5.1. Линейные и нелинейные преобразования
Все преобразования ЦОС могут быть подразделены по своему типу на линейные и нелинейные преобразования [5,16,20,21].
Пусть - входная последовательность, а- выходная последовательность, связанная со входной через некоторое функциональное преобразованиеT
y(t1)=Tx(t) (5.7)
Для линейных преобразований справедлив аддитивный закон :
, (5.8)
где a и b – некоторые константы. Таким образом, линейное преобразование, применяемое к суперпозиции исходных сигналов эквивалентно по своему воздействию суперпозиции результатов преобразования каждого из сигналов. Свойство линейности является весьма важным для практических приложений, поскольку позволяет значительно упростить обработку различных сложных сигналов, являющихся суперпозицией некоторых элементарных сигналов. Так, в частности, за простейший элементарный сигнал может быть принят моногармонический сигнал x(t), описываемый функцией:
где a - амплитуда, - частота, T - период, , - начальная фаза.
Тогда более сложный полигармонический сигнал может быть записан как суперпозиция простейших моногармонических сигналов:
Cогласно теории цифровой обработки сигналов, любой сигнал может быть представлен как суперпозиция взвешенных единичных импульсов следующим образом:
(5.9)
где x(t) – отсчет сигнала в некоторый момент времени.
Если на вход системы ЦОС, выполняющей линейное преобразование, поступает единичный импульс, то сигнал h(t), снимаемый с выхода системы и являющийся откликом системы на единичный импульс, носит название импульсной характеристики (импульсного отклика) системы. Импульсный отклик является важнейшей характеристикой системы и позволяет описать ее как “черный ящик”, задав реакцию системы на некоторый простейший эталонный сигнал.
Если h(t) конечна, то такие системы называются КИХ-системами, т.е. системами с конечной импульсной характеристикой. Если h(t) бесконечна, то это БИХ-системы, т.е. системы с бесконечной импульсной характеристикой. В цифровой обработке сигналов имеет смысл рассматривать только КИХ-системы, поскольку время обработки, т.е. реакции системы на входной сигнал должно быть конечно.
Подставив (5.9.) в (5.8), получаем для линейных преобразований:
(5.10)
Таким образом, для линейной системы результат обработки любого поступившего на вход сложного сигнала может быть определен как суперпозиция импульсных откликов системы на поступившие на вход единичные импульсы с соответствующей начальной задержкой и весом, определяемым весом соответствующего отсчета исходного сигнала.
Примерами линейных преобразований могут служить преобразования Фурье, Хартли, свертка и корреляция. К нелинейным преобразованиям относятся, в частности, многие алгоритмы распознавания, гистограммные преобразования и ранговая фильтрация.
- Цифровая обработка сигналов
- Санкт-Петербург
- Содержание
- 7.2. Вейвлеты 106
- Введение
- 1. Основные понятия цифровой обработки сигналов
- Понятие о первичной и вторичной обработке сигналов
- Основные требования к системам цос
- 2. Понятие сигналов. Виды сигналов
- 2.1. Виды сигналов
- 2.2. Энергия и мощность сигнала
- 2.3. Представление периодических сигналов в частотной области
- 2.4. Представление в частотной области непериодических сигналов
- Введение в теорию ортогональных преобразований
- 2.4.2. Интегральное преобразование Фурье
- 2.5. Свойства преобразования Фурье
- 2.5.1. Фурье-анализ неинтегрируемых сигналов
- 2.6. Интегральное преобразование Хартли
- 2.7. Случайные сигналы
- 2.7.1.Модели случайных процессов
- 2.7.2. Вероятностные характеристики случайного процесса Функциональные характеристики.
