teoria sygnałów - home.agh.edu.plhome.agh.edu.pl/~lesniak/wyklady/sygnalis_w1.pdf · 3 podstawowa...
TRANSCRIPT
Teoria Sygnałów
III rok Informatyki Stosowanej
Teoria sygnałów (zakres materiału)
Wstępne wiadomości z analizy funkcjonalnej, przestrzenie Hilberta, operatory. Reprezentacje
sygnałów w dziedzinie czasu, reprezentacje analogowe (ciągłe). Ciągła transformacja
Fouriera. Analiza sygnałów ciągłych w dziedzinie częstotliwości. Transformacja Hilberta.
Teoria próbkowania, reprezentacje dyskretne. Analiza sygnałów dyskretnych w dziedzinie
czasu. Transformacja „Z” sygnałów dyskretnych. Analiza sygnałów w dziedzinie widmowej
oraz w dziedzinie „Z”. Konstrukcja filtrów cyfrowych.
2
3
Podstawowa literatura:
1. Tomasz P. Zieliński Cyfrowe przetwarzanie sygnałów. Od teorii do
zastosowań, WKŁ, 2009
2. Richard G. Lyons, Wprowadzenie do cyfrowego przetwarzania sygnałów,
WKŁ, 2010 (wyd. 2 rozszerzone)
3. Zdzisław Papir Analiza częstotliwościowa sygnałów, Wyd. AGH, 1995.
4. Jerzy Szabatin Podstawy teorii sygnałów, WKŁ, 1982 i późniejsze
5. Ron Bracewell Przekształcenie Fouriera i jego zastosowania, WNT 1968
6. Andrzej Wojnar Teoria sygnałów, WNT, 1988
7. B.P.Lathi Teoria sygnałów i układów telekomunikacyjnych, PWN, 1970
8. R.K.Otnes, L. Enochson, Analiza numeryczna szeregów czasowych, WNT,
1978
Sygnał = proces zmian pewnej wielkości fizycznej lub stanu obiektu fizycznego w
czasie lub w przestrzeni. Sygnał generalnie przekazuje jakąś informację (tj. jest
nośnikiem informacji). Sygnał może być również syntetyzowany do celów komunikacji.
Kilka przykładów sygnałów 1D
Mapa anomalii grawitacyjnych
Australii
Zdjęcie z satelity ALOS - Tokyo City
Radiografia cyfrowa
Przykłady sygnałów 2D
Przetwarzanie sygnałów - zastosowania:
•nauka (astronomia, fizyka, geofizyka),
•przemysł rozrywkowy (audio, wideo),
•telekomunikacja (kodowanie),
•medycyna (rozpoznawanie, klasyfikacja obrazów medycznych),
•wojsko (radary),
•przemysł (w tym przemysł wydobywczy i przetwórczy).
Aplikacje:
•specjalizowane (drogie) - wojsko, medycyna, przemysł,
•szeroko dostępne (tanie) - przemysł rozrywkowy.
Szybki rozwój cyfrowego przetwarzania sygnałów nastąpił dzięki równoległemu rozwojowi:
•teorii,
•aplikacji,
•sprzętu (technologii).
Typowe zagadnienia przetwarzania sygnałów dotyczą:
•przetwarzanie jednego sygnału w celu otrzymania drugiego (np. demodulacja),
•interpretacji sygnału (np. rozpoznawanie mowy).
6
Reprezentacje sygnałówCzęsto zamiast korzystać z bezpośredniej reprezentacji funkcyjnej korzysta się z pewnej
reprezentacji sygnału. Przykładem najczęściej spotykanym jest reprezentacja Fouriera (kolejno
rzeczywista i zespolona):
( ) ( )∑∞
=
++=1
000 sincosk
kk tkbtkaatx ωω
( )
00 2
0
T
eXtxk
tik
k
πω
ω
=
= ∑∞
−∞=
Ważne!
Współczynniki w obu szeregach tworzą
reprezentację
lub reprezentacja zespolona sygnału:
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) titetz
tztytztx
etztiytxtz
ti
tzi
00
arg
sincos
ImRe
0 ωωω +==
==
=+=
Wynika stąd reprezentacja zespolona sygnału harmonicznego:
( ) ( ) ( )
( ) ( ) ( )( )txtyarctgtz
tytxtz
=
+=
arg
22 Widmo amplitudowe
Widmo fazowe
7
Modele matematyczne sygnałów :
• Funkcje rzeczywiste jedno lub wielowymiarowe
• Funkcje zespolone
• Dystrybucje
Operowanie modelami matematycznymi sygnałów umożliwia ich formalną analizę metodami
matematycznymi w oderwaniu od fizycznej natury sygnałów. Ułatwiona jest ponadto ich
jednoznaczna klasyfikacja.
