- •Введение.
- •Элементы теории сигналов и систем.
- •Классификация сигналов.
- •Преобразование Фурье непрерывных сигналов.
- •Разложение периодических сигналов в ряд Фурье.
- •Интегральное преобразование Фурье.
- •Свойства интегрального преобразователя Фурье.
- •Непрерывные системы.
- •Импульсная и частотная характеристики системы.
- •Понятие непрерывности систем.
- •Преобразование Лапласа
- •Аналоговые фильтры
- •Энергия и мощность сигнала
- •Понятие “строго стационарного процесса”.
- •Фильтр Кауэра
- •Фильтр Бесселя
- •Характеристики случайных сигналов
- •Корреляционная функция случайного процесса
- •Дискретные сигналы и системы
- •Преобразование спектра при дискретизации системы.
- •Дискретно непрерывное и дискретное преобразование Фурье.
- •Быстрое преобразование Фурье(самостоятельно)
- •Дискретно-косинусное преобразование.
- •Дискретные преобразования Лапласа и z-преобразования.
- •Основные свойства z-преобразований.
- •Линейные дискретные системы и цифровые фильтры
- •Линейно дискретный фильтр (лдф)
- •Цифровой спектральный анализ
Понятие “строго стационарного процесса”.
Случайный процесс, строго стационарен, если его многомерная плотность вероятности P(X1,X2,…,Xn,t1,t2,…,tn) не изменяется при одновременном сдвиге всех временных сечений.
P(X1,X2,…Xn,t1+τ,t2+τ,…,tn+τ)
Белым шумом называется стационарный случайный процесс, спектральная плотность и мощность которого постоянна на всех частотах.
W(ω)=W0=const.
Согласно теореме Винера-Хитчера корреляционная функция белого шума представляет, следующие:
R(τ)= * dω= W0 *σ(τ)
То, есть функция равна 0 всюду кроме точки τ= 0
Дисперсия белого шума – бесконечно велика.
Несовпадающие моменты времени значение белого шума некоррелированное, как бы не был мал интервал τ, причем сигнал за это время может измениться на любую величину.
Белый шум - это абстрактная математическая модель и физически существовать не может, что объясняется бесконечностью его дисперсии.
Фильтры низких частот.
Фильтры низкой частоты Баттерворта.
АЧХ фильтра:
K(ω) = ,
где
ω0 – частота среза(для фильтра прототипа она равна 1рад/с)
n – порядок фильтра
Передаточная функция:
Фильтры Чебышева.
АЧХ фильтра:
K(ω) = ,
где
ω0 – частота среза
Tn(x) – полином Чебышева n-го порядка
n – порядок фильтра
ε – параметр, определяющий величину пульсаций АЧХ в полосе пропускания
Передаточная функция:
где — только те полюса, которые имеют отрицательную действительную часть.
Инверсный фильтр Чебышева
АЧХ фильтра:
K(ω) = ,
где
ω0 – частота среза
Tn(x) – полином Чебышева n-го порядка
n – порядок фильтра
ε – параметр, определяющий величину пульсаций АЧХ в полосе пропускания
Передаточная функция:
Передаточная функция задаётся при помощи полюсов в левой полуплоскости комплексной плоскости, её нули совпадают с нулями модуля амплитудной характеристики, с тем лишь отличием, что их порядок равен 1.
Фильтр Кауэра
АЧХ фильтра:
K(ω) = ,
где
ω0 – частота среза
Rn(…) – рациональная функция Чебышева n-го порядка
n – порядок фильтра
ε и L – параметр, определяющий величину пульсаций АЧХ в полосах пропускания и задерживания.
Фильтр Бесселя
Передаточная функция:
H(s) =
Характеристики случайных сигналов
Случайные сигнал отображаются случайными функциями, значение случайной функции, при каждом значении аргумента – это случайная величина.
Случайную функцию времени называют случайным процессом.
Смещение случайного процесса X(t) в момент t=t1 – это случайная величина X характеризуемая, одномерной функцией вероятности p(x).
p(x)dx, [x, x+ dx] – это вероятность случайной величины находящейся на интервале [x, x+dx].
Математическое ожидание случайной величины будет определять:
mx = M{x} = ;
Дисперсией случайной величины X называется средне-квадратическое отклонение этой величины от математического ожидания:
σx = ; где Dx = M{(x- mx)2};
Корреляционная функция случайного процесса
Случайный процесс X(t) называется стационарным, если его статические характеристики не зависят от начала отчета времени.
mx(t) = Mx;
Dx(t) = Dx;
Kx(t1,t2) = Kx(τ), где τ = t2-t1;