Upload
peter-siman
View
375
Download
8
Embed Size (px)
DESCRIPTION
Uploaded from Google Docs
Citation preview
Cislicove spracovanie signalovBilinearna transformacia
s → z
z = esT
s =2
T
(1− z−1
1 + z−1
)Prechodova charakteristika - jednotkovy skokImpulzna charakteristika - jednotkovy impulz
Operacie
1. Konvolucia- spojita:
y(t) =
ˆ t
u
x(u)g(t− u)du
-diskretna
y(n) =
n∑k=0
g(k)x(n− k)
2. Korelacia- autokorelacna funkcia hlada useky podobnosti
ρxx =rxx(n)
rxx(0)
rxx(n) - odhad autokorelacnej funkcie
rxx(n) =1
N
N−n−1∑k=0
x(k)x(k + n)
- vzajomna korelacna funkcia
ρxy(n) =rxy(n)
SigmaxSigmay
odhad:
ρxy(n) =rxy(n)√
rxx(0)ryy(0)
rxy
1
N
N−n−1∑k=0
x(k)y(n+ k) n = 0, 1, 2, 3...
1
N
N+n−1∑k=0
x(k − n)y(k) n = −1,−2, ...
3. Filtracia
y(n) =
∞∑k=0
g(k).x(n− k), g(k)− koeficienty filtra
- ak g(k) su nenulove k ∈< 0;∞ > ide o IIR filter
y(n) = −N∑k=1
aky(n− k) +
M∑k=0
bkx(n− k)
- ak g(k) su rovne nule pre k > M ide o FIR filter
y(n) =
M∑k=0
g(k)x(n− k) =
M∑k=0
bkx(n− k)
4. Linearne transformacie
y(i) =
N−1∑k=0
aikx(k) aik−transformacne konstanty
Y = a.XX = a−1.Y a− transformacnamatica
5. Modulaciasignal:a) spojity - nekonecne vela funkcnych hodnotb) diskretny - spocitatelne ciselne mnoziny- energia diskretneho signalu
E =
∞∑n=−∞
|x(n)|2
- moze byt konecna(energemicky signal),nekonecnaPeriodicke signaly - maju periodu NX(n+N) = x(n)AperiodickeParne x(−n) = x(n)Neparne −x(n) = x(−n)
Diskretizacia signalov
1. Vzorkovanie - transformuje spojity signal na casovodiskretny. Ziskavanie vzoriek v presne stanovenychintervaloch. Analogovy signal sa nahradi postup-nostou vzoriek. Perioda vzorkovania - cas medzidvoma po sebe iducimi vzorkami.
2. Kvantovanie - transformuje casovo diskretny sig-nal spojity v urovni na diskretny signal v caseaj v urovni - cislicovy signal. Hodnota vzorky jevybrana z konecnej mnoziny pristupnych hodnot.Vznika kvantizacna chyba = skutocna - priradena.
3. Kodovanie - kazdej diskretnej hodnote sa priradiisty kod - b-bitova binarna postupnost
1
- normalizovana frekvencia
f =F
FS−∞ < F <∞; −1/2 < f < 1/2
- kruhova frekvencia
ω = Ω.T −∞ < Ω <∞; −π < ω < π
Ω = 2π.F ; ω = 2πf
Vzorkovaci teorem
Ak x(t) je spojity v case s maximalnou nenulovoufrekvencnou zlozkou fmax, potom je mozne ho dokonalepopisat postupnostou vzoriek odobranych v casovychokamihoch s frekvenciou vzorkovania
FS > 2fmax
Na zaklade vzoriek mozme signal rekonstruovatpodla vztahu
x(t) =
∞∑n=−∞
x(nT )sinc
(t− nTT
)sinc(t) =
sin(πt)
πt
Kvantovanie
- diskretizacia signalu v urovniKrok kvantovania:
δ =xmax − xmin
2l
Chyba kvantovania:
eq(n) = xq(n)− x(n)
1. −δ/2 < eq < δ/2
2. ma charakter bieleho sumu (nulova stredna hod-nota, eq(n) je nekorelovane eq(m))
3. postupnost eq(n) je nekorelovana so vstupnou pos-tupnostou
Odstup signal sum kvantovania - SQNR
SQNR = 10logPxPe
Px - stredna hodnota druhej mocniny signaluE(x2(n))Pe - stredna hodnota druhej mocniny sumu E(e2(n))Pri nulovej strednej hodnote je stredna hodnota
druhej mocniny rovna rozptylu.
