анализе, как правило, используются быстрое преобразование Фурье (БПФ) и основанная на нем методика вычисления быстрой свертки.
Создание одного за другим нескольких поколений сигнальных процес-
соров Digital Signal Proccessing (DSP) привело к повышению качества вычис-
лительных алгоритмов за счет использования гарвардской архитектуры, кон-
вейеризации процессов, сокращения командного цикла, аппаратной реализа-
ции умножения и т.д. Однако использование в DSP традиционной позицион-
ной арифметики, во-первых, требует увеличения разрядности операндов, что не уменьшает аппаратной затраты и не улучшает отказоустойчивость, во-
вторых, делает желательным наличие режима с плавающей запятой, что по-
тенциально уменьшает быстродействие и требует введения лишних циклов для преобразования целых чисел с плавающей запятой и наоборот; в-третьих,
не снижает стоимости изделий. Наконец, даже в наиболее мощных сигналь-
ных процессорах форматы операндов обеспечивают требуемую точность да-
леко не для всех практических применений.
По-прежнему остро стоят проблемы обеспечения высокой вычисли-
тельной эффективности: уменьшение аппаратных затрат, увеличение быст-
родействия, точности и отказоустойчивости устройств ЦОС. Поэтому в на-
стоящее время актуальны вопросы применения алгоритмических методов улучшения качества вычислительных процедур и, в первую очередь, – теоре-
тико-числовых алгоритмов (ТЧА). Основная идея, заложенная в ТЧА – пере-
индексация чисел во временной последовательности, переход к многомер-
ным процедурам на укороченных выборках данных. Но этот сложный путь не всегда оправдан и часто уступает простым (таким, как БПФ). Поэтому ва-
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
2
жен и актуален второй путь повышения качества ЦОС – непозиционное ко-
дирование сигналов на выходе АЦП. Между непозиционными устройствами кодирования по числам Фибоначчи, в системе остаточных классов (СОК) и
т.п. нет принципиальных отличий. Выводы, которые вытекают из исследова-
ния одой из непозиционных систем (в частности – СОК) распространены на другие. Суть машинной арифметики в системе остаточных классов (СОК) со-
стоит в использовании совокупности неотрицательных вычетов по группе взаимнопростых оснований. Основными узлами непозиционных устройств ЦОС в общем виде являются:
1) Шифраторы Шs, кодирующие входной сигнал x(kT ) числами в
СОК.
2) Спецпроцессоры СПs, обеспечивающие заданный алгоритм обра-
ботки.
3) Дешифратор DS, перекодирующий результат в позиционный код.
Схема цифровой обработки сигналов в СОК
от АЦП |
СП1 |
|
|
Ш1 |
|
|
|
Ш2 |
СП2 |
|
|
xs(kT) |
rs(kT) |
ДШ |
y(kT) |
Шs СПs
Шy СПy
1) xs (kt) x(kt) |
x(kT) |
Ns x(kt) mod Ns |
|
||
|
Ns |
Пример. Найти вычет числа 100 по модулю 3.
… – округление в сторону меньшего.
2) rs (kT ) f xs (kT ) , где f – алгоритм ЦОС.
|
Generated by Foxit PDF Creator © Foxit Software |
|
http://www.foxitsoftware.com For evaluation only. |
|
3 |
|
y |
3) y(kT ) |
rs (kT ) Gs mod N . |
s1
Всовременных устройствах спектрального анализа наибольшее рас-
пространение получили следующие варианты реконфигурации данных для вычисления N-точечных ДПФ, приводящие к синтезу быстрых алгоритмов преобразования:
1. N pt где p 2k, t – целое число, k = 0,1,2. 2. N pt где p 2k 1.
3. N Ns .
s1
Впервом случае чаще других применяется БПФ. Во втором случае для
реализации ДПФ используется алгоритм Рейдера. В третьем случае
N Ns наиболее распространен алгоритм Гуда, преобразующий одно-
s 1
мерный массив в многомерный в соответствии с китайской теоремой об ос-
татках. Алгоритм Гуда уступает БПФ, если вычисляются короткие ДПФ пря-
мым методом. Поэтому используются его разновидности, наиболее эффек-
тивными из которых являются:
1.Алгоритм простых множителей (АПМ), объединяющий алгоритм Гуда и Рейдера.
