- •Министерство образования и науки Российской Федерации
- •2.2. Энергия и мощность сигнала ………………………………………………...11
- •1. ОСНОВНЫЕ ПОНЯТИЯ ЦИФРОВОЙ ОБРАБОТКИ СИГНАЛОВ
- •1.1. Понятие о первичной и вторичной обработке сигналов
- •1.2. Технические средства комплекса обработки сигналов
- •2. ПОНЯТИЕ СИГНАЛОВ. ВИДЫ СИГНАЛОВ
- •2.2. Энергия и мощность сигнала
- •2.3. Представление периодических сигналов в частотной области
- •2.4. Представление в частотной области непериодических сигналов
- •2.4.1. Введение в теорию ортогональных преобразований
- •2.5. Свойства преобразования Фурье
- •2.6. Интегральное преобразование Хартли
- •2.7. Случайные сигналы
- •2.7.1.Модели случайных процессов
- •Числовые характеристики
- •Примеры случайных процессов с различными законами распределения
- •3. КОРРЕЛЯЦИОННЫЙ АНАЛИЗ СИГНАЛОВ
- •3.1. Корреляционная функция (КФ):
- •3.2. Взаимная корреляционная функция
- •3.3. Взаимный спектр сигналов
- •3.4. Корреляционные функции случайных процессов
- •3.4.1. Стационарные и эргодические случайные процессы
- •3.5. Спектральные характеристики случайных процессов
- •3.5.1. Теорема Винера-Хинчина
- •3.6. Комплексная огибающая сигнала
- •4. ПЕРЕХОД ОТ АНАЛОГОВЫХ СИГНАЛОВ К ЦИФРОВЫМ
- •4.1. Дискретизация сигналов
- •Изменение частоты дискретизации. При решение различных задач обработки сигналов достаточно часто требуется изменение частоты дискретизации сигнала.
- •5.1. Линейные и нелинейные преобразования
- •Импульсная характеристика
- •Переходная характеристика
- •Комплексный коэффициент передачи (передаточная функция) системы:
- •Коэффициент передачи по мощности:
- •Взаимный спектр входного и выходного сигналов
- •Взаимная корреляция между входом и выходом
- •Корреляционная функция
- •Дисперсия на выходе:
- •5.3. Циклическая свертка и корреляция
- •5.5. Двумерная апериодическая свертка и корреляция
- •5.6 Нерекурсивные и рекурсивные фильтры
- •5.7. Метод синхронного или когерентного накопления
- •5.8. Адаптивные фильтры.
- •Рис.5.5. Адаптивный фильтр
- •5.8.1. Фильтр Винера-Хопфа.
- •5.10. Фильтр Калмана.
- •F=kBNX
- •6.1. Дискретное преобразование Фурье
- •6.2. Дискретное преобразование Хартли
- •6.3. Двумерные дискретные преобразования Фурье и Хартли
- •6.4. Ортогональные преобразования в диадных базисах
- •6.7. Выполнение фильтрации в частотной области
- •1) Фильтры нижних частот (ФНЧ) low-pass filter
- •2) Фильтры верхних частот (ФВЧ) hight-pass filter
- •3) Полосовые фильтры (ПФ) band-pass filter
- •4) Режекторные фильтры (ПФ) band-stop filter
- •Фильтр Баттерворта:
- •Фильтр Чебышева 1-го рода:
- •7. ВЕЙВЛЕТ ПРЕОБРАЗОВАНИЯ ИЛИ РАЗЛОЖЕНИЕ ПО ВСПЛЕСКАМ
- •7.1. Понятие о Wavelet-преобразованиях. Преобразование Хаара
- •7.2. Вейвлеты
- •7.2.1. Непрерывные вейвлет преобразования
- •7.2.2. Частотный подход к вейвлет преобразованиям
- •7.2.4. Дискретное вейвлет-преобразование
- •7.2.4.1. Условия полного восстановления сигнала
- •7.2.5. Пакеты вейвлетов (алгоритм одиночного дерева)
- •7.2.6. Целочисленное вейвлет-преобразование
- •Вейвлет-преобразование Лэйзи. Вейвлет-преобразование Лэйзи заключается в простом разбиении входного сигнала на четную и нечетную части. На этапах декомпозиции и реконструкции используются одни и те же формулы:
- •7.3. Применение вейвлет-преобразований для сжатия изображения
- •8. БЫСТРЫЕ АЛГОРИТМЫ ОРТОГОНАЛЬНЫХ ПРЕОБРАЗОВАНИЙ
- •8.1. Вычислительная сложность ДПФ и способы её сокращения
- •8.2. Запись алгоритма БПФ в векторно-матричной форме
- •8.3. Представление алгоритма БПФ в виде рекурсивных соотношений
- •8.4. Алгоритмы БПФ с прореживанием по времени и по частоте
- •Рис.8.4. Граф БПФ
- •8.6. Вычислительная сложность алгоритмов БПФ
- •8.7. Выполнение БПФ для случаев
- •8.8. Быстрое преобразование Хартли
- •Рис.8.7. Граф базовой операции БПХ, где
- •8.9. Быстрое преобразование Адамара
- •8.10. Выбор метода вычисления свертки / корреляции
- •9.1. Ранговая фильтрация
- •Рис. 9.1. Гистограмма распределения элементов по уровням
- •Гистограммный алгоритм ранговой фильтрации для окна размером М х М может быть представлен в следующем виде [16,21]:
- •9.2. Взвешенная ранговая фильтрация
- •9.3. Скользящая эквализация гистограмм
- •9.4. Преобразование гистограмм распределения
- •Рис.9.3. Глобальная эквализация гистограмм
- •ЛИТЕРАТУРА
52
Вычислительная сложность локального преобразования составляет
Qл = N2 m2 (БО),
где под базовой операцией понимается выполнение заданного преобразования для отдельного отсчета исходных сигналов. Примером локальных преобразований могут служить апериодическая свертка или корреляция, а также процедуры ранговой фильтрации.
