- •4.Интеграл Фурье. Свойства интеграла Фурье. (пф-преоб-е Фурье, фс-физический смысл)
- •5.Дискретизация непрерывных сигналов. Теорема Котельникова. Кажущиеся частоты и протимаскировочная фильтрация.
- •6.Стационарные и эргодические сигналы. Оценка моментных характеристик для стационарных эргодических сигналов.
- •7.Дискретное преобразование Фурье для действительного и комплексного случаев.
- •8.Функция спектральной плотности мощности сигналов. Оценивание функции спектральной плотности мощности для стационарных эргодических сигналов.
- •9.Разностные уравнения цифровых фильтров. Импульсно-переходные функции цифровых фильтров.
- •10.Передаточные функции цифровых фильтров. Передаточные функции на комплексной плоскости.
Структура систем ЦОС. Структура систем сбора данных
Структура цифровых информационно-управляющих систем (ИУС) для общего случая представлена на блок-схеме Типовая цифровая ИУС состоит из четырёх составляющих систем: 1) ОУ – объекта управления; 2) ССД – системы сбора данных; 3) СОИ – системы обработки информации; 4) СВУ – системы выработки управления. системы ОУ, ССД, СОИ и СВУ-прямоугольники; стрелки-направления движения входной и выходной информации.
Система ЦОС, являющаяся частью ИУС, состоит из ССД и СОИ и помещена в пунктирный прямоугольник
ОУ – объект управления – характеризуется векторами входных управляющих переменных и векторами выходных переменных, которые в ряде случаев определяются как векторы фазовых координат– векторные параметрические функции.
. В простейшем случае для статических ОУ связь между входными и выходными переменными определяется модельными нелинейными функциями от нескольких переменных, которые можно представить в скалярном или векторном виде:
(1.1.1)
. (1.1.2)
Связь между векторами управляющих переменных и векторами фазовых координат для динамических ОУ определяется системами модельных дифференциальных уравнений. Для динамических ОУ с сосредоточенными параметрами модельные дифференциальные уравнения в векторном виде представляются следующим образом:
.
.
{Необходимо отметить отличия параметрических функций и управляющих переменных. Управленияявляются полностью известными; параметрические функции– некоторые неизвестные функции, относительно которых могут быть сведения только об их самых общих характеристиках.}
ССД – система сбора данных – обеспечивает промежуточное накопление и предварительную цифровую обработку многоканальной информации об объекте управления. На вход системы ССД поступает вектор фазовых координат и вектор управления, реализующий настройку ССД. Выходом ССД являются векторы наблюденийфазовых координат, связанные с фазовыми координатамии помеховыми возмущениями, которые обусловливают погрешности в наблюдениях. Наблюдения описываются следующей модельной зависимостью:, (1.1.3)
где вид модельной функции наблюдения определяется конструкцией ССД.
СОИ – система обработки информации – обеспечивает по входной информации-наблюдениям от ССД и вектору управлениякоторый предназначен для настройки алгоритмов СОИ, решение задачи вычисления оценок фазовых координати оценок параметрических функции, которая, по-существу, является центральной для ЦОС.
СВУ – система выработки управлений – осуществляет формирование необходимых управляющих воздействий для ОУ,для ССД идля СОИ по информации от СОИ. В общем виде можно записать:.
Структура ССД существенным образом определяет возможности проведения ЦОС. ССД состоит из системы датчиков, усилителей, противомаскировочных фильтров, электронных коммутаторов, аналого-цифровых преобразователей и устройств буферной памяти. упрощённой конструкции ССД, цифрами отмечены основные элементы системы.
ССД состоит из системы датчиков, усилителей, противомаскировочных фильтров, электронных коммутаторов, аналого-цифровых преобразователей и устройств буферной памяти.
Датчики назначение которых состоит в преобразовании фазовых координат объекта в систему электрических сигналов – выходные напряжения, в которых содержится информация о параметрах объекта. Каждому датчику ставится в соответствие функция преобразования, которая связывает значение величины со значением напряжения
Усилители назначение данных усилителей cостоит в обеспечении усиления входных сигналов до стандартного значения: ,, чаще всегоЧастотные характеристики передаточной функции для УС должны быть подобраны таким образом, чтобы для входного сигнала в заданном частотном диапазоне амплитудные и фазовые искажения были незначительными.