Przykłady innych reprezentacji to : transformacja Laplace’a, szereg Kotielnikowa-Shannona, sygnał
analityczny. Ten ostatni definiujemy jako:
( ) ( ) ( )
( ) ( )τ
τπd
t
txtx
txitxtz
∫∞
∞−−
=
+=
1ˆ
ˆ
Wartość główna Cauchy’ego może być określona dla funkcji rzeczywistej f(x) jako
jeżeli całki po prawej stronie istnieją dla każdego ε oraz istnieje granica dla
.
Ostatni wzór określa tzw. transformatę Hilberta, przy czym wartość ostatniej całki jest rozumiana
w sensie wartości głównej Cauchy’ego. Sygnał analityczny stanowi uogólnienie koncepcji sygnału
zespolonego na sygnały nieharmoniczne.
+= ∫∫∫
+
−
→
c
b
b
a
c
a
dxxfdxxfdxxfvpε
ε
ε)()(lim)(
0
ε → 0
(franc. valeur principale)
8
Klasyfikacje sygnałów:
1. ze względu na przewidywalność zmian – sygnały deterministyczne i losowe (stochastyczne)
2. ze względu na dziedzinę – sygnały ciągłe (określone dla wszystkich ) i dyskretne,
określone dla wybranych punktów . Poza tymi punktami sygnały są nieokreślone.
],[ bax ∈nTxn =
Sygnały ciągłe będziemy oznaczać jako y(x) lub y(t). Sygnały dyskretne oznaczamy jako y[xn] lub
jako y[n] .
9
3. Ze względu na przeciwdziedzinę (zbiór wartości
funkcji). Zbiór ten może być ciągły (sygnał ciągły w
amplitudzie) lub dyskretny (albo skończony gdy
liczba wartości przyjmowanych przez funkcję jest
równa N). W drugim wypadku sygnał nazywamy
skończonym w amplitudzie.
Obok przykład sygnału ciągłego i dyskretnego dla
N=2. Sygnały takie nazywamy binarnymi.
Sygnały dyskretne w czasie powstały w wyniku
próbkowania sygnałów ciągłych z określonym krokiem próbkowania ∆.
10
3. Ze względu na czas trwania sygnału: sygnały o
nieskończonym czasie trwania i o skończonym
czasie trwania (potocznie sygnały impulsowe).
Obok przedstawiono sygnały ciągłe i dyskretne o
nieskończonym i skończonym czasie trwania.
Sygnał impulsowy to niekoniecznie impuls !!
11
Parametry sygnałów ciągłych
Są to globalne charakterystyki liczbowe sygnałów użyteczne w ich klasyfikacji. Definicje poszczególnych
parametrów różnią się w zależności od tego czy sygnały są ciągłe czy dyskretne. Najistotniejsze z tych
parametrów to:
Wartość średnia :
sygnału impulsowego określonego w przedziale [a,b]:
sygnału o nieskończonym czasie trwania
sygnału okresowego
( )∫−=
b
a
dxxyab
x1
( )∫−
∞→=
T
TT
dxxyT
x2
1lim
( )∫+
=
Tx
x
dxxyT
x0
0
1
Wielkość graniczna
!!
12
Energia :
Moc średnia:
Moc średnia sygnału okresowego :
Wartość skuteczna:
( )∫−
∞→=
T
TT
x dxxyT
P2
2
1lim
( )∫∞
∞−
= dxxyEx
2
( )∫+
=Tx
x
xdxxy
TP
0
0
21
xskPy =
Ponieważ zakładamy, że sygnały są
wielkościami bezwymiarowymi energia
ma wymiar to energia ma wymiar
tożsamy z wymiarem x-ów (czas lub
długość). Moc jest wielkością
bezwymiarową.
Jeśli to sygnał nazywamy sygnałem o
ograniczonej energii. Podobnie
definiujemy sygnał o skończonej mocy.
