литература PDF

Цифрове оброблення сигналів Цифрове оброблення сигналів
АНТИПЕНКО
Руслан Володимирович
Консультації:
тлг: ЦОС 2020
1
Цифрове оброблення сигналів Цифрове оброблення сигналів
Лекції – 36 год.
Практичні заняття – 18 год.
Лабораторні роботи – 18 год.
Розрахункова робота
Модульні контрольні роботи
Екзамен 2
Цифрове оброблення сигналів Рейтингова система
100 балів
Практичні заняття: 5 балів  4  20 балів

(самостійні роботи, поточний контроль)
Лабораторні роботи: 5 балів  3  15 балів

Розрахункова робота: 5 балів
МКР: 10+10=20 балів
Екзамен: 40 балів
3
Екзамен
Цифрове оброблення сигналів
40 балів
Тестування !!!!
Допуск до екзамену: 30 балів
4
https://ecampus.kpi.ua/home
https://www.sikorsky-distance.org/
5
Основна література
Digital signal processing

(DSP)
6
Цифрове оброблення сигналів Основна література
[1] Цифровая обработка

сигналов/ А.Б. Сергиенко –
СПб.: Питер, 2003.-604 с.
7
[2] Основы цифровой

обработки сигналов: Курс
лекций / Авторы: А.И.
Солонина, Д.А. Улахович, С.М.
Арбузов, Е.Б. Соловьева / Изд.
2-е испр. и перераб. – СПб.:
БХВ-Петербург, 2005. – 758 с.:
ил.
8
[3] А. Оппенгейм, Р. Шафер.

Цифровая обработка сигналов
/ Издательство „Техносфера”,
Москва, 2006. – 856 с.
9
[4] Айфичер Эммануил С.,

Джервис Барри У.
Цифровая обработка сигналов:
практический подход, 2-е
издание.: Пер. с англ. – М.:
Издательский дом «Вильямс»,
2004. – 992 с.: ил. – Парал. тит.
англ. 1
0
(ЦОС)
- це область науки і техніки, в якій
вивчаються спільні для різних
технічних застосувань принципи,
методи та алгоритми оброблення
сигналів засобами цифрової
обчислювальної техніки.
1
1
Основна відмінність ЦОС від
класичної теорії оброблення
сигналів полягає в тому, що сигнал
в ЦОС – це числова послідовність.
12
Основні розділи ЦОС:
-Спектральний аналіз
-Лінійна фільтрація
-Нелінійна фільтрація
-Адаптивне оброблення сигналів
-Оброблення багатовимірних
сигналів
-Багатошвидкісне оброблення
сигналів (Multirate Digital Signal
Processing)
- …………………………………….
13
Радіозв'язок
Радіолокація
Гідролокація
Сейсмологія
Акустика
Медицина
Економіка та фінанси
……………………
14
Цифрове оброблення сигналів Гарантована точність
Цілковита відтворюваність
Стабільність
Розвиток ел. бази ЦОС
Гнучкість системи ЦОС
Характеристики, які не
реаліз. в аналог. системах
Оброблення цифр.
сигналів
15
Швидкість та затрати
Час на розробку
Проблеми кінцевої
розрядності
16
Цифрове оброблення сигналів Основні типи сигналів
Сигнал - фізичний процес, що несе
в собі інформацію.
Аналоговий – неперервний у часі
та стані.
Дискретний – дискретний у часі та
неперервний у стані.
Описується решітчастою функцією.
17
,
Основні типи сигналів
Частота дискретизації
(sampling frequency)
fS  1 T fд  1 T
Т – період (крок) дискретизації
Значення в моменти t=пТ

називають відліками. 18
,
Основні типи сигналів
Дійсний
Комплексний
Цифровий – дискретний /
квантований
19
Узагальнена схема ЦОС

20
[2]
21
,
Цифровий сигнал
 Часова область: описується
послідовністю (решітчастою
функцією) xnT   xn 
 Частотна область: xnT 
описується своїм фур`є-
перетворенням X e  j T
 z-область: описується своїм z-

зображенням X  z 
22
,
Типові дискретні сигнали
- ряд дискретних сигналів, що
використовують в якості
випробувальної дії.
z  n  x  n  y  n
w n  x  n  y  n
y  n   x  n  n0   x  n  m 
23
,
1. Цифровий одиничний
імпульс – послідовність з єдиним
не нульовим відліком.
0, n  0
u0  n     n   
1, n  0
0, n  m
u0 n  m   
1, n  m
24
,
Фільтруюча властивість

xn    xm u0 n  m 
m0
25
,
2. Цифровий одиничний скачок
0, n  0 0, n  m
u1 n    u1 n  m   
1, n  0 1, n  m
Або позначають u n 26

,
n n
u n    k    u k 
k  k 
0
u  n   u0  n   u0  n  1  u0  n  2   ... 

  n  k 
k 0
  n   u  n   u  n  1
27
,
3. Дискретна дійсна експонента
a , n  0
n
xn   
 0, n  0
28
,
4. Дискретний гармонічний
сигнал
x  nT   x  n   A cos  2 f nT   A cos  nT 
x  nT   x  n   A sin  2 f nT   A sin  nT 
29
Цифрове оброблення сигналів Типові дискретні сигнали
5. Дискретний комплексний
гармонічний сигнал
xnT   A cosnT   jA sin nT 
xn   Ae jTn
x  n   Ae j  n  
 A cos  n     jA sin  n   
30
Цифрове оброблення сигналів Типові дискретні сигнали
6. Комбінування стандартних
послідовностей
 A , n  0,
n
 x  n   A  u1  n 
n
x  n  
0, n  0.
31
Цифрове оброблення сигналів Дискретні системи
.
(системи з дискретним часом)

- визначається як перетворення
(чи оператор), що переводить
вхідну дискретну послідовність
(сигнал) у вихідну дискретну
послідовність (відгук, або реакція
системи)
x  n y  n   T  x  n  y  n
32
Ідеальна система затримки

y  n  x  n  m
y  n  x  M n
y  n   3x  n  1  x  n 
33
1. Лінійна дискретна система
2. Стаціонарна (інваріантна у часі)
3. Детермінована
4. Пам’ять систем
- без запам'ятовування
(memoryless, static)
- (dynamic) система з пам'яттю
5. Стійкість
Bounded input – bounded output 34
ОСНОВИ ДИСКРЕТНИХ ПЕРЕТВОРЕНЬ
Перетворення Лапласа для x  t  , x  t  t 0
0

X  p   L  x  t    x  t  e  pt
dt
0
 0  j
1
x t   L
1
 X  p   2 j  X  p  e dppt
 0 j
1
Перетворення Фур'є для x  t  , 

x t  t 0
0

X  j    x  t  e  jt dt
0

1
x t    X  j  e
jt
d 
2 
2
1. Дискретне перетворення Лапласа
t  nT x  t   x  nT 
X e   DxnT    xnT  e

pT  pnT
n 0
p    j - оператор Лапласа.
тільки в області абсолютного збігання ряду
 
 xnT e  pnT
  xnT  e nT

n 0 n 0
3
На комплексній площині
Re p      0 - абсциса абсолютної

збіжності
Дискретне перетворення Лапласа не

застосовується часто, тому що
приводить до трансцендентних
співвідношень – дуже не зручно.
Показникові, тригонометричні, логарифмічні
4
2. Перетворення Фур'є дискретної
послідовності
t  nT x  t   x  nT  x  n  n0  0
    xnT e

jT  jnT
X e 
n 0 T
T
 x(nT ) 
2  X e 
jT
e 
jTn
d
X  e jT    x  nT  e  j nT 

n  T
дискретизоване по часу перетворення

Фур’є
5
2. Перетворення Фур'є дискретної
послідовності

X e jˆ
   x n e  jˆ n
n 0

1
x ( n)   X e jˆ
e jˆ n
dˆ
2 
- Нормовані час та частота

1 1
x  n   x  nT  ˆ  T    2 f
fS fS
6
тільки в області абсолютного збігання
ряду
 
 xnT e
n 0
 jnT
  xnT   
n0
Перетворення Фур’є однозначно

пов’язує послідовність з її Фур’є
зображенням
7
Приклад
a n , n  0
xn    Як можна записати?
 0, n  0
8
Приклад
a n , n  0
xn    x  n  a u  n
n
 0, n  0
 
1
X e jˆ
  a n
e  jˆ n
   ae 
 jˆ n
  jˆ
n 0 n 0 1  ae

1

n
a   a 1
n 0 1 a
Згадати геометричну прогресію !!!

9
Основні властивості ПФ
1) Неперервність
Модуль та аргумент – неперервні
(кусочно-неперервні) функції частоти
за визначенням.
2) Періодичність
Модуль та аргумент – періодичні функції
частоти з періодом, що дорівнює частоті
дискретизації
10
3) ПФ дійсного сигналу

X e   X e  -парна функція частоти
j T  j T
argX e    argX e  - непарна

j T jT
11
4) Лінійність
xnT   a1 x1 nT   a2 x2 nT   a3 x3 nT   ...

X e j T
  a X e   a X e   a X e   ...
1 1
j T
2 2
jT
3 3
j T
5) Зміщення по частоті
xnT   X (e j T
)
xnT e j0 nT
Xe  j  0 T

12
6) Зміщення в часі (затримка)
xnT   X (e jT
)
xn  m T   X (e jT
)e  jmT
7) Теорема Парсеваля

T
T
 X e 

 xnT 
2 jT 2
 d
n 0 2 
T


1
 X  e 
2
 x n
2
 jˆ
d ˆ
n0 2 
13
8) Теорема про згортку


x  n    
 X e j ˆ

 H  e jˆ 
h  n  

y n   x k  h n  k   x n  h n
k 
Y  e jˆ   X  e jˆ  H  e jˆ 
14
9) Теорема про періодичну згортку
(модуляція)

 X e
x  n  
jˆ


W  e
w  n   jˆ

y  n  x  n w n
 

Y e  
jˆ 1
2 
 X e  
jˆ
W e

j ˆ ˆ 
dˆ
15
10) Диференціювання по частоті


 X  e jˆ 
x  n  
 dX  e jˆ 
n x  n  
j
dˆ
16
3. Z- перетворення

X  z   Z  x  n    x  n  z n
n 0

X  z   Z  x  n    x n z n
n 

x  n  
 X  z
абсолютне збігання ряду


 x n z
n 0
n

17
Приклад
Дискретна експонента
  
1
  a n z  n    a z 1 
n
 x n z
n 0
n
n0 n0

1  az 1

 x n z
n 0
n
 z a
18
Зв’язок Z- перетворення з дискретним

перетворенням Лапласа
X z  z e pT
 
 X e pT
19
Зв’язок ПФ із Z- перетворенням
 
X e jT  X  z  z e jT

z  r e j X  z    x  n   r e j 
n
n0

X  z     x  n  r  n  e  j n
n 0
r 1
20
Область збігання z-перетворення

 x n z
n 0
n

Область збігання z-перетворення

залежить від послідовності x  n 
1) ОЗ – це кільце або диск на
комплексній площині з центром в нулі
0  rR  z  rL  
21
2) Перетворення Фур’є послідовності x  n 

сходиться абсолютно тоді, коли ОЗ
z–перетворення містить одиничне коло
3) ОЗ не може містити жодного полюса
22
4) ОЗ z–перетворення x  n  обмеженої
тривалості
  N1  n  N 2  
– вся комплексна площина, за винятком
можливо
z z0
23
5) ОЗ z–перетворення правосторонньої
послідовності x  n  (0 при n  N1   )
- зовнішня частина кола з центром в нулі
(включаючи інколи z   ) на межі якого
розміщений полюс з максимальним
модулем
24
6) ОЗ z–перетворення лівосторонньої
послідовності x  n  ( 0 при n  N 2   )
- внутрішня частина кола з центром в нулі
(включаючи інколи z=0 ) на межі якого
розміщений полюс з мінімальним
модулем
25
7) ОЗ z–перетворення двосторонньої
послідовності x  n 
- кільце з центром в нулі, на межах якого
розміщені полюси функції X(z),
а всередині кільця (згідно властивості 3)
їх немає.
26
8) ОЗ повинна бути зв’язною

– любі дві точки можна з'єднати кривою,
що цілком лежить в цій області.
27
28
ВЛАСТИВОСТІ Z-ПЕРЕТВОРЕННЯ
Z-перетворення однозначно зв'язує

послідовність x(n) з її зображенням X(z)
та справедливе в області збігання

 x n z
n
n0
n

29
Z-перетворення може збігатися, навіть
коли відповідний ряд Фур’є розходиться.
Приклад
Одиничний скачок u  n  .

 u n  
n 0
Фур’є перетворення не є абсолютно

збіжним рядом!!
30
Для z-зображення
  
1
 x n z n
  u n z n
 z 
1 n

n 0 n0 n 0 1  z 1
 
 u n z
n 0
n
 z
n 0
n

- абсолютно підсумовувана при ОЗ:

z 1
31
Якщо ОЗ включає в себе одиничне

коло, то сходиться відповідне Фур’є
перетворення.
32
1) Лінійність
xnT   a1 x1 nT   a2 x2 nT   a3 x3 nT   ...
ZxnT  Xz  a1X1z  a2 X2 z  a3 X3z  ...
ОЗ – перетин ОЗ перетворень, що
приймають участь в перетворенні
(крім випадку, коли нулі скорочуються з
полюсами)
33
2) Теорема про затримку
Z  x  n   X  z 
Z  x  n  m   X  z  z m
ОЗ – співпадає з ОЗ X  z  , можливо за
винятком точок z  0 , або z  
34
3) Теорема про згортку


x  n    x1  m  x2  n  m 
m 0
m
Z  x  n   X  z   X 1  z  X 2  z 
ОЗ – перетин ОЗ
35
4) Множення на експоненційну
послідовність
Z  x  n   X  z 
฀  z 
z0n x  n   X  
 z0 
ОЗ – R
z0 x  z0 Rx
36
5) Диференціювання
Z  x  n   X  z 
฀ dX  z 
n x  n    z
dz
ОЗ – R R
nx x
37
Зворотне z - перетворення
1
Z 1 X z   xn   X  z z n 1 dz
2j  C
С - замкнутий контур в області збігання
38
Формальний підхід –
інтегральна теорема Коші
Основна теорема про лишки

