учебно-методический комплекс
ОБРАБОТКА СИГНАЛОВ
Красноярск
ИПК СФУ
2008
УДК 621.391.083.92
ББК 32.811.3
Г54
Электронный учебно-методический комплекс по дисциплине «Цифровая обра-
ботка сигналов» подготовлен в рамках инновационной образовательной программы
«Структурная перестройка научно-образовательного центра "Радиоэлектроника"»,
реализованной в ФГОУ ВПО СФУ в 2007 г.
Рецензенты:
Красноярский краевой фонд науки;
Экспертная комиссия СФУ по подготовке учебно-методических комплексов дис-
циплин
Глинченко, А. С.
Г54 Цифровая обработка сигналов. Версия 1.0 [Электронный ресурс] : курс
лекций / А. С. Глинченко. – Электрон. дан. (3 Мб). – Красноярск : ИПК СФУ,
2008. – (Цифровая обработка сигналов : УМКД № 50-2007 / рук. творч. коллек-
тива А. С. Глинченко). – 1 электрон. опт. диск (DVD). – Систем. требования :
Intel Pentium (или аналогичный процессор других производителей) 1 ГГц ;
512 Мб оперативной памяти ; 3 Мб свободного дискового пространства ; при-
вод DVD ; операционная система Microsoft Windows 2000 SP 4 / XP SP 2 / Vista
(32 бит) ; Adobe Reader 7.0 (или аналогичный продукт для чтения файлов фор-
мата pdf).
ISBN 978-5-7638-1271-8 (комплекса)
ISBN 978-5-7638-1448-4 (курса лекций)
Номер гос. регистрации в ФГУП НТЦ «Информрегистр» 0320802615
от 06.12.2008 г. (комплекса)
Настоящее издание является частью учебно-методического комплекса по дисцип-
лине «Цифровая обработка сигналов», включающего учебную программу, лаборатор-
ный практикум, методические указания по самостоятельной работе, контрольно-
измерительные материалы «Цифровая обработка сигналов. Банк тестовых заданий»,
наглядное пособие «Цифровая обработка сигналов. Презентационные материалы».
Изложены изучаемые в рамках лекционного курса базовые и специальные методы
цифровой фильтрации сигналов, спектрально-корреляционного анализа, многоскоро-
стной обработки, переноса и преобразования спектров. Приведены примеры систем,
использующих данные методы. Рассмотрены методы и средства аппаратно-
программной реализации цифровой обработки сигналов.
Предназначен для студентов направления подготовки бакалавров 210300.62 «Ра-
диотехника» укрупненной группы 210000 «Электроника, радиотехника и связь» и
преподавателей, ведущих занятия по дисциплине «Цифровая обработка сигналов».
© Сибирский федеральный университет, 2008
Рекомендовано к изданию
Инновационно-методическим управлением СФУ
Редактор И. Н. Байкина
Разработка и оформление электронного образовательного ресурса: Центр технологий элек-
тронного обучения информационно-аналитического департамента СФУ; лаборатория по разработке
мультимедийных электронных образовательных ресурсов при КрЦНИТ
Содержимое ресурса охраняется законом об авторском праве. Несанкционированное копирование и использование данного про-
дукта запрещается. Встречающиеся названия программного обеспечения, изделий, устройств или систем могут являться зарегистрирован-
ными товарными знаками тех или иных фирм.
Лекция 1
Введение в цифровую обработку сигналов. Сигналы
и их преобразования при цифровой обработке
fд
x(t)
x(nTд) или x(n)
Tд
t
nTд
0 1 2 3 …. n
( n + 0,5)Tд
x(nTд ) = ∫ xд (t )dt
( n −0,5)Tд
x(t) xд(t)
∫
x(nTд)
fδ(t)
–2 –1 0 1 2 nTд
Рис. 1.4. Эквивалентная схема дискретизации сигнала
по времени
Коэффициенты ряда
nT +T / 2
1 д д − jk ωдt 1 − jk ωдnTд 1
=Ck ∫ δ(t − nTд )e = dt e = ,
Tд nTд −Tд / 2 Tд Tд
TдXд(jω )
Пωm (jω ) Xа(jω )
–ω д –ω m 0 ωm ωд ω
–ω д/2 Основная полоса ω д/2
–ω д –ω m –ω 1а –ω ′1д ω ′1д ω 1а ω m ωд ω
–ω д/2 Основная полоса ω д/2
Tд|Xд(jω )|
|Xa[j(ω + ω д)]| |Пωm (jω )| |Xa(jω )| |Xa[j(ω – ω д)]|
–ω д –ω m 0 ωm ωд ω
–ω д/2 Основная полоса ω д/2
f(дс)
fд /2
Фаза (–) Фаза (+) Фаза (–)
f’1д •
i x xкв(n)
m/2 max
e(n)
3
2
1 Q nTд
0
-1 Tд 2Tд 3Tд
-2
-3
-m/2 x
min
Рис. 1.9. Иллюстрация квантования сигнала по уровню
Интервал между уровнями квантования называется шагом квантова-
ния по уровню Q = Dx max /m.
Способы квантования
Погрешность квантования
Q
–3Q –2Q –Q x(n)
a
Q 2Q 3Q 4Q
–Q
–2Q
..
–iQ
0
e(n) x(n)
б
–Q
Рис. 1.10. Амплитудная характеристика (а) и погрешность квантования
с усечением (б)
xкв(n)
iQ
..
.
2Q
–2Q
–iQ
e(n)
Q/2
x(n)
б
–Q/2
Р(е) Р(е)
1/Q
1/Q
е е
–Q 0 –Q/2 0 Q/2
а б
Рис. 1.12. Плотности вероятностей шума квантования
при усечении (а) и округлении (б)
{
qацп ≈ log 2 U пр max /
( )}
12σш
цч
+ 1. (1.16)
Контрольные вопросы
Лекция 2
Математические описания и характеристики дискретных систем
N M
=
y ( n) ∑ bl x(n − l ) − ∑ ak y(n − k ). (2.2)
=l 0=k 1
Устройство (или программа), реализующее разностное уравнение (2.2)
(т.е. выполняющее обработку сигнала в соответствии с разностным уравне-
нием), называется дискретным, или цифровым, фильтром (ЦФ). Сигнал на
выходе цифрового фильтра равен сумме текущего отсчета входного сигнала
x(n) и предыдущих (N и M) отсчетов входного и выходного сигналов x(n − l),
y(n − k), взвешенных (или взятых) с весовыми коэффициентами bl, –ak
(рис. 2.1). Достигаемое в результате целенаправленное изменение формы, а
следовательно, и спектра сигнала отвечает общей задаче частотной фильтра-
ции сигналов
При значениях коэффициентов ak ≠ 0 ЦФ называется рекурсивным
(РФ). Рекурсия означает наличие в фильтре обратной связи, т.е. зависимо-
сти выходного сигнала y(n) от его предыдущих отсчетов y(n − k)
(рис. 2.1).
Разностному уравнению (2.2) с коэффициентами ak = 0 соответствует
нерекурсивный фильтр (НФ):
N
=
y ( n) ∑ bl x(n − l ). (2.3)
l =0
Это фильтр без обратной связи, его выходной сигнал определяется
взвешенной с весами bl суммой текущего и N предыдущих отсчетов входного
сигнала (рис. 2.1, верхний график).
x(n) x(n–2)
x(n–1)
x(n
x(n–
b …
b2 b1 b0
n
n–N n–2 n– n
y(n) y(n–
y(n– y(n)
y(n–
a ….. a2 a1
n
n– n– n– n
Рис. 2.1. Графическая иллюстрация обработки сигнала в соответствии
с разностным уравнением
h(n) h(n)
u0(n)
n n n
0 1 2 3… 0 1 2 3… 0 1 2 3… N–1
а б в
Рис. 2.2. Единичный импульс (а) и импульсные характеристики цифровых фильтров БИХ
-типа (б) и КИХ-типа (в)
N −1 N −1
=
y ( n) ∑ x(m)h(=
n − m) ∑ h( m) x ( n − m) . (2.5)
=m 0=m 0
∫ x(t )e
− j ωt
=
X a ( jω) X a=
( p ) p = jω dt.
0
∞
Z {x=
(n)} X=
( z) ∑ x ( n) z − n . (2.8)
n =0
Р-плоскость jω jb
Z-плоскость
3ωд/2
ω1 + ωд
ωд ω
ω1
ωд/2 e -σ1Tд
–ωд
–ω
–3ωд/2
u0 ( n − m ) = {
1, n = m
0, n ≠ m
.
|UN (jω)|
N
U N ( jω=
) N, =
ω 0;
U N ( jω) = 0, ω = 2πi / NTä = iωä / N , i = 1, 2, ..., N − 1.
Сигнал применяется для анализа переходных процессов в апериоди-
ческих дискретных системах.