- Числовые характеристики
- Примеры случайных процессов с различными законами распределения
- 3. Корреляционный анализ сигналов
- 3.1. Корреляционная функция (кф):
- 3.2. Взаимная корреляционная функция
- 3.3. Взаимный спектр сигналов
- 3.4. Корреляционные функции случайных процессов
- 3.4.1. Стационарные и эргодические случайные процессы
- 3.5. Спектральные характеристики случайных процессов
- 3.5.1. Теорема Винера-Хинчина
- 3.6. Комплексная огибающая сигнала
- 4. Переход от аналоговых сигналов к цифровым
- 4.1. Дискретизация сигналов
- 4.1.1. Влияние формы дискретизирующих импульсов
- 4.1.2. Теорема Котельникова
- 4.1.3. Дискретизация при использовании квадратурных сигналов
- 4.1.4. Определение шага временной дискретизации при восстановлении сигнала полиномами 0-го порядка
- 4.1.5. Определение шага дискретизации при заданной автокорреляционной функции
- Изменение частоты дискретизации. При решение различных задач обработки сигналов достаточно часто требуется изменение частоты дискретизации сигнала.
- 4.2. Квантование непрерывных сигналов по уровню
- 5. Основные типы дискретных алгоритмов цифровой обработки сигналов
- 5.1. Линейные и нелинейные преобразования
- 5.2. Характеристики линейных систем
- 5.4. Апериодическая свертка и корреляция
- 5.5. Двумерная апериодическая свертка и корреляция
- 5.6 Нерекурсивные и рекурсивные фильтры
- 5.7. Метод синхронного или когерентного накопления
- 5.8. Адаптивные фильтры.
- 5.8.1. Фильтр Винера-Хопфа.
- 5.10. Фильтр Калмана.
- 6. Дискретные ортогональные преобразования
- Задачи цос, решаемые методами дискретных ортогональных преобразований
- 6.1. Дискретное преобразование Фурье
- 6.2. Дискретное преобразование Хартли
- 6.3. Двумерные дискретные преобразования Фурье и Хартли
- 6.4. Ортогональные преобразования в диадных базисах
- 6.5. Дискретное косинусное преобразование
- 6.6. Оконное преобразование Фурье
- 6.7. Выполнение фильтрации в частотной области
- Виды фильтров
- 7. Вейвлет преобразования или разложение по всплескам
- 7.1. Понятие о Wavelet-преобразованиях. Преобразование Хаара
- 7.2. Вейвлеты
- 7.2.1. Непрерывные вейвлет преобразования
- 7.2.2. Частотный подход к вейвлет преобразованиям
- 7.2.3. Вейвлет-ряды дискретного времени
- 7.2.4. Дискретное вейвлет-преобразование
- 7.2.4.1. Условия полного восстановления сигнала
- 7.2.5. Пакеты вейвлетов (алгоритм одиночного дерева)
- 7.2.6. Целочисленное вейвлет-преобразование
- Целочисленное вычисление вейвлет–преобразование (2,2). Это преобразование эквивалентно вейвлет-преобразованию Хаара, использующему следующие фильтры декомпозиции:
- Целочисленное вычисление вейвлет-преобразования (2,6). Данное преобразование эквивалентно использованию следующих фильтров анализа:
- Целочисленное вычисление вейвлет –преобразования (5,3). Такое преобразование также является разновидностью биортогонального преобразования и использует следующую пару фильтров:
- 7.3. Применение вейвлет-преобразований для сжатия изображения
- 8. Быстрые алгоритмы ортогональных преобразований
- 8.1. Вычислительная сложность дпф и способы её сокращения
- 8.2. Запись алгоритма бпф в векторно-матричной форме
- 8.3. Представление алгоритма бпф в виде рекурсивных соотношений
- 8.4. Алгоритмы бпф с прореживанием по времени и по частоте
- 8.6. Вычислительная сложность алгоритмов бпф
- 8.7. Выполнение бпф для случаев
- 8.8. Быстрое преобразование Хартли
- 8.9. Быстрое преобразование Адамара
- 8.10. Выбор метода вычисления свертки / корреляции
- 9. Алгоритмы нелинейной обработки сигналов
- 9.1. Ранговая фильтрация
- 9.2. Взвешенная ранговая фильтрация
- 9.3. Скользящая эквализация гистограмм
- 9.4. Преобразование гистограмм распределения
- Контрольные вопросы и задания. Разделы 1-3.
- Раздел 4
- Разделы 5 и 6
- Раздел 5
- Раздел 8
- Раздел 9
- Кафедра вычислительной техники