2.Алгоритм Винограда для ДПФ (АВПФ).
3.Алгоритм поразрядного ДПФ (ПДПФ).
Наименьшую память для хранения программ и данных требует БПФ,
наибольшую АВПФ. В АПМ и АВПФ уменьшено число умножений, но воз-
растает число пересылок. Оценка временных затрат для АПМ, АВПФЫ и БПФ проводилась на моделях микропроцессоров с различными способами выполнения различных операций. При программной реализации операции умножения эффективнее других оказался АВПФ. При аппаратном выполне-
нии умножения БПФ не проигрывает АПМ и АВПФ. Известно, что время пе-
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
4
ресылки данных влияет на производительность не менее, чем умножение.
Поэтому необходимо сделать вывод о том, что БПФ по-прежнему остается одним из самых высокоэффективных вычислительных алгоритмов и на прак-
тике не проигрывает АПМ и АВПФ. В этой связи представляют интерес по-
разрядные алгоритмы ДПФ, число пересылок данных в которых не выше,
чем в БПФ, но большинство сложных операций могут выполняться на этапе проектирования.
Сигналы. Спектральная характеристика.
Периодические сигналы и их представления в виде ряда Фурье.
Условие Дирихле. Спектр периодической функции
При изучении радиотехнических электронных устройств приходится иметь дело с электрическими сигналами, которые связаны с передаваемым общением принятым способом кодирования. Во время передачи по радиоли-
нии сигнал подвергается различным преобразованиям. Одним из наиболее типичных преобразований является модулирование, получаемое в результате модуляции. Высокочастотные колебания, несущие в себе передаваемые со-
общения, называют радиосигналом, а модулирующий сигнал называют управляющим сигналом. Требования к радиотехническому тракту с доста-
точной полнотой могут быть выявлены с помощью двух характеристик управляющего сигнала:
1.спектральная характеристика,
2.распределение уровней.
Спектральная характеристика определяет частотное распределение сигнала. Для детерминированного сигнала спектральная характеристика в общем случае является комплексной функцией частоты. Модули этой спек-
тральной характеристики определяют амплитуды, аргументы – фазы отдель-
ных гармонических составляющих сложного сигнала. Из этого следует, что знание спектральной характеристики сигнала позволяет полосе пропускания
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
5
цепи, а также к равномерности амплитудной и линейной фазовой характери-
стики этой цепи полосе пропускания. Для сигнала, имеющего характер слу-
чайного процесса, спектральная характеристика дает лишь распределение средней мощности по частотам.
Периодическим сигналом является гармоническое колебание, опреде-
ляемое законом:
А
t
В |
|
рис. 2.1 |
|
S(t) A cos(2 t ) Acos( t ) |
(2.1) |
T
где А – амплитуда, t = ( ; ),
Т– период,
– угловая частота, которая равна 2 или 2 f ,
|
|
|
|
T |
– начальная фаза. Все величины постоянные. |
||||
Гармоническое колебание (2.1) иногда удобно представлять в ком- |
||||
плексной форме: |
|
|
|
|
S(t) A Re ei( t ) |
1 |
A ei( t ) |
1 |
A e i( t ) – с помощью формулы Эй- |
|
|
|||
2 |
2 |
|
лера.
Любой сложный периодический сигнал может быть представлен в виде суммы элементарных гармонических сигналов, действующих при t ; .
Это представление осуществляется с помощью ряда Фурье (ДПФ).
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
6
Пусть заданная в интервале t1 t t2 функция S(t) периодически по-
вторяется с частотой 1 2 , где Т – период повторения, причем выполня-
T
ется условие Дирихле:
1. В любом конечном интервале функция S(t) должна быть непре-
рывна или должна иметь конечное число разрыва первого рода, т.е. функция
S(t) и справа и слева должна иметь конечные пределы.
2. В пределах одного периода функция S(t) должна иметь конечное число максимумов и минимумов.
t1 T |
t1 |
t 2 |
Т |
t 2 T |
Рис. 2.2.
