- •Содержание:
- •Лекция №1 Демистификация. Предмет и содержание курса.
- •Пример беспроводной системы связи:
- •Области применения аимс.
- •Формы представления сигналов.
- •Геометрические методы в теории сигналов.
- •Лекция №2
- •Обобщенный ряд Фурье
- •Ряд Фурье.
- •Дельта функция Дирака
- •Преобразование Фурье
- •Лекция №3 Восстановление аналогового сигнала по выборкам.
- •Теорема Котельникова.
- •Наложение спектров.
- •Лекция №4 Особые случаи дискретизации: (преобразование сигнала с компактным спектром)
- •1) Субдискретизация (UnderSampling):
- •2) Избыточная дискретизация (передискретизация):
- •3) Стробоскопическая дискретизация.
- •Отношение сигнала/шум идеального ацп
- •Метод повышения дд. Передискретизация.
- •Проектирование фильтра на входе ацп.
- •Лекция №5 Апертурная погрешность.
- •Р ежимы увх:
- •Лекция №6 Обратная связь.
- •Устойчивость (в общем случае).
- •Устойчивость в малом
- •Запас по фазе
- •Лекция №7 Типы обратных связей.
- •Классификация а.Г.Алексенко (ага):
- •Другая классификация:
- •Примеры суммирования входных сигналов:
- •1. Последовательная ос по u.
- •Параллельная ос по u.
- •3. Последовательная ос по I.
- •Лекция №9 Эффект Миллера.
- •Рассмотрим каскод с параллельным питанием
- •Лекция №11 Каскады аналоговых имс.
- •Входные усилительные каскады (ук):
- •Схемы сдвига уровня.
- •Выходные каскады
- •На мопт:
- •Рассмотрим режимы работы выходных каскадов.
- •Защита вк от тока покоя.
- •Борьба с искажениями
- •Лекция №12 Дифференциальный каскад.
- •Дифференциальный каскад на полевых транзисторах.
- •Анализ дифференциального каскада для малого сигнала.
- •Модификация дифференциального каскада.
- •Лекция №13 Расчёт оу (μА741).
- •Интегральные компараторы напряжения. Функции кн:
- •Особенности кн:
Лекция №2
Если есть система ортогональных функций в пр-ве Гилберта, то её можно разложить по базису.
Базис:
Обобщенный ряд Фурье
Классическое представление сигнала – ряд Фурье. Он определён для периодических функций ( u(t)=u(t+T) ):
– базисные вектора (синусы, косинусы), - коэффициенты ряда Фурье.
Ряд Фурье.
Если непрерывная функция времени периодическая, то ее можно разложить в ряд Фурье, т. е. представить в виде суммы sin и cos:
,
где а0 – постоянная составляющая.
Для тригонометрического ряда Фурье с периодом 2π:
Если период T = 2l, то:
Любой сигнал имеет две абсолютно равноправные формы представления:
- в виде функции времени S(t) ( в пространстве времени t ≥ 0);
- в виде распределение сигнала по различным частотам S(f) (в пространстве частот).
Это называется дуальностью в представлении сигналов. Эти формы представления сигнала эквивалентны.
Спектральное представление сигнала:
Сигналы бывают детерминированные и случайные. Для случайных сигналов определены только вероятностные характеристики (для них нет спектра), но зная вероятностные характеристики, можно определить энергетический спектр. Для детерминированных сигналов характерны определенные значения частоты, т.е. можно говорить о спектре.
Р ассмотрим пример:
Т
- скважность, где Т-период импульса, а τ – длительность импульса.
, ,
где , n - № гармоники, ω1 – главная гармоника.
Спектр линейчатый, так как функция периодическая.
Чем больше период, тем гуще спектр. Поэтому обычно T увеличивают, чтобы повысить точность разрешения по частоте. Чем короче импульс, тем более широкий диапазон частот занимает, т. е. для коротких импульсов спектр расширяется по частоте, а для длинных – сужается.
Чаще рисуют модуль:
П ринцип непределённости: Ограниченная по частоте функция бесконечна по длительности (и наоборот)
∆f – ширина спектра ∆f* τ = const
τ – длительность импульса
Дельта функция Дирака
δ-функция определяется так:
δ(х)=0, если х≠0 δ(х)→∞, если х=0
Отсюда следует единственное полезное свойство δ-функции – стробирующее (фильтрующее) свойство:
Если знать мгновенное значение сигнала в какой-то момент времени, то можно вырезать «кусок» функции, где дельта функция определена.
Интеграл несобственный, является функционалом, то есть ставится в соответствие число к функции.
δ-функция – это производная единичного скачка (ф-ция Хевисайда):
Докажем ещё один вариант определения δ-функции:
Замена:
Ещё одно соотношение:
Преобразование Фурье
Периодических сигналов в природе очень мало. В общем случае они непериодические. Но для их представления в пространстве частот нужны преобразования Фурье.
Спектр непериодического сигнала
Сделаем из непериодической функции периодическую, для этого аналитически продолжим функцию. Это метод аналитического продолжения: размножение функции в обе стороны на бесконечном интервале.
Теперь у нас периодическая функция → раскладываем в ряд Фурье → преобразование Фурье (за спектр при бесконечном разложении принимается спектр одной части (в пределе)).
Скачок – нарушение условий Дирихле. Спектр получить можно, но обратным преобразованием сигнал получить не сможем, возникнут искажения. Скачок (из-за разрыва на концах отрезка) дает паразитные явления → явления Гиббса.
Метод борьбы – использование «оконных функций». Чтобы убрать искажения надо умножить функцию на «окно». «Окно» сглаживает место стыковки.
, где – функция окна.
Используют различную форму окон – прямоугольное, треугольное и т.д. Требования, предъявляемые к функции окна – должны быть производные равны нулю.
- прямое преобразование Фурье
- обратное преобразование Фурье
Если спектр симметричен, то сигнал действительный. Если спектр несимметричен, то сигнал мнимый.
Пример: Найти спектр одиночного импульса.
Cвойства Фурье:
- спектр комплексный
- ∆f* τ = const
- можно восстановить ф-цию времени по комплексному сигналу, но чтобы восстановленная ф-ция была действительной, её спектр должен быть симметричным.
Свертка двух функций во временной области: скалярное произведение функций, одна из которых сдвинута по времени.
Свертка двух функций в частотной области:
Если умножать две функции во временной области, то в частотной области их спектры свёртываются, и наоборот.
Корреляция двух функций: кросскорреляционная и автокорреляционная функции
Функция корреляции ищет сигнал, похожий на первоначальный. Она определяет максимальное статическое совпадение двух функций.
Свойство сдвига одной функции, относительно другой: Когда они наложены, то корреляция максимальна. Если находятся на расстоянии, то минимальна.