∫ h(t )e
− j ωt
=
H a (jω) H =
( p ) | p = jω dt.
0
ω /2
Tд д jωnTд
2π −ω∫ / 2
h(=
n) H (j ω) e dω. (2.24)
д
или
H (j=
ω) H [j (λ + 2πk )],
|H(jω)|
….. …..
Контрольные вопросы
Л е к ц и я 3.
Характеристики и структуры цифровых фильтров
Y (z )
∑ bl z −l B(z −1 )
l =0
=
H (z ) = M
= −1
. (3.1)
X (z )
1 + ∑ ak z − k
A(z )
k =1
M − N l =0
∑ bl z N −l
B(z )
=H (z ) z= M
. (3.2)
A(z )
∑ ak z M −k
k =0
Y (z )
∑ bl z −lB( z −1 )
l =0
=
H (z ) = = . (3.4)
X (z ) M
A( z −1 )
1 + ∑ ak z −k
k =1
где |R0i|, |Rpi| − длины векторов R0i(jω), Rpi(jω); ψ0i, ψpi – углы, образуемые ими
с осью абсцисс.
Расположив нули и полюсы на комплексной Z-плоскости (рис. 3.1) и
измерив модули и углы векторов, соединяющих их с точкой на единичной
окружности, соответствующей заданной частоте ωTд или λ (например, с точ-
кой А на рис. 3.1), с помощью (3.8), (3.9) можно вычислить АЧХ и ФЧХ
фильтра для любых значений частоты сигнала в диапазоне (0−ωд/2).
zp1 Rp1
A(ω1 )
R02 R01
z02 z01 a
–1 0 1
Rp2
где HJ(z) − передаточная функция J-го биквадратного звена при значении ко-
эффициента b0J = 1; при b0J ≠ 1 добавляется общий нормирующий или мас-
штабирующий множитель С0.
x(n) y(n)
Звено1 Звено2 ЗвеноJ ЗвеноL
H1(z) H2(z) HJ(z) HL(z)
{ }
2
a1J = −2rpJ cos λ pJ ; =
−2Re z pJ = a2 J z=
pJ rp2J , (3.12)
1 + b1J e− jλ + b2 J e− j 2λ
H J (jλ) = .
1 + a1J e− jλ + a2 J e− j 2λ
Структура такого звена (рис. 3.4) имеет в 2 раза меньшее число эле-
ментов памяти z −1 .
Такое звено описывается двумя разностными уравнениями:
w(n) = x(n) − a1w(n − 1) − a2w(n − 2),
y(n) = b0w(n) + b1w(n − 1) + b2w(n − 2), (3.14)
первое из которых соответствует разностному уравнению рекурсивной, а
второе − нерекурсивной части звена в канонической форме. Эти уравнения
подобны приведенной выше паре разностных уравнений звена в прямой
форме, если поменять местами его нерекурсивную и рекурсивную части и
обозначения символов.
Начальные нулевые условия для канонического звена имеют вид w(−
2) = w(−1) = 0. Они обеспечиваются обнулением сигнальной памяти до нача-
ла обработки. После обработки очередного отсчета сигнала осуществляются
сдвиг сигнальной памяти: w(n − 1) → w(n − 2); w(n) → w(n – 1) или операция
присваивания: w(n − 2) = w(n − 1); w(n − 1) = w(n). После этого на вход звена
может подаваться следующий обрабатываемый отсчет сигнала.
b0
x(n) w(n) y(n)
Х
–1
z
–a1 b1
Σ1 Х
w(n–1)
Х Σ2
–1
–a2 z b2
w(n–2)
Х Х
Рис. 3.4. Структурная схема биквадратного звена
для канонической формы его реализации
Контрольные вопросы
Лекция 4
Синтез рекурсивных фильтров
по заданной частотной характеристике
|Hd(jω)|
1 Полоса Переходная полоса
1–δ1 пропус- Полоса задерживания
кания
δ2 ωД
0
а ωС ωЗ 2
1
1–δ1 Переходная полоса Полоса
Полоса задерживания пропус-
δ2 кания ωД
0
б ωЗ ωС 2
Переходная полоса 1 Переходная полоса
1
1–δ1 Полоса Полоса
Полоса
пропус- задерживания
задерживания
δ2 кания 2 ωД
1
0
в ωЗ1 ωС1 ω0 ωС2 ωЗ2 2
Переходная полоса 1 Переходная полоса 2
1
1–δ1 Полоса
Полоса задержи- Полоса
δ2 пропускания 1 вания пропускания 2
ωД
0 2
г ωС1 ωЗ ωЗ2 ωС2
1
1–δ1
δ2 ωД
0
д ωЗ ωС1 ωС2 ωЗ2 ωЗ3 ωС3 ωС4 ωЗ4 2
Рис. 4.1. Примеры задания АЧХ ЦФ
λ
π
λ3
λc
|H(jλ)| Ω
1 1–δ 1 δ2 0
|H(jΩ)|
1
1–δ 1
δ2 Ω
0 Ωc = 1 Ω3
Таблица 4.1
λз2 π
λс1 λс2
λз1
0 Ω
|H(j λ)|
1
0
1–δ 1
δ2 |H(j Ω )| 1
1–δ 1
δ2 Ω
- Ω з1 –1 0 1 Ω з2
а
λ
π
λз λс
|H(j λ)|
Ω
1
0
1–δ 1
δ2
|H(j Ω )|
1
δ
1– 1
δ2 Ω
0
1 λз
б
m1 m
H (p ) =
C ∏ ( p − p0i ) / ∏ (p − p pi ) ,
i =1 i =1
Таблица 4.2
Тип
Преобразование Примечания
фильтра
z p (0)i = (α + p p (0)i ) /(α − p p (0)i ) , i =1, 2, ..., m При p0i = ∞
ФНЧ
z0 i = –1
z p (0)i = −(α + p p (0)i ) /(α − p p (0)i ) , i = 1, 2, ..., m При p0i = ∞
ФВЧ
z0 i = 1
1
αβ ( αβ )
2
α+ p p (0)i 2
z p (0)(2i −1,2i ) = ± − , При p0i = ∞
ППФ α − p p (0)i (α − p p (0)i )2 α − p p (0)i
z0 (2i–1,2i) = ±1
i = 1, 2, ..., m
1
αβ ( αβ )
2
α+ p p (0)i 2 При p0i = ∞
z p (0)(2i −1,2i ) =
− ± − ,
ПЗФ α − p p (0)i (α − p p (0)i )2 α − p p (0)i z0 (2i–1, 2i) =
= β ± (β2 – 1)1/2
i = 1, 2, ..., m
Контрольные вопросы
Лекция 5
Синтез нерекурсивных фильтров по
заданной частотной характеристике
N −1
Синтез передаточной функции H ( z ) = ∑ h( n) z − n нерекурсивных
n =0
фильтров (фильтров КИХ-типа) сводится к нахождению их импульсной ха-
рактеристики h(n)N конечной длины N. Синтез НФ выполняется методами
весовых функций, частотной выборки или численной аппроксимации.
hd(n)
ωсТд/π
n
2π π 0 π 2π
− − − −
ωс Т д ωс Т д ωс Т д ωс Т д
|Hd(jω )| λc π hd(n)
− π λc π λc
− ωc 0 ωc ω -2 -1 0 1 2 n
|W(jω )| 1
w(n)
δ бл.max
ω 0 12 3 N–1 n
∆ωгл
H(j ω)
1+δ 1max h(n)
δ 2max
∆ωпер
δ 2max
ω 012
N–(1/2) N–1 n
ω’c ω’з
Рис. 5.2. Графическая иллюстрация синтеза НФ методом весовых функций
λ n λ
0 1 2 ⋅ ⋅ N–1
0 π π 0 4π 6π
π 2π 2π 4π − 6— − 4—
− 4— − — — — — —
N N N N N N N N
а б в
Рис. 5.3. Частотная характеристика прямоугольной весовой функции (а),
весовая функция Хэмминга (б) и ее частотная характеристика (в)
1α− ω 1 − α ω
WН ( jω) = αWR ( jω) + WR j ω − д + WR j ω + д .
2 N − 1 2 N − 1
При больших N (N >> 1) обычно полагают ω1,2 = ±ωд/N [8]. Ширина ее глав-
ного лепестка (рис. 5.3, в) ∆ωгл = 4ωд/N (∆λгл = 8π/N) (D = 4), ширина боковых
лепестков ∆ωбл = ωд/N (∆λбл = 2π/N). Площадь под боковыми лепестками со-
ставляет 0,04 % от площади квадрата частотной характеристики. По уровню
боковых лепестков весовая функция Хэмминга оказывается приемлемой для
многих приложений НФ.