Противомаскировочные фильтры На вход аналогового противомаскировочного фильтра подаётся сигнал выходной сигнал фильтра обозначается в видеНизкочастотные аналоговые фильтры (непропускающие высокие частоты) с передаточными функциями обеспечивают устранение высокочастотных составляющих в выходном сигнале Как правило, для противомаскировочных фильтров их АЧХ в точке среза должны иметь большую крутизну. Вследствие чего в рабочей полосе частоткоэффициент усиления фильтра должен быть примерно равен 1, в высокочастотной областикоэффициент усиления фильтра должен быть близок к нулю:
, ;,.Частота срезааналогового фильтра обычно регулируется в зависимости от полосы исходного сигнала (его частотных свойств) и заданной частоты дискретизации.
Электронные коммутаторы Электронный коммутатор (мультиплексор) реализует переключение измерительных каналов с частотой дискретизации T – интервал временной дискретизации Следует отметить, что использование в ССД электронного коммутатора не является обязательным; его применение диктуется в ряде случаев требованием уменьшения аппаратурных затрат для снижения числа микросхем АЦП для трёх информационных входных каналов, на которые подаются напряжения , приведён на рис. 1.3.7.
С временным шагом дискретизации T происходит запоминание на время (время коммутации) соответствующего кусочно-постоянного напряжения, которое предназначено для подачи в устройство дискретизации. Для работы электронного коммутатора должно выполняться соотношение
АЦП Аналого-цифровые преобразователи (АЦП) осуществляют преобразование последовательности кусочно-постоянных напряжений от мультиплексора в последовательность цифровых кодов. Следует отметить существенные параметры АЦП для формирования систем ЦОС: 1) – время преобразования АЦП аналогового напряженияв цифровой код; очевидно, должно выполняться неравенство2)– число разрядов цифрового кода с выхода АЦП (не считая знака); 3)– рабочий диапазон АЦП по входному напряжению; этот параметр устанавливается стандартным рядом значений – чаще всего1 и 5 В. Последовательностьс выхода АЦП является дискретизованной по времени и по уровню.
Ус-во буферной памяти На вход буферного запоминающего устройства (БЗУ) поступают данные от АЦП. БЗУ обеспечивает промежуточное хранение массивов дискретизованных данных. Для БЗУ следует отметить параметры, существенные при реализации сбора данных: 1) – время ввода одного кода от АЦП в БЗУ;2) объем памяти БЗУ –в Кб (Мб), где б – байт. При формировании конкретной системы сбора данных необходим учёт типа памяти БЗУ.
Аппроксимация наблюдений для линейных моделей, действительный и комплексный случай.
наблюдаемый сигнал связан с исходным сигналоми случайным помеховым возмущениемчерезмодельную функцию наблюдения известного вида
Действительный случай: есть наблюденияна конечном временном интервале дляПредставим линейную по параметрам модельную функцию:зависящая от вектора параметров,в скалярном виде:
функционал мера близости модели и наблюдений, определяется разностями=(из-за линейности S имеет квадратич. Форму)
векторно-матричные переменные:
, ,,
где Y– вектор наблюдений размерностиc– вектор параметров модели размерностиX– матрица плана сигнала размерности Нетрудно видеть, что разность для наблюдений и модели может быть сформирована в векторном виде
. (2.4.5)
На основе введённых векторов и матриц функционал записывается как скалярное произведение и представляет собой квадратичную форму
(2.4.6)
С учётом того, что имеет место равенство можно записать
=0 ; ;
минимальное значение этой квадратичной формы достигается при
(2.4.7)
Представим в виде системы линейных уравнений (в лекциях D=A,d=a)
Введём обозначения МатрицаDимеет размерностьэлементы этой матрицы симметричны относительно главной диагонали и определяются как скалярные произведения базисных функций
Элементы вектора размерности– коэффициенты Фурье, вычисляются как взвешенные суммы наблюдений
,
Нахождение оптимального вектора параметров сводится к решению линейной системы уравнений
Комплексный случай: Рассмотрим решение задачи оценивания параметров линейных моделей для комплексных сигналов. Введём комплексные наблюденияи комплексную модель сигналаопределяемую комплексным вектором параметрови комплексной базисной функциейФункционал с использованием суммы произведений сопряженных комплексных множителей
(2.4.8)
комплексную разность функции наблюдения и модели Воспользовавшись введёнными векторно-матричными переменными, но в комплексной форме, представим функционал(2.4.8)
С учётом равенства запишем
(2.4.9)
=0
Минимальное значение этой квадратичной формы (2.4.9) достигается при
(2.4.10)
Оценка из (2.4.10) может быть найдена с помощью решения системы линейных уравнений (в лекцияхA=D)
(2.4.11)
Коэффициенты матрицы Dвычисляются в виде скалярных произведений векторов
,(2.4.12)
Коэффициенты вектора b(коэффициенты Фурье) вычисляются в виде скалярных произведений векторов
,(2.4.13)
Если базисные функции ортогональны, то нахождение параметров модели упрощается. Матрица Dбудет диагональной с элементами
Оптимальные параметры модели выразятся через коэффициенты Фурье
(2.4.14)
Модели сигналов на основе действительного и комплексного ряда Фурье.
