Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Цифровая обработка сигналов ( DSP ) - это использование цифровой обработки , например, компьютерами или более специализированными процессорами цифровых сигналов , для выполнения широкого спектра операций обработки сигналов . Эти цифровые сигналы , обработанные таким образом , представляют собой последовательность чисел , которые представляют собой образцы из в непрерывной переменной в некоторой области , такие как время, пространство, или частоты. В цифровой электронике , цифровой сигнал представлен в виде импульсов , [1] [2] , который обычно порождается переключением транзистора . [3]

Цифровая обработка сигналов и обработка аналоговых сигналов являются подполями обработки сигналов. Приложения DSP включают в себя аудио и речевой обработки , сонар , радар и другой массив датчиков обработки, оценки спектральной плотности , статистическая обработка сигналов , цифровая обработка изображений , сжатие данных , кодирование видео , аудио кодирование , сжатие изображения , обработки сигналов для телекоммуникаций , систем управления , биомедицинских инженерия исейсмология , среди прочего.

DSP может включать линейные или нелинейные операции. Нелинейная обработка сигналов тесно связана с идентификацией нелинейных систем [4] и может быть реализована во временной , частотной и пространственно-временной областях .

Применение цифровых вычислений к обработке сигналов дает множество преимуществ по сравнению с аналоговой обработкой во многих приложениях, таких как обнаружение и исправление ошибок при передаче, а также сжатие данных . [5] Цифровая обработка сигналов также является фундаментальной для цифровых технологий , таких как цифровая связь и беспроводная связь . [6] DSP применим как к потоковым данным, так и к статическим (сохраненным) данным.

Выборка сигнала [ править ]

Чтобы в цифровом виде анализировать аналоговый сигнал и управлять им, он должен быть оцифрован с помощью аналого-цифрового преобразователя (АЦП). [7] Выборка обычно выполняется в два этапа: дискретизация и квантование . Дискретность означает, что сигнал делится на равные интервалы времени, и каждый интервал представлен одним измерением амплитуды. Квантование означает, что каждое измерение амплитуды аппроксимируется значением из конечного набора. Примером может служить округление действительных чисел до целых.

Найквиста-Шеннона выборки теорема утверждает , что сигнал может быть точно восстановлена по своим отсчетам , если частота дискретизации выше , чем в два раза высшей частотной составляющей в сигнале. На практике частота дискретизации часто значительно превышает удвоенную частоту Найквиста . [8]

Теоретический анализ и вывод DSP обычно выполняется на моделях сигналов с дискретным временем без неточностей амплитуды ( ошибка квантования ), «созданных» абстрактным процессом выборки . Для численных методов требуется квантованный сигнал, например, производимый АЦП. Результатом обработки может быть частотный спектр или набор статистических данных. Но часто это другой квантованный сигнал, который преобразуется обратно в аналоговую форму с помощью цифро-аналогового преобразователя (ЦАП).

Домены [ править ]

В DSP инженеры обычно изучают цифровые сигналы в одной из следующих областей: временная область (одномерные сигналы), пространственная область (многомерные сигналы), частотная область и вейвлет- области. Они выбирают область, в которой будет обрабатываться сигнал, делая обоснованное предположение (или пробуя различные возможности) относительно того, какая область лучше всего представляет основные характеристики сигнала и обработки, которая будет применяться к нему. Последовательность выборок из измерительного устройства дает представление во временной или пространственной области, тогда как дискретное преобразование Фурье дает представление в частотной области.

Временные и пространственные области [ править ]

Временная область относится к анализу сигналов по времени. Точно так же пространственная область относится к анализу сигналов относительно положения, например местоположения пикселя для случая обработки изображения.

Наиболее распространенный подход к обработке во временной или пространственной области - это усиление входного сигнала с помощью метода, называемого фильтрацией. Цифровая фильтрация обычно состоит из некоторого линейного преобразования ряда окружающих выборок вокруг текущей выборки входного или выходного сигнала. Окружающие образцы могут быть идентифицированы во времени или пространстве. Выход линейного цифрового фильтра на любой заданный вход может быть вычислен путем свертки входного сигнала с импульсной характеристикой .

Частотный домен [ править ]

Сигналы преобразуются из временной или пространственной области в частотную область, как правило, с помощью преобразования Фурье . Преобразование Фурье преобразует информацию о времени или пространстве в величину и фазовую составляющую каждой частоты. В некоторых приложениях важно учитывать, как фаза изменяется в зависимости от частоты. Если фаза не важна, часто преобразование Фурье преобразуется в спектр мощности, который представляет собой квадрат каждой частотной составляющей.

Наиболее распространенной целью анализа сигналов в частотной области является анализ свойств сигнала. Инженер может изучить спектр, чтобы определить, какие частоты присутствуют во входном сигнале, а какие отсутствуют. Анализ частотной области также называется спектральным или спектральным анализом .

