- •Цифровая Digital Обработка Signal Сигналов Processing (ЦОС) (DSP)
- •Литература
- •Использование ЦОС в сфере
- •Основные области применения ЦОС
- •Примеры устройств ЦОС
- •Пример аналогового и цифрового устройств
- •Сравнительная характеристика цифровой и аналоговой обработки
- ••Текущая частота спектра отнесённая к частоте
- •График температуры атмосферы за год
- •Синхронная фильтрация
- •Линейные системы с постоянными параметрами (ЛПП)
- •Свойства ЛПП
- •Суперпозиция
- •Импульсная характеристика
- •Фундаментальная концепция ЦОС
- •Свертка
- •Физическая реализуемость ЛПП
- •Разностные уравнения
- •Частотная характеристика ЛПП
- •Преобразование Фурье для дискретных сигналов
- •Свойства ПФ для дискретных сигналов
- •Соотношение между ПФ дискретных и непрерывных сигналов
- •Эффект наложения спектров (aliasing)
- •Z-преобразование
- •Z-плоскость
- •Примеры Z-преобразования
- •Пример
- •Основные свойства Z-преобразования
- •Обратное Z-преобразование
- •Одностороннее Z-преобразование
- •Решение РУ с помощью Z-преобразования
- •Пример вычисления обратного Z-преобразования
- •Дискретное преобразование Фурье
- •Связь Z-преобразования и ДПФ
- •Связь ДПФ и ПФ
- •Связь ПФ и ДПФ (пример)
- •Дополнение нулями
- •Основные свойства ДПФ
- •Основные свойства ДПФ
- •Примеры ДПФ
- •Примеры ДПФ
- •Свертка последовательностей
- •Циклическая свертка
- •Быстрая свертка на основе БПФ
- •Линейная свертка
- •Секционированные свертки
- •Секционированные свертки
- •Раздел 2. Цифровые фильтры
- •Структурные схемы цифровых фильтров
- •Структурные схемы рекурсивных фильтров
- •Структурные схемы рекурсивных фильтров
- •Структурные схемы рекурсивных фильтров
- •Структурные схемы нерекурсивных фильтров
- •Инверсная форма ЦФ
- •КИХ фильтр на основе интерполяционной формулы Лагранжа
- •Фильтр с частотной выборкой
- •Лестничные (решетчатые) фильтры
- •Нерекурсивный решетчатый фильтр
- •Рекурсивный решетчатый фильтр
- •Лестнично-решетчатый фильтр
- •Фильтры скользящего среднего
- •Фильтры скользящего среднего
- •Фильтры скользящего среднего
- •Фильтры скользящего среднего
- •Фильтры скользящего среднего
- •Общая характеристика КИХ-фильтров
- •КИХ-фильтры с линейной фазой
- •КИХ-фильтры с линейной фазой
- •КИХ-фильтры с линейной фазой
- •КИХ-фильтры с линейной фазой
- •КИХ-фильтры с линейной фазой
- •Импульсные и частотные характеристики КИХ-фильтров c ЛФХ
- •Импульсные и частотные характеристики КИХ-фильтров c ЛФХ
- •Импульсные и частотные характеристики КИХ-фильтров c ЛФХ
- •Импульсные и частотные характеристики КИХ-фильтров c ЛФХ
- •Проектирование КИХ-фильтров методом взвешивания
- •Явление Гиббса
- •Проектирование КИХ-фильтров методом взвешивания
- •Проектирование КИХ-фильтров методом взвешивания
- •Основные виды оконных функций
- •Основные виды оконных функций
- •Основные виды оконных функция
- •Весовые функции окон и их ЧХ
- •Основные характеристики некоторых окон
- •Проектирование методом частотной выборки
- •Проектирование методом частотной выборки
- •Проектирование оптимальных КИХ-фильтров
- •Постановка задачи проектирования
- •Графическая интерпретация задачи проектирования
- •Теорема Чебышева
- •Решение задачи оптимизации