Весовая функция Блэкмана имеет вид
wB (n) =0,42 − 0,5cos [ 2π n /( N − 1) ] + 0,08cos [ 4π n /( N − 1) ] .
wc (n) = I 0 β 1 − [1 − 2n /( N − 1) ] / I 0 ( β ) , n = 0, 1, …, N – 1,
2
(5.4)
где I0(x) − модифицированная функция Бесселя первого рода нулевого по-
рядка. Благодаря этому обеспечивается наилучшее для данного метода син-
|Hd(jω)|
1 |Hd(jωk)|
H1 H1
0 12
(N–1)/2 N –1 N k
Δω Δωпер ωд/2 ωд ω
n=0 N k=0 d k
sin Tд
2
h р (n )
-(N-1)/2 0 (N-1)/2 N 2N n
Рис. 5.5. Импульсная характеристика, соответствующая ДЧХ
N −1
− jω T
Множителем e 2 д определяется ФЧХ фильтра
N −1
ϕ (ω) = −ω Tд ,
2
строго линейная вследствие симметрии импульсной характеристики.
АЧХ фильтра на частотах ω = ωk точно совпадает с частотными вы-
борками ДЧХ: H(ωk) = Hd (ωk), а на частотах ω ≠ ωk H(ω) ≠ Hd (ω) − отличает-
ся от заданной на величину погрешности аппроксимации (огабающая на
рис. 5.4).
Контрольные вопросы
Лекция 6
Оценка и обеспечение точности цифровых фильтров
−q
Зн. 2–1 2–2 2–3 ………… 2 x
а 1/0 1 0 1 1 0 0 1
−q R
−q
–8 –9
2 2 …………………… 2
Зн. 2–1 2–2 2–3 2–4 2–5 2–6 2–7 ………… 2 x
б
1/0 1 0 1 1 0 0 1 1 1 0 1 1 0 0 1
−q K
Зн. 21 20 2–1 2–2 2–3 2–4 2–5 2–6 2–7 …………………… 2
в 1/0 1 0 1 1 0 0 1 1 1 0 1 1 0 0 1
Целая Дробная часть
часть
h(n)
x(n) y(n)
Х ЦФ
m
а
Звено 1 Звено 2 Звено L
x(n) y(n)
Х h1(n) Х h2(n) Х hL(n)
m1 m2 mL б
Рис. 6.2. Схемы включения масштабных умножителей
x(n) ЦФ vi ( n )
Х или
звено
mi f i ( n ), Fi ( jω ) Рис. 6.3. Схема для расчета мас-
штабных множителей
Данный метод расчета дает предельную (нижнюю) оценку для мм, ис-
ключающую переполнения при любых сигналах. Однако отношение сигнала к
шуму квантования при этом является минимальным, что ограничивает его
применение.
Спектральный метод расчета масштабных множителей основан на
соотношении
Vi (=
jω) mi′′ Fi (jω) X (jω) ,
определяющем спектральную плотность сигнала на выходе i-го сумматора
через спектральную плотность входного сигнала X(jω) и частотную характе-
ристику от входа фильтра до выхода i-го сумматора Fi (jω). Ему соответству-
ет предельное соотношение
Vi ( jω) max ≤ mi′′ Fi ( jω) max X ( jω) max ≤ 1 .
12
∞
mi′′′≤ 1 ∑ fi 2 ( n ) . (6.3)
n =0
Этот метод дает удовлетворительную оценку мм для широкополосных
и случайных сигналов с равномерным энергетическим спектром.
Другие, более общие условия масштабирования сигналов изложены в
литературе [8, 10].
Таким образом, для расчета масштабных множителей любым из ме-
тодов необходимо вычислить импульсные и частотные характеристики fi (n)
и Fi ( jω) от входа фильтра до выхода i-го сумматора и воспользоваться со-
отношениями (6.1), (6.2), (6.3) с учетом класса входных сигналов.
При масштабировании фильтра включением одного ММ на его входе
в соответствии с рис. 6.2, а для расчета ММ m′, m′′, m′′′ используются им-
пульсная h(n) и частотная H(jω) характеристики всего фильтра.
Ввиду трудоемкости вычислений расчет мм выполняют с помощью
эвм на основе конкретизируемых ниже расчетных соотношений для различ-
ных цифровых фильтров.
eR1(n) eRэкв(n)
m eRm(n) b0
x(n) y(n)+eRвых(n)
X ∑ X ∑
C eR(n)
ex (n)
а б
Рис. 6.5. Шумовые эквивалентные схемы АЦП (а) и умножителя (б)
∞
| eвыхi (n) | ≤ ∑ | gi (m) || ei (n − m) | ,
m=0
n=0 πo
ГДЕ σi2 =2−2 qi /12 – дисперсия шума i-го источника; gi(jλ) – частотная характе-
ристика от точки приложения i-го источника шума до выхода фильтра.
Дисперсия, или мощность, шума на выходе фильтра от действия всех
источников равна сумме дисперсий шумов отдельных источников:
σвых
2
= ∑ σвых
2
i = Pш вых (6.5)
i
Корень из (6.5) определяет среднеквадратическое значение выходного шума.
Выполнимость условий, накладываемых на вероятностный метод, и,
следовательно, достоверность получаемых с его помощью оценок зависят от
уровня и характера обрабатываемых сигналов. В частности, условиям о не-
коррелированности отсчетов шума между собой и входным сигналом плохо
удовлетворяют такие сигналы, как единичный прямоугольный импульс или
синусоидальное колебание. Наиболее они обоснованы для сложных быстро-
изменяющихся сигналов, таких как речевой, музыкальный и др., а также при
большом уровне внешних шумов, когда от выборки к выборке мгновенное
значение сигнала изменяется на несколько уровней квантования. Поэтому
надежность оценок, получаемых вероятностным методом, в общем случае
′′ ≤ qАЦП ≤ qАЦП
Значение qАЦП выбирается из условия qАЦП ′ в зависимо-
сти от вида сигнала.
L −1 ∞
σ 2 e вых
= ∑ σ 2 e вых i ∑ g i 2 ( n) + σ 2 e вых L .
=i 1 = n 0
Решая обратную задачу, по допустимым значениям Em вых.доп , Рш.вых.
допнаходят разрядности q 'R , q ''R и qумн.
В каскадной структуре шум квантования на выходе фильтра, как и
значения ММ, зависят от порядка включения звеньев и способа попарного
объединения их нулей и полюсов [4]. Поиск оптимального варианта решения
этой задачи имеет важное практическое значение.
Следует отметить, что каскадная и параллельная структуры обладают
наилучшими шумовыми свойствами по сравнению с прямой и канонической
формами реализации РФ высокого порядка.
С помощью шумовых эквивалентных схем осуществляется также ана-
лиз собственных шумов нерекурсивных цифровых фильтров на основе ДВС
[2, 3]. В отличие от РФ, шумы квантования в НФ можно исключить путем
выбора разрядности регистров умножителя большей или равной разрядности
произведений.
Где ξ = (0,8–0,9).
Расчет разрядности ацп qацп и числа разрядов дробной части произве-
дений qr выполняют детерминированным и вероятностным способами в со-
ответствии с вышеприведенными выражениями для конкретной структуры
фильтра. Используемый при этом метод расчета (детерминированный или
Ко н т р о л ь н ы е в о п р о с ы
Лекция 7
Алгоритм цифровой фильтрации сигналов
на основе дискретного преобразования Фурье
Дискретное преобразование Фурье (ДПФ) является базовым алгорит-
мом цифровой обработки сигналов в частотной области. Благодаря наличию
эффективных алгоритмов его вычисления – алгоритмов быстрого преобразо-
вания Фурье (БПФ) – ДПФ широко используется для целей цифровой фильт-
рации и спектрально-корреляционного анализа сигналов.
N1 −1
− jωk nTд
ДПФ N [ x(n) ] =
X (jω) | ω = ωk =∑ x ( n )e , (7.1)
n=0
N −1 2π
−j
∑ x ( n )e
kn
ДПФ N [x(n)]= X (jωk ) = X (jk ) = N
, k = 0, 1, ..., N − 1. (7.2)
n=0
|X(jω)|, |X(jωk)|
xp(n), x(n)
… N01 …
–N … –3 –2 –1 0 1 2 3 … N1–1 N–1 N n
xp(n), x(n)
… …
–N … –3 –2 –1 0 1 2 3 … N N1–1 2N n
=
X (jωk ) X (z=
) − jωk Tд X ( z ) 2π .
z =e −j k
z =e N
x1 (n) N1 = 5
2
n
0
1 2 3 4
x2 (n)
N2 = 3
n
0 1 2
y(n) N = N 1+ N 2 -1 = 7
n
Рис. 7.4. Иллюстрация ДВС 0 1 2 3 4 5 6 7 8 9
N-1
h(n)N2 h(n)N
ДПФN H(jωk)
+N02
[h(n)]
|X(jωk)|
… …
… …
… …
∑ h ( m )e
− jωk mTд
H (jωk ) = = Y (jωk ) / X (jωk )
m=0
соответствует дискретизированной с шагом ∆ω = ωд/N частотной характеристи-
ке фильтра H (jωk ) (ДЧХ), а X (jωk ) , Y (jωk ) – дискретизированным с тем же
шагом спектрам его входной и выходной последовательностей.