D(x) = σ2x = E((x− µ)2)
Vykon sumu
Pe = E(e2) =
ˆ ∞−∞
e2p(e)de − vykon
σ2e = Pe =
ˆ δ/2
−δ/2e2p(e)de =
1
δ
ˆ δ/2
−δ/2e2de =
δ2
12
stredna kvadraticka odchylka
SQNR = 20log(
√12σxδ
)
Kodovanie
-znamienko + hodnota- dvojkovy doplnok - invertovana hodnota + 1-2 -1 0 1 2
1110 1111 0000 0001 0010- priame- jednotkovy doplnok - invertovana hodnota
-2 -1 -0 -0 1 21101 1110 1111 0000 0001 0010
Predikcne kvantovanie
Redukuje dynamicky rozsah medzi dvoma po sebeiducimi vzorkami.
d(n) = x(n)− x(n− 1)
Popis
xp(n) =
p∑k=1
akx(n− k)
Chyba kvantovania
e(n) = d(n)− dq(n)
= x(n)− xq(n)
⇒ je rovna kvant. chybe vzorky d(n)
2
Transformacie
1. Laplaceova transformacia
X(s) =
ˆ ∞0
x(t)e−stdt s = a+ jω
x(t) =1
2πj
˛X(s)estds
2. Fourierova transformacia
X(ω) =
ˆ ∞−∞
x(t)e−jωtdt
x(t) =1
2π
˛ ∞−∞
X(ω)ejωtdω
3. Diskretna Fourierova transformacia
X(ω) =
N−1∑n=0
x(n)e−j2πωN
x(n) =1
N
N−1∑ω=0
X(ω)ej2πωnN
(Fourierova transformacia casovo diskretna - nieDFT)
X(ω) =
∞∑n=−∞
x(n)e−jωn
x(n) =1
2π
ˆ2π
X(ω)ejωndω
4. Z-transformacia
X(z) =
∞∑n=0
x(n).z−n z = e−sT
x(n) =1
2πj
˛X(z)zn−1dz
Frekvencna analyza signalov
Pomocou Fourierovej transformacie resp. Fourierovhorozvoja je mozne kazdy signal dekomponovat na jed-notlive harmonicke, pripadne komplexne exponencialnezlozky. Pre periodicke signaly sa nazyva Fourierov rad.
Fourierove rady pre casovo spojite periodickesignaly
Dirichletove podmienky
1. x(t) ma konecny pocet nespojitosti v zakladnej pe-riode
2. x(t) obsahuje konecny pocet maxim a minim v za-kladnej periode
3. signal x(t) je absolutne integrovatelny
x(t) =
∞∑k=−∞
ckej2πF0t
ck =1
Tp
ˆTp
x(t)e−j2πkF0tdt
Periodicky signal sa vyznacuje nekonecnou energioua konecnym strednym vykonom.
Parsevalova rovnost pre vykon signalu
Px =1
Tp
ˆTp
|x(t)|2dt =
∞∑k=−∞
|ck|2
Graficke znazornenie rozlozenia vykonu medzifrekvencne zlozky - spektralna vykonova hustota.
Periodicky signal ma ciarove spektrum.
Fourierova transformacia casovo spojitych ape-riodickych signalov
Dirichletove podmienky
1. x(t) - ma konecny pocet bodov nespojitosti
2. x(t) - ma konecny pocet maximalnych a minimal-nych hodnot
3. x(t) je absolutne integrovatelny
Energeticka spektralna hustota:
Ex =
ˆ ∞−∞|x(t)|2dt =
ˆ ∞−∞|X(F )|2dF
Spektralna energeticka hustta signalu:
Sxx = |X(F )|2
Fourierove rady vzorkovanych periodickych sig-nalov
x(n) ma periodu N, potom obsahuje Four. rad N kom-plexnych funkcii
x(n) =1
N
N−1∑k=0
ckej2πknN
ck =
N−1∑n=0
x(n)e−j2πkn
N
Priemerny vykon:
Px =1
N
N−1∑n=0
|x(n)|2 =
N−1∑n=0
|ck|2
Energia postupnoti vzoriek v zakladnej periode:
EN =
N−1∑n=0
|x(n)|2 = N.
