- •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.
Разностные операторы.
Разностный оператор 1-го порядка имеет вид:
Последовательное n-кратное применение оператора записывается в виде оператора n-го порядка:
Значение коэффициентов усиления дисперсии шумов резко нарастает по мере увеличения порядка оператора. Это позволяет использовать разностные операторы с порядком выше 1 для определения местоположения статистически распределенных шумов в массивах данных. Особенно наглядно эту возможность можно видеть на частотных характеристиках операторов.
Зависимость коэффициента передачи разностного оператора от частоты представлена на рисунке:
Как следует из рисунка, разностные операторы подавляют постоянную составляющую сигнала и его гармоники в первой трети интервала Найквиста и увеличивают высокочастотные составляющие сигнала в остальной части интервала тем больше, чем больше порядок оператора. Как правило, эту часть главного интервала спектра сигналов занимают высокочастотные статистические шумы.
Выделение в сигналах шумов.
Разностные операторы подавляют постоянную составляющую сигнала и его гармоники в первой трети интервала Найквиста и увеличивают высокочастотные составляющие сигнала в остальной части интервала тем больше, чем больше порядок оператора. Как правило, эту часть главного интервала спектра сигналов занимают высокочастотные статистические шумы.
Шумы при анализе данных также могут представлять собой определенную информацию, например, по стабильности условий измерений и по влиянию на измерения внешних дестабилизирующих факторов. На рис. 2.2.2 приведен пример выделения интервалов интенсивных шумов в данных акустического каротажа, что может свидетельствовать о сильной трещиноватости пород на этих интервалах. Такая информация относится уже не шумовой, а к весьма полезной информации при поисках и разведке нефти, газа и воды.
38. Восстановление утраченных или пропущенных данных.
Разностные операторы имеют одну особенность: оператор n+1 порядка аннулирует полином степени n, т.е. свертка оператора n+1 порядка с полиномом n-ой степени дает нулевые значения:
Эту особенность можно использовать для создания очень простых и достаточно надежных операторов восстановления в массивах пропущенных и утраченных значений или для замены аннулированных при обработке величин (например, явных выбросов).
Вид частотной характеристики для фильтров восстановления пропущенных данных 4-го и 6-го порядков:
Графики наглядно показывают, что применение разностных интерполяционных фильтров восстановления данных возможно только для сигналов, высокочастотные и шумовые составляющие которых минимум в три раза меньше частоты Найквиста. Интерполяционные фильтры выше 4-го порядка применять не рекомендуется, т.к. они имеют коэффициент усиления шумов более 1.
При наложении на сигнал статистически распределенных шумов погрешность восстановления данных увеличивается, но для информационной части полного сигнала она, как и во входных данных, она не превышает среднеквадратического значения (стандарта) флюктуаций шума.