Алгоритм включает следующие операции:
♦ запоминание N1 отсчетов входной последовательности x(n);
♦ вычисление N-точечных ДПФ последовательностей x(n) и h(n);
♦ перемножение N частотных выборок ДПФ входной последователь-
ности и ДЧХ фильтра и образование N-точечной последовательности
Y (jωk )= H (jωk ) X (jωk ) ;
♦ вычисление N-точечного ОДПФ последовательности Y(jωk), в ре-
зультате чего получаются N отсчетов выходной последовательности y(n).
Таким образом, в данном алгоритме отсчеты выходного сигнала нахо-
дятся по частотным выборкам входного сигнала, взвешенным заданной час-
тотной характеристикой фильтра. Фильтрация осуществляется путем после-
x ( n + lN1 ), lN1 ≤ n ≤ (l + 1) N1 − 1
xl ( n) N =
1 , других n,
0для
N = N1 + N2 – 1:
ó(n) = ∑ ól (n) ,
l
N 2 −1
где yl (n) N
= ∑ h(m) xl (n − m) .
m=0
l = 0 N1 = 10 l = 1 l=2
x(n)
n
0 123 … 9 3N1–1
h(n) N1 2N1
N2 = 5
N2 –1 n
0 1 2 34
y1(n) N = 14 y2(n) y3(n)
y(n)
0 1 2 34 … 13 N
Контрольные вопросы
Лекция 8
Анализаторы спектра сигналов на основе
дискретного преобразования Фурье
x (0) X (j 0) Канал 0
ДПФN
x (n)
x (1) X (j1)
x(n) Канал 1
X [ x (n)]
(БПФ)
x (N −1) X [ j ( N −1)] Канал (N − 1)
w(n)N
X (jωk=
) X (jω) ∗ W (jω) | ω=ωk ,
=H (jω, ωk ) ÄÏ=
Ô N e ä w(n) /e ä
{ jωnT
} jω( N − 1)T
− jω( N − 1)Tä
= e W *[j (ω − ωk )].
− jωnT
На сигнал x(n) = e д
откликаются каналы k− = −1, −2, …, −(N – 1)/2 в
соответствии с их частотной характеристикой (рис. 8.2):
j ( ω+ωk )( N −1)Tд / 2 sin[(ω + ωk ) NTд / 2]
= H R (jω, ωk ) e ⋅ . (8.4)
sin[(ω + ωk )Tд / 2]
|H(jω, ωk)|
N=8
δ бл max
−4 −3 −2 −1 0 1 2 3 4 5 6 7 k
Рис. 8.2. Частотная характеристика N-канального анализатора спектра
с прямоугольной весовой функцией и частотная характеристика одного канала
|H(jf, fk)|
Таблица 8.1
Тип ВФ ∆Fø , бин ∆Fãë (3 / 6) , бин Кког δ бл, дБ Ап , дБ
Прямоугольная 1 0,89 / 1,21 1 −13,6 −3,92
Треугольная 1,33 1,28 / 1,78 0,5 −27 −1,82
Хэмминга 1,36 1,30 / 1,81 0,54 −41 −1,78
Блэкмана 1,73 1,68 / 2,36 0,42 −57 −1,1
Кайзера, β = 3 1,8 1.71/2,39 0,4 –69 –1,02
2 2
W (0) |W (jf)|
∆Fш
−4 −3 −2 −1 0 1 2 3 4 k, бин
рис. 8.4. определение эквивалентной шумовой полосы
весовой функции
Контрольные вопросы
Лекция 9
Cпектрально-корреляционный анализ
дискретных случайных сигналов
N
1
=rxy (m) lim N → ∞ ∑ x(n + m) y * (n) .
2N + 1 n = −N
По максимуму ВКФ находят относительное время задержки обраба-
тываемых сигналов [10].
АКФ и ВКФ центрированных случайных сигналов [x(n) – x ], [y(n) – y ] и
сигналов с нулевым средним значением называют ковариационной сxx(m) и
взаимной ковариационной сxу(m) функциями:
=
cxx (m ) E{[x(n + m) − x ][x * (n) − x *]} ;
=
cxy (m ) E{[x(n + m) − x ][y * (n) − y *]} .
При этом
cxx=
(m) rxx (m)− | x |2 ;
cxy=
(m) rxy (m) − x y * .
n
0 12 . . . N1 − 1
rx(m)
m
− (N1 − 1) 0 N1 − 1
Рис. 9.1. Пример представления автокорреляционной функции
дискретного сигнала
f /2
д
При m = 0 rxx (0) = ∫ Pxx (f )df соответствует средней мощности
− f /2
д
сигнала или его дисперсии.
Аналогичным образом вводится определение взаимной спектральной
плотности мощности (ВСПМ) двух стационарных случайных сигналов x(n)
и y(n) как преобразование Фурье их ВКФ [1, 10, 12]:
∞
∑
− j 2 π fmTд
Pxy (jf ) = Tд rxy (m)e . (9.3)
m = −∞
{ }
Tä Tä
=
lim N →∞
E { X (jf ) X * (jf )} lim E | X (jf ) |2 . (9.4)
(2 N + 1) N→ ∞
(2 N + 1)
Она соответствует математическому ожиданию или статистически ус-
редненному квадрату модуля преобразования Фурье дискретной последова-
тельности x(n), поделенному на ее длину, стремящуюся в пределе к беско-
нечности. Такое определение включает усреднение и по времени и по ан-
самблю. В эквивалентном выражении для ВСПМ квадрат модуля |X(jf)|2 =
= X(jf)X*(jf) в (9.4) должен быть заменен на произведение X(jf)Y*(jf).
На эквивалентном определении СПМ и ВСПМ основывается периодо-
граммный метод их вычисления (см. п. 9.4).
несмещенная оценка r= xx (m) N / (N − | m | )rxx (m) [8, 12], и часто используется
на практике.
1 N −1 1 N −1
При m = 0 r=xx (0) r=
xx (0) ∑
N n 0=
x (n ) =
x * (n ) ∑
Nn 0
(n) |2 xN2 явля-
| x=
=
ется оценкой среднего квадрата или мощности случайного процесса.
Оценка взаимной корреляции (ВКФ)
N − m −1
1
=
rxy (m)
N
∑ x ( n + m) y * ( n) , 0 ≤ m ≤ N − 1 ,
n=0
1 N −|m|−1
=
rxy (m) ∑ x(n + m) y * (n + | m |) , −( N − 1) ≤ m ≤ 0.
N n=0
(9.6)
E{Pxx (f )} =
Pxx (f ) ∗ (2 / N )WR 2 (f / 2), E{Pxy (jf )} =
Pxy (jf ) ∗ (2 / N )WR 2 (f / 2),
где WR (f ) =
sin (π fNTд ) / sin (π fTд ) .
Дисперсия (погрешность) оценок СПМ (ВСПМ), как и оценок АКФ
(ВКФ), возрастает с уменьшением длины реализации N и увеличением мак-
симального вычисляемого индекса mmax = M – 1, где M ≤ N, что обусловлено
уменьшением эффекта усреднения. Максимальная погрешность оценки СПМ
(ВСПМ) имеет место при M = N. Она соизмерима со средним значением
СПМ (ВСПМ) и является практически неприемлемой [8, 12]. Достаточная
точность оценок СПМ (ВСПМ) обеспечивается при вычислении АКФ и ВКФ
до значений M ≤ 0,1N [8, 12]. При M < N пределы суммирования в (9.7), (9.8)
нужно заменить на –(M – 1) ≤ m ≤ (M – 1).
Вычисление СПМ (ВСПМ) случайных сигналов по оценкам их АКФ
(ВКФ) называют косвенным методом спектрального анализа случайных сиг-
налов, или методом коррелограмм [10, 12].
Уменьшение эффекта просачивания спектра через боковые лепестки
неявно присутствующего окна и уменьшение дисперсии коррелограммной
оценки спектра достигается умножением несмещенной АКФ (ВКФ) на сим-
метричное относительно m = 0 пронормированное (2M – 1)-точечное корре-
ляционное окно ω(m), ω(0) = 1, –(M – 1) ≤ m ≤ (M – 1), т.е.
