- •1.Цифровые сигналы. Обработка цифровых сигналов.
- •4.Полосовой цифровой фильтр Баттерворта.
- •5.Цифровые фильтры Чебышева.
- •6.Ключевые операции цифровой обработки
- •7.Низкочастотный и высокочастотный цифровые фильтры Баттерворта.
- •8.Передаточные функции фильтров. Z-преобразование.
- •10.Цифровые фильтры обработки одномерных сигналов.
- •11. Нерекурсивные фильтры.
- •12. Импульсная реакция фильтров. Передаточные функции фильтров
- •14. Рекурсивные цифровые фильтры
- •15. Конструкция рекурсивных цифровых фильтров
- •16. Каскадная и параллельная форма
- •17. Режекторные и селекторные фильтры.
- •18. Цифровые фильтры
- •19. Частотные характеристики фильтров
- •20. Фазовая и групповая задержка.
- •21.Структурные схемы цифровых фильтров.
- •22.Билинейное z-преобразование при синтезе рекурсивных цифровых фильтров.
- •23.Деформация частотной шкалы.
- •24.Аппроксимационная задача синтеза фильтров. Передаточная функция фильтров
- •27 Метод наименьших квадратов.
- •28. Фильтры мнк 1-го, 2-го и 4-го порядка
- •29.Расчет коэффициентов фильтров.
- •Удобным методом решения разностных уравнений линейных систем является именно z-преобразование.
- •31. Определение z-преобразования.
- •32. Пространство z - полиномов. Аналитическая форма z-образов.
- •В общем случае, множества z, для которых полиномы s(z) сходится, образуют на z-плоскости.
- •33. Фильтры сглаживания сигналов методом наименьших квадратов.
- •34. Импульсные реакции и частотные характеристики фильтров. Модификации фильтров. Оптимизация сглаживания. Расчет простого цифрового фильтра по частотной характеристике.
- •Удобным методом решения разностных уравнений линейных систем является именно z-преобразование.
- •Разностные операторы.
- •Выделение в сигналах шумов.
- •38. Восстановление утраченных или пропущенных данных.
- •39.Аппроксимация производных. Частотные характеристики операторов.
- •40.Нерекурсивные частотные цифровые фильтры.
- •43Гладкие частотные фильтры
- •Цифровые фильтры интегрирование данных. Алгоритмы интегрирования по формулам трапеций, прямоугольников, Симпсона.
- •45.Частотные характеристики фильтров. Дифференцирующие цифровые фильтры. Методика расчетов.
- •47.Применение весовых функций.
- •51Явление Гиббса. Параметры эффекта.
- •52. Последствия для практики. Нейтрализация явления Гиббса.
- •Основные весовые функции.
- •54.Фильтрация случайных сигналов. Спектр мощности выходного сигнала. Средняя мощность выходного сигнала. Дисперсия выходного сигнала.
- •55. Взаимный спектр мощности входного и выходного сигналов.
- •56. Функция когерентности входного и выходного сигналов фильтра оценивается по формуле:
- •57. Рекурсивные частотные цифровые фильтры Чебышева.
- •58. Передаточная функция цифрового фильтра. Методика расчета фильтров.
Удобным методом решения разностных уравнений линейных систем является именно z-преобразование.
Y(z) amzm = X(z) bnzn, (
где X(z),Y(z)- соответствующие z-образы входного и выходного сигнала. Отсюда, полагая ao = 1, получаем в общей форме функцию связи выхода фильтра с его входом - уравнение передаточной функции системы в z-области: H(z) = Y(z)/X(z) = bnzn (1+ amzm).
Для НЦФ: H(z) = bnzn.
При проектировании фильтров исходной, как правило, является частотная передаточная функция фильтра H(ω), по которой вычисляется ее Z-образ H(z) и обратным переходом в пространство сигналов определяется алгоритм обработки данных. В общей форме для выходных сигналов фильтра: Y(z) = H(z)·X(z).
Свойства:
Важнейшим свойством z-преобразования является свойство его единственности. Любая последовательность s(k) однозначно определяется z-изображением в области его сходимости, и наоборот, однозначно восстанавливается по z-изображению.
Линейность: Если s(k) = a·x(k)+b·y(k), то S(z) = aX(z)+bY(z). Соответственно, z-преобразование допустимо только для анализа линейных систем и сигналов, удовлетворяющих принципу суперпозиции.
Задержка на n тактов: y(k) = x(k-n). Y(z) = y(k) zk = x(k-n) zk =zn x(k-n) zk-n = zn x(m) zm = zn X(z). Соответственно, умножение z-образа сигнала на множитель zn вызывает сдвиг сигнала на n тактов дискретизации.
Преобразование свертки. При выполнении нерекурсивной цифровой фильтрации односторонними операторами фильтров: s(k) = h(n) y(k-n), k = 0, 1, 2, …
Z-преобразование уравнения свертки: S(z) = h(n) y(k-n) zk = h(n) zn y(k-n) zk-n =
= h(n) zn y(k-n) zk-n = H(z) Y(z).
Разложение сигналов на блоки последовательной свертки. Z-преобразование позволяет производить разложение сигналов и функций, например передаточных функций фильтров, на короткие составляющие операции свертки, для чего достаточно приравнять z-полином к нулю, найти его корни ai, и переписать полином в виде произведения двучленов: S(z) = a0(z-a1)(z-a2)...,
где а0- последний отсчет сигнала (коэффициент при старшей степени z).
Дифференцирование. Если имеем s(k) S(z), то z-образ функции ks(k) можно найти, продифференцировав S(z), что бывает полезно для вычисления обратного z-преобразования функций S(z) с полюсами высокого порядка: ks(k) z dX(z)/dz.
Обратное z-преобразование позволяет восстанавливать дискретную функцию по ее z-образу. Оно широко используется, например, при определении импульсных характеристик рекурсивных цифровых фильтров. В символической форме: x(k) = TZ-1[X(z)].
На практике X(z) в процессе расчетов обычно выражается через отношение двух многочленов от z:
X(z) = (b0 + b1 z + b2 z2 + …+ bN zN ) / (a0 + a1 z + a2 z2 + …+ aM zM ) = x(0) + x(1)z + x(2)z2 + …
Метод степенных рядов. Выражение z-образа можно разложить непосредственно в степенной ряд путем деления в столбик, для чего числитель и знаменатель функции выражаются предварительно через нарастающий или уменьшающийся показатель степени z. Обратное z-преобразование степенного ряда очевидно.
Метод интегрирования: sk = (1/2j) .