- •Практикум
- •Кафедра "Методи та прилади контролю якості і сертифікації продукції"
- •Практикум
- •Практичне заняття №1 розрахунок ймовірнісних характеристик інформаційних сигналів
- •1.1 Основні теоретичні відомості
- •1.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •Задача 1.4 Щільність ймовірності кривої, яка огинає вузькосмуговий процес Гауса, описується таким виразом:
- •1.3 Завдання для самостійної роботи
- •Задача 1.9 Функція розподілу стаціонарної випадкової напруги u(t) має вигляд:
- •1.4 Запитання для самоконтролю
- •Практичне заняття №2 розрахунок кореляційних функцій аналогових інформаційних сигналів
- •2.1 Основні теоретичні відомості
- •2.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •Задача 2.8 При заданій графічно спектральній щільності середньої потужності (рис.2.9) визначити кореляційну функцію стаціонарного випадкового процесу.
- •2.3 Завдання для самостійної роботи
- •Задача 2.13 Визначити кореляційну функцію і дисперсію стаціонарного випадкового процесу, який володіє спектральною щільністю середньої потужності
- •2.4 Запитання для самоконтролю
- •Розрахунок коефіцієнтів ряду фур’є при апроксимації періодичних сигналів
- •3.1 Основні теоретичні відомості
- •3.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •3.3 Завдання для самостійної роботи
- •3.4 Запитання для самоконтролю
- •Практичне заняття №4 розрахунок спектральних характеристик аналогових інформаційних сигналів
- •4.1 Основні теоретичні відомості
- •4.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •Кореляційна функція записується виразом:
- •4.3 Завдання для самостійної роботи
- •4.4 Запитання для самоконтролю
- •5.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •5.3 Завдання для самостійної роботи
- •5.4 Запитання для самоконтролю
- •6.2 Методичні рекомендації для розв’язуванню задач (на прикладах).
- •6.3 Завдання для самостійної роботи
- •6.4 Запитання для самоконтролю
- •Практичне заняття №7 цифрове обчислення кореляційних функцій дискретизованих періодичних і випадкових сигналів
- •7.1 Основні теоретичні відомості
- •7.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •7.3 Завдання для самостійної роботи
- •7.4 Запитання для самоконтролю
- •8.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •8.3 Завдання для самостійної роботи
- •8.4 Запитання для самоконтролю
5.4 Запитання для самоконтролю
Охарактеризуйте алгоритм визначення спектральних характеристик і форми сигналу на виході лінійної ланки.
Що спільного і відмінного є у алгоритмі визначення спектральних характеристик і форми сигналу на виході лінійної ланки при обробці нею детермінованих і випадкових сигналів?
Яка фізична суть і призначення рівності Парсеваля?
Який зв’язок між сигналом і його спектральною щільністю?
Який зв’язок між автокореляційною функцією сигналу і його спектральною щільністю?
Виконайте порівняльний аналіз ідеальної і реальної інтегральної ланки.
Виконайте порівняльний аналіз ідеальної і реальної диференційної ланки.
Виконайте порівняльний аналіз інтегральної ланки і фільтра низької частоти.
ПРАКТИЧНЕ ЗАНЯТТЯ №6
ОБЧИСЛЕННЯ СПЕКТРАЛЬНОЇ ЩІЛЬНОСТІ І
ДИСКРЕТНОЇ ТРАНСФОРМАЦІЇ ФУР’Є
ДИСКРЕТИЗОВАНИХ СИГНАЛІВ
Мета і завдання заняття: Засвоїти суть, означення і алгоритми обчислення спектральної щільності і дискретної трансформації Фур’є дискретизованих інформаційних сигналів. Набути практичних навиків розрахунку аналітичними методами дискретної трансформації Фур’є дискретизованих періодичних сигналів.
Тривалість заняття— 2 год.
6.1 Основні теоретичні відомості
Припустимо, що процес х(t) заданий на інтервалі [0, T] своїми значеннями в точках t0=0, t1=∆t,…,tN=N∆t, ∆t =T/N.
Переведення аналогового процесу в дискретну форму для чисельного аналізу звичайно здійснюється через однакові проміжки часу ∆t. Задача полягає в тому, щоб правильно вибрати величину інтервалу дискретизації ∆t (рис. 6.1).
