- •СОДЕРЖАНИЕ
- •1.1. Предмет, цели и задачи курса
- •1.3. Прямой табличный метод
- •1.4. Метод линейной интерполяции
- •2. ПРОГРАММИРОВАНИЕ ЦИФРОВЫХ ФИЛЬТРОВ
- •2.1. Программирование цифровых нерекурсивных фильтров
- •2.2. Программирование цифровых рекурсивных фильтров
- •2.3. Параллельное и последовательное соединение ЦРФ
- •2.4.1. Квантование передаточных функций дискретных систем
- •2.4. Точностные характеристики цифровых фильтров
- •2.4.2. Ошибки квантования в цифровых фильтрах
- •3. ПРОГРАММИРОВАНИЕ АЛГОРИТМОВ БПФ
- •3.1. Два основных алгоритма БПФ, реализация базовой операции
- •3.2. Реализация частных случаев вычисления «бабочки»
- •3.3. Алгоритм двоично-инверсной адресации и перестановка данных
- •3.4. Основные алгоритмы БПФ по модулю 2 с замещением
- •3.5. Алгоритм БПФ с поблочно-плавающей запятой
- •4. ВЫПОЛНЕНИЕ ОПЕРАЦИЙ С ПЛАВАЮЩЕЙ ЗАПЯТОЙ
- •4.1. Форматы чисел с плавающей запятой
- •4.2. Операции сложения и вычитания с плавающей запятой
- •4.3. Операция умножения с плавающей запятой
- •4.4. Операция деления с плавающей запятой
- •5. МЕТОДЫ КОМПРЕССИИ ДАННЫХ
- •5.1. Два основных метода сжатия данных
- •5.3. Метод кодирования A-Law
- •5.4. Программы кодирования и декодирования данных
- •6.1. Многомерный формирующий фильтр
- •6.2. Спектральный анализ R-мерного векторного процесса
- •6.4. Матричный алгоритм управления
Определив элементы формирующей матрицы G(z) можно перейти к определению параметров цифрового рекурсивного фильтра (ЦРФ):
m |
|
l |
|
|
y(n) = ∑ai |
x(n −i) −∑bi |
y(n −i) |
|
|
i=0 |
|
i=1 |
|
|
или цифрового нерекурсивного фильтра (ЦНФ): |
|
|
||
|
m |
|
|
|
y(n) = ∑ai |
x(n −i). |
(6.15) |
||
i=0
Основное отличие ЦНФ от ЦРФ в том, что он всегда устойчив, так как его передаточная функция не дробно-рациональная, а полином. Алгоритм (6.15) не нашел в "чистом виде" достаточного применения из-за большой вычислитель-
ной сложности – порядка m2 операций (m – число коэффициентов ai ). Применение алгоритмов БПФ позволяет значительно сократить количество операций умножения.
Недостаток метода цифрового формирующего фильтра (ЦФФ) – сложность расчета передаточной функции. Достоинства данного метода заключаются в следующем: непрерывный выходной сигнал, СПМ случайного процесса управляется на произвольных частотах, возможность значительного повышения скорости формирования случайного процесса за счет коротких вычислительных процедур в ЦФФ.
6.2.Спектральный анализ R-мерного векторного процесса
Широкий частотный диапазон формируемых и анализируемых процессов, быстротечность виброиспытаний требуют поиска новых алгоритмических, программных и архитектурных решений для вычислительных систем обработки и управления R-мерными векторными процессами. Только одновременное и сбалансированное решение данных трех задач, однородность алгоритмического обеспечения анализа, синтеза и управления, учет их взаимосвязи могут обеспечить реальное и существенное повышение интегральной производительности и эффективности системы.
Положим, что fS – частота поступления входной последовательности
{xr(n/fS), n = 0, N −1} процесса xr(t), r = 1, R , ограниченного полосой F (fS = kF, где k – коэффициент, выбираемый согласно теореме Котельникова). Требуется
вычислить в РВ оценки СПМ в частотном диапазоне Fq {F0 ,..., FQ}.