(узагальнення теореми Коші)

xn    Res i X  z z n 1

i
39
1. таблиці відповідностей
(найбільш зручний та простий метод у
випадку, коли z-зображення має вигляд
дробно-раціональної функції)
Приклад
Дискретна експонента:
  
1
 x  n z   a
n 0
n
n 0
n
z n
  a z 
n 0
1 n

1  az 1
z a
40
Приклади
n
1 1 1
x n    u n  X  z   z 
2 1 1
1 z 2
n
2
 1 1 1
x n     u n  X  z   z 
 2 1 1
1 z 2
2
n
1
  3 1
x  n  3  u  n  X  z   z 
2 1 1
1 z 2
2
3 z 1
x  n   3u  n   X  z  
1  z 1
41
2. розкладання z-зображення на прості

дроби
Раціональну функцію можна записати:
N 1
b z i
i
 
X z  i 0
M 1
a z
k 0
k
k
42
Раціональну функцію можна записати:

N
b0  1  ck z 1 
X z  k 1
M
a0  1  pk z 1 
k 1
M
A
M N X  z   k
1  pk z 1
k 1
43
M
 A 
N M X  z  = A0 +   k
1 
k=1 1  pk z 
b
A0  N
aM
A k  1  p z  X  z 
k
1
z  pk
Інші випадки: Оппенгейм, стор. 129
44
3. Розкладання в степеневі ряди

Ряд Лорана:

X  z   x n z
n 
n
X  z   ...  x  1 z  x  0   x 1 z 1  ....
45
Приклади

Z   n     z      n  z  n    0  z 0  1
n 0
Z   n  m     z  z  m  z  m
46
Спектральний аналіз
Спектр дискретного сигналу
В частотній області дискретний сигнал

описується своїм Фур'є зображенням
    xnT e

j T  jnT
X e
n 0

T
T
x(nT ) 
2  X e  jT
e jTn
d


T 1
Фур'є-зображення дискретного сигналу

називають комплексним спектром
(спектром)
   
X e jT  X e jT e j argX e 
jT
2

X e jT
 - амплітудний спектр
(спектральна щільність
амплітуди), [В/Гц]
 
arg X e j T
 - фазовий спектр
дискретного сигналу
3
X e 
2
jT
- спектральна щільність
2 2
енергії, В Гц
Дж Гц  Гц 2  Дж Гц 1
При спектральному аналізі досить

часто будуються графіки залежності
спектральної щільності енергії від
частоти.
4
Площа під кривою X e j T

між частотами 
f 0  df та f 0  df виражає середню
напругу на частоті f 0
Площа під кривою X  e  між частотами
2
jT
f 0  df та f 0  df виражає середню
енергію на частоті f 0
f 0  df f0 f 0  df
5
Властивості спектрів дискретного
сигналу
Дивись властивості перетворення Фур'є
дискретного сигналу:
1)Безперервність
2)Періодичність
3)Спектр дійсного сигналу
4)Лінійність
5)Зміщення (перенос) спектру
6)Затримка сигналу
7) …………………………….. 6
Накладання спектрів
(елайсинг, aliasing)
Гармонічний сигнал може бути

адекватно представлений
дискретними відліками, якщо його
частота не перевищує половини
частоти дискретизації.
Ця частота називається частотою
Найквіста.
7
В часовій області: поява хибних

частот ( накладання спектрів) [2]
fв  f N
fв  f N
fв  f N
8
В частотній області [2] :

fв  f N
fв  f N
хибні
частоти,
накладання
спектрів
9
Реальні сигнали скінченної тривалості
теоретично мають нескінченний спектр.
Принципово існує накладання спектрів.
Можливо визначити найвищу частоту

спектра так, щоб енергією сигналу, що
відповідає “відрізаній” частині спектру
можна буде знехтувати.
10
Зв’язок між спектрами аналогового та
дискретного сигналів
Спектр дискретного сигналу дорівнює (з

точністю до постійного множника) сумі
спектрів аналогового сигналу, зміщених по
осі частот на всі можливі частоти, кратні
частоті дискретизації
11
Дискретне перетворення Фур‘є
Дискретизоване по часу перетворення Фур'є

X e jˆ
   x n e  jˆ n
n 0
X e jˆ
-
неперервна періодична функція
частоти
Алгоритм розрахунку неперервного спектру
X  e  скінченної послідовності x  n  на
jˆ
періоді ˆ S в дискретних точках називається

дискретним перетворенням Фур'є (ДПФ,
DFT)
12
N 1
X k    xn W Nnk k  0,1,..., N  1
n 0
N 1
1
 
x n 
N
 X k WNnk n  0,1,..., N  1
k 0
- дискретний ряд Фур'є
2
j nk
W Nnk  e N 
X  e jˆ    x  n  e  jˆ n
n0
13
N 1 2
j nk
X k    x n e N
k  0,1,..., N  1
n 0
N 1 2
1
   X k  e
j nk
x n  N
N k 0
n  0,1,..., N  1
14
ДПФ використовується як для періодичних,

так і для не періодичних послідовностей
15
X k 
k
X  k  - спектральні відліки (відліки ДПФ)
2 
 k N
k s
 
NT
 S
N
N - період
16
Матриця ДПФ
ДПФ – добуток двох матриць:
Спектральний аналіз https://en.wikibooks.org/wiki/Digital_Signal_Processing/
Discrete_Fourier_Transform 17
Матриця ДПФ
1 1 1 1  1 
 j
2
j
4
j
6 2
 j  N 1

1 e N e N
e N
 e N 
 
4 8 12 2
 j j j j 2 N 1 
1 e N
e N
e N
 e N
F   6 12 18 2


j j j  j 3 N 1
1 e N e N
e N
 e N 
 
      
 2
 j  N 1 j
2
2 N 1 j
2
3 N 1  j  N 1 
2 2
1 e N e N
e N
 e N 
18
Властивості ДПФ
1. Періодичність
N - період
2. Лінійність
3. Зміщення N –точкового ДПФ
x  n  
DFT
 X  k 
x  n  WN k0 n 
DFT
 X  k  k 0
19
x  n  
 X k 
DFT
x n k0 n
WN  X  k  k0 
DFT

4. Затримка N –точкового ДПФ
x  n  
 X k 
DFT
x  n  m  
 X k 
DFT km
WN
20
5. Теорема Парсеваля
x  n  
DFT
 X  k 
N 1 N 1
2 1 2
 x n 
N
 X k 
n 0 k 0
21
6. Симетрія
N –точкова послідовність x  n  дійсна

x  n  
DFT
 X  k 
X  k   X  k 
X k   X  N  k 
– парна
22
arg  X  k    arg  X  k 
arg  X  k    arg  X  N  k 
– непарна
23
N –точкова послідовність x  n  дійсна

та виконується умова симетрії
x  n  x  N  n
– ДПФ теж буде дійсним
24
Дискретне перетворення Фур‘є 7. Розрахунок за допомогою ДПФ
кругової (періодичної) згортки

N 1 N 1
y n   x1  m  x2  n  m    x1  n  m  x2  m 
m 0 m 0
– кругова згортка N –точкових періодичних

Y  k   X1  k  X 2  k 
25
Дискретне перетворення Фур‘є 8. ДПФ добутку N –точкових періодичних
y  n   x1  n  x2  n 
N 1
1
Y k  
N
 X1  m  X 2  k  m  
m 0
N 1
1

N
 X1  k  m  X 2  m 
m 0
– кругова згортка N –точкових ДПФ
26
Розрахункова складність ДПФ
Дискретне перетворення Фур‘є Розрахункову складність ДПФ оцінимо
кількістю арифметичних операцій з

комплексними числами
N 1 2
j nk
X k    x n e N
n 0
При фіксованому значенні k :
N – операцій множення
N 1  N – операцій складання
Всього 2 N – операцій 27
Розрахункова складність ДПФ
k  0,1,..., N  1
N  2N  2N 2
- арифметичних операцій з комплексними
числами
28
АЛГОРИТМ ШВИДКОГО
Дискретне перетворення Фур‘є ПЕРЕТВОРЕННЯ ФУР'Є (ШПФ, FFT)
Математичною основою спектрального

аналізу є ДПФ
ШПФ називають набір алгоритмів,

призначених для більш швидкого
розрахунку ДПФ (ШПФ - це спосіб
розрахунку ДПФ).
29
АЛГОРИТМ ШВИДКОГО
Дискретне перетворення Фур‘є ПЕРЕТВОРЕННЯ ФУР'Є (ШПФ, FFT)
Найбільше поширення отримав алгоритм

ШПФ з основою 2.
Існує два еквівалентних по ефективності
алгоритми ШПФ з основою 2:
- з прорідженням у часі
- з прорідженням по частоті
30
Алгоритм ШПФ з прорідженням у часі

N 2
Якщо ця умова не виконується, то
початкову послідовність необхідно
доповнити потрібною кількістю нулів.
31
Дискретне перетворення Фур‘є Основна ідея алгоритму – в поступовому
розрахунку N -точкового ДПФ на кількох

етапах, на кожному із них поточне ДПФ
визначається як комбінація ДПФ з
розмірністю вдвоє меншою

N 2
Спочатку відліки N -точкової послідовності
розставляються по певному правилу (в основі
лежить послідовне розбиття N -точкової
послідовності на парні та непарні відліки)
32
Для 16 точок (N=16)

33
Знайдемо ДПФ як комбінацію двох

ДПФ із вдвічі меншою розмірністю

N 1 2
 j nk
X  k    x  n e N
n 0
N  2
34
Дискретне перетворення Фур‘є Розділимо початкову послідовність на дві
послідовності: з парними та непарними

номерами
N 2 1 2 N 2 1 2
j  2 mk j  2 m 1 k
X k    x  2m  e
m0
N
  x  2m  1 e
m0
N
y  m   x  2m  z  m   x  2m  1
N 2 1 2 N 2 1 2
j  2 mk j  2 m 1 k
X k    y  m e
m0
N
  z  m e
m0
N
35
Дискретне перетворення Фур‘є N 2 1 2 2 N 2 1 2
j  2 mk j k j  2 mk
X k    y  m e
m0
N
e N
 z  m e
m0
N
N 2 1 2 2 N 2 1 2
j mk j k j mk
X k    y m e
m 0
N 2
e N
 z m e
m0
N 2
2
j k
X k   Y k   e N
Z k 
N 2 1 2 N 2 1 2
j mk j mk
Y k    y m e
m0
N 2
Z k    z m e
m0
N 2
36
Дискретне перетворення Фур‘є 2
j k
X k   Y k   e N
Z k 
Тільки на інтервалі 0k  N 2
ДПФ з розмірністю N 2 дає тільки N 2

коефіцієнти (спектральних відліки)
37
Врахуємо періодичність спектра

Період N 2
 N  N
Y  k    Y k  Z  k    Z k 
 2  2
38
N 2  k  N 1
2
 N j k  N
X k   Y  k    e N
Z k   
 2  2
2  N 
 N  j k 
 N
Y k  e N  2
Z k  
 2  2
39
N 2  k  N 1
2
 N j k  N
X k   Y  k    e N
Z k   
 2  2
2  N 
 N  j k 
 N
Y k  e N  2
Z k  
 2  2
40
Враховано, що
2  N 
 j k   j
2 2  N 
k  j   
e N  2
  e N
e N  2

 
2 2
 j k
j  j k
  e N
e e N
 
41
Якщо 0  k  N 2  1
2
 N j k
X  k    Y k   e N Z k 
 2
42
В результаті ми отримали два основні вирази
X k   Y k  W Z k 
k
N
 N
X  k    Y  k   WN Z  k 
k
 2
0  k  N 2 1
2
j k
k
W e
N
N
43
Згадаємо розрахункову складність ДПФ!