Wnioski:
• moc sygnałów o ograniczonej energii
jest równa zeru
• energia sygnałów o ograniczonej mocy
jest nieskończona
• sygnał impulsowy o ograniczonej
amplitudzie ma ograniczoną energię
• sygnały o nieograniczonym czasie
trwania mogą mieć ograniczoną energię
bądź moc
• sygnały o ograniczonej amplitudzie i
mocy mają nieskończony czas trwania
(np. sygnały okresowe)
13
Kilka przykładów sygnałów analogowych
Sygnał (impuls) prostokątny
( ) ( )
11
210
212
1
211
==
>
=
<
=Π=
yEy
xdla
xdla
xdla
xxy
( ) ( )
3121
210
2121
==
>
<−=Λ=
yEy
xdla
xdlaxxxy
Sygnał (impuls) trójkątny
14
( )
0
0
0
0
0
01
0sin
Sa
ωπ
ω
ωω
==
=
≠==
yEy
xdla
xdlax
x
xxy
( ) ( )
0
2
0
0
2
0
2
320
01
0sin
Sa
ωπ
ω
ωω
==
=
≠==
yEy
xdla
xdlax
x
xxy
Sygnał (impuls) Sa (od ang. sampling) lub Sinc
Sygnał (impuls) Sa2 lub Sinc2
15
Sygnał harmoniczny
( ) ( )2
0
000
210
sin
XPy
xxXxy
y ==
∞<<∞−+= ϕω
Sygnał harmoniczny o modulowanej amplitudzie
(AM)
( ) ( )0
sin)( 00
=
∞<<∞−+=
y
xxxAxy ϕω
16
Fala prostokątna bipolarna
2
00 XPy y ==
Fala prostokątna unipolarna
2
0
0
0
0
XT
TPX
T
Ty y ==
X0
X0
T0
T
17
( ) ( )
2121
00
02
1
01
==
<
=
>
==
yPy
xdla
xdla
xdla
xxy u
( ) ( )
10
01
00
01
sgn
==
<−
=
>
==
yPy
xdla
xdla
xdla
xxy
Sygnał Sgn(x)
Sygnał jednostkowy 1(x)
18
Modele deterministyczne sygnałów dyskretnych
( )
=∞+
≠=
0
00
t
ttδ ( )∫
∞
∞−
= 1dttδ
– funkcja Diraca jest definiowana jako obiekt matematyczny o następujących własnościach:
( )
=∞+
≠=−
0
0
0
0
tt
ttttδ ( )∫
∞
∞−
=− 10 dtttδ
δ
( ) ( )∑∞
−∞=
−=n
T nTtt δδ
Okresowy ciąg impulsów Diraca (tzw. dystrybucja grzebieniowa)
- tzw. dystrybucja Sza:
Impulsowy sygnał spróbkowany:
( ) ( ) ( ) ( ) ( )∑∞
−∞=
−==n
TT nTtnTxttxtx δδ
19
( )εδ ,t
( )
=∞+
≠=
+→ 0
00,lim
0 t
tt εδ
ε( )∫
∞
∞−
= 1, dtt εδ
Opis własności δ - funkcji może być prowadzony w oparciu o tzw. funkcje aproksymujące. Są to funkcje dwóch zmiennych o postaci określone dla i które spełniają warunki:( )∞∞−∈ ,t 0⟩ε
( )22
1,
tt
+=
ε
ε
πεδ
( )
( )
( )
⟩
≤≤−
⟨≤−+
=
ε
εεε
εεε
εδ
t
tt
tt
t
0
011
011
,
( ) ( ) ( )ε
εεεδ
2,
−−+=
tutut
( ) ( )tt ,lim0
εδδε +→
=
Tym samym przyjmujemy, że - funkcja
jest granicą funkcji aproksymującejδ
20
W oparciu o funkcje aproksymujące można wyjaśnić szereg własności δ -funkcji, np. podstawową własność
orzekającą, że energia δ - funkcji jest skończona. Mianowicie:
( ) ( ) ( )∫∫∫∞
∞−→
∞
∞−→
∞
∞−
===++
1,lim,lim00
dttdttdtt εδεδδεε
Wykonywanie działań na δ - funkcji rozumiemy w ten sposób, że wykonujemy te działania na funkcji
aproksymującej δ(t,ε) a następnie obliczamy granicę przy ε dążącym do zera.