Действительный случай. Рассмотрим построение моделей сигналов на основе действительного ряда Фурье.
Пусть наблюдения cигнала заданы в виде действительной функциина конечном интервале времени{Будем полагать, что для рассматриваемого сигналавыполнены сформулированные условия сходимости. }
Выбирается модель для указанного сигнала в форме действительного ряда Фурье следующего вида
(2.5.1)
модельные частоты и определяются длиной интервала наблюдения, модельные синусоиды располагаются с шагом по частотекоторый зависит отВектор параметров модели имеет бесконечную размерность,{Благодаря выбору частотного параметраоказывается, что на интервале времениукладывает целое число периодов базисных функцийиВследствие этого, указанные} базисные функции являются ортогональными.
Функционал для решения задачи аппроксимации функции наблюдений на основе сформированной модели имеет вид
Нахождение вектора параметров модели сводится к минимизации указанного функционала, который, очевидно, является квадратичным по с:
,
Устремим число базисных функций в бесконечность, Естественно, можно сразу записать, опустив знакформулы для оптимальных параметров модели, которые являются известными коэффициентами разложения Фурье:
.
В силу ортогональности базисных функций модели ряда Фурье мощность Pсигнала, сформированного на основе ряда Фурье, слагается из мощностей составляющих синусоидмощность дляl‑й синусоиды определяется амплитудами
.
{Благодаря ортогональности данного базиса для рассматриваемой модели возможно представление дискретного спектра мощности в виде бесконечной последовательности равноотстоящих на по оси частот значений}
Комплексный случай.Пусть произведено наблюдение комплексной функции=y1(t)+jy2(t) на интервалемодель сигнала представится комплексным рядом Фурье
(2.5.5)
Комплексный вектор параметров модели имеет бесконечную размерность Функционал остаточной суммы примет вид
(2.5.6)
Так же как и для разд. 2.5.1, ограничимся конечным числом комплексных модельных синусоид, которые составляют модель; пусть число модельных синусоид равняется L. В этом случае вектор базисных функций для модели (2.5.5) имеет размерностьи выглядит следующим образом
на интервале времени составляющие базис функции ортогональны.
Оптимальные параметры модели обеспечивающие минимум функционала (2.5.6) {после того как сделаны необходимые выкладки и предельный переходопределяются следующими интегралами (опущен знак)}:
(2.5.7)
{Пусть для рассматриваемой функции сигнала выполняются сформулированные в разд. 2.5.1 условия сходимости с учётом комплексности. Тогда на оптимальныхиз (2.5.7), очевидно, должно выполняться равенство }
(2.5.8)
Мощность l-й комплексной модельной синусоидальной функции вычисляется интегрированием на интервале
Благодаря ортогональности используемого комплексного базиса общая мощность сигнала представляется в виде суммы мощностей составляющих как для положительных, так и отрицательных частот.
4.Интеграл Фурье. Свойства интеграла Фурье. (пф-преоб-е Фурье, фс-физический смысл)
Интеграл Фурье реализуется на основе рассмотрения комплексного ряда Фурье для бесконечного временного интервала; Симметричен относительно нуля,меняются только фазовые соотношения
временной интервал симметричным пусть этот интервал расширяется
Запишем коэффициенты разложения комплексного ряда Фурье для расширяющегося временного интервала
Подставим выражение в:.