В схеме математической модели задачи непараметрического оценивания СПМ конечной выборки {xr (n/fS)} стационарного случайного процесса на ос-
нове метода усреднения периодограмм {Xr(k), k = 0, N −1} взвешенных временным окном перекрывающихся сегментов данных можно выделить следующие этапы обработки:
1) фильтрация и регистрация последовательности {xrq (n / fq ),n = 0, N −1} (рис.6.2), где
Лекции по ППО ВС РВ © Клюс В.Б. |
108 |
|
|
|
|
|
|
|
|
|
q |
|
|
|
|
|
|
|
|
|
fq |
= fS |
∏Di , |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
q |
|
|
|
|
(6.16) |
|
|
|
|
FQ = F |
∏Di , |
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
D |
{2, 3, K, }− коэффициентыдецимации, |
|
|
|
||||||||
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
q =1,Q ; |
|
|
|
|
|
|
|
|||||
x0(n0) |
H1(z) |
|
↓D1 |
|
|
x1(n1) |
… |
HQ(z) |
|
↓DQ |
xQ(nQ) |
||||
|
|
|
|
|
|
|
|
||||||||
f0=fS |
|
|
|
f1=f0/D1 |
fQ=fQ-1/DQ |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xq(nq)
Рисунок6.2. Фильтрация и децимация анализируемого процесса
2) вычисление векторного ДПФ; 3) усреднение; 4) определение оценок СПМ. Определение 1. Под векторным дискретным преобразованием Фурье будем
понимать отображение VDFT вектора в вектор
U = [U1(k) U2(k) ... UD(k)]T ,
компоненты которого Ud(k), d = 1, D ; k = 0, N −1 представляют собой ДПФ по-
следовательностей {zd(n)} длины N, являющихся компонентами D-мерного векторного процесса Z. VDFT: Z → U такое, что для любого n, k, d; n = 0, N −1; k = 0, N −1; d = 1, D ; Ud(k) = DFT [zd(n)], где DFT [zd(n)] – ДПФ последовательно-
сти {zd(n)} длины N, т.е. покомпонентное преобразование D-мерного векторного процесса Z.
Из определения 1 следует, что векторное ДПФ является независимым, совместным преобразованием D компонент D-мерного векторного процесса Z и представляет собой множество ДПФ формата N.
Дискретное преобразование Фурье U(k) комплексной последовательности {z(n)} длины N (n = 0, N −1) определяется выражением:
N −1
U (k) = ∑WNnk z(n), k = 0, N −1,
n=0
где WNnk = exp(− j2πnk / N ), j =
−1 .
Если последовательность {x(n)} длины N является действительной, то её ДПФ X(k) удовлетворяет следующим условиям симметрии:
Лекции по ППО ВС РВ © Клюс В.Б. |
109 |
Re[ X (k)] = Re[ X (N −k)], |
|
|
|
(6.17) |
|
|
|
|
|
||
k = 0, N / 2 −1. |
|||||
Im[X (k)] = −Im[X (N −k)], |
|
||||
Свойства симметрии (6.17) позволяют с помощью одного ДПФ комплексной последовательности одновременно определить ДПФ двух действительных
последовательностей. Если {x1(n)} и {x2(n)} действительные последовательности длины N, X1(k) и X2(k), k = 0, N −1 их ДПФ соответственно, а U(k) = Re[U(k)] + j Im[U(k)], k = 0, N −1 ДПФ комплексной последовательности z(n) = x1(n) + j x2(n), n = 0, N −1, то:
|
|
|
Re[U (k)] + ReU (N −k) |
|
|
|
|
|
Re[ X1 |
(k)] = |
|
|
, |
|
|
||
2 |
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
Im[U (k)] −ImU (N − k) |
|
|
|
|
||
Im[X1 (k)] = |
|
, |
|
|
||||
|
2 |
|
||||||
|
|
|
|
(6.18) |
||||
|
|
|
Im[U (k)] + ImU (N − k) |
|||||
Re[ X 2 (k)] = |
|
, |
|
|
||||
2 |
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
− Re[U (k)] + ReU (N −k) , k = |
|
|
|||
Im[X 2 (k)] = |
0, N / 2 −1. |
|||||||
|
|
|
2 |
|
|
|
|
|
В матричной форме ДПФ определяется следующим образом: U = WN Z,
где U и Z – векторы размера N: U = [ U(0) U(1) ... U(N-1) ]T, Z = [ z(0) z(1) ...