M −1
∑
− j 2 π fmTд
=
Pxx (f ) Tд ω(m)rxx (m)e , (9.9)
m=− ( M −1)
M −1
∑
− j 2 π fmTд
=
Pxy (jf ) Tд ω(m)rxy (m)e . (9.10)
m=− ( M −1)
соответствии с (9.9), (9.10) найти коррелограммные оценки СПМ Pxx (к) ( f ) и
ВСПМ Pxy (к) ( jf ) на дискретных частотах fk = kfд/N:
M−1 M−1
∑ x(n)e
− j 2 π f nTд
x(n), y(n) конечной длины N1: X ( jf ) = . Эти оценки эквива-
n= 0
лентны преобразованиям Фурье АКФ (ВКФ) (9.7), (9.8) при длине корреля-
ционных последовательностей M, равной длине обрабатываемых реализаций
сигнала N1 [8, 12]. Они имеют дисперсию, соизмеримую со средним значени-
ем СПМ (ВСПМ), и являются слишком грубыми.
Все другие периодограммные оценки СПМ (ВСПМ) направлены на
повышение их точности (статистической устойчивости) путем введения ус-
реднения. В периодограмме Даньелла [12] это достигается усреднением со-
седних выборок спектра. Периодограммные оценки Бартлета и Уэлча полу-
чаются путем усреднения простейших периодограмм (9.12), вычисляемых
для отдельных секций xl(n) длиной N1, на которые разбивается обрабатывае-
1
мая случайная последовательность: P(п) ( f ) = ∑ Pl ( f ) , где L – число секций.
L l
∑ ; U ∑ w2 (n).
− j 2 π f nTд
где W ( jf )
= = w(n)e
=n 0=n 0
Это означает, что при любой весовой функции периодограммная
оценка СПМ (ВСПМ) будет неотрицательной, в отличие от взвешенных
коррелограммных оценок (9.9), (9.10), где свертка в частотной области осу-
ществляется просто с преобразованием Фурье весовой функции.
Обратное преобразование Фурье математического ожидания оценки
периодограммы (9.13) дает математическое ожидание эффективной оценки
АКФ случайного сигнала, вычисляемой по его периодограмме:
{ }
E rˆ xx (п) (m)Φ(= r)xx/ (п) (m) m U,
N1−1
где Ф(m= ) Tд ∑ w(n + m) w(n) − представляет АКФ окна w(n)
) w(m) ∗ w(−m=
n= 0
{ }
со значением Φ(0) = U. При этом E rˆxx (ï ) (0) = rxx (0) − является несмещен-
ной оценкой мощности сигнала.
Из рассмотренного следует, что периодограмма может быть исполь-
зована также для косвенного вычисления оценок АКФ (ВКФ) по реализациям
сигнала большой длины с помощью ДПФ (БПФ).
Периодограммный метод вычисления СПМ (ВСПМ) является прямым
методом спектрального анализа случайных сигналов, выполняемым непо-
средственно по их отсчетам [10, 12].
n
0
2 4
1 3 5 L
С перекрытием 0,5
Рис. 9.2. Способы разбиения обрабатываемого сигнала на секции
Pxl (k ) Px (k )
xl(n)
Х
X +N0 ДПФN | ⋅ |2 Х
X НС
w(n)N1 1/LN1U
1 1
Pxy (k ) = ÄÏ Ô N [ w(n) x (n) ] ÄÏ Ô*N [ w(n) y (n) ] X ( jk )Y * ( jk ),
UN1 UN1
а усредненная периодограмма или оценка ВСПМ как
1 L
Pxy (k ) = ∑ Pxy (k ) . (9.15)
L =1
xl(n)
Х
X +N0 ДПФN
Pxyl (k ) Pxy (k )
w(n)N1 Х
X Х
X НС
yl(n)
Х
X +N0 ДПФN 1/LN1U
w(n)N1
Рис. 9.4. Структурная схема анализатора ВСПМ случайных сигналов
по методу периодограмм
N1− m −1 N1− m −1
∑ x(n + m) x * (=
n) x(n) ∗ x * (−=
n) ∑ x * (n) x(m − (−n)) .
n 0=n 0
1
ДПФ N=
[rxy (m)] R=
xy ( jf k ) X ( jf k )Y=
* ( jf k )
N1
1
= ДПФ N [x(n)]ДПФ*N [y (n)]. (9.17)
N1
При этом к каждой из последовательностей x(n), y(n) добавляется N0 = N1
(или более) нулевых отсчетов.
Искомые оценки АКФ и ВКФ получаются обратным дискретным пре-
образованием Фурье (ОДПФ) полученных в соответствии с (9.16), (9.17) дис-
кретных последовательностей Rxx(fk), Rxy(jfk):
1 N −1
=
1
rxx (mОДПФ
) =
N1
| ДПФN [ ( )] |N x n 2
N1 N k = 0
{
( ∑) Rxx f k e k д ; (9.18)
j 2 π f mT
}
1
=rxy (mОДПФ
) = ДПФN {[ ( )]ДПФ*
N x n [ ( )] N y n }
N1
1 N −1
∑
j 2 π f mT
= Rxy ( jf k )e k д . (9.19)
N1 N k = 0
а
x(n)N1
+N0 ДПФN
rxy(m)
ОДПФN
y(n)N1
+N0 ДПФ*N
б
Рис. 9.5. Структурные схемы вычислителей АКФ (а) и ВКФ (б)
на основе ДПФ
N k= 0
Контрольные вопросы
Л е к ц и я 10
Алгоритмы быстрого преобразования Фурье
0 1 2 3 4 5 6 7 8 9 10 ⋅ ⋅ ⋅ N–1
рис. 10.1. иллюстрация прореживания сигнала по времени
=n 0=n 0
X (jk=
) X 1 (jk ) + WNk ⋅ X 2 (jk );
X [ j (k + (N/2 =
] ) X1 (jk ) −WNk ⋅ X 2 (jk ), k = 0, 1, ..., (N/2) − 1. (10.3)
X1(jk) X(jk)
+
k
WN
Рис. 10.2. Сигнальный граф ба- −
зовой операции БПФ X2(jk) X[j(k + (N/2))]
X1(j0)
x1(0) = x(0) X(j0)
x1(1) = x(2) ДПФN/2 X1(j1)
X(j1)
X1(j2)
x1(2) = x(4) [x1(n)] X(j2)
X1(j3)
x1(3) = x(6) X(j3)
WN0
X1(j0) WN1
x2(0) = x(1) X(j0)
x2(1) = x(3) ДПФN/2 X1(j1) WN2
X(j1)
X1(j2) W 3
x2(2) = x(5) [x1(n)] N X(j2)
X1(j3)
x2(3) = x(7) X(j3)
Таблица 10.1
n(10) n(2) n(2-инв) p
0 000 000 0
1 001 100 4
2 010 010 2
3 011 110 6
4 100 001 1
5 101 101 5
6 110 011 3
7 111 111 7
( N/ 2) −1 ( N/ 2) −1
=
X (j (2k + 1)) ∑ x1(n)WNkn/ 2WNn + ∑ x2 (n)WNkn/= n (2 k +1) N/ 2
2WN WN
= n 0= n 0
( N/ 2) −1 ( N/ 2) −1
∑
= [x1 (n) − x2 (n)]WNnWNkn/ 2 = ∑
g1(n)WNkn/ 2 , k = 0, 1, …, (N/2) – 1.
n 0= n 0
X(jkдв.инв) Y(jkдв.инв)
x(n)N БПФ БПФ y(n)N
с прореживанием с прореживанием
по частоте по времени
H(jkдв.инв)
h(n)N БПФ
с прореживанием
по частоте
рис. 10.5. структура нерекурсивного фильтра на основе БПФ
с прореживанием по времени и по частоте
Контрольные вопросы
Л е к ц и я 11
Методы многоскоростной обработки сигналов
x(mTд′ ) x′(nTд )
у(пТд)
↑L ФНЧ
f ä′ fä
x(mTд′ )
при , n = mL
x′(nTд ) = (11.1)
0 при . n ≠ mL
x(mTд′ )
L=4
x′(nTд )
mTд′
L
0
y(nTд ) Т′д 2Т′д Tд nTд
Tзап Tд nTд
рис. 11.3. временные диаграммы сигналов в вдс
частотой дискретизации f′д = 1/ Tд′ (рис. 11.4, а), для сигнала x '(nTд ) на выхо-
де ЭЧД спектральная плотность периодична с высокой частотой дискретиза-
ции fд = 1/ Tд :
∞
jω) Tд ∑ x′ ( nTд ) ⋅ e =
− jωnT
X ′ (= д
X j (ω ± k ωд , (11.2)
n=0
∞
′ ( jω) (Tд′/L) ∑ x ( mTд′ ) ⋅ e =
− jωmLT
д
X= (1/L) X (jω) . (11.3)
m=0
X ( jf ) , L X ′ ( jf ) L=4
в fд/2
0 fд
Рис. 11.4. Спектральные диаграммы сигналов в ВДС
x(mTд′ ) y(nTд )
↑L ПФИ Рис. 11.5. Структурная схема ВДС
с переносом спектра сигнала
При этом возможен перенос как обеих боковых полос спектра сигна-
ла, так и одной его боковой полосы.