N  2N  2N 2
- арифметичних операцій з комплексними
числами
44
Ми отримали два основні вирази:
X k   Y k  W Z k 
k
N
 N
X  k    Y  k   WN Z  k 
k
 2
Розрахункова складність:
2  2N 4  N 2  N  N
2 2
45
Базова операція - butterfly (метелик)

2 2
j k j k
e N
e N
k
WNk W N
46
Дискретне перетворення Фур‘є Початкові умови
- послідовне розбиття на парні та непарні

відліки
x  0  x 1 x  2  x  3 x  4  x  5  x  6  x  7 
x  0 x  2 x  4 x  6 x 1 x  3 x  5  x  7 
x  0 x  4 x  2 x 6 x 1 x  5  x  3 x  7 
47
Обернення бітів (операція біт-реверсу)

48
Дискретне перетворення Фур‘є ШПФ 8-ТОЧКОВОЇ ПОСЛІДОВНОСТІ З
ПРОРІДЖЕННЯМ У ЧАСІ (класичний приклад)

Впорядкування початкової послідовності
49

50

51
Дискретне перетворення Фур‘є АЛГОРИТМ ШПФ З ПРОРІДЖЕННЯМ ПО
ЧАСТОТІ
Основна ідея алгоритму в поетапному
розрахунку N –точкового ДПФ на  етапах,
на кожному із них ДПФ визначається
через ДПФ вдвічі більшої розмірності.
52

53
Алгоритми ШПФ з прорідженням у часі і з
прорідженням по частоті дуальні: кожен із
них отримується із іншого методом заміни
входу і виходу та оберненням всіх стрілок
направленого графа.
54
Дискретне перетворення Фур‘є Основа алгоритму ШПФ
Основа ШПФ (radix) – число фрагментів, на

які розбивається вхідна послідовність на
кожному етапі прорідження (а також
мінімальний розмір частин вхідного
вектора, який досягається в результаті його
послідовного розбиття)
Ми розглядали ДПФ з основою 2
55
Дискретне перетворення Фур‘є якщо основа 4, то кількість відліків сигналу
повинна дорівнювати 4 , при кожному

прорідженні сигнал ділиться на чотири
фрагменти, а на останній стадії ділення ми
отримуємо чотирьох елементні
послідовності.
56
Дискретне перетворення Фур‘є Знаходження зворотного ДПФ за
допомогою алгоритму ШПФ

N 1
   
X k   x n WN
nk
n0
N 1
1
 
x n 
N
 X k nk
WN
k 0
2
j nk
W Nnk  e N
57
N 1
   X * k WNnk
Nx * n 
k 0
* - комплексне спряження.
58
Дискретне перетворення Фур‘є Узагальнення по ШПФ
-Найбільший виграш досягається при

основі 2 (алгоритм Кулі-Тьюкі, 1965 США).
-ШПФ не є наближеним алгоритмом.
При відсутності розрахункових похибок
він дає той же самий результат, що й ДПФ.
-Пришвидшення досягається за рахунок
оптимальної організації розрахунків.
-Кількість елементів повинна бути
оптимально N  2
59
-ШПФ розраховує всі відліки ДПФ.

В інший випадках краще використовувати
пряму формулу ДПФ.
60

61
ЛІНІЙНІ ДИСКРЕТНІ СИСТЕМИ (ЛДС)
- Discrete-Time Linear Time-Invariant Systems
- Лінійні стаціонарні (інваріантні) дискретні

системи
- Дискретні системи, які можна реалізувати
- Будемо аналізувати в трьох областях:

Часова область
Частотна область
z-область
1
Аналіз ЛДС в часовій області
Імпульсна характеристика (ІХ)
- Основна характеристика в часовій області,
тому що знаючи її можна знайти реакцію
системи на будь-яку дію
- Реакція ЛДС на цифровий одиничний
імпульс (дельта імпульс) при нульових
початкових умовах
 n ЛДС h n
2
Перехідна характеристика (ПХ) - реакція
ЛДС на цифровий одиничний скачок при
нульових початкових умовах
u n ЛДС g n
n
g n   h m
m0
- Знаючи ПХ, також можливо знайти

реакцію системи на будь-яку дію
3
Співвідношення між входом і виходом ЛДС
Цифрове оброблення сигналів - Відображає взаємозв'язок між вхідним та
вихідним сигналами
- Описується лінійними рівняннями:

1) формулою згортки, якщо
використовується ІХ;
2) різницевим рівнянням, якщо
використовуються внутрішні параметри ЛДС
4
Формула згортки
Цифрове оброблення сигналів (конволюція / convolution)
 
y n   h n  m x m y n   h m x n  m
m 0 m 0
1) якщо тривалість дії та/або імпульсної

характеристики нескінченна, то тривалість
реакції також нескінченна.
2) якщо скінченні, то тривалість реакції:
L  N  M 1
L 1
y n   h m x n  m
m0 5
Різницеве рівняння (РР)
- Різницеве рівняння з постійними
коефіцієнтами (Linear Constant-Coefficient
Difference Equation)
N 1 M 1
 b x n  i   a y n  k 
i 0
i
k 0
k
x n  i, y n  k  - затримані дія та реакція

bi , ak - внутрішні параметри системи
N 1 M 1
y n    bi xn  i    ak y n  k 
i 0 k 1
6
N 1 M 1
Цифрове оброблення сигналів b x n  i   a y n  k 

i k
i 0 k 0
N 1 M 1
 b x  n  i   a y  n  0   a y  n  k 
i 0
i 0
k 1
k
N 1 M 1
a0 y  n  0    bi x  n  i    ak y  n  k 
i 0 k 1
N 1 M 1
yn   bi xn  i    ak yn  k 
i 0 k 1
7
РР описує реальні дії, які система повинна
Цифрове оброблення сигналів виконати над вхідними даними в часовій
області, щоб отримати необхідний
вихідний сигнал.
ЛДС, співвідношення вхід/вихід якої

описується у вигляді різницевого рівняння,
відповідає умовам фізичної реалізуємості
РР має пряму аналогію з лінійним

диференційним рівнянням, що описує
співвідношення вхід/вихід аналогової
лінійної системи
8
Рекурсивні та не рекурсивні ЛДС
Цифрове оброблення сигналів ЛДС називається рекурсивною, якщо
принаймні один із коефіцієнтів ak не
дорівнює нулю
Порядок рекурсивної ЛДС дорівнює
порядку РР: maxM  1, N  1
N 1 M 1
y n    bi xn  i    ak y n  k 
i 0 k 1
y  n   b0 x  n   b1 x  n  1  b2 x  n  2  
 a1 y  n  1  a2 y  n  2 
9
Реакція рекурсивної ЛДС визначається:
- Поточним відліком дії b0 x  n 
- Попередньою історією дії x  n  i  ,

i  0...N  1
- Попередньою історією реакції y  n  k  ,

k  1...M  1
10
ЛДС називається нерекурсивною, якщо всі
коефіцієнти ak дорівнюють нулю
Порядок рекурсивної ЛДС дорівнює
порядку РР:  N  1
N 1
y  n    bi x  n  i 
i 0
y  n   b0 x  n   b1 x  n  1  b2 x  n  2 
11
Системи із скінченною та нескінченною ІХ
Цифрове оброблення сигналів ІХ – реакція системи на цифровий
одиничний скачок.
Якщо виконати заміну в різницевому
рівнянні
 x  n     n 

 y  n   h  n 
N 1 M 1
h  n    bi  n  i    ak h  n  k 
i 0 k 1
12
Цифрове оброблення сигналів ІХ рекурсивної системи має нескінченну
тривалість. Тому рекурсивні ЛДС називають
системами із нескінченною імпульсною
характеристикою (НІХ – система)
infinite impulse response (IIR)
h  n   b0  n   b1  n  1  b2  n  2  

 a1h  n  1  a2 h  n  2 
13
h  0   b0  0   b1  0  1  b2  0  2  
Цифрове оброблення сигналів  a1 h  0  1  a 2 h  0  2   b0
h 1  b0 1  b1 1  1  b2 1  2  

 a1 h 1  1  a 2 h 1  2   b1  a1 h 1  b1  a1b0
h  2   b0  2   b1  2  1  b2  2  2  

 a1 h  2  1  a 2 h  2  2   b2  a1 h 1  a 2 h  0  
 b2  a1 (b1  a1b0 )  a 2 b0
h  3   b0  3   b1  3  1  b2  3  2  

 a1 h  3  1  a 2 h  3  2    a1 h  2   a 2 h 1
14
Цифрове оброблення сигналів ІХ нерекурсивної ЛДС має скінченну
тривалість (що дорівнює порядку системи
при умові, що всі коефіцієнти не дорівнюють
нулю).
Значення відліків ІХ дорівнюють
коефіцієнтам різницевого рівняння
N 1
h  n    bi  n  i 
i 0
hn   bi
15
Тому нерекурсивні системи називають
системами із скінченною імпульсною
характеристикою (СІХ – системи).
finite impulse response (FIR)
h  n   b0  n   b1  n  1  b2  n  2 
16
Цифрове оброблення сигналів h  0   b0  0   b1  0  1  b2  0  2   b0
h 1  b0 1  b1 1  1  b2 1  2   b1
h  2   b0  2   b1  2  1  b2  2  2   b2
h  3   b0  3   b1  3  1  b2  3  2   0
17
Пам’ять ЛДС
Цифрове оброблення сигналів -її здатність „пам’ятати попередню історію”
(попередні відліки дії) при розрахунку
реакції в поточний момент часу.
-тривалість попередньої історії (кількість
попередніх відліків дії) визначають
тривалість пам’яті
-нерекурсивна ЛДС має пам’ять, її
тривалість скінченна та дорівнює N  1
-рекурсивна ЛДС також має пам’ять, але її
тривалість в загальному випадку
нескінченна
18
y  n   b0 x  n   b1 x  n  1  b2 x  n  2 
y  0   b0 x  0 
y 1  b0 x 1  b1 x  0 
y  2   b0 x  2   b1 x 1  b2 x  0 
19
y  n   b0 x  n   b1 x  n  1  a1 y  n  1
y  0   b0 x  0 
y 1  b0 x 1  b1 x  0   a1b0 x  0 
y  2   b0 x  2   b1 x 1  a1 b0 x 1  b1 x  0   a1b0 x  0  
-любий ненульовий відлік дії циркулює в

системі нескінченно.
-затухає, але присутній, по крайній мірі,
теоретично.
20
Стійкість ЛДС
Цифрове оброблення сигналів ЛДС називається стійкою (стабільною), якщо
при обмеженій дії
max xn   Rx
та любих, але обмежених початкових умовах
реакція теж буде обмеженою
max yn   R y
21
Критерії стійкості ЛДС:
Цифрове оброблення сигналів - один із них дозволяє оцінити стійкість ЛДС
по її імпульсній характеристиці у часовій
області,
-інший – по z-зображенню цієї ІХ в z-області
Оцінка стійкості по ІХ
- для того щоб ЛДС була стійкою, необхідно
та достатньо щоб виконувалась умова
абсолютного збігання ряду

 hn   
n 0
22
Критерій дозволяє стверджувати, що
Цифрове оброблення сигналів нерекурсивні ЛДС (СІХ - системи)
принципово стійкі, оскільки їх ІХ скінченна.
Рекурсивні ЛДС (НІХ - системи) вимагають

перевірки на стійкість.
ІХ стійкої рекурсивної ЛДС має характер
затухаючої функції часу.
23
Аналіз ЛДС в z-області
Дозволяє:
Ввести фундаментальне поняття
передавальної функції
Перейти від РР до алгебраїчних
Спростити аналіз стійкості
Забезпечити автоматичний перехід до
частотних характеристик і т.д.
24
Передавальна функція.

H  z   Z hn    hn z n
n 0
-передавальна функція (ПФ) або

характеристична функція системи (System
Function)
-це математичне визначення ПФ
hn   Z 1
H z 
25
Відомо, що співвідношення вхід/вихід ЛДС
в часовій області описується за допомогою
згортки або РР. 
y  n   h  m x  n  m
m 0
Y z   H z X  z 
Y z 
H z  
X z 
- ПФ називають відношення z–зображення
реакції до z–зображення дії при нульових
початкових умовах.
26
Зв’язок із математичним визначенням

Y  z  Z hn 
H z     Z hn 
X  z  Z u0 n 
27
Виконаємо z–перетворення РР
Цифрове оброблення сигналів N 1 M 1
y n    bi xn  i    ak y n  k 
i 0 k 1
Z bi x  n  i   bi X  z  z i
N 1 M 1
     
Y z  X z  bi z  Y z  ak z
i k
i 0 k 1
N 1
i
b z i
Y z   i 0
M 1
X z 
1   ak z k
k 1
28
N 1

i
b z i
H z   i 0
M 1
1   ak z k
k 1
ПФ загального виду являє собою дрібно-

раціональну функцію, чисельник та
знаменник якої є багаточленом відносно
z порядків N  1 та M  1 з дійсними
1
коефіцієнтами bi та ak відповідно.
Порядок ПФ: maxM  1, N  1
29
Як люба дрібно-раціональна функція, ПФ
Цифрове оброблення сигналів характеризується своїми особливими
точками (полюсами) та нулями.
Нулі та полюси ПФ зручно зображувати у
вигляді точок на комплексній площині. Цю
сукупність називають картою нулів та
полюсів – одна із найважливіших
графічних характеристик ЛДС.
30
31
Факторизація ПФ (розкладання по нулям і
полюсам)
N
b   1  c z 
i
1
H z   0  i 1
M
 a0  
 1 
k 1
p z
k
1
32
Знаходження ІХ (розкладання на прості
Цифрове оброблення сигналів дроби) 1
hn   Z H z 
N  1  M  1
M 1
Ak
H  z   A0   1
k 1 1  pk z
bN 1
Ak  1  pk z 1
 H z z  pk
A0 
aM 1
A0  0  N  1   M  1
M 1
h  n   A0u0  n    Ak pkn
k 1
33
ПФ та РР ланки 1-го порядку:
Цифрове оброблення сигналів b0  b1 z 1
H z   y n   b0 xn   b1 xn  1  a1 y n  1
1  a1 z 1
ПФ та РР ланки 2-го порядку:

b0  b1 z 1  b2 z 2
H z   1 2
1  a1 z  a2 z
y n   b0 xn   b1 xn  1  b2 xn  2   a1 y n  1  a2 y n  2
Базова ланка
1
H  z  1
y  n   x  n   a1 y  n  1
1  a1 z
34
ПФ рекурсивних та нерекурсивних ЛДС
Цифрове оброблення сигналів Рекурсивні ЛДС описуються ПФ загального
N 1
виду b z i  i
H z   i 0
M 1
1   ak z k
k 1
Нерекурсивні ЛДС
N 1 N 1
H z    bi z i H  z    hn z n
i 0 n 0
ПФ не рекурсивних систем не мають