Рисунок 6.1— Реалізація процесу
Припустимо, що процес x(t) неперервно повторюється з періодом Т. Позначимо основний приріст частоти, який називається також коінтервалом Найквіста, через ∆f=1/Т. Розкладемо х(t) у ряд Фур'є для k-го значення частоти fk = k∆f. Для довільного часу t дістанемо
, (6.1)
де
. (6.2)
Фінітне перетворення Фур'є процесу x(t) для k-го значення частоти має вигляд:
. (6.3)
Порівнюючи (6.2) та (6.3), приходимо до висновку, що фінітне перетворення Фур'є для k-го значення частоти становить
. (6.4)
Припустимо тепер, що перетворення Фур'є X(f) процесу х(t) задано в інтервалі частот від - F до + F. Тоді обернене перетворення Фур'є має вигляд:
. (6.5)
Інтервал фізично здійснених частот становить [0, F]. Тому, змінюючи у виразі (6.5) границі інтегрування на 0 та F, сам вираз помножимо на 2. Щоб дістати періодичну функцію з періодом ∆t=1/2F, припустимо, що функція X(f) неперервно повторюється. Основний приріст часу, який називається також інтервалом Найквіста, становить ∆t=1/2F. Тепер розкладемо X(f) у ряд Фур'є для n-го значення моменту часу. Для довільної частоти f, з одного боку, маємо
, (6.6)
де
. (6.7)
З іншого боку, згідно з формулами (6.5) та (6.7) для n-го моменту часу tn = n∆t = n/2F значення процесу x(t) має вигляд:
. (6.8)
Аналізуючи формулу (6.8), бачимо, що якщо знімати дискретні значення х(tn) у точках, які розділені на шкалі часу (в проміжку від 0 до T) інтервалом Найквіста ∆t = 1/2F, то знайдемо кількість дискретних значень, потрібних для опису процесу х (t):
. (6.9)
Такий самий результат дістанемо, якщо зніматимемо дискретні значення X(fk) функції X(f) у точках, які розділені на шкалі частот (у проміжку від - F до + F) коінтервалом Найквіста ∆f = 1/T . Дійсно, аналізуючи формулу (6.4) та враховуючи сказане, можна знайти, що для опису функції x(t) потрібна кількість дискретних значень X(fk) визначається за формулою
. (6.10)
Отже, має бути однакова кількість дискретних значень процесу при вибиранні їх через інтервал Найквіста за шкалою часу та через коінтервал Найквіста за шкалою частот. Згідно з (6.9) і (6.10) мінімальна кількість відліків, яка потрібна для опису реалізації процесу х(t) довжиною Т при ширині спектра F, визначатиметься виразом N=2FT. Тому при сталій відстані в часі максимальний інтервал дискретизації такий: ∆t = 1/2F. Щоб дискретна реалізація містила ті самі частоти, що й початковий неперервний процес, потрібно, щоб на кожний цикл відповідного коливання припадало щонайменше два відліки. Тому максимальна частота, яка може бути виділена при дискретизації зі швидкістю 1/∆t відліків за секунду, дорівнює 1/2∆t. Гранична частота
(6.11)
називається частотою Найквіста або частотою згортання.
Наведемо також формули для обчислення дискретних значень X(fk) і x(tn) процесу х(t). Для цього розглянемо фінітне перетворення Фур'є його на інтервалі [0, Т]:
. (6.12)
Як і раніше, вважатимемо, що x(t) задається на інтервалі [0,Т] своїми значеннями у точках t0=0, t1=∆t,…,tN=N∆t, ∆t =T/N.
Позначимо tn = n∆t, x (tn) = х[п]. Тоді, застосовуючи для наближеного обчислення X(ω) формулу прямокутників, дістаємо
. (6.13)
Позначимо також ω = k∆ω = k 2π∆f, ∆f/= 1/ Т. Тоді
(6.14)
Виконавши заміну WN = ехр (-j 2∆t/N), знайдемо
. (6.15)
Надалі множник ∆t для спрощення обчислень опускатимемо. Співвідношення (6.15) визначає дискретне перетворення Фур'є (ДПФ) функції x(t); X[k], називаються коефіцієнтами ДПФ. Формулу (6.15) можна записати в матричному вигляді:
(6.16)
або в згорнутому вигляді
, (6.17)
де WN—матриця перетворення.
Обернене дискретне перетворення Фур'є (ОДПФ) має вигляд
(6.18)