4.1. Метод накопления
Метод накопления применим в том случае, если полезный сигнал в течении времени приема постоянен или является периодической функцией. Метод состоит в многократном повторении сигнала и суммировании отдельных его реализаций в устройстве обработки. Данный метод относится к группе точечных алгоритмов обработки сигналов.
Пусть полезный сигнал представлен двумя уровнями (рис.4.1).
Рис.4.1. Входной двухуровневый сигнал
В интервале Тх сигнал постоянен. На интервале наблюдения Тх накапливается выборка значений принятого сигнала
y1=x+n1
y2=x+n2
...............
ym=x+nm
и эти значения суммируются:
Введем два допущения:
1) отсчеты помехи ni не зависят друг от друга;
2) помеха стационарна (ее характеристики не зависят от времени)
и определим на выходе этого накопителя, т.е.
(4.1)
Таким образом, при перечисленных выше условиях, в результате n - кратного отсчета, отношение мощностей сигнала и помехи увеличивается в n раз. Временной интервал между отдельными отсчетами должен быть больше интервала корреляции помехи . В противном случае выигрыш за счет накопления будет меньше значения, даваемого выражением (4.1).
За счет увеличения числа отсчетов m, т.е. времени передачи Тх, можно сколь угодно увеличивать отношения сигнал/помеха.
Если сигнал представляет периодическую функцию времени, то отсчеты нужно производить через интервалы, равные или кратные периоду этой функции. В таких случаях метод носит название метода синхронного или когерентного накопления. Эффект накопления такой же, как в случае постоянного сигнала [21].
Эффект накопления можно осуществить также за счет интегрирования входного сигнала в течении времени Тх. Такой метод получил название интегрального приема.
Интегральный прием целесообразно применять в случае, когда полезный сигнал постоянен (или квазипостоянен).
- Цифровая обработка сигналов методы предварительной обработки
- Санкт-Петербург
- Содержание
- Введение
- 1. Основные понятия цифровой обработки сигналов
- Понятие о первичной и вторичной обработке сигналов
- Основные требования к системам цос
- Основные типы алгоритмов цифровой обработки сигналов
- 1.4. Линейные и нелинейные преобразования
- 1.5. Переход от непрерывных сигналов к дискретным
- 1.6. Циклическая свертка и корреляция
- 1.7. Апериодическая свертка и корреляция
- 1.8. Двумерная апериодическая свертка и корреляция
- 1.9. Контрольные вопросы и задания.
- 2. Дискретные ортогональные преобразования
- 2.1. Введение в теорию ортогональных преобразований
- 2.2. Интегральное преобразование Фурье
- 2.3. Интегральное преобразование Хартли
- 2.4. Дискретное преобразование Фурье
- 2.5. Дискретное преобразование Хартли
- 2.6. Двумерные дискретные преобразования Фурье и Хартли
- 2.7. Ортогональные преобразования в диадных базисах
- 2.8. Понятие о Wavelet-преобразованиях. Преобразование Хаара
- Задачи цос, решаемые методами дискретных ортогональных преобразований
- 2.9. Контрольные вопросы и задания
- 3. Быстрые алгоритмы ортогональных преобразований
- 3.1. Вычислительная сложность дпф и способы её сокращения
- 3.2. Запись алгоритма бпф в векторно-матричной форме
- 3.3. Представление алгоритма бпф в виде рекурсивных соотношений
- Алгоритмы бпф с прореживанием по времени и по частоте
- 3.6. Вычислительная сложность алгоритмов бпф
- 3.7. Выполнение бпф для случаев
- 3.8. Быстрое преобразование Хартли
- 3.9. Быстрое преобразование Адамара
- 3.10. Контрольные вопросы и задания
- 4. Линейная фильтрация сигналов во временной и частотной областях
- 4.1. Метод накопления
- Не рекурсивные и рекурсивные фильтры
- 4.3. Выбор метода вычисления свертки / корреляции
- 4.4. Выполнение фильтрации в частотной области
- 4.5. Адаптивные фильтры
- 4.6. Оптимальный фильтр Винера
- 4.7. Методы обращения матриц
- 4.8. Контрольные вопросы и задания
- 5. Алгоритмы нелинейной обработки сигналов
- 5.1. Ранговая фильтрация
- 5.2. Взвешенная ранговая фильтрация
- 5.3. Скользящая эквализация гистограмм
- 5.4. Преобразование гистограмм распределения
- 5.5. Контрольные вопросы и задания
- Кафедра вычислительной техники