Переносу обеих полос спектра соответствуют центральные частоты
ПФИ fi = if′д , i = 1, 2, …, [L/2]ц.ч, где [L/2]ц.ч – целая часть отношения L/2, оп-
ределяющая число дискретных частот (каналов), на которые может быть
смещен спектр обрабатываемого сигнала. Полоса пропускания фильтра в
этом случае должна быть равна частоте f′д: ∆fп = f′д.
Перенос одной боковой полосы спектра (рис. 11.6) осуществляется с
помощью ПФИ, имеющего полосу пропускания ∆fп = f′д/2 и центральную
частоту fi = if′д /2 + f′д /4, i = 1, 2, …, L – 1, где (L – 1) соответствует числу
дискретных частот, на которые возможно смещение спектра (рис. 11.6, а).
H (− f ) X ( jf ) , L X ′ ( jf ) H(f ) L=4
а
− 2 f д′ =–fд/2 – fi – fд′ fд′ 0 fд′ f д′ fi 2 fд′ = fд/2
−
2 2
| Y ( jf ) |
X ( jf ) , L X ′ ( jf ) H фнч ( f ) H пф ( f ) L=4
x(mT′д) y(nTд)
↑ L1 ФНЧ1 ↑ L2 ФНЧ2
f′д fд1 fд
Рис. 11.8. Структурная схема многократной вдс
X ( jf ) , L X ′( jf ) H1(f) L=4
а
fд′ 0 fд′ fд′ 2f ′д = f д1 3 fд′ 4f ′д = 2f д1
−
2 2
| Y (jf ) | ∆ f пер1
H2(f)
б ∆ f пер2
L=4
x(mTд′ ) y(t )
↑L ЦФИ ЦАП УВХ АФНЧ
16 бит
44,1 кГц 28 бит
176,4 кГц
Рис. 11.10. Структура подсистемы вывода аналоговых сигналов
с интерполяцией сигнала
| Y ( jf ) |
HАФНЧ (f)
0
M 2M … Tд nTд
y(mTд′ )
0
Т′д 2Т′д … mTд′
Цифровая обработка сигналов. Курс лекций -150-
ТЕМА 4 СПЕЦ. МЕТОДЫ И ПРИЛОЖЕНИЯ ЦИФРОВОЙ ОБРАБОТКИ СИГНАЛОВ
Лекция 11. Методы многоскоростной обработки сигналов
X ( jf ) H(f ) M=4
| Y ( jf ) |
|Y(jf)|
0 f′д/2 fд/2 fд
x(nTд ) y (mTд′ )
ПФ М
Рис. 11.16. Структурная схема НДС
с переносом спектра сигнала f 0i , ∆f
x(nTд) y(mT′д)
ЦФ1 ↓ M1 ЦФ2 ↓ M2
fд
f′д1 f′д
Рис. 11.17. Структурная схема многократной ндс
фнч переходная полоса ∆fпер2 = ∆fпер = 0,6 кгц (рис. 11.18, б), но частота дискре-
тизации обрабатываемого им сигнала в м1 раз меньше, поэтому его
порядок n2 = D FД /М1∆FПЕР2 ≈ 107.
|HФНЧ1(jf)|
|X(jf)|
x(t) x(mT′д)
АФНЧ АЦП ЦФ ↓M
fд fд
Рис. 11.19. Структурная схема подсистемы ввода аналоговых сигналов
на основе НДС
|X(jf)| |HАФНЧ(jf)|
раза меньше, чем при дискретизации с частотой f′д = 44,1 кГц. В результате
мощность шума квантования АЦП на выходе ЦФНЧ и КЧД также уменьша-
−2 q
ется в 4 раза: σe2âû õ = Pe ( f ) f m = 2 x ⋅ f m /(12 f ä ) . В общем случае это умень-
шение составляет M раз, а улучшение отношения сигнал–шум по мощности
Δ(C/Ш)кв = 10lgM, дБ. Получаемый выигрыш может быть использован в том
числе и для уменьшения требуемой разрядности АЦП.
В современных подсистемах аналогового ввода коэффициент пере-
дискретизации достигает значений 128–256, что соответствует улучшению
отношения сигнал-шум на 21–24 дБ [4]. Добавление к аналоговому сигналу
широкополосного шума обеспечивает декорреляцию шума квантования, осо-
бенно при малых уровнях сигнала, расширяя динамический диапазон ввода.
Использование сигма-дельта модуляции смещает спектр шума квантования в
область высоких частот, обеспечивая необходимое соотношение мощностей
сигнала и шума квантования даже при разрядности АЦП, равной 1 бит [4].
При этом не требуется УВХ, а порядок аналогового противомаскировочного
фильтра Баттерворта или Бесселя равен обычно 3.
Контрольные вопросы
Л е к ц и я 12
Методы переноса и преобразования спектров дискретных сигналов
− jωг nTд
Он соответствует смещенным влево (при xг (n) = e ) или вправо
jωг nTд
(при xг (n) = e ) верхним и нижним полосам спектра входного сигнала
x(n):
∞
∑ x ( n)e = X [ j (ω ωг ) ] .
± jωг nTд − jωnTд
Y (j=
ω) e (12.2)
n=0
Х
e± jωг nTд Х yIm(n)
±sin(ωг nTд )
а б
Рис. 12.1. Структурные схемы переноса спектра с операциями
над комплексными (а) и вещественными (б) числами
0 ωг1 ωд/2 ωд ω
|Y(jω)| = |X[j(ω + ωг1 )]| |X(jω)|
=
x(t ) A(t ) cos[ω0t + ϕ(t)];
jω nT (12.4)
nTд ) A(nTд )co [ω0snTд + ϕ(nTд)] = Re{A(nTд )e 0 д ejϕ(nTд)} =
x(=
= Aс (nTд )cos(ω0 nTд ) + As (nTд )sin(ω0 nTд ) ,
Х ФНЧ ↓M ( ⋅ )2
b
− sin(ω0nTä ) yIm(mTд′)
б
Рис. 12.4. Структурные схемы систем квадратурной обработки УПС,
оперирующие с комплексными (а) и вещественными (б) числами
|X(jω)| |X(jω)|
|X(jω )|
а
–ω д/2 0 ω00 ω д/2 ωд ω
ЧХ ЦФНЧ
б
–ω 0 ω
|Y(jω )|
в
0 ω0 ω
|Y1(jω )|
г
ω1 ω
|Y1Re(jω )|
д
–ω 1 0 ω1 ω
частоту ω0 (рис. 12.6, в) или на частоту ω1 (рис. 12.6, г) и взятия реальной части
комплексного сигнала ОБП (рис. 12.6, д).
Х y1(n)
Re y1Re(n)
x(n) j (ω0 +ω1) nTä
e
Х ЦФ Х y(n)
x(n) Х y1Im(n)
∑
Х
Х ЦФ сos(ω 1+ ω 0)nTд
−sin(ω 0nTд) Х
sin(ω 1+ ω 0)nTд
б
Рис. 12.7. Структурные схемы формирователей ОБП, оперирующих
с комплексными (а) и вещественными (б) числами
Данным преобразованиям соответствуют структурные схемы форми-
рователей ОБП, оперирующие с комплексными числами (рис. 12.7, а) и ве-
щественными (рис. 12.7, б). Умножением на комплексный гармонический
− jω nT
сигнал e 0 д спектр сигнала смещается влево на частоту ω0, а умножением
jω nT j ( ω + ω ) nT
на сигнал e 0д или e 0 д 1 − вправо на частоту ω0 или ω1.
Математически алгоритм формирования сигналов ОБП записывается
следующим образом:
− jω nT jω nT jω nT
=y (nФ
) ( )x n e 0 д e ;0 д ( y)1 n ( )y n e 1 д ,
=
где Ф[⋅] – оператор, реализуемый цифровым фильтром.
При формировании вещественного сигнала ОБП y1Re (n) из обведен-
ной пунктиром части схемы рис. 12.7, б исключаются пара умножителей и
сумматор неиспользуемого сигнала y1Im (n) .
Требования к ЦФНЧ формирователя сигналов ОБП определяются не-
обходимой степенью подавления второй (неиспользуемой) боковой полосы
|Y(jω)| π /2 ϕ(ω)
Тз yRe(n)
x(n) 2
ω
ω
ПГ yIm(n) –ωд/2 0 ωд/2
−ωд/2 0 ωд/2
а б в −π/2
n) cos(ωñnTä ) соответст-
Следовательно, вещественному сигналу x(=
вует комплексный однополосный гармонический сигнал
jω nT
y (n) =cos(ωс nTд ) + j sin(ωс nTд ) =e cд
.