полюсів ніде крім точки z=0
35
Оцінка стійкості по ПФ
Цифрове оброблення сигналів 
 hn   
n 0
 

n0
h  n      h  n  z n  
n0
- цей вираз визначає область збігання ПФ


z 1  hn   
n 0
- область збігання ПФ стійкої системи

містить одиничне коло
36
Якщо згадати характеристики ОЗ для
Цифрове оброблення сигналів правосторонньої послідовності (ІХ –
правостороння, детермінованість,
причинність) ми можемо записати
(розміщення максимального полюса)
pk  1 k  1, 2,..., M  1
Для того щоб ЛДС була стійкою, необхідно

та достатньо, щоб всі полюси її ПФ
знаходилися всередині кола одиничного
радіусу (одиничного кола) комплексної
z-площини
37
Суматор
N 1 M 1
y n    bi xn  i    ak y n  k 
i 0 k 1
y  n   x  n   y  n  1
1
H z 
1  z 1
p1  1
h  n   u1  n 
38
ОПИС ЛДС В ЧАСТОТНІЙ ОБЛАСТІ
Дозволяє:
Ввести фундаментальне для теорії ЛДС
поняття частотної характеристики.
При проектуванні більшості систем ЦОС саме
до частотних характеристик пред’являються
та витримуються вимоги.
Визначити реакцію ЛДС в усталеному
режимі не тільки на гармонічну дію, але і на
любу дію, яку можна представити як лінійну
комбінацію гармонічних дій.
39
Частотна характеристика
Цифрове оброблення сигналів В частотній області основною
характеристикою ЛДС є фур’є - зображення
ІХ, яке визначається за допомогою
перетворення Фур’є
    hnT e

j T  jnT
H e

H e    hne
n 0
jˆ  jˆ n
n 0
-називається комплексною частотною
характеристикою (КЧХ) або частотною
характеристикою (ЧХ).
-це математичне визначення ЧХ. 40
ІХ знаходиться за допомогою зворотного
Цифрове оброблення сигналів перетворення Фур’є

T
T
h(nT ) 
2  H e 
jT
e 
jTn
d


T
В усталеному режимі гармонічна дія (синус
або косинус) ЛДС викликає гармонічну
реакцію тої ж частоти, але (в загальному
випадку) іншої амплітуди та початкової фази
41
Комплексна функція
Цифрове оброблення сигналів   
H e   H e  e
j arg H e jˆ
 A ˆ  e
jˆ jˆ j ˆ 
A ˆ   H  e jˆ  - називають амплітудно-

частотною характеристикою
(АЧХ)

 ˆ   arg H  e jˆ
– фазочастотною
характеристикою (ФЧХ)
42
КЧХ можливо представити як відношення
Цифрове оброблення сигналів гармонічних сигналів – дії та реакції
y n C y j  y ˆ x ˆ 
 
jˆ
H e  
x  n  x n C e jˆ n Cx
e
  x
- частотна залежність відношення реакції до

дискретної гармонічної дії в усталеному
режимі.
Важливо, що для ЛДС відношення двох

функцій часу – гармонічних реакції та дії –
дає функцію, що не залежить від часу.
43
Відхилення ФЧХ від лінійної зручно
Цифрове оброблення сигналів досліджувати за допомогою групової
затримки, що визначається за формулою
 ˆ   
d
d ˆ

arg  H  e  
jˆ

Зв’язок КЧХ із ПФ
H e jˆ
  H  z z e jˆ
N 1
b e i
 jiˆ
H e jˆ
 i 0
M 1
1   ak e  jkˆ
44
k 1
Співвідношення вхід/вихід
Y z   H z X z 
Y e jˆ
  H e  X e 
jˆ jˆ
КЧХ ЛДС можливо визначити як відношення

реакції та дії при нульових початкових умовах
 Y e jˆ
H e   jˆ
X e  jˆ
45
КЧХ, так само як і ПФ, залежить виключно від

внутрішніх параметрів ЛДС та не залежить ні
від дії, ні від реакції
46
Властивості КЧХ
Властивості ПФ
•Неперервність.
•Періодичність
•Парність ……..
•……………………..
47
Структури ЛДС
N 1 M 1
y n    bi xn  i    ak y n  k 
i 0 k 1
N 1
b z i
i
H z   i 0
M 1
1   ak z k
k 1
1
Цифрове оброблення сигналів Структурна схема (структура) ЛДС відображає
алгоритм розрахунку реакції.
Алгоритм розрахунку реакції задається
безпосередньо РР, і в цьому сенсі структура
ЛДС відображає РР.
2
Алгоритм розрахунку реакції по РР
Цифрове оброблення сигналів базується на виконанні трьох типів
операцій з відліками сигналу:
Затримка
Множення
Алгебраїчне складання
3
СТРУКТУРА РЕКУРСИВНИХ ЛДС
Цифрове оброблення сигналів Рекурсивним ЛДС відповідають три
основних види математичного зображення
ПФ
•Дробно-раціональне
•Добуток множників другого порядку
•Сума дробів другого порядку
які визначають три основні структури:

•Пряму
•Каскадну (послідовну)
•Паралельну
4
Пряма структура
Пряма структура І визначається ПФ,
зображеній в дробно-раціональному вигляді
N 1
i
b z i
H z   i 0
M 1
1   ak z k
k 1
N 1 M 1
y n    bi xn  i    ak y n  k 
i 0 k 1
5
Пряма структура І ланки 2-го порядку
b0  b1 z 1  b2 z 2
H z   1 2
1  a1 z  a2 z
y n   b0 xn   b1 xn  1  b2 xn  2   a1 y n  1  a2 y n  2
6
Пряма структура ІІ
Цифрове оброблення сигналів (канонічна пряма структура)
Структуру називають канонічною, якщо кількість
елементів затримки в ній мінімальне та дорівнює
порядку ПФ
Y z  1 N 1
V z  Y z 
H z     i
bi z   H1  z H 2  z 
X z  M 1
X z  V z 
1   ak z  k i 0
k 1
V z  1
H1  z    - рекурсивна
X z  M 1
1   ak z  k
k 1
Y  z  N 1  i
H 2 z     bi z - нерекурсивна
V z  i  0 7
M 1

vn   xn    ak vn  k 
k 1
N 1
y n    bk vn  i 
i 0
ПФ та РР ланки 2-го порядку мають вигляд

1
H  z   H1 z H 2  z   1
1  a1 z  a2 z 2
b
0  b1 z 1
 b2 z 2

vn   xn   a1vn  1  a2vn  2
y n   b0vn   b1vn  1  b2vn  2
8
H1  z 
H2  z 
9
Каскадна структура
Цифрове оброблення сигналів N 1 N 1 N 1
i
b z i
b0  1  ci z 1  b0  1  ci z 1 
H  z  i 0
M 1
 i 1
M 1
 i 1
M 1
1   ak z  k a0  1  pk z 1   1  p z k
1
k 1 k 1 a0 1 k 1
В загальному випадку як нулі так і полюси є

комплексно-спряженими числами.
Попарно перемножимо найпростіші множники з
комплексно-спряженими нулями в чисельнику, та
комплексно-спряженими полюсами в знаменнику.
K K b0 k  b1k z 1  b2 k z 2 
H  z   Hk  z   П  1 2 
k 1
k 1
 1  a1k z  a2 k z 
10
b0 k  b1k z 1
Цифрове оброблення сигналів 1  a1k z 1
При прямій структурі всіх ланок даному виду ПФ
відповідає система РР
 v1  n   b01 x  n   b11 x  n  1  b21 x  n  2   a11v1  n  1  a21v1  n  2 

 v2  n   b02 v1  n   b12 v1  n  1  b22 v 1  n  2   a12 v2  n  1  a22v2  n  2 

 L
 y  n   b0, K 1vK 1  n   b1, K 1vK 1  n  1  b2, K 1v  n  2   a1, K 1 y  n  1  a2, K 1 y  n  2 
 K 1
Дана система зображується каскадним з’єднанням

рекурсивних ланок 2-го порядку (біквадратних
блоків) – каскадною структурою
11
12
Паралельна структура
Цифрове оброблення сигналів Ak
M 1
H  z   A0   1
k 1 1  pk z
Ak  1  pk z 1  H  z  z  pk
bN 1
A0  N 1  M 1
aM 1
M 1
Ak
H  z   1
k 1 1  pk z
N 1  M 1
13
Попарно складемо дроби з комплексно-
Цифрове оброблення сигналів спряженими полюсами
K K
 b0 k  b1k z 1 
H z    H k  z     1

2 
k 1 k 1  1  a1k z  a2 k z 
N 1  M 1
K
 b0 k  b1k z 1 
H  z   A0    1 2 
k 1  1  a1k z  a2 k z 
14
K
y n    vk n 
Цифрове оброблення сигналів k 1
vk n   b0 k xn   b1k xn  1  a1k vk n  1  a2 k vk n  2 
- дія для всіх ланок однакова, а реакція дорівнює

сумі реакцій окремих ланок, тому дане РР
відображується паралельним з’єднанням
рекурсивних ланок 2-го порядку – паралельною
структурою
15
16
Структури нерекурсивних ЛДС
Нерекурсивним ЛДС відповідають два основних
види математичного подання ПФ:
Раціональний
Добуток множників другого порядку
які визначають дві основні структури:
Пряму
Каскадну
17
Пряма структура нерекурсивних ЛДС
Цифрове оброблення сигналів N 1 N 1
H  z    bi z i y n    bi xn  i 
i 0 i 0
Таку структуру інколи називають лінією

затримки з відводами або структурою
трансверсального (поперечного) фільтра
18
Каскадна структура нерекурсивних
Цифрове оброблення сигналів ЛДС
ПФ подана у вигляді добутку множників
другого порядку:
 
K K
H  z   П H i  z   П b0i  b1i z  b2i z 1 2
i 1 i 1
ПФ відповідає система РР нерекурсивних
ланок 2-го порядку:
 v1 n   b01 xn   b11 xn  1  b21 xn  2
 v2 n   b02 v1 n   b12 v1 n  1  b22 v1 n  2 


 
 y n   b0, K 1v K 1 n   b1,K 1vK 1 n  1  b2, K 1v K 1 n  2 
19
відображається каскадною структурою,
де кожна ланка має пряму структуру:

20
Вибір структури
Цифрове оброблення сигналів Оскільки одна і та ж ПФ може бути подана в різних
видах, виникає питання про неоднозначність
структури ЛДС та її виборі.
Для цифрових фільтрів вид ПФ визначається
методом синтезу, тим самим структура по суті є
автоматично вибраною: для рекурсивних зазвичай
вона каскадна або паралельна,
а для нерекурсивних – пряма приведена
При виборі структури окремих ланок 2-го порядку

та послідовності їх розміщення в каскадному
з’єднанні необхідно мати на увазі, що від цього
залежить похибка розрахунків – власні шуми
системи. 21
Приклади ЛДС
Цифрове оброблення сигналів ЛДС з лінійною ФЧХ
H e j
  Ae  e
j j
H  e j   e  j - Ідеальна система затримки
H e j
  Ae  e
j j  j 
- називають системою з узагальненою лінійною

фазою
22
Детермінована СІХ система має узагальнену лінійну
Цифрове оброблення сигналів фазу, якщо її імпульсна характеристика задовольняє
одній із вимог симетрії
h  N 1  n  h  n n  0,1,..., N  1
h  N  1  n   h  n 
23
СІХ система з лінійною фазою І типу
Цифрове оброблення сигналів h  N  1  n   h  n  , де  N  1  парне
СІХ система з лінійною фазою ІІ типу
h  N  1  n   h  n  , де  N  1  не парне
СІХ система з лінійною фазою ІІІ типу
h  N  1  n   h  n  , де  N  1  парне
СІХ система з лінійною фазою ІV типу
h  N  1  n   h  n  , де  N  1  не парне
(ІІІ та ІV мають антисиметричну ІХ) 24
25
Різновид прямої структури – пряма структура
Цифрове оброблення сигналів (пряма приведена структура) для нерекурсивних
ЛДС з лінійною ФЧХ
-має практично в 2 рази менше множників, чим
структурна схема СІХ-фільтра з іншою будь-якою
ФЧХ
-по-перше, збільшення швидкодії а, по-друге,
вагоме зменшення власного шуму фільтра, а тому і
до збільшення його динамічного діапазону.
26
СІХ з лінійною фазою першого типу
Цифрове оброблення сигналів hi  h8i bi  b8i
0 N 1  8
H  z   b0  b1 z 1  b2 z 2  b3 z 3  b4 z 4  b3 z 5  b2 z 6  b1 z 7  b0 z 8
H  z   b0 1  z 8   b1  z 1  z 7   b2  z 2  z 6   b3  z 3  z 5   b4 z 4
- приведена ПФ.
y  n   b0  x  n   x  n  8    b1  x  n  1  x  n  7    b2  x  n  2   x  n  6   
b3  x  n  3  x  n  5    b4 x  n  4 
27
28
ЦИФРОВІ ФІЛЬТРИ
y  n   Fx  n 
x  n   x  n     n 
ЦФ у вужчому розумінні – частотно-

