- •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.
6.Стационарные и эргодические сигналы. Оценка моментных характеристик для стационарных эргодических сигналов.
Стационарность случайных cигналов подразумевает неизменность их статистических характеристик во времени. Случайный сигнал называется стационарным в узком смысле, если его n-мерные функции закона распределения вероятностей для группы переменных сдвинутых на время, совпадают и, таким образом, не зависят от времени сдвига
Случайный сигнал является стационарным в широком смысле, если его математическое ожидание и дисперсия не зависят от времени – а его корреляционная (ковариационная) функция зависит от разности аргументов –
Стационарный сигнал является эргодическим, если нахождение его статистических характеристик может быть осуществлено усреднением по одной реализации с помощью интегрирования на конечном временном интервале длительностьюс последующим предельным переходом:
При дискретизации единственной реализации случайного стационарного эргодического сигнала N – число наблюдений сигнала, возможна запись оценок математического ожидания и дисперсии в следующем виде:
Оценка корреляционной функции представится как функция дискретного аргумента m, :
? для больших mбудет малое число соединений след-но большие погрешности.Ryy0(m) неравномерна по точности, когдаmмаленькое суммируется много членов, а когда большоеN-m-1 будет маленькое и точность будет меньше, чем при маленькомm
7.Дискретное преобразование Фурье для действительного и комплексного случаев.
Действительный случай. -наблюдения действительного дискретизованного сигнала, N – число наблюдений, T – интервал дискретизации. В самом общем случае для ДПФ не выдвигается никаких специальных требований к наблюдениям сигнала.
Полигармоническую модель с фиксированными частотами для ДПФ в действительном случае
(4.1.4)
Вектор параметров модели и размерность
функционал : (4.1.5)
Оценки параметров для модели (4.1.4) находятся из решения задачи минимизации функционала
Для модели введём векторную базисную функцию размерности:
векторная базисная функция не зависит от интервала дискретизации T:
Модель и функционал в скалярном виде: (4.1.7)
Введем на основе материалов разд. 2.4 векторно-матричные обозначения для вектора наблюдений Y размерности вектора параметровразмерностии матрицы плана сигналаX размерности :
, ,
где
Рассмотрим скалярные произведения синусоидальных базисных функций Благодаря предложенному расположению частот в модели введённые базисные функции являются ортогональными
произведения базисных функций для разных индексов
для
Вследствие ортогональности введённых синусоидальных базисных функций матрица размерностиявляется диагональной:
, .
Вектор коэффициентов Фурье размерностипредставляет собой набор скалярных произведений вида
,,…,
Оптимальные параметры модели для ДПФ выразятся через коэффициенты Фурье
(4.1.8)
Основываясь на (4.1.8), запишем формулы, определяющие оптимальные параметры для модели (4.1.4) и являющиеся коэффициентами ДПФ для случая действительных наблюдений и действительной модели:
(4.1.9)
{В формулах (4.1.9) опущен знак оптимальности В соответствии с (4.1.9) ДПФ осуществляет линейное преобразование вектора наблюдений сигналаразмерностив вектор параметров моделиразмерности}
Комплексный случай. Пусть – комплексные наблюдения,Введём комплексную модель для наблюдений в точках
– комплексные параметры, W – корень N-й степени из единицы, – комплексные базисные функции,:
Функционал – мера близости комплексных наблюдений и модели, запишется с помощью суммы комплексно-сопряженных сомножителей
.(4.1.10)
Введём комплексные векторно-матричные переменные – вектор комплексных наблюдений Y размерности (N, 1), вектор комплексных параметров модели размерности (N, 1) и комплексную матрицу плана сигнала X размерности (N, N):
, ,.
оптимальные оценки параметров
Матрица и вектор коэффициентов Фурьевыразятся с использованием комплексных сопряжений. Коэффициенты ДПФ находятся из системы
Базисные комплексные синусоидальные функции ортогональны, и поэтому матрицаD диагональна. Вычислим коэффициенты этой матрицы, сформировав тригонометрические суммы, являющиеся скалярными произведениями для столбцов комплексной матрицы плана сигнала:
Для индексов имеемдляследует, чтоТогда нетрудно видеть, что
, ,
Коэффициенты ДПФ для случая комплексных наблюдений и комплексной модели запишутся следующим образом:
,(4.1.11)
где так же, как и в (4.1.9), опущен знак оптимальности.
Вычислим остаточную сумму для оптимальных коэффициентов комплексного ДПФ. Подставим под знак суммы (4.1.10) полученные выражения для коэффициентов :
Рассмотрим отдельно выражение в скобках под знаком суммы, переставим порядки суммирования, учитывая, что
для для
Остаточная сумма для функционала (4.1.10) на оптимальных коэффициентах ДПФ равняется нулю – предлагаемая тригонометрическая модель с нулевой погрешностью аппроксимирует наблюдения. Благодаря этому обстоятельству можно записать формулы прямого и обратного дискретного преобразования Фурье, физический смысл которых очевиден
Приведём показательную форму для комплексного ДПФ. Определим амплитуды и фазысоставляющих ДПФ в зависимости от дискретного номераk:
{Результаты вычисления составляющих ДПФ можно графически изображать в виде амплитудного и фазового спектров. Для удобств изображений амплитудных спектров применяется логарифмический масштаб:
Вполне правомерно введение зависимости от частоты для составляющих спектра ДПФ. Шаг дискретности по частоте для составляющих определяется интервалом наблюдения NT, Составляющие спектра – амплитуды и фазы модельных комплексных синусоид – располагаются равномерно по оси частот,, где так же, как и разд. 4.1.2,}