
- •5. Преобразование непрерывных сигналов в дискретные
- •5.1. Преимущества цифровой формы пердставления сигналов
- •5.2. Общая постановка задачи дискретизации
- •5.3. Способы восстановления непрерывного сигнала
- •5.4. Критерии качества восстановления
- •5.5. Методы дискретизации посредством выборок
- •5.6. Равномерная дискретизация. Теорема Котельникова
- •5.6.1. Дискретизация по частотному критерию
- •5.6.2. Теорема Котельникова
- •5.7. Теоретические и практические аспекты использования теоремы Котельникова
- •5.8. Дискретизация по критерию наибольшего отклонения
- •5.9. Дискретизация с использованием экстраполирующих многочленов Тейлора
- •5.10. Адаптивная дискретизация
- •5.11. Квантование сигналов
- •5.12. Квантование сигнала при наличии помех
- •Список литературы
- •Оглавление
5.10. Адаптивная дискретизация
Если ранее рассмотренные методы и алгоритмы дискретизации были рассчитаны на все множество возможных реализаций сигнала и потому опирались на предельные значения его динамических характеристик, то при адаптивной дискретизациимы ориентируемся на динамические характеристики конкретной реализации, что позволяет получить минимальное число выборок, обеспечивающих восстановление этой реализации с заданной точностью.
В основе принципа адаптивной дискретизации лежит непосредственное слежение за текущей погрешностью восстановления сигнала ε.
Наиболее широкое применение на практике получили алгоритмы дискретизации с адаптацией по длине интервала аппроксимации. В процессе последовательного наращивания интервала аппроксимации производится сравнение сигнала u(t) с воспроизводящей функциейu*(t),формируемой с учетом текущих значений динамических характеристик сигнала. Когда погрешность воспроизведения достигает заданного значенияε0, наращивание интервала прекращается и производится отсчет. Интервалы времени между отсчетами при этом оказываются произвольными.
Вкачестве воспроизводящих функций
наиболее часто используются степенные
алгебраические полиномы нулевой и
первой степеней.
а б
Рис.5.10. Адаптивная дискретизация
При этом возможны как интерполяционные, так и экстраполяционные способы адаптивной дискретизации. Интерполяционные способы не нашли широкого применения, поскольку их реализация связана с запоминанием сигнала на интервале аппроксимации и выполнением большого числа вычислительных операций. Поэтому ограничимся рассмотрением примеров адаптивной дискретизации на основе экстраполяции.
Пример.Провести адаптивную дискретизацию реализации сигналаи(t),изображенной на рис.5.10,а, с использованием аппроксимирующего многочлена нулевой степени. Наибольшее допустимое отклонение равноε0.
На момент tjначала каждого интервала аппроксимирующий полиноми*(t) принимаем равнымu(tj) и вычисляем разность Δu(t)=u(t)-u*(tj),которую сравниваем сε0. Установление равенства
|Δu(t)|= ε0
соответствует моменту tj+1окончания интервала и проведения очередного отсчета.
Результаты дискретизации отображены на том же рисунке.
Пример. Провести адаптивную дискретизацию реализации сигналаи(t),изображенного на рис.5.10,б, многочленом первой степени. Наибольшее допустимое отклонение равноε0.
На момент tj начала каждого интервала аппроксимации
u*(t)=u(tj)+u'(tj)t,
где u'(tj) —производная сигналаи(t) в момент времениtj.
Момент очередного отсчета определяется выполнением равенства
Δu(t)=u(t)-u(tj)-u'(tj)t=ε0.
Результаты дискретизации приведены на том же рис. 5.10. При аппаратной реализации данного алгоритма следует иметь в виду, что вследствие наличия операции дифференцирования сигнала он неэффективен при наличии высокочастотных помех.
5.11. Квантование сигналов
Поскольку математической моделью непрерывного сигнала является случайный процесс U(t),мгновенное значение сигналаU=U(t) представляет собой случайную величину. Диапазон ее изменения, называемый непрерывной шкалой мгновенных значений сигнала, ограничен значениямиUminиUmax, что отражает условие физической реализуемости сигнала.
Непрерывную шкалу мгновенных значений Un=Umax Uminсигнала разбивают наiинтервалов, называемыхшагами квантования.Границами шагов квантования являются значенияU0= U1,...,Un-1,Un=Umax. Из множества мгновенных значений, принадлежащихi-му шагу квантования (Ui-1 <U< Ui ), только одно значениеU'1,является разрешенным (i-й уровень квантования). Любое другое из указанного множества значений округляется доU'i.Совокупность величинU'i(i= 1, 2, ...,п) образует дискретную шкалу уровней квантования. Если эта шкала равномерна, т. е. разность значенийΔU'i=U'i,— U'i-1постоянна на всем протяжении непрерывной шкалы мгновенных значений сигналаи,квантование называютравномерным.Если постоянство значенийΔU'iне выдерживается, то квантованиенеравномерное. Благодаря простоте технической реализации равномерное квантование получило наиболее широкое распространение.
Рис. 5.11. Квантование сигнала
В результате замены мгновенного значения сигнала U соответствующим уровнем квантованияΔU'iвозникает погрешностьΔ=U—U'i, которую называютошибкой квантования.Эта погрешность является случайной величиной. Нас чаще всего интересует ее максимальное значениеΔm=mах|Δi| и среднеквадратическое отклонениеΔ для всего диапазона изменения мгновенных значений сигнала. Используются также приведенные значения этих величин
ΔM0= ΔM/(Umax - Umin),
Δ
Рис.5.13
С позиций минимизации наибольшей возможной ошибки квантования непрерывную шкалу мгновенных значений сигнала целесообразно разбить на подинаковых шагов квантованияΔ=(Umax-Umax)/nи уровни квантования разместить в середине каждого шага (рис. 5.11). При этом максимальная ошибка квантования не превышает 0,5Δ. Если каждый уровень квантования выбран равным нижней (верхней) границе шага квантования, максимальная ошибка квантования возрастает до величиныΔ.
С (166)
где р(U) —функция плотности вероятности мгновенных значений сигналаU.
Рис. 5.12. Ошибка равномерного квантования
(44)
(45)
С
Рис.14
(167)
(46)
(47)
(168)
Однако при неравномерном законе распределения мгновенных значений сигнала квантование с постоянным шагом не является оптимальным по критерию минимума среднеквадратической ошибки. Квантуя участки с менее вероятными значениями сигнала с большим шагом, указанное значение среднеквадратической ошибки можно уменьшить.