вибіркове коло, що забезпечує селекцію
цифрових сигналів по частоті. До таких
фільтрів відносяться: ФНЧ, ФВЧ, ПФ, РФ.
1
ЦИФРОВІ ФІЛЬТРИ
ЛІНІЙНІ та НЕЛІНІЙНІ
НЕРЕКУРСИВНІ та РЕКУРСИВНІ
/СІХ-фільтри/ /НІХ-фільтри/
В результаті проектування отримується

програма або цифровий пристрій, що
відповідає заданим вимогам та
обмеженням (з необхідною точністю)
2
Цифрове оброблення сигналів Вимоги до ЦФ можуть формулюватися
як в часовій так і в частотній областях,
що визначається призначенням фільтру
та областю його застосування
3
4
МЕТОДИ РОЗРАХУНКУ НІХ-ФІЛЬТРІВ
- Методи, основані на використанні
аналогових фільтрів-прототипів
- Найбільш поширеними методами є метод

інваріантного перетворення ІХ та метод
білінійного перетворення
5
Розрахунок ЦФ методом білінійного
Цифрове оброблення сигналів перетворення
Метод білінійного перетворення базується на
переході від аналогового фільтра-прототипу до ЦФ
K  p H z 
.Цей метод можна використовувати для синтезу
ЦФ із нескінченною імпульсною
характеристикою, оскільки аналоговий фільтр-
прототип має саме нескінченну імпульсну
характеристику.
6
H  e   K  
jT
a
a  f   
7
Цифрове оброблення сигналів H e jT
  K  
a
a  f   
2 T
 a  tg
T 2
При такому перетворенні АЧХ аналогового
прототипу та ЦФ не будуть абсолютно
ідентичними, оскільки перетворення
нелінійне. Але характер їх АЧХ буде
однаковим.
8
Перетворення нелінійне
9
Використання методу білінійного

перетворення не приводить до ефекту
перекриття ЧХ.
10
H  z  K  p
pF  z
2 1  z 1
p
T 1  z 1
H z   K  p  p
2 1 z 1
T 1 z 1
11
ЦФ задовольняє вимозі стійкості, якщо
початковий аналоговий фільтр стійкий.
1
2 1 z
p 1
T 1 z
2  pT
z
2  pT
2  T  jT
p    jа z
2  T  jT
1
 2  T   T  
2 2 2
z  2
 2  T   T  
2
12
1
 2  T 2  T 2  2
z  2
 2  T   T  
2
 0 z 1
13
Розрахунок ЦФ методом
Цифрове оброблення сигналів інваріантного перетворення ІХ
/метод стандартного z-перетворення/
Інваріантність – дискретна ІХ являється відліками

неперервної ІХ аналогового фільтру-прототипу
ha t t  nT
hnT 
ІХ ЦФ співпадає з ІХ аналогового фільтру-
прототипу в рівномірно розподілених точках,
взятих з періодом дискретизації.
14
1. Виходячи з вимог до АЧХ або ІХ
вибирається аналоговий прототип.

ha t
2. Дискретизується ІХ фільтру-прототипу і
отримана дискретизована функція
приймається за ІХ ЦФ.
hnT 
3. Z–перетворення отриманої дискретної ІХ
дає шукану ПФ ЦФ, що синтезується.
H  z   Z h  nT 
15
ПФ стійкого фільтру-прототипу відома
K p   p*i i  1...M
Знайдемо ІХ ha t 
M
Ai
  pp
K p 
i 1

Ai  lim p  p*i K p
p  p*i
*i
  
*i
 Ai 
    M

ha t  L1 K p  L 
1

 i 1 p  p*i 
M  1 
1 
M

ha t   AL    Ae p* it
 p  p*i 
i i
i 1 i 1
16
Цифрове оброблення сигналів  A e 
M M
  
n
 Ae
p* i nT p* iT
h nT  ha t  i
 i
t nT
i 1 i 1

M  n M 
   
n n
H  z      Ai e p*iT  z   Ai e p*iT
z n 
n  0  i 1  i 1 n0
M
Ai
 p*iT 1
i 1 1  e z
Для переходу до ПФ з дійсними

коефіцієнтами необхідно попарно скласти
дроби, що мають комплексно-спряжені
полюси
17
Ai Ai* b0i  b1i z 1
H i z   p*i T 1
  1 2
1 e z p**i T 1
1 e z 1  a1i z  a2i z
M 2 M 2
b0i  b1i z 1
H z    H i z    1 2
i 1 i 1 1  a1i z  a 2i z
18
- ІХ ЦФ ідентична ІХ АФ в дискретні моменти
часу.
- На ЧХ ЦФ, розрахованого цим методом,
впливає частота дискретизації. Щоб ЧХ була
ближче до характеристики еквівалентного
АФ, необхідно досить велика частота дискретизації.
- Для отриманого ЦФ характерно накладання
ЧХ. Якщо характеристика АФ має досить різкі
скати, або якщо ширина смуги АФ була
обмежена перед використанням
інваріантного перетворення ІХ, накладання
може бути незначним. Такого ж ефекту
можна добитися збільшенням частоти
дискретизації.
19
Розрахунок коефіцієнтів ЦФ шляхом
Цифрове оброблення сигналів розміщення нулів та полюсів
-Без прототипу !
Частотна
Нулі та полюса
характеристика
 b0  1 c z  i
1
H z    i 1
M
 a0 
 k 
1
k 1
 p z 1
20
Цифрове оброблення сигналів H e   H  z

j

j
z e
Полюса – максимуми АЧХ
Нулі – мінімуми АЧХ
Нуль на одиничному колі – нуль АЧХ
Дійсні коефіцієнти – нулі та полюса повинні

створювати комплексно-спряжені пари
21
22
H  z 
1  z 1  z 
1 1
1  p z 1  p z 
1
1
2
1
H z 
1  z 1  z 
1 1
1  re z 1  re z 
jˆ 1  jˆ 1
23
H  z 
1  z 1  z 
1 1
 
 j
2 1
 j
2 1

1  re z  1  re z 
  
24
Розрахунок коефіцієнтів ЦФ шляхом
Цифрове оброблення сигналів узгодженого Z-перетворення
a
ci
K p  pia
K p  
c  c c  c c  c  ...
a
1
a
2
a
3
 p  p  p  p  p  p  ...
a
1
a
2
a
3
р - площина z - площина
 p  p ia   1  e z 
p ia T 1
 
 T 1 
a
c
 p  c i   1  e z
a i
 
 i 
1  c z 1
H  z   k0 i 1
M
 1  p z 
k 1
k
1
26
– стискає нескінченну аналогову смугу в
Цифрове оброблення сигналів скінченну. Це приводить до спотворення
ЧХ.
– можливе накладання ЧХ (в залежності
від положення нулів та полюсів відносно
частоти Найквіста).
– можна додавати нулі на частоті
Найквіста.
27
МЕТОДИ РОЗРАХУНКУ СІХ-ФІЛЬТРІВ
- Мають скінченну ІХ!!!
- Найбільш поширеними методами є метод

зважування ІХ (згладжуючих вікон),
метод частотної вибірки та оптимізаційні
методи
28
Метод зважування ІХ
(згладжуючих вікон)
Розробка СІХ – фільтра віконним методом
починається із завдання ідеальної КЧХ

H I e jˆ
   h n e I
 jˆ n
n 

1
hI (n)   H I e jˆ
e jˆ n
d ˆ
2 
29
30
- ІХ не детермінована і нескінченна
Цифрове оброблення сигналів (більшість ідеалізованих КЧХ має точки
розриву в граничних точках між смугами
частот)
Більшість прямих способів отримання
детермінованої СІХ-апроксимації систем
базуються на обрізанні ідеальної ІХ.
Найпростіший спосіб:
hI (n), 0  n  N  1
h( n)  
 0
31
Добуток ідеальної ІХ на скінченне «вікно»
Цифрове оброблення сигналів (вагова послідовність скінченної довжини,
window):
h(n)  hI (n) w  n 
1, 0  n  N  1
w(n)  
 0
- прямокутне вікно
32
Теорема про перетворення Фур’є добутку :
h(n)  hI (n) w  n 
 

H e  
jˆ 1
2 
  
HI e jˆ
W e

j ˆ ˆ 
dˆ
- періодична згортка ідеальної КЧХ з

Фур’є-образом вікна (КЧХ ЦФ).
33
За рахунок скінченної тривалості та різких
Цифрове оброблення сигналів перепадів в кінці та на початку ІХ
з’явилася значна нерівномірність в смузі
пропускання та значна відмінність від нуля
АЧХ в смузі затримки.
34
Максимум пульсацій поблизу точки розриву
Цифрове оброблення сигналів зліва і праворуч становить приблизно 9% від АЧХ
та залишається таким, незалежно від N.
– явище Гіббса (Gibbs phenomenon)
35
Фур'є образ вікна:
Головна
Бічні пелюстки
36
Фур'є образ вікна:

37
Для того щоб зменшити таке ефект Гіббса
Цифрове оброблення сигналів необхідно використовувати менш різке обрізання
ряду.
Згладжуючи вертикальні границі вікна, можливо
зменшити висоту бокових пелюсток, але це
приводить до більш широкої головної пелюстки і
тим самим, до більш широкої перехідної смуги
близько точок розриву.
 вікно повинне бути достатньо коротким, для
забезпечення меншого обсягу розрахунків при
реалізації фільтра.
 Фур’є образ вікна повинен бути
сконцентрованим у вузькій смузі частот, щоб
згортка якомога більш точно повторювала
ідеальну КЧХ.
38
При рості N ширина головної пелюстки
зменшується, але бічні пелюстки стають
більшими.
 чим краще згладжена ІХ, тим більше
гарантоване затухання і тим менша
нерівномірність АЧХ, але при цьому збільшується
перехідна смуга.
 необхідно шукати компроміс між вимогами до
рівномірності та гарантованого затухання, з
однієї сторони, та вимогами до ширини
перехідної смуги (крутості) – з іншої.
39
Синтез фільтрів із лінійною ФЧХ
w  N  1  n  , 0  n  N  1
w n  
 0
- вікна симетричні
Віконна функція “хороша”, якщо ширина

головної пелюстки ЧХ мала, а амплітуда
бічних пелюсток ЧХ швидко зменшується з
ростом частоти – ці вимоги не сумісні,
необхідний компромісний варіант.
40
Стандартні вікна:
1, 0  n  N  1
Прямокутне (Дирихле): wn  
 0
41
Трикутне (Барлетта):  2n N 1
 , 0n
N 1 2

 2n N 1
 
w n  2
 ,  n  N 1
 N 1 2
 0


42
Узагальнене косинусне вікно
Цифрове оброблення сигналів  2 4
 a0  a1 cos n  a2 cos n, 0  n  N  1
wn   N 1 N 1
 0
a0 a1 a2
Hanning Window 0,5 -0,5 0
Hamming Window 0,54 -0,46 0
Blackman Window 0,42 -0,5 0,08
43
44
45
K ˆ  - АЧХ  ˆ  - ФЧХ

K ˆ   0 ˆ  ˆ1  ˆ   ˆ
K ˆ   const ˆ  ˆ1
46
Бажана КЧХ визначається як
Цифрове оброблення сигналів   jˆ
N 1
H I  e   e , ˆ  ˆ1
jˆ 2
 0
Імпульсна характеристика
  N  1 
ˆ1 sin ˆ1  n  
1  2 
hI (n)   H I  e  e dˆ 
jˆ jˆ n 
2 ˆ1  N 1 
 n 
 2 
47
Вікна симетричні для забезпечення лінійної фази
Цифрове оброблення сигналів відносно  N  1 2
  N  1 
sin ˆ1  n  
  2 
h(n)  hI (n) w  n   wn
 N 1 
 n 
 2 
Вибираючи форму та ширину вікна, ми можемо
контролювати властивості результуючого
фільтра.
48
  2 n
2
 I 0   g 1    

   N  1   N 1
wn    , n
 I0    2

 0
I 0   - модифікована функція Бесселя першого
роду нульового порядку
2
L 
1 x 
k
I0  x  1      
 k !  2  
k 1 
L   , але на практиці L  25
49
Два параметра – довжина фільтра N

і параметр форми 
- можна пристосуватися до взаємного впливу
амплітуди бокової пелюстки на ширину головної
пелюстки і навпаки
N - визначає ширину головної пелюстки
 - визначає амплітуду бічної пелюстки
50
Цифрове оброблення сигналів -нерекурсивні СІХ-фільтри (як типові, так і
довільні КЧХ)
- рекурсивні реалізації СІХ-фільтрів
- фільтри, коефіцієнти яких цілі числа
51
Візьмемо N вибірок в точках
fk  k fs N
k  k  s N
ˆ k  k ˆ s N
k  0 N  1
В загальному випадку вибірки – комплексні.
52
Зворотне ДПФ
Цифрове оброблення сигналів 1 N 1 2
j nk
h  n   H  k  e N
N k 0
Отриманий фільтр буде мати КЧХ, яка співпадає

з бажаною КЧХ в моменти вибірок.
Поведінку КЧХ між моментами вибірок
передбачити неможливо.
Щоб отримати фільтри з лінійною фазою,

частотні вибірки повинні бути симетричними за
модулем і мати лінійну антисиметричну фазу на
інтервалі від 0 до 2
53
Альтернативний фільтр
Цифрове оброблення сигналів fk   k  1 2 fs N
Степінь наближення синтезованої АЧХ до

ідеальної тим вище, чим більше число
вибіркових значень, що попадають в перехідну
смугу.
Гарантоване затухання:
m0  1 44…54 дБ m0  3 85…95 дБ
m0  2 65…76 дБ 54
Степінь наближення синтезованої АЧХ до

ідеальної тим вище, чим більше число
вибіркових значень, що попадають в перехідну
смугу.
55
Ефективніші з точки зору розрахунків

2
1 N 1 j nk
h  n   H  k  e N
N k 0
N 1
H  z    h  n  z n
n0
56
2
N 1
1 N 1 j nk 
H  z     H  k  e N  z n
n 0 N k 0 
57
2
N 1
 1 N 1 j nk 
H  z      H  k  e N  z n 
n 0  N k 0 
1 N 1
 N 1 j 2 nk 

N
 H  k   e N z  n 
k 0  n 0 
58
2
1
N 1 N 1 j nk  n
H  z     H k  e N
z 
n0  N k 0 
N 1 j 2 nk
1 N 1
 
  H  k   e N z    n
N k 0  n 0 
  2 n

1 1 
N 1 N 1 j k

N
 H  k    e
 n 0 
N
z  

k 0 
59
1 N 1  N 1  j 2 k  n 
H  z    H  k    e N z 1  
N k 0
 n 0   
1 qN
SN 
1 q
60
Цифрове оброблення сигналів 1 N 1  N 1
 j N k 1  
2 n
H  z    H  k   e z  
N k 0  n 0   
N
1 q
SN 
1 q
2
n j kN
N 1
 j 2N k 1  1  z  N e N
 e
n0 
z   2
 j
1  e N z 1
k
61
1 zN N 1
H k 
H  z 
N

k 0 j
2
k
 H1  z  H 2  z 
1  e N
z 1
1 zN
H1  z  
N
N 1
H k 
H2  z    2
k 0 j k
1  e N
z 1
62
H1  z  
1 zN
N
63
1 zN
H1  z  
N
“Гребінчатий фільтр”
64
N 1
H k 
H2  z    2
k 0 j k
1  e N
z 1
Попарно складаємо доданки з
комплексно-спряженими полюсами……
65
N 1
H k 
H2  z    2
k 0 j k
1  e N
z 1
K
 b0 k  b1k z
1

H2  z     1 2 
 1  a1k z  a2 k z 
k 1
66
Проблема?
67
Проблема?
Стабільність фільтра
68
Компенсація полюсів нулями

69
1 r N zN N 1 H k 
H  z 
N
 2
j k
k 0 N z 1
1  re
70
71
Цифрове оброблення сигналів Переваги:
- характеристики, які неможливо отримати в
аналогових фільтрах (ЛФЧХ)
- можуть працювати на дуже низьких частотах
- не потребують періодичного калібрування
- адаптивні фільтри
- можна зберігати дані (вхідні та вихідні)
- розвиваються з розвитком н/п технологій
(габарити, споживання, швидкодія …)
-точність ЦФ обмежена довжиною слова
- різні алгоритми на одному апаратному блоці
72
Цифрове оброблення сигналів Недоліки:
- обмеження швидкості (ширина смуги)
- проблема скінченної розрядності
- затрати на розробку та впровадження
73
Цифрове оброблення сигналів 1. СІХ- фільтри можуть мати лінійну ФЧХ,
ФЧХ НІХ- фільтрів нелінійна
2. СІХ- фільтри завжди стійкі
3. Вплив скінченної розрядності на
характеристики СІХ- фільтрів менш суттєві
4. Для реалізації СІХ- фільтра потрібно більше
обчислювальної потужності, чим для НІХ
6. раз (використовують ШПФ!!!)
5. Отримати довільні ЧХ для СІХ- фільтрів
легше
74
Цифрове оброблення сигналів 1. Використовувати НІХ- фільтри, якщо
головними вимогами є АЧХ з різкими
скатами та пропускна здатність (НІХ
економніші, чим СІХ; кількість коефіцієнтів
менша чим у СІХ)
2. Використовувати СІХ- фільтри, якщо фільтр

має не високий порядок та вимагається
наявність лінійної ФЧХ (адаптація
процесорів до обрахунку СІХ, деякі
спеціально розроблені для СІХ, симетрія
коефіцієнтів)
75
Приклади ЛДС
Про СІХ- фільтри з лінійною ФЧХ ми вже

говорили!
1
Не вносять амплітудних спотворень, їх АЧХ

дорівнює одиниці!
H e jˆ
 1
Еквалайзери, режекторні фільтри, системи
передачі інформації…
2
1
b0  b1 z
H  z  1
a0  a1 z
 jˆ
b0  b1e
H e  
jˆ
 jˆ
a0  a1e
http://www.dsplib.ru/ - додаткова інформація

3
b  b e jˆ
H  e jˆ   0 1 
a0  a1e jˆ
b  b cos ˆ  jb1 sin ˆ
 0 1
a0  a1 cos ˆ  ja1 sin ˆ
4
 jˆ
b0  b1e
H e   jˆ
 jˆ

a0  a1e
b0  b1 cos ˆ  jb1 sin ˆ

 b0  b1 cos ˆ    b1 sin ˆ 
2 2
H e 
2
jˆ

 a0  a1 cos ˆ    a1 sin ˆ 
2 2
5
 jˆ
b0  b1e
H e   jˆ
 jˆ

a0  a1e
b0  b1 cos ˆ  jb1 sin ˆ

 b0  b1 cos ˆ    b1 sin ˆ 
2 2
H e 
2
jˆ

 a0  a1 cos ˆ    a1 sin ˆ 
2 2
6
Цифрове оброблення сигналів  b0  b1 cos ˆ    b1 sin ˆ 
2 2
H e 
2
jˆ

 a0  a1 cos ˆ    a1 sin ˆ 
2 2
Розглянемо умови, при яких
H e 
2
jˆ
1
7
Цифрове оброблення сигналів  b0  b1 cos ˆ    b1 sin ˆ 
2 2
1
 a0  a1 cos ˆ    a1 sin ˆ 
2 2
Після ряду перетворень
b  b  a  a
2
0 1
2 2
0
2
1

 b0  b1  a0  a1
8
b02  b12  a02  a12


 b0  b1  a0  a1
Вироджений випадок (не цікавий)
a0  b0
a1  b1
b  b z 1
H  z  0 1 1
a0  a1 z 1
9
Інший випадок
a0  b1
a1  b0
a  a z 1
H  z  1 0 1
a0  a1 z 1
10
Задамо
a0  b1  1
a1  b0  k
Тоді маємо
k  z 1
H  z 
1  k z 1
11
КЧХ фільтра
k  cos ˆ  j sin ˆ
H e  
jˆ
1  k cos ˆ  jk sin ˆ
ФЧХ фільтра
 k sin ˆ   sin ˆ 
    arctan    arctan  
 1  k cos ˆ   k  cos ˆ 
12
13
14
Каскад з двох ВПФ першого порядку теж
буде ВПФ.
Для другого порядку
1 1
k1  z k2  z
H  z   H1  z  H 2  z   1
 1
1  k1 z 1  k2 z
15
1
k1  z 
Цифрове оброблення сигналів H  z  1
 1

1  k1 z 1  k2 z
k1k2   k1  k2  z  z
1 2

1   k1  k2  z  k1k2 z
1 2
Зверніть увагу на симетрію коефіцієнтів!

(дзеркальна)
16
17
Канонічна форма
k  z 1
H  z 
1  k z 1
18
19
Розглянемо структуру і знайдемо ПФ
20
Y  z   U  z   V  z  z 1
U  z   kV  z 
V  z   X  z   U  z  z 1
21
 Y  z   U  z   V  z  z 1

 U  z   kV  z 

V  z   X  z   U  z  z
1
Y  z k  z 1
H  z  
X  z  1  k z 1
22
1
kz
H  z  1
1 k z
k N  z H N 1  z 
1
HN  z 
1  k N z H N 1  z 
1
Якщо замість вузла затримки в структуру ВПФ

першого порядку з коефіцієнтом k  k N
підставити каскад у вигляді вузла затримки та ВПФ
порядку N  1 , то ми отримаємо ВПФ порядку N
23
k  z 1 H N 1  z 
HN  z  N
1  k N z 1 H N 1  z 
24
Для ВПФ другого порядку
k  z 1 H1  z 
H2  z   2
1  k2 z 1 H1  z 
25
Для ВПФ вищих порядків

26
МІНІМАЛЬНО-ФАЗОВІ ЛДС
Для стійкої ЛДС полюса повинні розміщуватися
всередині одиничного кола, до розміщення нулів
вимоги не висувалися.
Сукупність нулів та полюсів повністю визначає
вид КЧХ ЛДС.
Мінімально-фазові ЛДС – всі нулі ПФ розміщені
в межах одиничного кола.
Якщо хоч один нуль лежить за межами

одиничного кола – не мінімально – фазова ЛДС.
27
ПФ мінімально – фазової ланки
1  bz 1
H1  z  
1  a1 z 1
Нуль c1  b  1
ПФ не мінімально – фазової ланки

b  z 1
H2  z  
1  a1 z 1
c2  1 b  1
Полюса цих ланок однакові.

Коефіцієнти чисельника – дзеркальні. 28
Порівняємо КЧХ цих ланок [Сол., 126]

1  be  jˆ b  e  jˆ
H1  e jˆ   H 2  e jˆ  
1  a1e  jˆ 1  a1e  jˆ
29
АЧХ цих ланок однакова, ФЧХ відрізняється.

Набіг фаз у мінімально – фазової ланки буде
меншим (і ГЧЗ) .
30
УЗГОДЖЕНІ ЦИФРОВІ ФІЛЬТРИ
На вході фільтра
v  n  x  n  w  n
сигнал + шум
На виході фільтра
L 1
y  n    v  m  hУФ  n  m 
m0
31
Узгоджений фільтр (matched filter) – це
лінійний фільтр (інваріантний), що дає на
виході максимально можливе для даного
сигналу, що передається, співвідношення
сигнал/шум в момент t0  n0T
32
КЧХ HУФ e 
jˆ
узгодженого фільтра
Цифрове оброблення сигналів з сигналом, що має спектр X  
e jˆ
HУФ  e jˆ
  kX  e  e
* jˆ  jˆ n0
АЧХ УФ по своїй формі співпадає зі

спектром сигналу
33
Імпульсна характеристика УФ
hУФ  n   kx  n0  n 
- затримана версія дзеркального
відображення вхідного сигналу
34
Тривалість сигналу
tc  ncT
Тільки при умові
n0  nc
вся енергія сигналу може бути використана

для формування максимуму фільтра
35
Тривалість сигналу
tc  ncT
Тільки при умові
n0  nc
вся енергія сигналу може бути використана
для формування максимуму фільтра
Максимум формується в момент
t  n0T
36
Збільшення n0 більше nc не впливає
Цифрове оброблення сигналів на значення максимуму
Отже, тривалість сигналу та довжина ІХ УФ

повинні бути скінченними та рівними
n0  nc
t  n0T
37
Любе часове неузгодження сигналу та УФ
Цифрове оброблення сигналів приведе до зменшення значення реакції в
момент зняття відліку t  n0T (порушення
компенсації початкових фаз вхідного
сигналу у вказаний момент). Найбільше
значення реакції досягається тільки у
випадку повної синхронізації передавача та
приймача.
38
39
Алгоритми швидкого
перетворення Фур'є
Дискретне перетворення Фур'є

N 1 2
j nk
X k    x n e N
n0
N 1 2
1
   X k 
j nk
x n  e N
N k 0
1
Визначимо розрахункову складність ДПФ, як
Цифрове оброблення сигналів кількість операцій з комплексними числами.
При фіксованому k та n  0,1,..., N  1 необхідно

виконати
N - операцій множення
2

виконати
N 1  N - операцій складання
3

виконати
N 1  N - операцій складання
2
N  2N  2N - арифметичних операцій з
комплексними числами
4
Швидким перетворенням Фур’є (ШПФ, FFT,
Цифрове оброблення сигналів БПФ) називають набір алгоритмів,
призначених для більш швидкого
розрахунку ДПФ
(іншими словами: ШПФ - це спосіб
розрахунку ДПФ).
Розглянемо два алгоритми з прорідженням

у часі та з прорідженням по частоті.
При основі 2, довжина початкової

послідовності повинна бути N  2
5
Алгоритм ШПФ з прорідженням
(децимацією) у часі
(decimation in time, DIT)
Основна ідея алгоритму – в поступовому

визначається як комбінація ДПФ з
розмірністю вдвоє меншою.
6
Алгоритм описується наступним чином:
Цифрове оброблення сигналів - відліки N -точкової послідовності розставляються
по певному правилу.
- на першому етапі визначаються 2-точкові ДПФ
кожної пари відліків впорядкованої послідовності;
- на другому етапі визначаються 4-точкові ДПФ як
комбінація 2-точкових ДПФ;
……………..
- на i-му етапі визначаються 2i -точкові ДПФ як
комбінація 2i-1 -точкових ДПФ;
………………
- на  -му (останньому) етапі визначаться N -
точкові ДПФ, як комбінація N /2 -точкових ДПФ.
7
8
Знайдемо ДПФ як комбінацію двох ДПФ із вдвічі
меншою розмірністю:
N 1 2
 j nk
X  k    x  n e N
n0
N  2
9
Цифрове оброблення сигналів меншою розмірністю:
N 1 2
j nk
X  k    x  n e N
n0

N 2
Розділимо початкову послідовність на дві
послідовності: з парними та непарними номерами
10
Цифрове оброблення сигналів меншою розмірністю:
N 1 2
j nk
X  k    x  n e N
n0

N 2
Розділимо початкову послідовність на дві
послідовності: з парними та непарними номерами
N 2 1 2 N 2 1 2
j  2 mk j  2 m 1 k
X k    x  2m  e
m 0
N
  x  2m  1 e
m 0
N
11
N 2 1 2 N 2 1 2
j  2 mk j  2 m 1 k
X k    x  2m  e
m 0
N
  x  2m  1 e
m 0
N
Введемо нові позначення
y  m   x  2m  z  m   x  2m  1
12
N 2 1 2 N 2 1 2
j  2 mk j  2 m 1 k
Цифрове оброблення сигналів X k    x  2m  e   x  2m  1 e
N N
m 0 m 0

y  m   x  2m  z  m   x  2m  1
N 2 1 2 N 2 1 2
j  2 m k j  2 m 1 k
X k    y  m e
m 0
N
  z  m e
m 0
N
13
N 2 1 2 N 2 1 2
j  2 mk j  2 m 1 k
Цифрове оброблення сигналів X k    x  2m  e   x  2m  1 e
N N
m 0 m 0

y  m   x  2m  z  m   x  2m  1
N 2 1 2 N 2 1 2
j  2 m k j  2 m 1 k
X k    y  m e
m 0
N
  z  m e
m 0
N
Винесемо множник з другої суми

N 2 1 2 2 N 2 1 2
j  2 m k j k j  2 mk
X k    y  m e
m 0
N
e N
 z  m e
m0
N
14
N 2 1 2 2 N 2 1 2
j  2 m k j k j  2mk
 y  m e  z  m e
X k   N
e N N
m 0 m0
Продовжуємо перетворення
15
N 2 1 2 2 N 2 1 2
j  2 m k j k j  2mk
Цифрове оброблення сигналів X k    y  m e
m 0
N
e N
 z  m e
m0
N
N 2 1 2 2 N 2 1 2
X k    y m e
m 0
N 2
e N
 z m e
m 0
N 2
16
N 2 1 2 2 N 2 1 2
j  2 m k j k j  2mk
m 0
N
e N
 z  m e
m0
N
N 2 1 2 2 N 2 1 2
X k    y m e
m 0
N 2
e N
 z m e
m 0
N 2
В результаті, ми отримали ДПФ

2
j k
X k   Y k   e N
Z k 
17
N 2 1 2 2 N 2 1 2
j  2 m k j k j  2mk
m 0
N
e N
 z  m e
m0
N
N 2 1 2 2 N 2 1 2
X k    y m e
m 0
N 2
e N
 z m e
m 0
N 2
В результаті ми отримали ДПФ

2
j k
X k   Y k   e N
Z k 
де
N 2 1 2 2
j mk N 2 1 j mk
Y k    y m e
m0
N 2
Z k    z m e
m0
N 2
18
Скільки точок в ДПФ?

19
k  0...  1
N
2
20
N
k  0...  1
2
спектральних відліка (коефіцієнта).
21
N
Цифрове оброблення сигналів k  0...  1
2
Необхідно використати властивість періодичності
спектра дискретного сигналу (і відповідно
періодичність результатів ДПФ).
22
N
2
 N  N
Y  k    Y k  Z  k    Z k 
 2  2
23
N
2
 N  N
Y  k    Y k  Z  k    Z k 
 2  2
Для випадку N 2  k  N 1
24
N
2
 N  N
Y  k    Y k  Z  k    Z k 
 2  2
Для випадку N 2  k  N 1
2 2  N 
 N j k  N  N j k   N
X k   Y  k    e N
Z k   Y k  e N  2
Z k  
 2  2  2  2
25
Тут враховано наступне
j
2  N 
k    j 2 k  j 2   N     j 2 k  j
2
k
e N 2
  e N e N  2     e N e j   e N
   
26
В результаті маємо
N
k  0...  1
2
2
j k
X k   Y k   e N
Z k 
2
 N j k
X  k    Y k   e N Z k 
 2
27
X  k   Y  k   WNk Z  k 
 N
X  k    Y  k   WNk Z  k 
 2
2
j k
0  k  N 2 1 WNk  e N
Парна і непарна послідовність формують першу та
другу половини спектральних відліків паралельно
28
Якщо перерахувати число операцій з
комплексними числами, то ми отримаємо майже в

два рази меншу кількість.
29
Початкові умови
В основі лежить послідовне розбиття на парні і

непарні відліки
N  16
N N
 8  пар.  8  н / пар.
2 2
N N N N
 4  пар.  4  н / пар.  4  пар.  4  н / пар.
4 4 4 4
   
30
X(0) X(1) X(2) X(3) X(4) X(5) X(6) X(7)

X(0) X(2) X(4) X(6) X(1) X(3) X(5) X(7)
X(0) X(4) X(2) X(6) X(1) X(5) X(3) X(7)
31
Обернення бітів (біт-реверс)

32
КЛАСИЧНИЙ ПРИКЛАД
ШПФ 8-ТОЧКОВОЇ ПОСЛІДОВНОСТІ З

ПРОРІДЖЕННЯМ У ЧАСІ
33
34
Метелик (butterfly)
виділимо з алгоритму один фрагмент
X  k   Y  k   WNk Z  k 
 N
X  k    Y  k   WNk Z  k 
 2
2
j k
WNk  e N
35
Алгоритм ШПФ з прорідженням
(децимацією) по частоті
(decimation in frequency, DIF)

N 2
Основна ідея алгоритму – в поступовому

визначається через ДПФ з розмірністю вдвічі
більшою.
36
Алгоритм описується наступним чином:
- відліки N -точкової послідовності в оригінальному
порядку.
- на першому етапі визначаються N /2-точкові ДПФ
(дві половинки початкової послідовності);
- на другому етапі визначаються N / 4-точкові
ДПФ як комбінація N / 2-точкових ДПФ;
……………..
- на i-му етапі визначаються 2i-1 -точкові ДПФ як
комбінація 2i -точкових ДПФ;
………………
- на  -му (останньому) етапі визначаться 2 -
точкові ДПФ, як комбінація 4 -точкових ДПФ.
37
Ми отримуємо послідовність, відліки якої слідують

в біт-реверсному порядку.
Необхідно провести впорядкування.
біт-реверсний порядок
38
N 1 2
j nk
Цифрове оброблення сигналів X  k    x  n e 
N
N 2
n0
Розглянемо один етап:

Розділимо початкову послідовність на дві половини,
що слідують одна за одною
N 2 1 2 N 2 1 2
j mk  N j  m N 2k
X k    x  m e
m0
N
 
m0
xm  e
 2
N
39
N 1 2
j nk
N
N 2
n0

N 2 1 2 N 2 1 2
j mk  N j  m N 2k
X k    x  m e
m0
N
 
m0
xm  e
 2
N
N 2 1 2 2 N N 2 1 2
j mk j k  N j mk
X k    x  m e
m 0
N
e N 2

m0
xm  e
 2
N
40
N 1 2
j nk
N
N 2
n0

N 2 1 2 N 2 1 2
j mk  N j  m N 2k
X k    x  m e
m0
N
 
m0
xm  e
 2
N
N 2 1 2 2 N N 2 1 2
j mk j k  N j mk
X k    x  m e
m 0
N
e N 2

m0
xm  e
 2
N
2 N
j k
  1
 j k k
e N 2
e
41
N 2 1 2 N 2 1 2
 N   j mk
 j mk
X k    x  m e   1  x  m   e N
N k
m 0 m0  2
42
N 2 1 2 N 2 1 2
 N   j mk
 j mk
X  k    x  m  e N   1  x  m   e N
k
m 0 m0  2
комплексні експоненти в сумах стали однаковими
43
N 2 1 2 N 2 1 2
 N
j mk j mk
X  k    x  m e   1  x  m   e
N k N
m 0 m0  2
- комплексні експоненти в сумах стали
однаковими
Для парних і не парних відліків:
N 2 1 2 N 2 1 2
  N  j m 2k   N  j mk
X  2k   
m0
   

x m  x

m   e
2 
N
 
m 0
   

x m  x

m   e
2 
N 2
44
N 2 1 2 N 2 1 2
 N
j mk j mk
X  k    x  m e   1  x  m   e N k N
m 0 m0  2
- комплексні експоненти в сумах стали
однаковими
Для парних і не парних відліків:
N 2 1 2 N 2 1 2
  N  j m 2k   N  j mk
X  2k   
m0
   

x m  x

m   e
2 
N
 
m 0
   

x m  x

m   e
2 
N 2
2
N 2 1
  N    j 2N m  2 k 1 N 21   N    j N 2 mk  j 2N m
X  2k  1  
m0
 x  m   x  m  2  e
  
   x  m   x  m   e
m 0   2 
e
45
N 2 1 2
 N 
 j mk
X  2k   
m0
 x  m   x  m  2  e
  
N 2
2
N 2 1
 N  m k  j 2 m
 j
X  2k  1  
m0
 x  m   x  m  2  e
  
N 2
e N
дві послідовності із довжиною N/2
46
N 2 1 2
 N 
 j mk
X  2k   
m0
 x  m   x  m  2  e
  
N 2
2
N 2 1
 N  m k  j 2 m
 j
X  2k  1  
m0
 x  m   x  m  2  e
  
N 2
e N
дві послідовності із довжиною N/2

 N
y m  x m  x  m  
 2
2
  N  j m
z  m    x  m   x  m   e N
  2 
47
Таким чином
N 2 1 2
j mk
X  2k   Y  k    y  m e
m0
N 2
N 2 1 2
j mk
X  2k  1  Z  k    z m e
m0
N 2
k  0... N 2  1
48
Алгоритми ШПФ з прорідженням у часі і з
Цифрове оброблення сигналів прорідженням по частоті дуальні:
кожен із них отримується із іншого методом
заміни входу і виходу та оберненням всіх стрілок
направленого графа.
49
Основа ДПФ (radix) – число фрагментів, на які
Цифрове оброблення сигналів розбивається вхідна послідовність на кожному
етапі прорідження (а також мінімальний розмір
частин вхідного вектора, який досягається в
результаті його послідовного розбиття)
Ми розглядали ДПФ з основою 2!
Наприклад, якщо основа 4, то кількість відліків

сигналу повинна дорівнювати

N 4
при кожному прорідженні сигнал ділиться на
чотири фрагменти, а на останній стадії ділення
ми отримуємо чотирьох елементні послідовності
50
Знаходження зворотного ДПФ за
допомогою алгоритму ШПФ

Дискретне перетворення Фур'є
N 1 2
j nk
X k    x n e N
n0
N 1 2
1
   X k  e
j nk
x n  N
N k 0
51
Виконаємо операцію комплексного спряження
для обох частин та помножимо на N

N 1 2
1
   X k  e
j nk
x n  N
N k 0
0
N 1 2
   X * k  e
j nk
Nx * n  N
k 0
0
52
Виконаємо операцію комплексного спряження
Цифрове оброблення сигналів для обох частин та помножимо на N
N 1 2
1
   X k 
j nk
x n  e N
N k 0
0
N 1 2
n    X k 
j nk
* *
Nx e N
k 0
0
Права частина розраховується за допомогою
одного із алгоритмів ШПФ. Далі знову виконуємо
операцію комплексного спряження та ділимо на N
53
Узагальнення по ШПФ
-Найбільший виграш досягається при основі 2
(алгоритм Кулі-Тьюкі, 1965 США).
-ШПФ не є наближеним алгоритмом. При
відсутності розрахункових похибок він дає той
же самий результат, що й ДПФ.
-Пришвидшення досягається за рахунок
оптимальної організації розрахунків.
-ШПФ розраховує всі відліки ДПФ. В інших
випадках краще використовувати пряму
формулу ДПФ.
54
[Айфічер]
55
Алгорит Герцеля
(подання ДПФ як дискретної фільтрації)

На відміну від ШПФ дозволяє розраховувати
окремі відліки
N 1 2
 j nk
X k    x n e N
n 0
56
Алгорит Герцеля
Цифрове оброблення сигналів (подання ДПФ як дискретної фільтрації)

N 1 2
j nk
X k    x n e N
n 0
N 1 2 2 N 1 2
j nk j Nk j k  N n
X  k    x  n e N
e N
  x  n e N
n 0 n 0
57

N 1 2
j nk
X k    x n e N
n 0
N 1 2 2 N 1 2
X  k    x  n e N
e N
  x  n e N
n 0 n 0
j 2 k
Враховано, що e 1
58

N 1 2
j nk
X k    x n e N
n 0
N 1 2 2 N 1 2
X  k    x  n e N
e N
  x  n e N
n 0 n 0
j 2 k
Враховано, що e 1
59
2
N 1 j k  N n
X  k    x  n e N
n 0
Порівняємо з формулою згортки
60
2
N 1 j k  N n
X  k    x  n e N
n 0

y n   x m h n  m
m0
61
2
N 1 j k  N n
X  k    x  n e N
n 0


y n   x m h n  m
m0
Отримана формула ДПФ являє собою
дискретну згортку, тобто N–й відлік
результату оброблення вхідного сигналу
фільтром y(N), ІХ якого рівна………….
62
2
N 1 j k  N n
X  k    x  n e N
n 0


y n   x m h n  m
m0
Отримана формула ДПФ являє собою
дискретну згортку, тобто N–й відлік
результату оброблення вхідного сигналу
фільтром y(N), ІХ якого рівна
2
j nk
hk  n   e N
63
2
j nk
hk  n   e N
ІХ фільтра є комплексною і нескінченною
 2 2 2 2
j nk j k j 2k j  N 1 k
H  z  e N
z n  1  e N
z 1  e N
z 2  ...  e N
z  N 1
n 0
64
2
Цифрове оброблення сигналів j nk
hk  n   e N