z(N-1) ]T , WN – матрица размера N × N, элементы которой определяются следующим образом
W |
= WN(nk)modN , n, k = |
|
. |
|
0, N −1 |
|
|||
nk |
|
|
|
|
Тогда выражения (6.32) можно записать следующим образом |
|
|||
[ ReX1 ImX2 ]T = ( EN + IN/2 B' ) ReU , |
(6.19) |
|||
[ ReX2 ImX1 ]T = ( EN/2 B'' + IN ) ImU , |
(6.20) |
|||
где ReX1, ImX1, ReX2, ImX2 |
– векторы размера N/2: |
|
||
ReX1 = [ Re(X1(0)) ... Re(X1(N/2-1)) ]T, |
|
|||
ImX1 = [ Im(X1(0)) ... Im(X1(N/2-1)) ]T, |
|
|||
ReX2 = [ Re(X2(0)) ... Re(X2(N/2-1)) ]T,
ImX2 = [ Im(X2(0)) ... Im(X2(N/2-1)) ]T;
E – единичная матрица размера N × N; I – матрица перестановки размера N × N
|
0 |
0 |
L 0 |
1 |
|
|
|
|
0 |
0 |
L 1 |
0 |
|
|
|
I = |
|
; |
|
||||
L L L L L |
|
|
|||||
|
1 |
0 |
L 0 |
0 |
|
|
|
|
|
|
|
||||
Лекции по ППО ВС РВ © Клюс В.Б. |
110 |
||||||
|
0 |
1 |
|
; |
|
1 |
0 |
|
; |
B'= |
|
0 |
|
B''= |
0 |
−1 |
|
||
−1 |
|
|
|
|
|
||||
– прямое произведение матриц (произведение Кронекера).
Применяя матричный подход, векторное ДПФ можно определить следующим образом.
Утверждение 1. Пусть Z есть D-мерный векторный процесс (6.2). Представим последовательности {zd(n)}, n = 0, N −1 вектор-столбцами zd = [ zd(0) zd(1)
... zd(N-1) ]T. Тогда векторное ДПФ U вектора Z в матричной форме определяется следующим образом:
U = ( WN ED ) Z , |
(6.21) |
||||
Так как на практике компоненты xr(n), r = |
|
; n = |
|
|
векторного про- |
1, R |
0, N −1 |
||||
цесса Х представляют собой действительные последовательности {xr(n)} длины N, то для векторного ДПФ могут быть получены соотношения, аналогичные
(6.19), (6.20).
Утверждение 2. Пусть Х R-мерный векторный процесс (6.1). Сформируем новый D-мерный вектор Z согласно (6.2). Тогда, вычислив ДПФ вектора Z по
(6.21)
U = ( WN ED ) Z = ReU + j ImU,
Вектора ReXr = [ Re(Xr(0)) Re(Xr(1)) . . . Re(Xr(N/2-1)) ]T и ImXr = [ Im(Xr(0)) Im(Xr(1)) . . . Im(Xr(N/2-1)) ]T можно определить следующим образом
[ ReX1 ImX2 ReX3 ImX4 . . . ReX2D-1 ImX2D ]T = |
(6.22) |
= (( EN + IN/2 B' ) ED ) ReU, |
|
[ ReX2 ImX1 ReX4 ImX3 . . . ReX2D ImX2D-1 ]T = |
(6.23) |
= (( EN/2 B'' + IN ) ED ) ImU, |
|
Утверждение 2 позволяет сформулировать укрупненный алгоритм вычисления ДПФ R-мерного действительного векторного процесса Х:
1)сформировать комплексный D-мерный вектор Z вида (6.2);
2)вычислить ДПФ вектора Z в соответствии с выражением (6.21), т.е. выполнить D одномерных преобразований формата N и найти вектор U;
3)определить вектора ReXr и ImXr, r = 1…R по (6.22) и (6.23).
Разнообразие решаемых задач обуславливает построение блока анализа в
виде спецпроцессора, программно управляемого от системной микроЭВМ.
Из рассмотренного выше можно сделать следующий вывод: при вычислении векторного ДПФ возникают две взаимосвязанные проблемы. Во-первых, каким образом выполнять совместно множество независимых одномерных ДПФ. Во-вторых, как вычислять каждое отдельное преобразование. При этом возможны два подхода к вычислению векторного ДПФ:
Лекции по ППО ВС РВ © Клюс В.Б. |
111 |
1)многократно применить некоторый алгоритм вычисления ДПФ формата N таким образом, чтобы поочередно выполнить преобразования всех последовательностей;
2)однократно применить некоторый алгоритм вычисления ДПФ формата N таким образом, чтобы каждая операция алгоритма выполнялась параллельно над всеми последовательностями.
Ответы на эти вопросы в значительной степени определяются требованиями, предъявляемыми решаемой задачей к алгоритмам и архитектурной реализации вычисления ДПФ в реальном времени.