- •Процедура проектирования оптимальных фильтров
- •Свойства оптимальных ФНЧ
- •Сравнение КИХ ФНЧ, спроектированных разными методами
- •БИХ-фильтры с линейной ФЧХ
- •БИХ-фильтры с линейной ФЧХ
- •Всепропускающие фильтры
- •Классификация методов расчета БИХ-фильтров
- •Расчет ЦФ по фильтрам непрерывного времени
- •Метод билинейного преобразования
- •Метод билинейного преобразования
- •Метод билинейного преобразования
- •Частотные преобразования
- •Частотные преобразования
- •Сравнение КИХ и БИХ-фильтров
- •Сравнение КИХ и БИХ-фильтров
- •Фильтры изменяющие частоту дискретизации
- •Фильтры изменяющие частоту дискретизации
- •Фильтры изменяющие частоту дискретизации
- •Фильтры изменяющие частоту дискретизации
- •Фильтры изменяющие частоту дискретизации
- •Спектральный анализ
- •Алгоритмы БПФ
- •Алгоритм БПФ с прореживанием по времени
- •Алгоритм БПФ с прореживанием по времени
- •Пример алгоритма БПФ размерности 8 по основанию 2 с прореживанием по времени
- •Пример алгоритма БПФ размерности 8 по основанию 2 с
- •Свойства алгоритма БПФ по основанию 2
- •Сравнение вычислительных затрат
- •Перестановка данных и двоичная инверсия
- •Алгоритм БПФ с прореживанием по частоте
- •Алгоритм БПФ с прореживанием по частоте
- •Пример построения алгоритма БПФ размерности 8 с прореживанием по частоте
- •Алгоритмы БПФ по основанию 2
- •Различия алгоритмов БПФ с прореживанием по времени и по частоте
- •Вычисление обратного ДПФ по алгоритму прямого
- •Алгоритмы БПФ по основанию 4
- •Алгоритм БПФ по основанию 4 размерности 16
- •Принцип построения алгоритма БПФ с
- •Сравнение БПФ и гребенки фильтров.
- •Использование «окон» при спектральном анализе
- •Использование «окон» при спектральном анализе
- •Использование «окон» при спектральном анализе
- •Классические методы спектрального оценивания
- •Классические методы спектрального оценивания
- •Периодограммный метод оценки СПМ
- •Коррелограммный метод оценки СПМ
- •Параметрические методы спектрального оценивания
- •Параметрические методы спектрального оценивания
- •Параметрические методы спектрального оценивания
- •Параметрические методы спектрального оценивания
- •Параметрические методы спектрального оценивания
- •Параметрические методы спектрального оценивания
- •Параметрические методы спектрального оценивания
Параметрические методы спектрального оценивания
Основные недостатки классических методов:
•низкое разрешение, ограниченное длительностью сигнала;
•маскировка слабых сигналов боковыми лепестками «окон».
Возможность устранения этих недостатков – в использовании априорной информации об оцениваемом процессе.
Задача оценки СПМ сводится к оценке небольшого числа параметров модели.
|
Источник |
Линейная система |
+ |
Оцениваемый |
|
«белого» |
(фильтр) порядка |
процесс |
|
|
шума |
P |
|
|
Оцениваемые параметры: |
Источник |
|
||
• |
Коэффициенты фильтра; |
«белого» |
|
|
• |
Мощность шума. |
|
шума |
|
Теоретические основы цифровой обработки сигналов. Слайд 142
Параметрические методы спектрального оценивания
Модели авторегрессии (АР) и скользящего среднего (СС):
|
|
b0 |
|
n i |
|
+ |
+ |
|
|
|
|
|
Z-1 |
b1 |
|
|
|
|
|
|
Z-1 |
|
|
|
Z-1 |
bq |
|
|
|
q |