N−1∑n=0
|ck|2
3
Fourierova transformacia vzorkovanych aperi-odickych signalov
Spektralna vykonova hustota:
Ex =
∞∑n=−∞
|x(n)|2
Signal Spektrumspojity periodicky ciarove aperiodicke
aperiodicky spojite aperiodickediskretny periodicky ciarove periodicke
aperiodicky spojite periodicke
Cislicove filtre
1. Zo spojiteho filtra-biliearnou transformaciou:
s =2
T
1− z−1
1 + z−1
Priklad:
Prenosova funkcia tohto RC clanku (pomocouLaplaceovej transformacie F (s) = Lf(t) =´∞0f(t)e−stdt):
H(s) =1sC
R+ 1sC
=1
1 + sRC=
1
1 + τs
τs = sωc, ωc = 1
RC = 1τ = 2πfc, kde fc je medzna
frekvencia dolnej priepuste a τ = RC je casovakonstanta.Frekvencna charakteristika (dosadime s = jω):
H(jω) =1
jωτ + 1
Zvolime konkretne hodnoty R = (5000/π)Ωa C = 10−6F potom τ = 1.591549.10−3s afc = 100Hz.Pre prevod medzi analogovou a cislicovouoblastou pouzijeme bilinearnu transforma-ciu (s = 2
T1−z−1
1+z−1 ), kde T = 1fvz, fvz −
vzorkovacia frekvencia). Po dosadeni dostanemeprenosovu funkciu:
H(z) =1
τ(
2T
1−z−1
1+z−1
)+ 1
=1
q 1−z−1
1+z−1 + 1, q =
fvzπfc
Po dalsej uprave dostaneme:
H(z) =
11+q + 1
1+q z−1
1 + 1−q1+q z
−1=Y (z)
X(z)
Obraz Y(z) je obraz Z-transformacie vstupnejpostupnosti cislicoveho filtra y(n) a obraz X(z)je obraz Z-transformacie vstupnej postupnostifiltra x(n). Pri fvz = 10kHz a fc = 100Hz maprenosova funkcia tvar:
H(z) =0.03046 + 0.03046z−1
1− 0.9391z−1
2. Priama metoda - rozmiestnenie polov a nul v kom-plexnej rovine
(a) Poly - rozmiestnujeme do blizkosti bodovna jednotkovej kruznici, ktore zodpovedajufrekvenciam, ktore chceme zvyraznit
(b) Nuly - umiestnujeme do blizkosti bodov,ktore chceme potlacit
F (z) = k
zN−MM∏k=1
(z − zk)
N∏i=1
(z − pi)
; z = esT ; s = jω
f =F
FS; ω =
Ω
ωvz; ω = ΩTvz; Ω = 2πF
|F (z)| = k
∏(ejω − zk)∏(ejω − pi)
; |ejω| = 1
Φ(ω) = α0+ω(N−M)+a1(ω)+a2(ω)−b1(ω)−b2(ω)
Priklad :Navrhnite kauzalny cislicovy filter na odfil-trovanie jednosmernej zlozky zo signalu,ktory ma rozsah 0-10kHz. Zosilnenie v na-jvyssej frekvencii je 1. Nakreslite impulznucharakteristiku daneho filtra.
4
F (z) = k1− ziz−1
1− piz−1
F (z) = k1− 1.z−1
1
F (ω) = k(1− e−jω)
F (π) = 1 , π je 10kHz
1 = k(1− e−jπ)
e−jω = cos(−π) + jsin(−π) = −1
1 = k.(2)
k =1
2
Potom
F (z) =1
2.(1− z−1)
Y (z)
X(z)=
1
2− 1
2z−1
Y (z) =1
2X(z)− 1
2X(z)z−1
y(n) =1
2x(n)− 1
2x(n− 1)
Impulzna odozva:
y(0) =1
2.1− 1
2.0 =
1
2
y(1) =1
2.0− 1
2.1 = −1
2
y(2) =1
2.0− 1
2.0 = 0
...
3. Pomocou frekvencneho vzorkovania - lubovonyFIR filter je mozne definovat pomocou koeficien-tov impulznej odozvy alebo pomocou koeficientovDFT. Vztah medzi Z-prenosom a DFT je:
F (z) = F (k) ; z = ejk2πN
Navrh FIR filtra na zaklade frekvencneho vzorko-vania je zalozeny na vybere mnoziny vzoriek zi-adanej frekvencnej odozvy v N ekvidistancnychbodoch frekvencie. Na zaklade vztahu
F (z) =(1− z−N )
N
N−1∑k=0
F (k)
1− z−1e−jk2πN
je mozne aproximovat kazdu spojitu frekvencnuodozvu na zaklade frekvencnych zloziekodobranych v N ekvidistancne rozmiestnenychbodoch leziacich na jednotkovej kruznici. Mozemevyjadrit frekvencnu odozvu ako interpolaciuvzorkovanej frekvencnej odozvy.Priklad: Navrhnite cislicovy filter typu pas-mova priepust na zaklade uveden tolerancnejschemy frekvencnej charakteristiky. Navrh urobtemetodou frekvencneho vzorkovania. Vzorkovaciafrekvencia je fvz = 44kHz.
Ukazeme riesenie pre rad systemy N=7. Znamenato, ze zadanu frekvencnu charakteristiky budemevzorkovat v bodoch s frekvenciou
kfvzN
= k44000
7= k.6285, 7Hz
k = 0, 1, ..., N − 1
Pokial pre dane k spadne hodnota frekvencie donepriepustneho pasma, zvolime hodnoty H(k)=0.Ak padne do priepustneho pasma, H(k)=1. Vsetkyhodnoty su uvedene v nasledujucej tabulke.
Vysledny modul frekvencnej charakteristiky a ro-zlozenie polov a nul v rovine z vyzera nasledovne:
5
4. Pomocou casovych okien - koeficienty Fourierovhoradu su totozne s impulznou odozvou cislicovehofiltra. Do uvahy sa berie len n=2M koeficientov
g(n) = f(n).w(n)
Y (z) = G1(z).X(z)
y(n) = g1(n)⊗ x(n)
6