- •Н.Н. Куцый теория информации
- •1. О понятии "информация"
- •2. Этапы обращения информации
- •3. Информационные системы
- •4. Система передачи информации: основные понятия и определения
- •5. Уровни проблем передачи информации
- •6. Теория информации
- •7. Понятия сигнала и его модели
- •8. Формы представления детерминированных сигналов
- •9. Ортогональные представления сигналов
- •10. Временная форма представления сигнала
- •11. Частотная форма представления сигнала. Спектры периодических сигналов
- •12. Распределение энергии в спектре периодического сигнала
- •13. Частотная форма представления сигнала. Спектры непериодических сигналов
- •14. Распределение энергии в спектре непериодического сигнала
- •15.Соотношения между длительностью импульсов и шириной их спектра
- •16.Спектральная плотность мощности детерминированного сигнала
- •17.Функция автокорреляции детерминированного сигнала
- •18.Случайный процесс как модель сигнала
- •19.Стационарные и эргодические процессы
- •20.Спектральное представление случайных сигналов
- •21.Частотное представление стационарных случайных процессов (дискретный спектр)
- •22.Частотное представление стационарных случайных сигналов. Непрерывные спектры
- •23.Основные свойства спектральной плотности
- •24.Преимущества цифровой формы представления сигналов
- •25.Общая постановка задачи дискретизации
- •26.Способы восстановления непрерывного сигнала
- •27.Критерии качества восстановления
- •28.Методы дискретизации посредством выборок
- •29.Равномерная дискретизация. Теорема котельникова
- •30.Теоретические и практические аспекты использования теоремы котельникова
- •31.Дискретизация по критерию наибольшего отклонения
- •32.Адаптивная дискретизация
- •33.Квантование сигнала
- •34.Квантование сигналов при наличии помех
- •35.Геометрическая форма представления сигналов
- •36.Энтропия как мера неопределенности выбора
- •37.Свойства энтропии
- •38.Условная энтропия и её свойства
- •39.Энтропия непрерывного источника информации (дифференциальная энтропия)
- •40.Свойства дифференциальной энтропии
- •41.Количество информации как мера снятой неопределенности
- •42.Эпсилон-энтропия случайной величины
- •43.Информационные характеристики источника сообщений и канала связи. Основные понятия и определения
- •44.Информационные характеристики источника дискретных сообщений
- •45.Информационные характеристики дискретных каналов связи
- •46.Информационные характеристики источника непрерывных сообщений
- •47.Информационные характеристики непрерывных каналов связи
31.Дискретизация по критерию наибольшего отклонения
В процессе дискретизации непрерывная функция , которая имеет ограниченных производных, аппроксимируется многочленом й степени. В зависимости от выбранного способа восстановления он может быть аппроксимирующим или экстраполирующим. Задача обеспечения минимальной погрешности при восстановлении сигнала на практике не ставится. Обычно указывается её допустимое значение .
Погрешность восстановления функции многочленом на каждом участке аппроксимации определяется остаточным членом
.
Следовательно, шаг дискретизации должен быть выбран из условия .
Выбор аппроксимирующего многочлена более высокой степени при малой допустимой погрешности обеспечивает меньшее число отсчётов, однако при этом существенно возрастает сложность технической реализации метода. Поэтому обычно ограничиваются многочленами нулевой, первой и второй степеней.
В качестве интерполирующего многочлена чаще других используются многочлены Лагранжа, в качестве экстраполирующих – многочлены Тейлора.
Дискретизация с использованием интерполирующих многочленов Лагранжа. Интерполирующий многочлен Лагранжа при равномерной дискретизации может быть записан в виде
,
где , , .
Значение остаточного члена
,
где максимальный во всём интервале преобразования модуль производной сигнала .
Дискретизация с использованием экстраполирующих многочленов Тейлора. Экстраполирующий многочлен Тейлора определяется выражением
,
где я производная сигнала в момент времени .
Оценка снизу для остаточного члена имеет вид
, .
32.Адаптивная дискретизация
Если ранее рассмотренные методы и алгоритмы дискретизации были рассчитаны на все множества возможных реализаций сигнала и потому опирались на предельные значений его динамических характеристик, то при адаптивной дискретизации мы ориентируемся на динамические характеристики конкретной реализации, что позволяет получить минимальное число выборок, обеспечивающих восстановление этой реализации с заданной точностью.
В основе принципа адаптивной дискретизации лежит непосредственное слежение за текущей погрешностью восстановления сигнала .
Наиболее широкое применение на практике получили алгоритмы дискретизации с адаптацией по длине интервала аппроксимации. В процессе последовательного наращивания интервала аппроксимации производится сравнение сигнала с воспроизводящей функцией , формируемой с учётом текущих значений динамических характеристик сигнала. Когда погрешность воспроизведения достигает заданного значения , наращивание интервала прекращается и производится отсчёт. Интервалы времени между отсчётами при этом оказываются произвольными.
В качестве воспроизводящих функций наиболее часто используются степенные алгебраические полиномы нулевой и первой степеней
или
,
где действительные коэффициенты.
При этом возможны как интерполяционные, так и экстраполяционные способы адаптивной дискретизации. Интерполяционные способы не нашли широкого применения, поскольку их реализация связана с запоминанием сигнала на интервале аппроксимации м выполнением большого числа вычислительных операций.