АР: A |
|
СС:B z bn z n |
||
|
|
n 0 |
|
P( |
) |
|
|
|
|
|
|
|
|
АР |
|
|
|
x i |
|
|
|
a1 |
Z-1 |
|
H e j |
||
|
Z-1 |
|
|
|
|
ap |
Z-1 |
|
Px e |
j |
|
|
|
|
|
||
|
q |
|
|
|
|
z 1 an z n |
|
|
|
||
|
n 1 |
|
|
|
|
P( ) |
|
|
|
|
|
|
|
СС |
|
||
|
|
|
|
|
|
B e j |
|
|
q |
|
|
|
bn e j n |
|||
A e j |
n 0 |
|
|||
|
|
p |
|
||
|
|
1 an e j n |
|||
|
|
|
|
n 1 |
2 |
|
|
|
q |
|
|
|
|
|
|
|
|
|
|
|
bn e j n |
||
|
|
n 0 |
2 |
||
|
|
|
|
p |
|
|
|
|
|
|
|
|
1 an e j n |
||||
|
|
|
n 1 |
|
|
|
P( ) |
|
|
|
|
|
|
|
|
АРСС |
|
Теоретические основы цифровой обработки сигналов. Слайд 143
Параметрические методы спектрального оценивания
|
|
|
|
|
p |
m n , |
m 0 |
|
||
|
|
|
|
an rx |
Связь |
|||||
|
|
|
|
|
n 1 |
|
|
|
|
|
r |
m |
|
|
|
p |
m |
|
, |
m 0 |
параметров |
|
a r |
АР – модели и |
||||||||
x |
|
|
n x |
|
|
|
||||
|
|
|
|
|
n 1 |
|
|
|
|
значений АКФ |
|
|
|
|
|
rx m , |
|
m 0 |
процесса |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Записываем эти уравнения для |
0 m pв матричной форме: |
|
x |
|
x |
|
|
|
x |
|
|
|
|
1 |
|
|
|||||
r |
|
0 |
|
r |
|
1 |
... |
r |
|
p |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
x |
|
|
x |
|
|
|
|
|
|
|
|
|
|||
x |
|
|
|
|
|
1 |
|
|
|
||||||||||
r |
|
1 |
|
r |
|
|
0 |
... |
r p 1 |
|
a |
|
0 |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
... |
|
|
... |
... |
|
|
... |
|
|
|
... |
|
|||||||
|
x |
|
x |
|
|
|
... |
|
|||||||||||
x |
|
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
||||
r |
|
p |
|
r |
p 1 |
... |
r |
0 |
|
|
|
a |
|
0 |
|
||||
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Нормальное
уравнение Юла-Уолкера для АР – процесса
Теоретические основы цифровой обработки сигналов. Слайд 144
Параметрические методы спектрального оценивания
Методика построения оценки СПМ для АР- процесса:
•Рассчитываются значения АКФ : rx 0 ,rx 1 ,...rx m; ,...rx p
•Решается уравнение Юла-Уолкера относительно параметров
АР- модели |
a 1 , a 2 |
и спектральной плотности |
; |
|
||||
|
, . . .a p |
|
|
|
|
|||
• Вычисляется оценка СПМ: |
|
|
|
|
|
|||
Px ej |
|
|
1 |
|
|
|
|
|
|
p |
|
2 |
|
|
|||
|
|
|
|
|
||||
|
|
|
1 an e j n |
|
|
|
|
|
|
|
|
|
n 1 |
|
|
|
|
Теоретические основы цифровой обработки сигналов. Слайд 145
Параметрические методы спектрального оценивания
Взаимосвязь классических и параметрических методов оценки СПМ.
r x ( m)
m
|
измеренные |
истинные значения |
|
значения |
|
|
|
|
r x |
( m) |
окно |
|
|
|
|
|
нулевая |
|
|
экстраполяция |
m
r x ( m)
|
P x ( k) |
|
истинная |
|
|
||
|
|
|
СПН |
|
|
|
|
|
|
|
|
P |
x |
( k) |
|
|
коррелограммная оценка |
P x ( k)
m |
АР оценка СПМ |
|
затухающая |
затухающая экстраполяция |
экстраполяция |
|
Теоретические основы цифровой обработки сигналов. Слайд 146
Параметрические методы спектрального оценивания
Преимущества параметрических методов:
•высокое разрешение, что соответствует «длинной» АКФ;
•отсутствие боковых лепестков весовой функции «окна».
Недостатки параметрических методов:
•неопределен выбор порядка модели;
•зависимость разрешения от отношения сигнал/шум
Формула Марпла |
f |
|
; 1.03 |
|
|
|
|
T p Q |
1 |
|
0.31 |
||
|
|
|
|
|
|
• возможная потеря устойчивости.
