1.5. Переход от непрерывных сигналов к дискретным
Процесс перехода от непрерывной области изменения аргумента (задания функции) к конечному множеству отдельных значений аргумента называется дискретизацией. Процесс перехода от непрерывной области изменения функции к конечному множеству определенных значений называется квантованием. Обычно полагается, что дискретизация и квантование выполняются с равными шагами, т.е. функция определена в равноотстоящих точках по оси абсцисс и по оси ординат. Переход от непрерывного сигнала к дискретному осуществляется с потерей информации. Восстановление непрерывного сигнала по дискретным значениям и устранение потерь информации зависит от параметров дискретизации - т.е. шага дискретизации, способа восстановления сигнала и от свойств сигнала.
Условие, при котором возможно восстановление сигнала без потерь, определяется из теоремы Котельникова [16,21].
Пусть функции f(x) и F() связаны обратным преобразованием Фурье, т.е.
Прямая формулировка теоремы Котельникова. Если функция f(x) имеет ограниченный спектр, локализованный в диапазоне , то она полностью определена путем задания отсчетов на наборе точек, отстоящих друг от друга на расстоянии.
Обратная формулировка теоремы Котельникова/ Если f(x) задана в ограниченной области , то ее спектрF(ν) полностью определен набором отсчетов в точках, равноотстоящих друг от друга на расстоянии .
Поясним выбор шагов дискретизации по теореме Котельникова на рис.1.2.
=>
Рис.1.2. Выбор шага дискретизации по теореме Котельникова
При дискретизации согласно теореме Котельникова исходная функцияf(x) может быть получена по ее дискретным значениям по формуле:
причем шаг дискретизации составляет
Однако согласно теории Фурье-анализа конечной апериодической функции f(x) соответствует бесконечный спектр и наоборот, конечный спектр соответствует бесконечной исходной функции.
Поэтому для реальных сигналов условия теоремы Котельникова в строгом смысле слова не выполняются.
Все реальные сигналы ограничены во времени и имеют неограниченный спектр, т.е. fв=.
В соответствии с рядом Котельникова восстановление осуществляется по бесконечному числу отсчетов (- k ).
Поскольку сигнал восстанавливается по бесконечному числу отсчетов функций, то его восстановление осуществляется с бесконечной задержкой во времени.
Поэтому, чтобы получить конечный спектр, можно воспользоваться равенством Парсеваля:
и, зная, что исходная функция f(x) конечна, вычислить значение интеграла в левой части равенства, после чего, задав величину погрешности ε в определении интеграла в правой части, определить максимальную частоту. Исходя из максимальной частоты определяется число отсчетов. Если размер области задания исходной функции f(x) равен X=2Xmax, а число отсчетов функции при дискретизации должен составлять N , то шаги дискретизации исходной функции и ее спектра составят:
Итак, в результате дискретизации в соответствии с теоремой Котельникова от x(t) мы переходим к набору отсчетов или к вектору:
X = {xn}; n=0, N-1.
- 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