Подобная функция может быть представлена рядом Фурье, который может быть записан в тригонометрической или комплексной формах:
1.В тригонометрической форме:
|
a0 |
|
|
a0 |
|
|
S(t) |
|
(an cos n 1t bn sin n 1t) |
An cos(n 1t n ) (2.2) |
|||
|
|
|||||
2 |
n 1 |
2 |
n 1 |
2.В комплексной форме:
1 |
|
i(n 1t n ) |
|
1 |
|
in 1t |
|
|||
S(t) |
|
Ane |
|
|
|
Ane |
|
(2.3) |
||
|
|
|
|
|||||||
|
|
|
2 n |
|
|
2 n |
|
|
||
где |
a0 |
– постоянная составляющая (среднее значение), a n , b n |
– амплитуды |
|||||||
|
||||||||||
2 |
|
|
|
|
|
|
|
|
|
косинусоидальной и синусоидальной членов разложения S(t). Эти величины определяются по следующим формулам:
a |
0 |
|
1 t2 |
|
|
|
|
|
S(t)dt |
(2.4) |
|
|
|
|
|||
2 |
|
T t |
|
||
|
|
|
1 |
|
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
7
a |
|
|
2 t2 |
S(t)cos n tdt |
(2.5) |
||
|
|
|
|||||
n |
T t |
||||||
|
|
1 |
|
||||
|
|
|
|
|
|||
|
|
|
1 |
|
|
||
b |
|
|
2 t2 |
S(t)sin n tdt |
(2.6) |
||
|
|
|
|||||
|
T t |
||||||
n |
|
1 |
|
||||
|
|
|
|
||||
|
|
|
1 |
|
|
Амплитуда (модуль) и фаза (аргумент) n-ой гармоники выражаются через an и bn следующим образом:
|
|
A |
|
a |
2 b 2 |
– амплитуда |
|
(2.7) |
||||
|
|
n |
|
|
|
n |
|
n |
|
|
|
|
|
|
n |
arctg |
bn |
– фаза |
|
(2.8) |
|||||
|
|
an |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
||
Входящая в выражение (2.3) комплексная амплитуда |
|
связана с ко- |
||||||||||
Аn |
||||||||||||
эффициентами a n и b n следующим образом: |
|
|
|
|||||||||
|
|
A e |
i n |
a |
|
ib |
|
|
||||
A |
|
|
n |
|
|
|||||||
|
n |
n |
|
|
|
|
|
|
n |
|
(2.9) |
|
|
|
|
|
|
i n |
|
|
|
|
|
|
|
|
|
|
|
|
an |
ibn |
|
|
||||
A n Ane |
|
|
|
|||||||||
Комплексные амплитуды |
|
|
|
|
|
|
|
являются взаимосопряженными |
||||
An и + An |
||||||||||||
комплексными величинами: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
, |
|
|
|
|
An |
A n An |
|
|
где A |
2 – квадрат модуля амплитуды. |
|
|
|
|||
n |
|
|
|
|
|
|
|
|
В соответствии с выражениями (2.5) и (2.6) можно записать следующее |
||||||
выражение для комплексной амплитуды: |
|
|
|||||
|
|
2 t2 |
|
in 1t |
|
|
|
|
An |
|
|
S(t) e |
|
dt |
(2.11) |
|
T t |
|
|||||
|
|
1 |
|
|
|
|
|
|
Следует отметить, что приведенным выше условиям Дирихле удовле- |
творяют все физически осуществимые сигналы, поэтому для представления периодического сигнала в виде рядов Фурье эти условия на практике не при-
ходится специально оговаривать.
Частные случаи:
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
8
1) В тех случаях, когда сигнал представляет собой функцию четную относительно времени, т.е. S(t) = S(-t). В тригонометрической записи остают-
ся только косинусоидальные члены разложения, т.к. bn 0 в соответствии с формулой (2.6).
2) Функция нечетная относительно времени, то в 0 обращаются ко-
синусоидальные члены разложения.
Структура частотного спектра периодического сигнала полностью оп-
ределяется двумя характеристиками: амплитудной и фазовой, т.е. модулем и аргументом комплексной амплитуды (2.7 и 2.8).
Наглядное представление о ширине спектра и относительной величине его составляющих (гармоник) дает графическое представление спектра пе-
риодического сигнала.
A
|
|
|
|
A1 |
|
|
|
|
|
|
|
|||||||||
а |
|
|
A2 |
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
||||||||||||
0 |
|
|
|
|
|
|
|
|
|
A3 |
|
|
|
|
|
|
|
|||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
An |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 2 3 |
|
|
n |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 2.3. |
|
2 = 2 1 ,
3 = 3 1 .