Własności δ - funkcji:
( ) ( )∫ ∫∞
∞−
∞
∞−
=⋅=⋅ kdttkdttk δδ
( ) ( ) ( ) ( ) ( ) ( )[ ] ( ) ( ) ( )0000000 tttftttftftttftttf −=−−+−=−⋅ δδδδ
( )∫∞−
⟩
⟨=
t
t
td
01
00ττδ ( )( ) ( )ttu
dt
dδ=
( ) ( ) ( ) ( ) ( )∫ ∫ =−=−2
1
2
1
0000
t
t
t
t
tfdttttfdttttf δδ ( ) ( ) ( ) ( ) ( )∫∞
∞−
=−= tfdtfttf ττδτδ*
Mnożenie przez stałą
Mnożenie przez funkcję f(t)
Całkowanie dystrybucji Diraca
Sploty dystrybucji Diraca
21
Impuls Kroneckera - jest on odpowiednikiem analogowej (!!!) δ - funkcji
[ ] [ ]
11
00
01
==
≠
===
xEx
ndla
ndlannx δ
22
Wartości średnie sygnałów impulsowych
( )
( )
( )∑
∑
∑
−+
=
−=∞→
=
−=
+=
+−=
1
0
12
00
0
2
1
1
1
12
1lim
1
1
Nn
nn
N
Nnn
n
nn
nxN
x
nxN
x
nxnn
x
Parametry „energetyczne”
( )
( )
( )
xsk
Nn
nn
x
N
Nnn
x
n
x
Px
nxN
P
nxN
P
nxE
=
=
+=
=
∑
∑
∑
−+
=
−=∞→
∞
−∞=
12
0
2
2
00
0
1
12
1lim
…o skończonym czasie trwania
…o nieskończonym czasie trwania
…okresowy
…energia
…moc średnia
…moc średnia sygnału okresowego
…wartość skuteczna
23
Impuls Kroneckera
[ ] [ ]
11
00
01
==
≠
===
xEx
ndla
ndlannx δ
[ ]
121
0
1
+==
>
≤=
NEx
Nndla
Nndlanx
x
[ ]
N
NE
N
Nx
Nndla
NndlaN
n
nx
x3
12
12
0
1
2 +=
+=
>
≤−=
Impuls prostokątny
Impuls trójkątny
Sygnał wykładniczy
[ ]
21
10
100
aEx
ananx
x
n
−==
<<≥=
Sygnał Sa(x)
[ ] [ ]
θ
π
θ
θθ
==
=
≠==
xEx
ndla
ndlan
n
nnx
0
01
0sin
Sa
Sygnał skoku jednostkowego
[ ] [ ]
2121
00
01
==
<
≥==
xEx
ndla
ndlannx 1
24
Dziękuję
( ) ( )∫∞−
=t
dtttu εδε ,,
( ) ( ) ( ) ( )∫ ∫∞− ∞−
→→===
++
t t
tuddtu ττδτετδεεε
,lim,lim00
( )( ) ( )εδε ,, ttut
=∂
∂ ( ) ( ) ( ) ( ) ( )tttut
tudt
dtu
dt
dδεδεε
εεε==
∂
∂==
+++ →→→,lim,lim,lim
000
By uzasadnić związki całkowe funkcji skoku jednostkowego u(t) i dystrybucji Diraca przyjmijmy definicję funkcji δ(t,ε) aproksymującej funkcję skoku jednostkowego w sposób następujący:
Funkcja ta aproksymuje u(t) gdyż
Z kolei pochodna funkcji aproksymującej u(t,ε) jest równa:
więc otrzymujemy związek
( )επ
εt
artu ctg1
2
1, +=
( )
⟩
⟨≤
−+
⟨≤−
++
⟨−∞⟨
=
ε
εεε
εεε
ε
ε
t
ttt
ttt
t
tu
1
02
12
1
02
12
1
0
,
( )
⟨∞≤
⟨≤−+
⟨−∞⟨
=
t
tt
t
tu
ε
εεε
εε
ε
12
0
,
Odpowiednie funkcje aproksymujące funkcję u(t) mają postać:
25
Dodatek matematyczny – nieobowiązkowy
( ) ( )εδεδ ,,' tt
t∂
∂=
( ) ( ) ( ) ( ) ( )εδεδεδδδεεε
,'lim,lim,lim'000
ttt
tdt
dt
dt
dt
+++ →→→=
∂
∂===
( )22
1,
tt
+=
ε
ε
πεδ ( )
( )222
2,'
t
tt
+⋅−=
ε
ε
πεδ
3
ε±=t
Aby obliczyć pochodną z δ-funkcji należy obliczyć granicę z ciągu pochodnych funkcji aproksymujących tj.
Jako uzasadnieniem można posłużyć się następującym rozumowaniem:
Na przykład dla ciągłej i różniczkowalnej funkcji parametru „t” otrzymujemy:
Ekstrema tej funkcji znajdują się w punktach
Dla ε→0 wartości funkcji aproksymującej dążą do
zera, zaś dla dowolnego t≠0
Analogicznie można skonstruować wzory aproksymujące
wyższe pochodne.
( ) 0,'lim0
=→
εδε
t
26