Устремим обозначимполучим в пределе
Сформируем интегралы
Функцию называютинтегралом Фурье, илипреобразованиемФурьедляпрямое и обратное преоб-е Фурье. Сигнал представляется как во временной области при традиционном анализе, так и в частотной области в виде непрерывных коэффициентов разложений Фурье
ФC:Преоб-е Фурье-предельная функция коэффициентов комплексного ряда Фурье.
Функция в общем случае является комплексной функцией частоты и допускает следующие представления:
где и– действительные и мнимые части;– модуль и фаза преобразования Фурье.
Св-ва:
1. Линейность.Пусть функцияпредставляет собой взвешенную сумму функцийдля которых заданы их преобразования Фурьепреоб-е Фурьедлявычисляется как взвешенная сумма преобразований Фурье:
2. СдвигПусть– масштабирующий множитель, преобразующий функциюви -?
Пусть: сделаем подстановку ви выразимчерез:
3. СдвигПусть задано преобразование Фурье для функцииВведём запаздывание(сдвиг по времени) для функциисформируем
преобразование Фурье для функции умноженной насдвигается по частоте
4. Прео-е Фурье от комплексной синусоиды требует предварительного определения-функции.
{ Импульсной-функциейназывается такая функция, которая удовлетворяет следующим двум условиям:
1) дляидля
2) для любого
Импульсная -функция может рассматриваться как предел обычной функцииприНапример,
для идля
Для -функции устанавливается важное равенство:
если непрерывна в точкеи}
С учётом сделанного определения можно записать преобразование Фурье для
ФС: если синусоида определена на интервале, ее энергия бесконечна. След-во в ПФ везде нули.
6. ПФ для симметричного единичного импульса:
,
Едичный импульс симметричен преобразование Фурьеявляется действительной функцией.
7. ПФ для произведения функций– ПФ
Изменив порядок интегрирования, с учётом выражения интеграла Фурье для комплексной синусоиды получим
Cy(w)=Преобразование Фурье от произведения функций равняется свёртке преобразований Фурье сомножителей.
5.Дискретизация непрерывных сигналов. Теорема Котельникова. Кажущиеся частоты и протимаскировочная фильтрация.
Положим, что задан исходный непрерывный сигналкоторый является в общем случае комплексным и определённым в бесконечных временных пределах. Для данного сигнала производится дискретизация во времени, гдеT– интервал дискретизации;– дискретные значения непрерывного сигнала;– частота дискретизации, Гц;– круговая частота дискретизации. При фиксированном временном интервалеT, дискретизация осуществляется равномерно для моментов времени{Дискретизация может производиться неравномерно для произвольных моментов времении её результатом служит соответствующая последовательность дискретных значений непрерывного сигналаЗдесь} будем рассматривать только равномерную дискретизацию во времени; пренебрежём погрешностями, возникающими из-за дискретизации по уровню.
Задача восстановления непрерывного сигнала по его дискретным значениямзадача интерполяции. Восстановление сигнала здесь состоит в том, что по бесконечной последовательности дискретных значений сигналанеобходимо найти значения непрерывного сигнала для промежуточных моментов времени
Исходный сигнал принадлежит к некоторому заданному классу функций; допустим, что можно подобрать, у базисные функцииВ качестве восстановленного сигналадляпримем предел
Задача восстановления может считаться успешно решённой, если будет выполнено равенство
(3.4.1)
{Возможность восстановления сигнала по его дискретизованным значениям зависит от частотных свойств сигнала и выбранной частоты дискретизации. Высокая частота дискретизации, очевидно, позволит осуществить восстановление сигнала; для низкой частоты дискретизации восстановление в ряде случаев проблематично. }
Появление «кажущихся» частот Неправильно выбранная частота дискретизации, которая не согласована с частотными свойствами сигналов, приводит к появлению так называемых «кажущихся» частотных составляющих.Разберём пример, в котором дискретизации подвергается непрерывный синусоидальный сигнал видас периодомНа рис. исходный сигнализображен сплошной линией. Подвергнем исходный непрерывный сигналдискретизации с частотой– четыре точки дискретизации на один периодинтервал дискретизацииДискретизованные значения исходного сигнала отмечены чёрными жирными точками.Уменьшим частоту дискретизации, примем её равнойпериод дискретизацииэти точки дискретизации отмечены кругами на пунктирной линии. В первом случае частота дискретизации больше двойной частоты сигнала, дискретизованный сигнал воспринимается как сигнал с периодоми его «кажущаяся» частота совпадает с частотой исходного сигнала. Во втором случае частота дискретизации меньше двойной частоты сигнала, дискретизованный сигнал воспринимается как сигнал с периодоми его кажущаяся частота меньше частоты исходного сигналаВследствие неудачного выбора частоты дискретизации имеет место очень сильное искажение информации, «кажущаяся» частота сигнала меньше частоты исходного сигнала, что и видно из рис. 3.4.1.
