- •1. Типы сигналов
- •2. Задачи анализа и синтеза сигналов.
- •3. Представление сигнала с помощью ортогональных функций
- •5. Комплексный ряд Фурье. Преобразование Фурье.
- •6. Частота Найквиста. Теорема Найквиста-Шеннона.
- •7. Определение дискретного преобразования Фурье (дпф) и обратного дискретного преобразования Фурье (обпф).
- •Дискретное преобразование фурье (дпф)
- •8. Свойства дпф (теорема линейности, теорема комплексной сопряженности, теорема сдвига, теорема сверки, теорема корреляции)
- •13. Алгоритм быстрого преобразования Фурье (бпф) с децимацией во временной области.
- •14. Алгоритм быстрого преобразования Фурье (бпф) с децимацией во частоте.
- •15.Обратное быстрое преобразование Фурье
- •Обратное преобразование Фурье
- •16. Вычислительные преимущества бпф.
- •17. Схемы вычисления свертки и корреляции на основе бпф.
- •18. Двумерное дпф и бпф
- •19. Анализ линейной системы (связь между входным и выходным сигналами, импульсный отклик, представление системы в частотной области).
- •20. Класс несинусоидальных ортогональных функций (функции Радемахера, функции Хаара, функции Уолша).
- •21. Код Грея
- •22. Преобразование Уолша.
- •23. Преобразование Уолша-Адамара (Адамара).
- •1. Пиксельное представление изображений. Основные виды изображений: бинарные, полутоновые и цветные
- •2. Основные преобразования изображений.
- •3. Основные взаимосвязи между пикселями изображения. Метрические свойства для изображения.
- •4. Метод пространственной области с применением масок. Операторы Собеля, Робертса, Превитта для обработки изображений.
- •5. Сегментация изображений посредством выделения границ областей
- •6. Основы фильтрации в частотной области. Двумерное дпф.
- •7. Задача распознавания образов. Выбор признаков.
- •8. Виды разделяющих функций. Классификатор по минимальному расстоянию
- •9. Задача двухклассового распознавания
- •10. Классификатор для распознавания 3-х и k классов образов по критерию наименьшего среднеквадратического расстояния
- •11. Метод отображения по алгоритму наименьших квадратов
- •12. Классификация нейросетевых систем
- •13. Виды пороговых функций в нейросети
- •14. Модель нейронной сети. Обучающий алгоритм для персептрона
- •15. Многослойный персептрон с обратным распространением ошибки
3. Представление сигнала с помощью ортогональных функций
Множество непрерывных функций действительного переменного {U n (t)} = {U 0 (t),U1 (t ),...} называется ортогональным на интервале [t0 , t0 + T ], если
2.1
При с = 1 множество {Un(t)} называется ортонормированным.
Для вычисления сигнала через коэффициенты разложения используется:
В силу условий ортогональности будем иметь
Функция взаимной корреляции. Функция автокорреляции.
Корреляция – математическая операция, схожа со свёрткой, позволяет получить из двух сигналов третий. Бывает: автокорреляция (автокорреляционная функция), взаимная корреляция (взаимнокорреляционная функция, кросскорреляционная функция). Пример:
[Взаимная корреляционная функция]
[Автокорреляционная функция]
Корреляция - это техника обнаружения заранее известных сигналов на фоне шумов, ещё называют оптимальной фильтрацией. Хотя корреляция очень похожа на свёртку, но вычисляются они по-разному. Области применения их также различные (c(t)=a(t)*b(t) - свертка двух функций, d(t)=a(t)*b(-t) - взаимная корреляция).
Корреляция – это та же свёртка, только один из сигналов инвертируется слева направо. Автокорреляция (автокорреляционная функция) характеризует степень связи между сигналом и его сдвинутой на τ копией. Взаимнокорреляционная функция характеризует степень связи между 2-мя разными сигналами.
5. Комплексный ряд Фурье. Преобразование Фурье.
Впервые в 1807 году французский математик и физик Жан Батист Жозеф Фурье показал, что любую произвольную функцию x(t) можно представить в виде бесконечной суммы синусных и косинусных членов
Раздел математики, устанавливающий соотношение между функцией x(t) и коэффициентами n a и n b , называется гармоническим анализом, а представление (2.11) – рядом Фурье.
Компоненты ряда Фурье называются гармониками. Любая четная функция может быть разложена в ряд Фурье, состоящий из косинусов, а любая нечетная функция раскладывается в ряд из синусов. Для некоторых функций ряд Фурье может состоять лишь из нечетных гармоник. В целом, любая полная система ортогональных функций может быть применена для разложения в ряды, которые соответствуют рядам Фурье.
Рис. 2.5. Основная идея ДПФ
Выражения (2.22), (2.23) составляют пару преобразований Фурье.
Следовательно, последовательности {Cx(k)}, {X(m)} также являются N-периодическими, т.е.
6. Частота Найквиста. Теорема Найквиста-Шеннона.
Частота Найквиста — в цифровой обработке сигналов частота, равная половине частоты дискретизации. Названа в честь Гарри Найквиста. Из теоремы Котельникова следует, что при дискретизации аналогового сигнала потерь информации не будет только в том случае, если спектр (спектральная плотность)(наивысшая частота полезного сигнала) сигнала равен или ниже частоты Найквиста. В противном случае при восстановлении аналогового сигнала будет иметь место наложение спектральных «хвостов» (подмена частот, маскировка частот), и форма восстановленного сигнала будет искажена. Если спектр сигнала не имеет составляющих выше частоты Найквиста, то он может быть (теоретически) продискретизирован и затем восстановлен без искажений. Фактически «оцифровка» сигнала (превращение аналогового сигнала в цифровой) сопряжена с квантованием отсчётов — каждый отсчёт записывается в виде цифрового кода конечной разрядности, в результате чего к отсчетам добавляются ошибки квантования (округления), при определенных условиях рассматриваемые как «шум квантования».
Теорема Котельникова-Найквиста-Шеннона: если сигнал таков, что его спектр ограничен частотой F, по после дискретизации сигнала с частотой не менее 2F можно восстановить непрерывный сигнал по полученному цифровому сигналу абсолютно точно. Для этого нужно проинтерполировать цифровой сигнал «между отсчетами» специального вида функциями.