Аналогичным образом преобразуются и другие частотные состав-
ляющие, которые в общем случае присутствуют в сигнале x(n).
Реальный ПГ на основе НФ вносит задержку сигнала, определяе-
мую как Tз = Tд(N – 1)/2, где N – длина импульсной характеристики аппрок-
симирующего нерекурсивного ЦФ. Она может быть скомпенсирована вклю-
чением такой же задержки в канал реальной части формирователя сигнала
ОБП (пунктир на рис. 12.8, а). Возникает также и неравномерность АЧХ, вы-
зывающая искажения при формировании сигналов ОБП.
x(n) y(n)
Х ЦФНЧ Х Re
Контрольные вопросы
Л е к ц и я 13
Цифровая обработка сигналов в многоканальных системах
связи с частотным уплотнением каналов
∆fгс /∆fкс = f д / f ′д = L ≥ K,
где L – коэффициент передискретизации (повышения или понижения часто-
ты дискретизации) сигналов в МКС.
Чем ближе значение коэффициента L к K – числу каналов, тем выше
эффективность МКС: меньше занимаемая ею полоса частот при заданном
числе каналов или больше число каналов, размещаемых в заданной полосе
частот, меньше требуемые объем и скорость обработки. Максимальное зна-
чение коэффициента L имеет место при использовании обеих боковых полос
спектра канальных сигналов: Lmax = 2(K + Kз), минимальное – одной боковой
полосы спектра, т.е. сигналов ОБП: Lmin = (K + Kз), где Kз – число так назы-
ваемых защитных полос в спектре группового сигнала, зависящее от назна-
чения системы. Поэтому в МКС с частотным разделением сигналов (каналов)
там, где это возможно, преимущественно применяют однополосные группо-
вые сигналы.
В качестве примера приведены частотные диаграммы спектров ка-
нального сигнала Xi(jf) (рис. 13.1, а) и однополосного вещественного груп-
пового сигнала Y(jf) (рис. 13.1, б) для случая L = K = 4, т.е. 4-ка- нальной
МКС.
X i ( jf )
fкс max
а
Y ( jf ) 0 1 2 3 3 2 1 0
б
−f′д/2 0 f′д/2 ∆f гс fд/2 fд
x0(mT′д)
↑L ФНЧ
fд
.
.
xi(mT′д) y(nTд)
Х ↑L ППФ ∑
n
fд
(−1) .
.
xK−1(mT′д) .
↑L Ф
fд
|H(jf)|
X i ( jf )
fкс max
x0(mT′д)
Х ↑L ФНЧ Х
.
fд
. j(ω′д/4)nTд
. e
xi(mT′д) y(nTд)
Х ↑L ФНЧ Х ∑ Re
fд
.
. j[(ω′д/4) + i(ω′д/2)]nTд
. e
xK−1(mT′д)
Х ↑L Ф Х
fд
–j(ω′д/4)mT′д j[(ωд/2) – (ω′д/4)]nTд
e e
Х ↑L ФНЧ Х
+
xi(mT′д) cos(ω′ /4)mT′ y(nTд)
cos(ω0i nTд)
д д
∑
ФНЧ –
Х ↑L Х
−sin(ω′д /4)mT′д sin(ω0i nTд)
Рис. 13.5. Структура канала подсистемы ФГС с квадратурной обработкой,
оперирующая с вещественными числами
y0(mT′д)
ФНЧ ↓L
.
.
yi(mT′д)
.
x(nTд)
ПФi ↓L Х
. n
(−1)
.
.
yK−1(mT′д)
ФВЧ ↓L
y0(mT′д)
Х ФНЧ ↓L Х Re
.
j(ω′д/4)nTд .
e–
x(nTд) yi(mT′д)
Х ФНЧ ↓L Х Re
.
– j[(ω′д/4) + i(ω′д/2)]nTд .
e
yK−1(mT′д)
Х ФНЧ ↓L Х Re
j[(ωд/2) – (ω′д/4)]nTд j(ω′д/4)mT′д
e– e
Рис. 13.7. Структурная схема подсистемы РГС
на основе цифрового гетеродинирования сигналов
Х ФНЧ ↓L Х
+
x(nTд) yi(mT′д)
cos(ω0inTд) cos(ω′д/4)mT′д) ∑
–
Х ФНЧ ↓L Х
−sin(ω0inTд) sin(ω′д/4)mT′д)
Рис. 13.8. Структурная схема одного канала подсистемы РГС,
оперирующая с вещественными числами
Трансмультиплексоры
Контрольные вопросы
Л е к ц и я 14
Системы многоканального
полосового анализа – синтеза сигналов
Δf f
fi + Δf/ 2
xi2 = 2 ∫ Px ( f )d =f 2∆f ⋅ Px ( fi ).
fi −Δf/ 2
Переходя к текущей оценке СПМ Px ( fi , n) , и приравнивая оценки средней мощ-
ности сигнала во временной и частотной области, получим
N −1
xi2 (n) = (1/ N ) ∑ xi2 [(n − m)Tд ] = 2∆f ⋅ Px ( fi , n) . (14.1)
m=0
xi(nTд) yi(nTд) Px ( fi , n)
x(nTд)
ПФi ДЕТЕКТОР
(fс, fз)
Рис. 14.3. Развернутая структурная схема канала анализатора спектра на основе по-
лосовых фильтров
чения f’д > 2∆f . Путем извлечения квадратного корня находится при необхо-
димости оценка среднеквадратического значения сигнала σ x ( fi , n) .
В качестве устройства усреднения используются как нерекурсивные
фильтры (однородный сглаживающий фильтр или триангулярный фильтр –
с треугольной импульсной характеристикой), так и сглаживающий ре-
курсивный фильтр экспоненциального весового усреднения первого поряд-
ка [2].
Точность оценок, получаемых методом полосовой фильтрации, зави-
сит от степени близости частотных характеристик полосовых фильтров к
идеальным, от времени усреднения (накопления) и от изменчивости спек-
тральных характеристик сигналов во времени, т.е. От степени стационарно-
сти их на интервале наблюдения.
Вместо операции возведения сигнала в квадрат в анализаторах спек-
тра иногда используют более простую операцию выпрямления (взятия по
модулю). С помощью пересчета в этом случае тоже получаются необходи-
мые спектральные оценки.
Методом полосовой фильтрации и преобразования гильберта возмо-
жен также анализ взаимной спектральной плотности сигналов [2].
Очевидно, что данный метод не позволяет восстановить сигнал по его
текущему энергетическому спектру.
w(n–l)
x(l)
l
n
ФНЧ b
w(n) (▪)²
X Im ( jω, n)
−sin(ωnTд)
Рис. 14.6. Структурная схема вычисления модуля
кратковременного преобразования Фурье
ванного сигнала, например, аудио, речевого и др. (пунктир на рис. 14.7, а).
Операцию взвешивания можно выполнить и на выходах каналов синтеза сиг-
нала. С помощью комплексных весовых коэффициентов осуществляется
также коррекция результирующей частотной характеристики системы анали-
за–синтеза, приближающая ее к идеальной – со строго плоской АЧХ и ли-
нейной ФЧХ.
− jω0nTä jω0nTä
e P(jω0) e
ФНЧ X 0 ( jω, n)
w(m)
− jωk nTä . jωk nTä
e P(jω1) e
ФНЧ X k ( jω, n)
x(n) y(n)
w(m)
Σ
.
− jωN −1nTä . jωN −1nTä
e P(jωN-1 ) e
ФНЧ X N −1 ( jω, n)
w(m)
Анализ Синтез
а
cos(ωknTд) cos(ωknTд)
ФНЧ Re ( jωk , n)
X
w(m) +
x(n) yk(n)
Σ
ФНЧ −
w(m)
X Im ( jωk , n)
−sin(ωknTд) sin(ωknTд)
б
Рис. 14.7. Структурная схема системы анализа–синтеза сигналов на
основе кратковременного преобразования Фурье (а) и структура о дно го
канала, оперирующая с вещественными числами (б)
Исследуя структуру канала рис. 14.7, а, можно показать, что она экви-
валентна с учетом весовых коэффициентов полосовому фильтру с веществен-
e
− jωk nTä X k ( jω, m) jωk nTä
e
yk(n)
x(n) ФНЧ
↓Mk ↑ Lk ФИН
wk(m) Ч
а
cos(ωknTд) X Re ( jωk , m) cos(ωknTд)
ФНЧ ФИН
w(m) ↓ ↑L
Mk Ч +
yk(n)
x(n) k
ФНЧ ↑L ФИН −
↓
w(m)
Mk k
Ч
б
−sin(ωknTд) X Im ( jωk , m) sin(ωknTд)
Рис. 14.8. Полные структурные схемы одного канала системы анализа – синтеза
с квадратурной обработкой сигналов с использованием ФНЧ (а), (б) и полосовых
фильтров (в)
Полосные вокодеры
|y1(mT′д)|
ПФ1 |.| ФНЧ ↓M К
1
x(n)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . О
|yK(mT′д)| y(mT′д)
ПФК |.| ФНЧ ↓M Д
K
Признак тон–шум Р
ПТ
Ш
Рис. 14.9. Структурная схема анализатора полосного вокодера
|x1(mT′д)|
ПФ1
Д
Е
|x2(mT′д)| Σ y(n)
ПФ2
х(mT′д) К
О |xK(mT′д)|
ПФК
Д
Признак тон–шум
Е Ключ
Частота
Р основного Генератор ГЕНЕРА-
тона импульсов ТОР
а
Рис. 14.10. Структурная схема синтезатора полосного вокодера
Контрольные вопросы
Л е к ц и я 15
Реализация цифровой обработки сигналов
на основе микропроцессорных средств
Общей задачей реализации ЦОС является обеспечение требуемой
скорости и точности обработки при минимальных массо-габаритных харак-
теристиках, энергопотреблении и стоимости. К реализационным показателям
относится также уровень программируемости и открытости системы, опреде-
ляющий возможность ее функционального развития и модификации.
