Тема дискретизация сигналов все вещи таковы, каков дух того, кто ими владеет. Если он умеет ими пользоваться, они хороши. Если не умеет плохи (стр. 1 из 7)
СИГНАЛЫ и ЛИНЕЙНЫЕ СИСТЕМЫ
Signals and linear systems. Sampling of signal
Тема 7. ДИСКРЕТИЗАЦИЯ СИГНАЛОВ
Все вещи таковы, каков дух того, кто ими владеет. Если он умеет ими пользоваться, они хороши. Если не умеет - плохи.
Публий Теренций. Римский драматург, II в.д.н.э.
Студентом не раз пытался равномерно дискретизировать палку ливерной колбасы. Никогда не получалось. Свой кусок всегда был на рубль длиннее и на полтинник толще.
Александр Кудрявцев. Уральский геофизик и конструктор, XX в.
Содержание
1. Задачи дискретизации функций. Сигналы и системы дискретного времени. Принципы дискретизации. Воспроизведение сигнала.
2. Равномерная дискретизация. Спектр дискретного сигнала. Интерполяционный ряд Котельникова-Шеннона. Дискретизация с усреднением. Дискретизация спектров. Информационная тождественность динамической и спектральной формы сигнала. Дискретизация усеченных сигналов. Соотношение спектров одиночного и периодического сигналов.
3. Дискретизация по критерию наибольшего отклонения.
4. Адаптивная дискретизация.
5. Квантование сигналов.
6. Децимация и интерполяция данных.
Введение.
В первой половине ХХ века при регистрации и обработке информации использовались, в основном, измерительные приборы и устройства аналогового типа, работающие в реальном масштабе времени, при этом даже для величин, дискретных в силу своей природы, применялось преобразование дискретных сигналов в аналоговую форму. Положение изменилось с распространением микропроцессорной техники и ЭВМ. Цифровая регистрация и обработка информации оказалась более совершенной и точной, более универсальной, многофункциональной и гибкой. Мощь и простота цифровой обработки сигналов настолько преобладают над аналоговой, что преобразование аналоговых по природе сигналов в цифровую форму стало производственным стандартом.
Под дискретизацией сигналов понимают преобразование функций непрерывных переменных в функции дискретных переменных, по которым исходные непрерывные функции могут быть восстановлены с заданной точностью. Роль дискретных отсчетов выполняют, как правило, квантованные значения функций в дискретной шкале координат. Под квантованием понимают преобразование непрерывной по значениям величины в величину с дискретной шкалой значений из конечного множества разрешенных, которые называют уровнями квантования. Если уровни квантования нумерованы, то результатом преобразования является число, которое может быть выражено в любой числовой системе. Округление с определенной разрядностью мгновенных значений непрерывной аналоговой величины с равномерным шагом по аргументу является простейшим случаем дискретизации и квантования сигналов при их преобразовании в цифровые сигналы.
Как правило, для производственных задач обработки данных обычно требуется значительно меньше информации, чем ее поступает от измерительных датчиков в виде непрерывного аналогового сигнала. При статистических флюктуациях измеряемых величин и конечной погрешности средств измерений точность регистрируемой информация также всегда ограничена определенными значениями. При этом рациональное выполнение дискретизации и квантования исходных данных дает возможность снизить затраты на хранение и обработку информации. Кроме того, использование цифровых сигналов позволяет применять методы кодирования информации с возможностью последующего обнаружения и исправления ошибок при обращении информации, а цифровая форма сигналов облегчает унификацию операций преобразования информации на всех этапах ее обращения.
7.1. Задачи дискретизации функций [10, 21].
Сигналы и системы дискретного времени. Значения дискретного сигнала определены только при дискретных значениях времени или любой другой независимой переменной. Обычно его представляют в виде последовательности чисел: s(k) º s(kDt) º sk, k = 0, 1, 2, …, K, где значениями чисел отображают значения сигнала в дискретные моменты времени. Значения интервала дискретизации обычно принято опускать, т.е. принимать равным Dt = 1, поскольку он является не более чем масштабным множителем по независимой переменной и при постоянном значении во всех параметрах и атрибутах обработки сигналов, включая сопряженные величины (например, масштаб частоты f=1/|Dt|), его физическая величина может вводиться в результаты на заключительной стадии обработки данных. По существу, при Dt=1 осуществляется нормирование сигналов и систем их обработки по независимой переменной.
Система дискретного времени – это алгоритм с входной последовательностью s(k) и выходной последовательностью y(k), которая может быть линейной или нелинейной, инвариантной или изменяющейся во времени. Система дискретного времени линейна и инвариантна во времени (ЛИВ-система), если она подчиняется принципу суперпозиции (отклик на несколько входов равен сумме откликов на каждый вход в отдельности), а задержка (сдвиг) входного сигнала вызывает такую же задержку выходного сигнала. Вход и выход ЛИВ-систем связывает сверточная сумма:
y(k) =
h(n) x(k-n),где h(n) – дискретная импульсная характеристика (импульсный отклик) системы. Система устойчива, если выполняется условие:
|h(n)| < ∞.Это условие справедливо всегда для систем с конечной импульсной характеристикой (КИХ-систем) без особых точек в своем составе, что характерно для нерекурсивных систем с ограниченным числом отсчетов (в общем случае, N1 < n < N2), а также для систем с бесконечной импульсной характеристикой (БИХ-систем), если h(n) → 0 при n → ∞, что должно выполняться для рекурсивных систем.
Физически реализуемой называется система, если ее импульсная характеристика существует только при n≥0.
Принципы дискретизации. Сущность дискретизации аналоговых сигналов заключается в том, что непрерывность во времени аналоговой функции s(t) заменяется последовательностью коротких импульсов, амплитудные значения которых cn определяются с помощью весовых функций, либо непосредственно выборками (отсчетами) мгновенных значений сигнала s(t) в моменты времени tn.Представление сигнала s(t) на интервале Т совокупностью дискретных значений cn записывается в виде:
(с1, с2, ... , cN) = А[s(t)],
где А - оператор дискретизации. Запись операции восстановления сигнала s(t):
s'(t) = В[(с1, с2, ... , cN)].
Выбор операторов А и В определяется требуемой точностью восстановления сигнала. Наиболее простыми являются линейные операторы. В общем случае:
сn =
qn(t) s(t) dt, (7.1.1)где qn(t) - система весовых функций.
Отсчеты в выражении (7.1.1) связаны с операцией интегрирования, что обеспечивает высокую помехоустойчивость дискретизации. Однако в силу сложности технической реализации "взвешенного" интегрирования, последнее используется достаточно редко, при высоких уровнях помех. Более широкое распространение получили методы, при которых сигнал s(t) заменяется совокупностью его мгновенных значений s(tn) в моменты времени tn. Роль весовых функций в этом случае выполняют гребневые (решетчатые) функции. Отрезок времени Dt между соседними отсчетами называют шагом дискретизации. Дискретизация называется равномерной с частотой F=1/Dt, если значение Dt постоянно по всему диапазону преобразования сигнала. При неравномерной дискретизации значение Dt между выборками может изменяться по определенной программе или в зависимости от изменения каких-либо параметров сигнала.
Воспроизведение непрерывного сигнала по выборкам может проводиться как на основе ортогональных, так и неортогональных базисных функций. Воспроизводящая функция s'(t) соответственно представляется аппроксимирующим полиномом:
s'(t) =
cn vn(t), (7.1.2)где vn(t) - система базисных функций. Ортогональные базисные функции обеспечивают сходимость ряда к s(t) при n Þ ¥. Оптимальными являются методы дискретизации, обеспечивающие минимальный числовой ряд при заданной погрешности воспроизведения сигнала. При неортогональных базисных функциях используются, в основном, степенные алгебраические полиномы вида:
s'(t) =
cn tn. (7.1.3)Если значения аппроксимирующего полинома совпадают со значениями выборок в моменты их отсчета, то такой полином называют интерполирующим. В качестве интерполирующих полиномов обычно используются многочлены Лагранжа. Для реализации интерполирующих полиномов необходима задержка сигнала на интервал дискретизации, что в системах реального времени требует определенных технических решений. В качестве экстраполирующих полиномов используют, как правило, многочлены Тейлора.
Естественным требованием к выбору частоты дискретизации является внесение минимальных искажений в динамику изменения сигнальных функций. Логично полагать, что искажения информации будут тем меньше, чем выше частота дискретизации F. С другой стороны также очевидно, что чем больше значение F, тем большим количеством цифровых данных будут отображаться сигналы, и тем большее время будет затрачиваться на их обработку. В оптимальном варианте значение частоты дискретизации сигнала F должно быть необходимым и достаточным для обработки информационного сигнала с заданной точностью, т.е. обеспечивающим допустимую погрешность восстановления аналоговой формы сигнала (среднеквадратическую в целом по интервалу сигнала, либо по максимальным отклонениям от истинной формы в характерных информационных точках сигналов).