- •3. Статистические методы оценки параметров сигналов.
- •3.1 Понятие об оценке параметров принимаемых сигналов.
- •3.2 Качество оценок и критерии оптимальности измерения параметров.
- •3.3 Основные положения байесовской теории измерений
- •3.4 Максимально правдоподобная оценка
- •3.5 Потенциальная точность определения параметра
- •3.6 Потенциальная точность определения момента прихода сигнала
- •3.7 Потенциальная точность определения доплеровского сдвига частоты.
- •4. Пространственно временная обработка сигналов.
- •4.1 Пространственно-временной сигнал.
- •4.2 Случайные пространственно-временные сигнала
- •4.3 Случайные поля и пространственные фильтры
- •4.4 Линейная фильтрация стационарных пространственно-временных сигналов
- •5. Основы цифровой обработки сигналов.
- •5.1 Модели дискретных сигналов
- •5.2 Дискретизация периодических сигналов
- •5.3 Основы теории z-преобразования
- •5.4 Цифровые фильтры
- •5.5 Трансверсальные цифровые фильтры
- •5.6 Рекурсивные цифровые фильтры
- •5.7 Основы гомоморфной обработки сигналов
- •5.8 Гомоморфная обработка мультипликативного сигнала
- •5.9 Гомоморфная обработка свернутого сигнала
- •5.9 Кепстральный анализ сигналов
5.2 Дискретизация периодических сигналов
Модель дискретного сигнала вида (5.1) предполагает, что отсчетные значения аналогового сигнала х(t) могут быть получены в неограниченном числе точек на оси времени. Практически это невозможно, обработка всегда ведется на конечном интервале времени. Изучим особенности спектрального представления дискретного сигнала, который задан на отрезке [0,T] своими отсчетами х0,х1,х2…хN-1, взятыми соответственно в моменты времени 0,∆,2∆,…(N-1)∆. Полное число отсчетов N=T/∆. Массив этих чисел, вещественных или комплексных, является единственным источником сведений о спектральных свойствах сигнала х(t).
Методика изучения таких дискретных сигналов состоит в том, что полученная выборка отсчетных значений мысленно повторяется бесконечное число раз. В результате сигнал становится периодическим. Сопоставив такому сигналу некоторую математическую модель, можно воспользоваться разложением в ряд Фурье и найти соответствующие амплитудные коэффициенты. Совокупность этих коэффициентов образует спектр дискретного периодического сигнала.
Сопоставим исходному колебанию х(t) его представление в виде МИП:
(5.8)
Представим (5.8) в виде комплексного ряда Фурье:
(5.9)
с коэффициентами
Подставив сюда (5.8) и введя безразмерную переменную ξ=t/∆, получим:
(5.10)
Формула (5.10) определяет последовательность коэффициентов, образующих дискретное представление Фурье (ДПФ) рассматриваемого сигнала. Его основные свойства:
1. Дискретное представление Фурье есть линейное преобразование, т.е. сумме сигналов отвечает сумма их ДПФ.
2. Число различных коэффициентов С0,С1,…СN-1, вычисляемых по формуле (5.10), равно числу N отсчетов за период при n=N коэффициент СN= С0.
3. Коэффициент С0 (постоянная составляющая) является средним значением всех отсчетов:
4. Если N – четное число, то:
5. Если отсчетные значения хk – вещественные числа, то коэффициенты ДПФ, по мере которых располагаются симметрично относительно N/2, образуют сопряженные пары:
Поэтому можно считать, что коэффициенты отвечают отрицательным частотам. При изучении амплитудного спектра сигнала они не дают новых сведений.
По Коэффициентам ДПФ С0,С1,…СN/2 всегда можно восстановить исходный сигнал x(t) c ограниченным спектром, который был подвергнут дискретизации. Ряд Фурье такого сигнала принимает вид конечной суммы:
, (5.11)
где - фазовый угол коэффициента ДПФ.
Восстановление непрерывного сигнала по (5.11) есть не приближенная, а точная операция, полностью эквивалентная получению текущих значений сигнала с ограниченным спектром по его отсчетам. Однако процедура, использующая ДПФ, в ряде случаев предпочтительна. Она приводит к конечным суммам гармоник, в то время как ряд Котельникова для периодического сигнала принципиально должен содержать бесконечное число членов.
Задача дискретного спектрального анализа может быть поставлена по-иному. Допустим, сто коэффициенты СN, образующие ДПФ заданы: . Положим в выражении (5.9) t=k∆ и учтем, что суммируется лишь конечное число членов ряда, которые отвечают гармоникам, содержащимся в спектре исходного сигнала. Таким образом, отсчетные значения могут вычисляться по формуле:
(5.12)
выражающие алгоритм обратного дискретного преобразования Фурье (ОДПФ).
Взаимно дополняющие формулы (5.10) и (5.12), чтобы вычислить ДПФ или ОДПФ последовательности из N элементов с комплексными числами. При больших массивах чисел использовать эти алгоритмы в реальном масштабе времени затруднительно. Значительно сократить число операций – до N∙log2N – можно, используя алгоритмы быстрого преобразования Фурье. Рассматривать подробно их не будем, однако нужно помнить, что при применении БПФ число отсчетов должно быть равно N=2P.
Используя ДПФ, можно вычислить дискретную свертку двух сигналов. Если обычная свертка:
, то дискретная:
, m=0,1,2…N-1 (5.13)
Найдем связь между коэффициентами дискретной свертки и ДПФ сигналов хд(t), yд(t). Для этого выразим текущие значения отсчетов хk и ym-k как ОДПФ от соответствующих спектров:
а затем подставим эти величины в (5.13):
Изменив порядок суммирования, получим:
(5.14)
Н о =
Верхнее равенство очевидно (еj0=0). Сумма при n≠l обращается в нуль, поскольку все слагаемые являются комплексными числами с единичным модулем и линейно нарастающим аргументом. При суммировании соответствующие векторы всегда образуют на комплексной плоскости правильный замкнутый многоугольник.
Подставив этот результат в (5.14), получим:
(5.15)
Поскольку выражение (5.15) есть ОДПФ, приходим к выводу, что коэффициенты преобразования Фурье свертки являются произведениями коэффициентов ДПФ свертываемых сигналов:
Сfk=CxkCyk, k=0,1,2…N-1 (5.16)
Этот результат имеет большое значение в теории дискретных сигналов и цифровых фильтров. Оказывается, что если сигналы достаточно длинны (например, содержат несколько тысяч отсчетов), то для вычисления свертки целесообразно вначале найти их ДПФ, перемножить коэффициенты, а затем воспользоваться выражением (5.15), применив алгоритм БПФ. Такой способ более экономичен, чем прямое использование формулы (5.13).