Различают программный, аппаратный и аппаратно-программный спо-
собы реализации ЦОС.
К программной реализации относится обработка на ЭВМ записей сиг-
налов или данных в нереальном времени, включающая также моделирование
алгоритмов и систем ЦОС. Такая реализация не предполагает взаимодействия с
устройствами внешнего ввода-вывода сигналов или данных.
В данной теме рассматриваются аппаратный и аппаратно-програм-
мный способы реализации ЦОС, выполняемой в режиме реального времени,
т.е. в темпе поступления данных. С этим связаны и основные особенности
реализации таких систем.
Аппаратно реализуются непрограммируемые системы ЦОС, аппа-
ратно-программно – программируемые системы, содержащие средства как
аппаратного, так и программного обеспечения.
Шина В/В
x(t) и управ-
ления об-
П/c ввода меном
Cинхр. П
П/c синхр.
внешняя Cин хр. Ц
Синхро-
низация УУ ПК
x(n) y(n)
ПС АУ
x(n) y(n)
ЦУ
fT
x(n) y(n)
D P D P D PL
ЦУ1 1 ЦУ2 2 ЦУL
C C C
f′T
б
Рис. 15.3. Структура цифрового устройства без конвейерной обработки
(а) и с конвейерной обработкой (б)
Синхронизация ввода–вывода
и обработки данных в системах ЦОС
x(t) D DI
УВ
РДвв,
КС З.Пр.
ФН АЦ РС
Хвв Чтение,
Ч П сбр. РС
Запись Пуск Запись DIО
Синхр. Задержка ПЦ
внешняя З.Пр.
ОС
Задержка Синхр.
Запись внутр.
y(t) Запись Запись Чт.,
DO
Зп.
Ф УВ- Ц РДвыв РВ Зп.
НЧ Хвыв АП Х
Рис. 15.4. Пример структурной схемы синхронизированной системы ЦОС
Контрольные вопросы
Л е к ц и я 16
Цифровые сигнальные процессоры
Таблица 16.1
Тактовая Время Комплексный Вещественный Комплексное
Цсп, тип
частота, цикла, Ких-ф., Ких-ф., 256-точ.
Арифметики
Мгц Нс Нс/отвод Нс/отвод Бпф, мкс
Dsp56311 (фт) 150 6,7 19 6,3 58
Tms320c6701(пт) 167 6 11,5 2,5 21
Adsp-21065 (пт) 50 20 40,5 13,5 –
Adsp-21160 (пт) 100 10 15,5 5,7 –
Tms320c6203(фт) 300 3,3 – 1 0,9
Msc8101 (фт) 300 3,3 – 0,5 6
Tms320c64хх (фт) 600 1,67 – 0,3 –
Adsp-ts201s (ф/пт) 600 1,67 0,83 1,5
Средства разработки
Существуют многочисленные средства разработки и автоматизации
проектирования для цсп. Они разделяются на программные и аппаратные.
Программные средства – это ассемблер, с-компилятор, компоновщик,
библиотекарь, симулятор, отладчик, и др.; аппаратные – демонстрационные
и оценочные модули (платы); внутрисхемный эмулятор; полномасштабный
эмулятор.
Программные и аппаратные средства разработки совмещаются в интег-
рированных наборах, образующих интегрированную среду разработчика.
К возможным способам и средствам автоматической генерации про-
грамм для цсп относятся: использование библиотек, компиляторов языков
высокого уровня (с) или проблемно-ориентированных языков, кодогенера-
торов – специальных программ, генерирующих код цсп по описанию реали-
зуемого алгоритма (в том числе matlab, labview).
Таблица 16.2
Арифметико-логическое устройство
16 бит 16 бит
АR АF
Умножитель-накопитель
16 бит 8 бит
SI SE
5 бит
SB
16 бит 16 бит
SR1 SR0
−31, которые записываются в регистр SE, если все старшие биты числа с
двойной точностью знаковые.
Ниже приведен пример инструкции SHIFTER, выполняющей непо-
средственный логический сдвиг вправо относительно старших бит SR (SR1), т.е.
в режиме HI:
SI = 0xB6A3; {Комментарий: запись в SI входного значения в 16-ричной системе,
двоичное значение 10110110 10100011};
SR = LSHIFT SI BY –5 (HI); {Сдвиг вправо на –5 бит};
{Результат сдвига SR = 00000101 10110101 00011000 00000000}.
DAG1 DAG2
I0 L0 M0 I4 L4 M4
I1 L1 M1 I5 L5 M5
I2 L2 M2 I6 L6 M6
I3 L3 M3 I7 L7 M7
14 бит 14 бит 14 бит 14 бит 14 бит 14 бит
Контрольные вопросы
Л е к ц и я 17
Программирование цифровых сигнальных процессоров
Программирование ЦСП осуществляется на языке ассемблера. Целью
лекции является ознакомление с ассемблером ЦСП, элементами программи-
рования и примерами разработки программ цифровых фильтров.
Примеры команд
ПОДПРОГРАММА ИНИЦИАЛИЗАЦИИ
НЕРЕКУРСИВНОГО ФИЛЬТРА
Сигнал на выходе НФ y(n) определяется суммой текущего x(n) и
(N – 1)-го предыдущих отсчетов входного сигнала, взятых с весовыми коэф-
фициентами, соответствующими значениям импульсной характеристики
фильтра h(n) конечной длины N (алгоритм ДВС):
N −1
y (=
n) ∑ h( m) ⋅ x ( n − m) .
m =0
ных типа очередь постоянной длины. Очередной отсчет сигнала x(n) после
его обработки замещает самое старое значение сигнала в очереди x(n – N).
Адрес этого отсчета определяет начало очереди, которое циклически пере-
мещается в буфере в процессе обработки сигнала. Такому способу обработки
соответствует алгоритм программной реализации НФ без сдвига сигнальной
памяти. Исходный адрес начала очереди совпадает обычно с началом буфера
data_buffer в памяти данных.
В приводимой ниже подпрограмме инициализации filtr_init объявля-
ются метка входа в подпрограмму filtr_init, буферы данных data_buffer и ко-
эффициентов coef_buffer, осуществляется инициализация буфера коэффици-
ентов из файла «coef.dat», инициализируются регистры генераторов адресов
данных, адресующие циклические буферы, загружается счетчик циклов и
производится очистка буфера данных в цикле DO UNTIL. В подключаемом
файле «users_const.h» задается фактическое значение порядка фильтра (число
отводов) n_taps = N, например: #define n_taps 31;
/* Подпрограмма инициализации нерекурсивного фильтра */
#include "users_const.h"; /* подключение файла пользовательских констант */
.SECTION/dm seg_signal;
.VAR/DM data_buffer[n_taps];
.SECTION/pm seg_coef;
.VAR/PM coef_buffer[n_taps] = "coef.dat";
.GLOBAL data_buffer, coef_buffer, filtr_init;
.SECTION/code seg_code;
filtr_init: I0 = data_buffer; /* загрузка указателя буфера данных */
L0 = length(data_buffer); /* задание длины циклического буфера данных */
M0 = 1; /* модифицирующее значение адреса данных */
I4 = coef_buffer; /* загрузка указателя буфера коэффициентов */
L4 = length(coef_buffer); /* задание длины циклического буфера коэфф-в */
M4 = 1; /* модифицирующее значение адреса коэфф-в */
CNTR = length(data_buffer); /* загрузка счетчика циклов*/
DO clear UNTIL CE; /* очистка буфера данных */
clear: DM(I0, M0) = 0;
RTS;
filtr_init.end:
filtr_init.end: