- •Конспект лекций по цос
- •Частотная область
- •Реальные сигналы
- •Ширина полосы
- •Дискретизация
- •Период дискретизации и время дискретизации
- •Непериодические мгновенные значения
- •Периодическая дискретизация
- •Дискретизация с очень высокой частотой
- •Дискретизация с частотой Найквиста
- •Дискретизация с частотой ниже частоты Найквиста
- •Спектры реальных сигналов
- •Ограничение спектра
- •Формирование цифрового сигнала
- •Дискретизация
- •Квантование
- •Точность
- •Ошибка квантования
- •Уменьшение ошибок квантования
- •Дополнительная информация
- •Практически используемые ацп
- •Ацп с последовательным приближением
- •Двунаклонные ацп
- •Сглаживание на выходе
- •Коммерческие ацп и цап
- •Функциональные блоки платы dsk
- •Выводы по лекциям
- •Лекция 2.
- •1. Числовые последовательности
- •2. Представление числовых последовательносте
- •Представление чисел
- •Кодирование чисел
- •Ошибки квантования
- •Дискретные линейные системы
- •1. Общие сведения
- •2. Линейные системы с постоянными параметрами
- •3. Физическая реализуемость
- •Из (2.1) получаем
- •Лекция 3
- •1. Частотные характеристики
- •2. Частотные характеристики систем первого порядка
- •3. Частотные характеристики систем второго порядка
- •Лекция 4
- •1. Дискретный ряд Фурье
- •2. Единицы измерения частоты
- •4. Теорияz-преобразования в задачах анализа и синтеза линейных систем применяется преобразование Лапласа, которое приводит дифференциальные уравнения в алгебраические уравнения.
- •Для упрощения анализа можно перейти к новой переменной z, связанной с p соотношением
- •Такая сумма, если она существует, называется z-преобразовани-ем последовательности {xk}. Ясно, что комплексная функция (5.16) определена лишь для тех значений z, при которых степенной ряд сходится.
- •Примеры z-преобразований на основании (16):
- •Бесконечная дискретная последовательность
- •5. Соотношение между z–преобразованием и
- •6. Обратное z-преобразование
- •1. Дискретное преобразование Фурье
- •Определим набор коэффициентов дпф
- •2. Свойства дпф
- •3. Свойства симметрии
- •3. Спектральный анализ в точках z-плоскости
- •Импульсная характеристика
- •2. Линейная свертка конечных последовательностей
- •3. Секционированные свертки
- •1. Уравнения цифровых фильтров
- •2. Структурные схемы цифровых фильтров
- •1. Цифровые фильтры
- •Третий метод проектирования – оптимизация фильтров с минимаксной ошибкой
- •!. Цифровые фильтры с бесконечными импульсными характеристиками
- •Всепропускающего фильтра 2-го порядка
- •1) Ось из s–плоскости должна отображаться в единичную окружность на z – плоскости;
- •6. Прямые методы расчета цифровых фильтров
- •Быстрое преобразование фурье
- •1. Основы алгоритмов бпф
- •2. Алгоритм бпф с прореживанием по времени
- •3. Алгоритм бпф с прореживанием по частоте
- •4. Применение метода бпф для вычисления одпф
- •12.5. Применение бпф для вычисления реакции цифрового фильтра
3. Свойства симметрии
Если периодическая последовательность xp(n) с периодом в N отсчетов действительная, то ее ДПФ Xp(k) удовлетворяет условиям симметрии:
Re[Xp(k)] = Re[Xp(N – k)], Im[Xp(k)] = –Im[Xp(N – k)],
Xp(k) = Xp(N – k) , (5.38)
arg Xp(k) = –arg Xp(N – k).
Аналогичные равенства справедливы и для конечной действительной последовательности x(n), имеющей N-точечное ДПФ Xp(k). Если ввести дополнительное условие симметрии последовательности xp(n), т. е. считать, что xp(n) = xp(N – n), то окажется, что Xp(k) может быть только действительной.
Чаще всего приходится иметь дело с действительными последовательностями, поэтому, вычислив одно ДПФ, можно получить ДПФ двух последовательностей, используя свойства симметрии (5.38). Рассмотрим действительные периодические последовательности xp(n) и yp(n) с периодами в N отсчетов каждая и N-точечными ДПФ Xp(k) и Yp(k) соответственно. ДПФ комплексной последовательности
zp(n) = xp(n) + j yp(n)
равно
Zp(k)
=
[xp(n)
+ j
yp(n)]
;
Zp(k) = Xp(n) + j Yp(n). (19)
Выделяя действительную и мнимую части равенства (19), получим
Re[Zp(k)] = Re[Xp(k)] – Im[Yp(k)];
Im[Zp(k)] = Im[Xp(k)] + Re[Yp(k)].
Действительные части Xp(n) и Yp(n) симметричны, а мнимые — антисимметричны, поэтому их легко разделить, используя операции сложения и вычитания:
Re[Xp(k)] = {Re[Zp(k)] + Re[Zp(k)]}/2;
Im[Yp(k)] = {Re[Zp(k)] – Re[Zp(k)]}/2;
Re[Yp(k)] = {Im[Zp(k)] + Im [Zp(k)]}/2;
Im[Xp(k)] = {Im[Zp(k)] – Im [Zp(k)]}/2.
Итак, вычисляя одно N-точечное ДПФ, удается преобразовать сразу две действительные последовательности длиной по N отсчетов. Если эти последовательности еще и симметричные, то число операций, необходимых для получения их ДПФ, можно сократить еще больше.
3. Спектральный анализ в точках z-плоскости

Рис. 9. Фильтр для скользящего спектрального анализа:
блоки с обозначением z–1 – элементы задержки;
величины, равные степеням z1, – коэффициенты умножителей
Спектральный анализ можно рассматривать как задачу вычисления z-преобразования модифицированного сигнала в некоторой области на z-плоскости. Спектральные составляющие сигнала х(п) можно измерять в любой точке z1 на z-плоскости
Sn(z1)
=
, (20)
где N — число отсчетов, по которым находится оценка спектра.
Во многих приложениях, например, когда спектр сигнала меняется, приходится измерять Sn(z1) для последовательных значений п, т. е. значения S0(z1), S1(z1), S2(z1) и т. д. Такой способ измерений называют скользящим спектральным измерением; оно обеспечивается за счет смещения на один отсчет вперед временнόго окна (содержащего N отсчетов) и повторения измерения. Из формулы (5.40) видно, что скользящее спектральное измерение в одной точке z = z1 эквивалентно преобразованию фильтром с импульсной характеристикой вида
h(n)
=
,
0
n
N
–
1, (21)
По формуле (5.40) составляется схема вычисления прямой свертки, обеспечивающая спектральные измерения – рис. 5.9.
По выражениям для двух последовательных спектральных измерений Sn – 1(z1) и Sn(z1), можно получить рекуррентную формулу:
Sn
(z1)
=
Sn
–
1(z1)
+
x(n)
–
x(n
–
N)
(22)
– рис.10.

Рис. 10. Рекурентный метод скользящего спектрального анализа
Лекция 6