Рассмотрим более детально существо проблемы возникновения «кажущихся» частотных составляющих для дискретной синусоидальной функции Введём частоту Найквиста, равную половине частоты дискретизации,Всегда можно представитьгде– целое,Учитывая равенствозапишем:
1) частота Найквиста больше частоты сигнала – тогдаи справедливо: ветствует значению -чай -частота Следует, что и– «кажущаяся» частота совпадает с частотой исходного сигнала. 2) частота Найквиста меньше частоты сигнала – в частном случае положимpчетным,при этомиОказывается, что во втором примере «кажущаяся» частота меньше частоты исходного сигнала. Данные примеры позволяют сделать заключение, что для совпадения частоты сигнала и «кажущейся» частоты, частота Найквиста должна быть больше частоты дискретизуемого сигнала.
Теорема Котельникова
Установим возможность точного восстановления непрерывных сигналов по их дискретным значениям. В рамках теоремы Котельникова рассматриваются сигналы, принадлежащие к классу сигналов с финитным преобразованием Фурье. Сигналимеет финитное преобразование Фурье, обозначаемое какесли: 1)для всех частот2)тождественно не равно нулю для частотгде– верхнее значение частоты сигнала – полоса сигнала. Теорема Котельникова утверждает, что для сигналов с финитным преобразованием Фурье возможно точное восстановление сигнала по дискретным наблюдениям, если круговая частота дискретизацииудовлетворяет строгому неравенствугде– полоса сигнала, Гц,
Представим исходный сигнал на основе обратного преобразования Фурье, если– финитное преобразование Фурье:
Возьмём разложим функциюв комплексный ряд Фурье на данном интервале
(3.4.2)
Учитывая введённое соотношение между величинами изапишем
(3.4.3)
Справедливо равенство, вытекающее из (3.4.2), (3.4.3), связывающее дискретные значения сигнала и коэффициенты фурье-разложения
Подставим коэффициенты фурье-разложения в выражение дляиз (3.4.2):
(3.4.4)
Подставим выражение (3.4.4) в ( 3.4.3)
Переменим порядок интегрирования и суммирования
Сделаем замену при этом частота дискретизации окажется равнойи переобозначим индексы суммирования
Сигналможет быть представлен в виде разложения по базисным функциямс весовыми коэффициентами:
Таким образом, в соответствии с теоремой Котельникова сигнал с финитным преобразованием Фурье с полосой при выборе частоты дискретизациидопускает точное восстановление – выполнение равенства (3.4.1).
Противомаскировочные фильтры Устранение эффекта маскировки (наложения) может быть реализовано двумя способами.
устранение может быть осуществлено с помощью назначения высокой частоты дискретизации, которую необходимо выбрать таким образом, чтобы её величина была бы более чем в два раза больше, чем значение полосы сигнала.
если по некоторым техническим причинам нельзя назначить высокую частоту дискретизации, то исходный непрерывный сигнал, прежде чем подвергнуть дискретизации, следует пропустить через аналоговый низкочастотный фильтр с частотой среза и с АЧХ, изображенной на рис. 1.3.6. В отфильтрованном сигнале не должны содержаться составляющие с частотой выше, чем указанная частота срезаНизкочастотный фильтр должен отсечь неинформативные (помеховые) высокочастотные составляющие сигнала. Для частоты дискретизации подобным образом отфильтрованного сигнала необходимо выполнение неравенства
Указанная фильтрация называется противомаскировочной, а используемые аналоговые фильтры –противомаскировочными.
Рис. 1.3.6. АЧХ противомаскировочного фильтра