6.3.Метод синтеза и алгоритмы формирования R-мерного векторного случайного процесса
Задача синтеза R-мерного векторного случайного процесса заключается в получении последовательности отсчетов {xr(n/fS)}, n=0, N −1 процесса xr(t), r = 1, R ограниченного полосой Fq {F0 ,..., FQ} и распадается на три отдельных этапа: 1) формирование числовой последовательности {xrq (n / fq ), n = 0, N −1} с заданной СПМ с помощью МЦФФ; 2) интерполяция и фильтрация последова-
тельности |
{xq (n / f |
q |
)}в полосе F |
q |
(рис. 6.3): |
|
|
|
|
|
|||||
|
|
r |
|
|
|
|
|
|
|
|
|
||||
|
xQ(nQ) |
|
↑D1 |
|
|
|
H1(z) |
|
|
xQ-1(nQ-1) … |
↑DQ |
|
HQ(z) |
x0(n0) |
|
|
fQ |
|
|
|
|
|
|
|
|
fQ-1= D1fQ |
|
|
|
f0=fS |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xq(nq)
Рисунок6.3. Интерполяция и фильтрация формируемого процесса
|
|
|
Q |
|
= fq ∏Di , |
||||
fS |
||||
|
|
|
i=q |
|
|
|
|
Q |
|
|
= Fq ∏Di , |
|||
F |
||||
|
|
|
i=q |
|
D |
{2, 3, K, }− коэффициентыинтерполяции, |
|||
i |
|
|
|
|
|
|
|
|
|
q =1,Q ; |
||||
3) выдача последовательности {xr(n/fS), n=0, N −1} в канал цифро-аналогового преобразования.
Лекции по ППО ВС РВ © Клюс В.Б. |
112 |
При входном процессе ξ(t) (6.3) передаточная матрица G МЦФФ связана со СПМ процесса х на выходе фильтра соотношением (6.8). При этом справедливо утверждение.
Утверждение 3. Если передаточную матрицу G(k) МЦФФ представить в виде блочной размерности 2R × 2R:
|
|
|
|
|
|
|
|
|
|
|
|
G(k) = |
Re g(k) | −Im g(k) |
, |
|
|
|
||
|
|
|
|
|
|
||||
|
|
|
Im g(k) | Re g(k) |
|
|
|
|
||
|
Re |
[g1 (k)] |
0 |
|
|
0 |
|
||
|
|
L |
|
|
|||||
|
Im |
|
|
Re |
|
|
|
|
|
Re |
|
|
|
|
|
|
|
|
|
[g(k)] = |
|
0 |
|
[g1 (k)] |
L |
|
0 |
|
|
|
|
|
|
||||||
Im |
|
|
|
|
Im |
|
|
|
|
|
|
L |
L |
L |
L |
|
|||
|
|
|
0 |
|
0 |
|
Re |
[g1 |
|
|
|
|
|
L |
(k)] |
||||
|
|
|
|
|
|
|
Im |
|
|
а весовые коэффициенты Фурье моделируемого процесса х(n) и шума ξ(n) как 2R – мерные вектора
X(k) = [ ReX1(k) ... ReXR(k) ImX1(k) ... ImXR(k)]T,
ψ(k) = [ Reψ1(k) ... ReψR(k) Imψ1(k) ... ImψR(k)]T,
то процедура
~ |
−1 |
|
|
|
|
|
(6.24) |
|
[G(k) *VDFT[ξ(n)]] , n = 0, N −1; k = 0, N −1 |
||||||||
x(n) = G *VDFT |
|
|||||||
формирует R-мерный векторный случайный процесс с заданной СПМ. Здесь VDFT-1 и VDFT – прямое и обратное преобразование векторного ДПФ соглас-
но определению (6.21); |
~ |
~ |
1 ... |
~ |
G |
= диагональ (G |
G R ) – среднеквадратическое от- |
клонение компонент R-мерного векторного процесса.
При управлении только модулями взаимной спектральной плотности мощности формирующая матрица G(k) с учетом математической модели (6.14) и расчетных соотношений (6.9) будет иметь вид
|
Re g(k) | |
0 |
|
|
||
G(k) = |
|
, |
||||
|
|
|||||
|
0 |
| |
Re g(k) |
|
||
а компоненты вектора Х(k) определяются следующим образом (R=3):
Re X1 (k) = Re g11 (k) Re Ψ1 (k) ,
Re X 2 (k) = Re g21 (k)Re Ψ1 (k) + Re g22 (k) Re Ψ2 (k) ,
Re X3 (k) = Re g31 (k) Re Ψ1 (k) + Re g32 (k) Re Ψ2 (k) + Re g33 (k) Re Ψ3 (k) .
Итак, анализ процедуры (6.24) формирования R-мерного векторного случайного процесса показывает, что ядром ее является алгоритм векторного ДПФ, композиция которого с вычислительной процедурой умножения вектора на матрицу приводит к выполнению необходимой функции системой. При этом
Лекции по ППО ВС РВ © Клюс В.Б. |
113 |