 2 2 2 2
H  z  e N
z n  1  e N
z 1  e N
z 2  ...  e N
z  N 1
n 0
1
H z  2
j k
1
1 e N
z
65
2
Цифрове оброблення сигналів j nk
hk  n   e N

 2 2 2 2
H  z  e N
z n  1  e N
z 1  e N
z 2  ...  e N
z  N 1
n 0
1
H z  2
j k
1
1 e N
z
2
j nk
e N
66
1
H z  2
j k
1 e N
z 1
2
j nk
e N
- Комплексний коефіцієнт!
67
2
j k
1 1  e N z 1
H z  2
 2

j k j k
1 e z 1 1  e N z 1
N
2
j k
1  e N z 1

 2 
1  2 cos k z 1  z 2
 N 
- Дійсні коефіцієнти ак
68
2
j k
1  e N z 1
H z 
 2 
1  2 cos k z 1  z 2
 N 
69
Складність алгоритму оцінюється як N2

(загальна кількість операцій)
Можливий розрахунок окремих коефіцієнтів
70
АЧХ окремого к-го фільтра

- необхідно використовувати “вікна”
71
Розтікання спектру
Цифрове оброблення сигналів (spectrum leanage)
Під час розрахунку ДПФ вважається, що

послідовність відліків сигналу являється
періодично продовженою в часі.
Якщо значення початкових та кінцевих
відліків сегмента значно відрізняються, то при
періодичному повторенні на стиках сегментів
виникають скачки.
Це приводить до розширення спектру сигналу
72
Для зменшення явища розтікання спектру при

розрахунку ДПФ використовують вагові
функції, які також називають вікнами або
віконними функціями.
73
Для зменшення явища розтікання спектру при

розрахунку ДПФ використовують вагові
функції, які також називають вікнами або
віконними функціями.
N 1
X k    x n wn nk
WN
n 0
74
Дискретна фільтрація за допомогою ДПФ
(розрахунок лінійної згортки)

N 1 N 1
y n   x1  m  x2  n  m    x1  n  m  x2  m 
m 0 m 0
Y  k   X1  k  X 2  k 
- Властивість ДПФ
75
Реакцію системи можна знайти
використовуючи лінійну дискретну згортку


y n   x m h n  m
m0
76
Реакцію системи можна знайти
використовуючи лінійну дискретну згортку


y n   x m h n  m
m0
L 1
y n   x m h n  m
m 0
- Для скінченних послідовностей
L  N  M 1
77
Кругова (циклічна) згортка вхідного сигналу з
Цифрове оброблення сигналів імпульсною характеристикою співпадає з
реакцією системи (лінійною згорткою), якщо
P  L  N  M 1
Реакція = один період кругової згортки
78
P  L  N  M 1
x n
y n
доповнення “0” до Р FFT X(k)
X(k)× H(k) FFT-1
доповнення “0” до Р FFT H(k)
h n
79
Цифрове оброблення сигналів Блочна (секціонована) згортка
В багатьох випадках тривалість вхідного

сигналу не визначена, а для того щоб знайти
ДПФ необхідно знати всі відліки.
80

Розраховувати вихідний сигнал після того,

як всі відліки вхідного будуть зібрані:
- велика затримка.
81

Розраховувати вихідний сигнал після того,

як всі відліки вхідного будуть зібрані:
- велика затримка.
Використовують блочну (секціоновану)

згортку, при якій вхідний сигнал
розбивається на блоки (секції) довжиною N.
82
Кожна така частина сигналу згортається із
скінченною ІХ, після чого відфільтровані

частини склеюються разом певним
способом.
83
Кожна така частина сигналу згортається із
Цифрове оброблення сигналів скінченною ІХ, після чого відфільтровані
частини склеюються разом певним
способом.
Приклад
Дві секції:
N=1024 N=1024
Імпульсна характеристика: M=512
Тривалість реакції L  2N  M 1 
 2048  512  1  2559
84
Якщо обробляти кожну секцію окремо:
Тривалість реакції на одну секцію

L1  N  M  1 
 1024  512  1  1535
Повна реакція:
L  2 1535  3070
85
Використовують методи Overlap-add та
Overlap-save
86
Overlap-save
Розглянемо метод Overlap-add (перекриття
із складанням)
87
Overlap-save
Імпульсна характеристика:
h n N
88
Цифрове оброблення сигналів Overlap-save

h n N
Вхідний сигнал має набагато більшу довжину.
x n
89
Цифрове оброблення сигналів Overlap-save

h n N
Вхідний сигнал має набагато більшу довжину.
Розбиваємо його на блоки, довжиною М.
90
Використовуємо кругову згортку:
P  L  N  M 1
91
P  L  N  M 1
Реакції на окремі блоки будуть перекриватися
в N-1 точках
92
P  L  N  M 1

в N-1 точках
Для отримання кінцевого результату відліки,

що накладаються, необхідно просумувати.
93
P  L  N  M 1

в N-1 точках

94
P  L  N  M 1

в N-1 точках

N-1
Р
95
Розглянемо метод Overlap-save
96
Вхідний сигнал розбивається на блоки, що

перекриваються по краям на N-1 відліків.
97
Вхідний сигнал розбивається на блоки, що
перекриваються по краям на N-1 відліків.
У вихідного сигналу для кожного блоку

відкидаються крайні N-1 відліків із кожної
сторони.
98
Спектрограма (waterfall)
Показує залежність спектральної щільності

від часу.
99
від часу.
Ми вважали, що частоти сигналів не

залежать від часу.
Незалежно від довжини вікна властивості
сигналу залишалися постійними
100
від часу.
Ми вважали, що частоти сигналів не

залежать від часу.
Незалежно від довжини вікна властивості
сигналу залишалися постійними
В практичних застосуваннях параметри

сигналу часто змінюються в залежності від
часу:
- радари, сонари, комунікаційні сигнали,
звукові…..
101
x  n   cos 0 nn 
Необхідно використовувати перетворення
Фур'є, що залежить від часу,
- використовувати “віконні функції”
102

X  n,     x n  m wm e  j m
m 
- двовимірна функція
103
104
105
106
Використання ДПФ для спектрального
Цифрове оброблення сигналів аналізу
-Має свої особливості

Наприклад, реакція системи знаходиться як
лінійна згортка
107
Використання ДПФ для спектрального
Цифрове оброблення сигналів аналізу
-Має свої особливості

Наприклад, реакція системи знаходиться як
лінійна згортка…
Основні етапи:
Фільтрація від накладання спектрів
АЦП
Множення на вікно
ДПФ
108
109
Основні інструменти - вікно, блочна

згортка та перетворення Фур'є, що
залежить від часу
110
ОБРОБЛЕННЯ СИГНАЛІВ НА
Цифрове оброблення сигналів КІЛЬКОХ ШВИДКОСТЯХ
(multirate processing)
— цифрові системи оброблення даних з

більш ніж одною частотою дискретизації
Бітрейт (bitrate) — швидкість проходження

бітів інформації (біт/c, bps).
1
Приклад:
-Аналоговий сигнал дискретизується з
частотою, що значно перевищує частоту, що
визначається теоремою про дискретизацію
-Значно простіший аналоговий фільтр

захисту від накладання спектрів
-Після оцифровки сигнал стискається до

бажаної швидкості
2
Дві основні операції:
-децимація та інтерполяція
Децимація – зменшення частоти

дискретизації (стискання даних!)
Інтерполяція – збільшення частоти

3
Зменшення частоти дискретизації

(децимація з цілим кроком)
?
Компресор
частоти
x n v n y m
h n M
f f fs
s s
M
4
Цифрове оброблення сигналів Зменшення частоти дискретизації
(децимація з цілим кроком)
ЦФ захисту Компресор
від накладання частоти
спектрів дискретизації
x n v n y m
h n M
fs fs fs
M
М – коефіцієнт децимації
5
M=?
6
M=3
Із кожних М вибірок сигналу відкидається М-1
7
Вхід і вихід процесу децимації пов’язані
наступним співвідношенням:

v n   h k  x n  k 
k 

y  m   v  mM    h  k  x  mM  k 
k 
x n v n y m
h n M
f f fs
s s
M
8
Вхід і вихід процесу децимації пов’язані
Цифрове оброблення сигналів наступним співвідношенням:

v n   h k  x n  k 
k 

y  m   v  mM    h  k  x  mM  k 
k 
Децимація – операція стискання даних
Сигнал може бути спотворений!
9
Спектральне подання процесу децимації:
0 fs fs
2
0 f s fs
2
0 fs fs
2M M
0 f fs fs
s
2M 2 10
Збільшення частоти дискретизації

(інтерполяція з цілим кроком)
?
Експандер
частоти
x n v  m y m
L h n
fs Lf s Lf s
L – коефіцієнт інтерполяції
11
Збільшення частоти дискретизації

(інтерполяція з цілим кроком)
Експандер ЦФ
частоти дзеркальних
дискретизації складових
x n v  m y m
L h n
fs Lf s Lf s
12
L=3
Для кожної вибірки сигналу експандер
вводить (L-1) нульову вибірку.
Формується новий сигнал з частотою L f s
13
Відображення в частотній області процесу
інтерполяції:
0 f s fs
2
0 L fs
L fs
2
0 L fs
L fs
2 14
Процес інтерполяції характеризується наступним
зв’язком входу та виходу

 x  m L  , m  0,  L,  2 L...
v m  
0

y m   h k  wm  k 
k 
x n v  m y m
L h n
fs Lf s Lf s
15
Процес інтерполяції характеризується наступним
Цифрове оброблення сигналів зв’язком входу та виходу
 x  m L  , m  0,  L,  2 L...
v m  
0

y m   h k  v m  k 
k 
Введення (L-1) нулів приводить до поширення

енергії кожної вибірки сигналу по L вихідним
вибіркам, кожна вибірка послаблюється в
L раз
Для компенсації цього ефекту можна
помножити кожну вихідну вибірку на L.
16
Перетворення частоти дискретизації
Цифрове оброблення сигналів із не цілим кроком
(передискретизація)
Не цілі числа подаються відношенням двох

цілих чисел, так що L M максимально
наближене до бажаного множника
L M fs
17
М > L - децимація із не цілим кроком
М < L - інтерполяція із не цілим кроком
Каскадне включення інтерполятора та

дециматора!
Але в якій послідовності?
18
y m
x n
L h n h n M
Порядок фільтра в дециматора може
бути дуже великий – кілька тисяч.
Багатокаскадне перетворення
частоти дискретизації
19

литература PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

литература PDF

Uploaded by

Copyright:

Available Formats

Цифрове оброблення сигналів Цифрове оброблення сигналів

тлг: ЦОС 2020

Практичні заняття: 5 балів  4  20 балів

Лабораторні роботи: 5 балів  3  15 балів

Digital signal processing

[1] Цифровая обработка

[2] Основы цифровой

[3] А. Оппенгейм, Р. Шафер.

[4] Айфичер Эммануил С.,

Т – період (крок) дискретизації

Значення в моменти t=пТ

Узагальнена схема ЦОС

 z-область: описується своїм z-

Або позначають u n 26

(системи з дискретним часом)

Ідеальна система затримки

Перетворення Фур'є для x  t  , 

Re p      0 - абсциса абсолютної

Дискретне перетворення Лапласа не

дискретизоване по часу перетворення

- Нормовані час та частота

Перетворення Фур’є однозначно

Згадати геометричну прогресію !!!

argX e    argX e  - непарна

8) Теорема про згортку

10) Диференціювання по частоті

абсолютне збігання ряду

Зв’язок Z- перетворення з дискретним

Область збігання z-перетворення

2) Перетворення Фур’є послідовності x  n 

3) ОЗ не може містити жодного полюса

8) ОЗ повинна бути зв’язною

Z-перетворення однозначно зв'язує

Фур’є перетворення не є абсолютно

- абсолютно підсумовувана при ОЗ:

Якщо ОЗ включає в себе одиничне

ZxnT  Xz  a1X1z  a2 X2 z  a3 X3z  ...

3) Теорема про згортку

Основна теорема про лишки

2. розкладання z-зображення на прості

Раціональну функцію можна записати:

3. Розкладання в степеневі ряди

В частотній області дискретний сигнал

Фур'є-зображення дискретного сигналу

При спектральному аналізі досить

Гармонічний сигнал може бути

В часовій області: поява хибних

В частотній області [2] :

Принципово існує накладання спектрів.

Можливо визначити найвищу частоту

Спектр дискретного сигналу дорівнює (з

періоді ˆ S в дискретних точках називається

ДПФ використовується як для періодичних,

N –точкова послідовність x  n  дійсна

N –точкова послідовність x  n  дійсна

кругової (періодичної) згортки

– кругова згортка N –точкових періодичних

кількістю арифметичних операцій з

При фіксованому значенні k :

Математичною основою спектрального

ШПФ називають набір алгоритмів,

Найбільше поширення отримав алгоритм

розрахунку N -точкового ДПФ на кількох