|
|
|
|
|
с/ш=30 дБ |
|
с/ш=20 дБ |
|
с/ш=10 дБ |
Теоретические основы цифровой обработки сигналов. Слайд 147
Параметрические методы спектрального оценивания
Сводная таблица |
Общие войства методов оценки |
||||||||||
|
УсловияНедопараметрическихнесингулярноститатки |
|
|
|
|||||||
|
|
Преимущества |
|
|
|
||||||
Метод |
Берга |
|
|
СПМ |
|
|
Модифиц.. |
|
|
Юла-- |
|
|
Ковариационн- |
|
. |
|
|||||||
Метод |
Берга |
|
|
Ковариаци- |
|
вариац.. |
|
Юла- |
|||
|
|
онный |
|
|
|
|
|||||
|
Метод |
|
Ковариаци- |
|
Модифици- |
Уолкера |
|||||
Метод |
|
|
|
|
|
ХарактеристикиЮла- |
|||||
Берга |
|
|
онный |
|
|
ковариац. |
|
Уолкера |
|||
|
РасположениНеиспользует |
|
онный |
|
|
рованный |
|
Уолкера |
|||
|
Не используетМожет |
|
Не используетМожет |
ИспользуетРаботает |
|||||||
|
Берга |
|
|
|
|
|
|
Общие свойства |
|||
|
Вы окое |
|
|
Разрешение |
|
ковариаци- |
Для длинных |
||||
|
|
|
|
Высокое |
|
||||||
|
пиковвзвешсивальноие |
взвешиваприводить |
к |
|
взвешиваниеприводитьк |
взвешиваниеотносительно |
|||||
|
ра реше ие для |
|
выше, чем |
|
разрешениеонный |
|
бл ков |
||||
|
зависитданыхот |
|
неустойчивымданных |
|
неустойчивымданн х |
плохданныхо для |
|||||
Ковариационный |
|
Юла-Уолкера |
|
Преимущества |
|||||||
|
короткой |
|
|
|
для ороткой |
функциейкороткиданных |
|||||
|
начальныхфункциейдлины«окфаза» функциеймоделям |
|
фунмоделямкцией |
|
|||||||
|
блока данных- |
|
Порядприоккордоткихлжен |
|
длиныПорядокблока |
разрешение- |
|||||
Модифицированный |
« на» |
|
|
« кна» |
|
|
«окна»блоков |
||||
|
|
|
|
Недостатки |
|
||||||
|
|
|
бытьлокахменьше,данных |
|
долженда ныхбыть |
такое же, как у |
|||||
ковариационный |
|
либо равен |
|
меньше, либо |
|
данных |
|||||
|
|
|
других |
||||||||
|
Подвержен |
|
|
Смещениеполовине |
|
Расположениеравен2/3 |
С ещениетодов |
||||
|
Минималь ая |
Минимальная |
|
Минимальная |
Минимальная |
||||||
|
расщеплению |
|
рчазмерастотоценоккадра |
|
размерапиковслегкакадра |
частот оценок |
|||||
|
СКО |
|
|
СКО |
|
|
|
СКО |
|
|
СКО |
|
Юла-Уолкера |
|
|
Условия несингулярности |
|||||||
|
Всегда |
|
Работоспособен |
Работосп со- |
|
В егда |
|||||
|
|
|
синусоидданных в |
|
зависитданныхот |
|
сину оид в |
||||
|
спектральныхред каз ния предсказания |
|
пре сказания |
предсказания |
|||||||
|
линий при |
|
для P чистых |
|
бен для P |
|
устойчивые |
||||
|
|
|
шуме |
|
|
|
начальных |
|
|
шуме |
|
|
устойчивые«вперед» |
|
|
«впер д» |
|
|
«вперед» и |
|
«вперед» |
||
|
модели |
|
|
гармоник в |
|
чистых |
|
|
модели |
||
|
высоком порядке |
|
|
|
|
|
фаз |
|
|
|
|
|
«назад» с |
|
|
шуме |
|
|
|
«наз д». |
|
|
|
|
модели |
|
|
|
|
|
гармоник в |
|
|
||
|
ограничением |
|
|
|
|
|
шуме |
|
|
|
|
|
алгоритма |
|
|
|
|
|
|
|
|
|
|
|
Смещение частот |
|
|
|
|
|
Наименьшее |
|
|
||
|
Дурбина- |
|
|
|
|
|
|
Не подвержен |
|
|
|
|
оценок синусоид |
|
|
|
|
|
смещение |
|
|
|
|
|
Левинсона |
|
|
|
|
|
|
расщепл ию |
|
|
|
|
в шуме |
|
|
|
|
|
|
частот оценок |
|
|
|
|
|
|
|
|
|
|
|
спектральных |
|
|
|
|
|
|
|
|
|
|
|
синусоид в |
|
|
|
шумелиний
Теоретические основы цифровой обработки сигналов. Слайд 148