По оси ординат – модули амплитуд An . По оси абсцисс – частоты гар-
моник для исчерпывающей характеристики спектра, подобное изображе-
ние должно быть дополнено заданием фаз отдельных гармоник.
Спектр периодической функции состоит из отдельных линий, соответ-
ствующим дискретным частотам: 0, 1, 2 2 1, 3 3 1 и т.д. отсюда и
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
9
название спектра периодического сигнала линейчатый или дискретный
спектр.
Непериодические сигналы
1.Спектральная плотность.
2.Прямое и обратное преобразование Фурье и его свойства.
Пусть задан сигнал в виде функции времени, удовлетворяющей усло-
виям Дирихле, во всяком конечном интервале и абсолютно интегрируемой.
Для проведения гармонического анализа непериодической функции посту-
пим следующим образом: превратим заданную функцию в периодическую путем повторения ее с произвольным периодом T t2 t1 . Тогда для этой но-
вой функции применим разложение в ряд Фурье. Причем чем больше T, тем
меньше значение a0 , an, bn , в соответствии с формулами (2.4) и (2.6).
2
S(t)
T |
t1 |
t2 |
t |
Устремляя T в пределе |
|
получим бесконечно малые ам- |
плитуды гармонических составляющих, сумма которых изображает исход-
ную непериодическую функцию S(t) заданную в интервалах от t1 до t2 . Ко-
личество гармоник входящих в ряд Фурье будет при этом бесконечно боль-
шим, т.к. T основная частота 1 2 0 .
T
Расстояние между отдельными спектральными линиями равно основ-
ной частоте 1 становится бесконечно малым, а спектр, следовательно,
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
10
сплошным. Отсюда следует вывод: при гармоническом анализе непериоди-
ческой функции получается сплошной спектр, состоящий из бесконечно большого количества гармоник, с бесконечно малыми амплитудами. Дока-
жем это математически.
Подставив формулы (2.5) и (2.6) в формулу (2.9) и получим:
|
2 t2 |
S(t) cos n 1t i sin n 1t dt |
2 t2 |
1 in 1t |
|
|
||
An an ibn |
|
|
|
|
S(t) e |
dt |
(3.0) |
|
T t |
|
|||||||
|
T t |
|
|
|
||||
|
1 |
1 |
|
|
|
Воспользуемся комплексной формой ряда Фурье (2.3) и поставим вме-
сто An в выражение (3.0), получим:
|
|
1 t2 |
|
in t |
|
|
|
in t |
1 |
t2 |
in t |
|
|
in t |
|
|||
|
|
|
|
|
|
1 |
|
|
|
1 |
|
|
|
1 |
|
|
1 |
|
|
|
|
|
|
|
|
2 |
|
1 , |
|||||||||
S(t) T S(t) e |
|
dt |
|
e |
|
S(t) e |
|
dt |
e |
|
||||||||
|
|
|
|
t1 |
|
|
|
|
|
|
|
|
t1 |
|
|
|
|
|
где T |
2 |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Теперь, устремляя T , |
в пределе получим исходную непериодиче- |
|||||||||||||||||
скую функцию S(t) |
заданную в интервале от t1 до t2 : при этом частота 1 |
|||||||||||||||||
превращается в d (n 1 d ) |
а n 1 |
превращается в |
(n 1 ) . Опера- |
ция суммирования превращается в операцию интегрирования и в результате получаем двойной интеграл Фурье:
|
1 |
|
t2 |
|
|
S(t) |
|
ei t d S(t)e i t dt |
(3.1) |
||
2 |
|||||
|
|
t |
|
||
|
|
|
1 |
|
|
Внутренний интервал, |
являющийся функцией |
частоты обозначим |
; это так называемая спектральная плотность и спектральная характери-
S( )
стика функции S(t). В общем случае, когда неизвестны пределы интегриро-
|
|
|
|
|
вания, спектральная плотность S( ) выражается следующим образом: |
|
|||
|
i t |
|
|
|
|
|
|
||
S( ) S(t) e |
dt – спектральная плотность |
(3.2) |
||
|
После подстановки (3.2) в (3.1) получим: