- •Занятие 4. Построение виртуального прибора, реализующего периодический сигнал с шумом
- •4.1. Создание VI – генератора синусоидального сигнала
- •4.2. Исследование биения частот
- •4.3. Исследование влияния шума на периодический сигнал
- •4.4. Запись данных в файл
- •Занятие 5. Ввод и вывод данных
- •5.1. Работа со строковыми переменными
- •5.2. Запись числовых данных
- •5.3. Считывание числовых данных
- •Занятие 6. Реализация прибора свертки функций
- •6.1. Свертка функций
- •6.2. Моделирование виртуального прибора
- •6.3. Исследование работы свертки
- •Занятие 7. Формулы, массивы, циклы. Функция гаусса
- •7.1. Структуры в LabView
- •7.2. Цикл For
- •Шаблон массива
- •Тип элементов
- •Массива не задан
- •7.3. Представление массивов данных
- •7.4. Считывание значений с графика. Узел Property Node
- •Занятие 8. Дифференцирование и интегрирование в labview
- •8.1. Численное дифференцирование
- •8.2. Численное интегрирование
- •Занятие 9. Интерполяция данных
- •9.1. Задание исходного массива
- •9.2. Использование структуры Sequence
- •9.3. Интерполяция полиномом
- •9.4. Интерполяция дробно-рациональной функцией
- •9.5. Сплайн-интерполяция
- •Занятие 10. Быстрое преобразование фурье. Фильтрация шумящих данных
- •10.1. Алгоритм быстрого преобразования Фурье
- •10.2. Фурье-образ шумящего периодического сигнала
- •10.3. Аподизация верхних частот Фурье-разложения
- •10.4. Фильтрация шумящей функции Гаусса
- •Занятие 11. Расчет фракталов. Экранная лупа
- •11.1. Построение фрактальной кривой
- •11.2. Самоподобие фрактала. Экранная лупа
- •Занятие 12. Примеры фильтрации шумящих экспериментальных данных
- •Занятие 13. Обращение свертки. Вычитание аппаратной функции
- •13.1. Свертка функций
- •13.2. Реализация обращения свертки
- •Занятие 14. Моделирование двухстробового интегратора
- •14.1. Принцип двухстробового интегратора
- •14.2. Генерация массива данных нестационарной емкостной спектроскопии
- •14.3. Построение VI, реализующего двухстробовый метод dlts
- •Занятие 15. Встраиваемые платы сбора и обработки информации. Цифровая плата pc-dio-96
- •15.1. Устройства связи с объектом
- •15.2. Конфигурирование платы сбора и обработки информации
- •15.3. Определение области адресов памяти, занимаемой daq-платой
- •15.4. Функциональная схема платы цифрового ввода-вывода pc-dio-96
- •Занятие 16. Пример построения информационно-измерительной системы с использованием технологии виртуальных приборов
- •16.1. Блок-схема установки c-V-измерений
- •16.2. Двоично-десятичная система счисления
- •16.3. Тестирование информационно-измерительной системы
Занятие 10. Быстрое преобразование фурье. Фильтрация шумящих данных
Цель работы: изучение алгоритма быстрого преобразования Фурье и способа фильтрации шумящих экспериментальных данных с помощью отсечения высших частот Фурье-разложения.
10.1. Алгоритм быстрого преобразования Фурье
Фурье-преобразование устанавливает связь сигнала с его представлением в частотной области. Преобразование Фурье является мощным инструментом анализа в математике, теоретической физике, прикладной механике, акустике, оптике, приборостроении, телекоммуникациях и т. д.
В численном анализе экспериментальных данных используется дискретное преобразование Фурье. Если измеренный сигнал представлен в виде одномерного массива значений xi (0 i N – 1), то компоненты дискретного преобразования Фурье определяются выражением
.
При этом предполагается, что точки сигнала измерялись с одинаковым шагом t по времени (длине волны, температуре и т. д.). Наоборот, зная Фурье-трансформанты Xk, можно восстановить сигнал по формуле обратного дискретного преобразования Фурье:
.
Важно отметить, что количество точек дискретного сигнала и его Фурье-образа равны. Так как преобразование Фурье является комплексным, оно содержит две информационные составляющие: амплитуду (Xk) и фазу (показатель экспоненты). В эксперименте наблюдаются, как правило, вещественные сигналы (xi – real). Для них дискретное преобразование Фурье является симметричным со свойствами
, .
В следствие этого достаточно рассчитать только половину точек Фурье-трансформанты. Вторая половина будет характеризоваться такой же амплитудой, но инвертированной фазой, и поэтому называется областью “отрицательных частот” (рис. 10.1).
На рисунке представлены следующие элементы Фурье-образа: 1 – постоянная составляющая; 2 – положительные частоты; 3 – частота Найквиста; 4 – “отрицательные” частоты. Фурье-преобразование, содержащее положительные и отрицательные частоты, называется двусторонним.
Частота Найквиста – это максимальная частота, которая может определяться экспериментальными данными. Она задается интервалом t между измерениями и равна . Интервал между составляющими Фурье-образа в частотной области (разрешение по частоте) – .
В современной вычислительной практике обычно используется алгоритм Быстрого преобразования Фурье (БПФ), или Fast Fourier Transform (FFT), который значительно увеличивает скорость вычислений. Этот алгоритм реализуется, если количество точек во входном массиве составляет целую степень 2.
Библиотека анализа сигналов в LabVIEW предыдущих версий (включая 6i и 7.0) включала два виртуальных прибора для вычисления быстрого преобразования Фурье: вещественное БПФ (Real FFT.vi) и комплексное БПФ (Complex FFT.vi). При этом Real FFT.vi предназначалось для БПФ исходного массива вещественных величин, а Complex FFT.vi – для БПФ исходного массива комплексных величин. Но в результате преобразования как в первом, так и во втором получался массив комплексных величин. В LabVIEW 7.1 эти два прибора объединены в один, полиморфный (адаптирующийся к типу входных данных) прибор FFT.vi. Фактически, полиморфный subVI есть набор частных subVI с идентичными терминалами.