Глобальное преобразование предусматривает формирование каждого отсчета результата как функции от всей совокупности отсчетов исходного сигнала и некоторого множества меняющихся от одного отсчета результата к другому по определенному правилу коэффициентов, составляющих так называемое ядро преобразования. В случае обработки одномерного исходного
сигнала глобальное преобразование можно определить как |
|
|
Yi = F(Gi,X); |
X = [x0 x1 x2 ... xn ], |
i = 0, N-1 (5.6) |
где Gi – изменяемое ядро преобразования. Вычислительная сложность глобального преобразования в общем случае для случая обработки двумерного сигнала составляет
Qг = N4 (БО),
где под базовой операцией понимается выполнение заданного преобразования вида (1.6) для отдельного элемента исходных данных. Примером подобных преобразований могут служить дискретные ортогональные преобразования типа преобразования Фурье, Хартли, Адамара.
5.1. Линейные и нелинейные преобразования
Все преобразования ЦОС могут быть подразделены по своему типу на линейные и нелинейные преобразования [5,16,21].
Пусть x(t) - входная последовательность, |
а y(t1 ) - выходная |
последовательность, связанная со входной через некоторое функциональное преобразование T
y(t1)=T[x(t)] |
(5.7) |
Для линейных преобразований справедлив аддитивный закон : |
|
T[ax1 (t)+ bx2 (t)]= aT[x1 (t)]+ bT[x2 (t)]= ay1 (t1 )+ by2 (t1 ) , |
(5.8) |
где a и b – некоторые константы. Таким образом, линейное преобразование, применяемое к суперпозиции исходных сигналов эквивалентно по своему воздействию суперпозиции результатов преобразования каждого из сигналов. Свойство линейности является весьма важным для практических приложений, поскольку позволяет значительно упростить обработку различных сложных сигналов, являющихся суперпозицией некоторых элементарных сигналов. Так, в частности, за простейший элементарный сигнал может быть принят моногармонический сигнал x(t), описываемый функцией:
x(t) = a cos(2πνt −ϕ),
53
где a - амплитуда, ν = T1 - частота, T - период, , ϕ - начальная фаза.
Тогда более сложный полигармонический сигнал может быть записан как суперпозиция простейших моногармонических сигналов:
x(t) = ∑ak cos(2πν kt −ϕk )
^ K
k =0
Важное место в цифровой обработке сигналов имеет некоторый идеализированный простейший импульсный сигнал, называемый дельтафункцией или единичным импульсом:
(x) 0, x ≠ 0
δ = 1, x = 0
Cогласно теории цифровой обработки сигналов, любой сигнал может быть представлен как суперпозиция взвешенных единичных импульсов следующим образом:
∞ |
|
x(t)= ∑x(tk )δ(t − tk ) |
(5.9) |
k=−∞
где x(t) – отсчет сигнала в некоторый момент времени.
Если на вход системы ЦОС, выполняющей линейное преобразование, поступает единичный импульс, то сигнал h(t), снимаемый с выхода системы и являющийся откликом системы на единичный импульс, носит название импульсной характеристики (импульсного отклика) системы. Импульсный отклик является важнейшей характеристикой системы и позволяет описать ее как “черный ящик”, задав реакцию системы на некоторый простейший эталонный сигнал.
Если h(t) конечна, то такие системы называются КИХ-системами, т.е. системами с конечной импульсной характеристикой. Если h(t) бесконечна, то это БИХ-системы, т.е. системы с бесконечной импульсной характеристикой. В цифровой обработке сигналов имеет смысл рассматривать только КИХсистемы, поскольку время обработки, т.е. реакции системы на входной сигнал должно быть конечно.
Подставив (5.9.) в (5.8), получаем для линейных преобразований:
y t = T x(t) = T ∑ |
x t δ |
t − t |
= ∑ |
x t T δ |
t − t = ∑ x t h (t) |
||||||
( 1 ) [ ] |
∞ |
( k ) ( |
|
k ) |
∞ |
( k ) [ ( |
k )] |
∞ |
( |
k ) |
k (5.10) |
|
|
k=−∞ |
k=−∞ |
||||||||
|
k=−∞ |
|
|
|
|
|
|
|
|
Таким образом, для линейной системы результат обработки любого поступившего на вход сложного сигнала может быть определен как суперпозиция импульсных откликов системы на поступившие на вход единичные импульсы с соответствующей начальной задержкой и весом, определяемым весом соответствующего отсчета исходного сигнала.
Примерами линейных преобразований могут служить преобразования Фурье, Хартли, свертка и корреляция. К нелинейным преобразованиям относятся, в частности, многие алгоритмы распознавания, гистограммные преобразования и ранговая фильтрация.
5.2. Характеристики линейных систем