Фильтрация, особенно при работе не в реальном времени, также может быть достигнута в частотной области, применяя фильтр и затем конвертируя обратно во временную область. Это может быть эффективной реализацией и может дать практически любой отклик фильтра, включая превосходное приближение к фильтрам кирпичной стены .

Есть несколько часто используемых преобразований в частотной области. Например, кепстр преобразует сигнал в частотную область с помощью преобразования Фурье, логарифмирует, а затем применяет другое преобразование Фурье. Это подчеркивает гармоническую структуру исходного спектра.

Анализ Z-плоскости [ править ]

Цифровые фильтры бывают как БИХ, так и КИХ. В то время как КИХ-фильтры всегда стабильны, БИХ-фильтры имеют петли обратной связи, которые могут стать нестабильными и колебаться. Z-преобразование представляет собой инструмент для анализа проблем устойчивости цифровых БИХ - фильтров. Он аналогичен преобразованию Лапласа , которое используется для разработки и анализа аналоговых БИХ-фильтров.

Анализ авторегрессии [ править ]

Сигнал представлен как линейная комбинация его предыдущих отсчетов. Коэффициенты комбинации называются коэффициентами авторегрессии. Этот метод имеет более высокое разрешение по частоте и может обрабатывать более короткие сигналы по сравнению с преобразованием Фурье. [9] Метод Прони может использоваться для оценки фаз, амплитуд, начальных фаз и спадов компонентов сигнала. [10] [9] Компоненты считаются комплексными убывающими показателями. [10] [9]

Частотно-временной анализ [ править ]

Частотно-временное представление сигнала может фиксировать как временную эволюцию, так и частотную структуру анализируемого сигнала. Временное и частотное разрешение ограничены принципом неопределенности, а компромисс регулируется шириной окна анализа. Линейные методы, такие как кратковременное преобразование Фурье , вейвлет-преобразование , набор фильтров , [11] нелинейные (например, преобразование Вигнера-Вилле [10] ) и авторегрессионные методы (например, сегментированный метод Прони) [10] [12] [13 ] ]используются для представления сигнала на частотно-временной плоскости. Нелинейные и сегментированные методы Прони могут обеспечить более высокое разрешение, но могут создавать нежелательные артефакты. Частотно-временной анализ обычно используется для анализа нестационарных сигналов. Например, методы оценки основной частоты , такие как RAPT и PEFAC [14] , основаны на оконном спектральном анализе.

Вейвлет [ править ]

Пример двумерного дискретного вейвлет-преобразования, используемого в JPEG2000 . Исходное изображение подвергается высокочастотной фильтрации, в результате чего получаются три больших изображения, каждое из которых описывает локальные изменения яркости (деталей) в исходном изображении. Затем он подвергается фильтрации нижних частот и масштабируется, давая приближенное изображение; это изображение подвергается высокочастотной фильтрации для получения трех изображений с меньшей детализацией и низкочастотной фильтрации для получения окончательного приближенного изображения в верхнем левом углу.

В численном анализе и функционального анализа , A дискретное вейвлет - преобразование является любой вейвлет - преобразование , для которого вейвлетов дискретно пробы. Как и в случае с другими вейвлет-преобразованиями, ключевым преимуществом, которое он имеет перед преобразованиями Фурье, является временное разрешение: оно фиксирует как частоту, так и информацию о местоположении. Точность совместного частотно-временного разрешения ограничена принципом неопределенности время-частота.

Разложение по эмпирическим модам [ править ]

Разложение эмпирического режима основано на разложении сигнала на функции внутреннего режима (IMF). IMF - это квазигармонические колебания, извлекаемые из сигнала. [15]

Реализация [ править ]

Алгоритмы DSP могут выполняться на компьютерах общего назначения и процессорах цифровых сигналов . Алгоритмы DSP также реализованы на специально созданном оборудовании, таком как специализированные интегральные схемы (ASIC). Дополнительные технологии для цифровой обработки сигналов включают более мощные микропроцессоры общего назначения , графические процессоры , программируемые вентильные матрицы (FPGA), контроллеры цифровых сигналов (в основном для промышленных приложений, таких как управление двигателями) и потоковые процессоры . [16]

Для систем, которые не имеют требований к вычислениям в реальном времени и данные сигнала (входные или выходные) существуют в файлах данных, обработка может выполняться экономично с помощью универсального компьютера. По сути, это не отличается от любой другой обработки данных , за исключением того, что используются математические методы DSP (такие как DCT и FFT ), и обычно предполагается, что дискретизированные данные равномерно дискретизируются во времени или пространстве. Примером такого приложения является обработка цифровых фотографий с помощью такого программного обеспечения, как Photoshop .

Когда приложение требует работы в реальном времени, DSP часто реализуется с использованием специализированных или выделенных процессоров или микропроцессоров, иногда с использованием нескольких процессоров или нескольких процессорных ядер. Они могут обрабатывать данные с использованием арифметики с фиксированной запятой или с плавающей запятой. Для более требовательных приложений могут использоваться FPGA . [17] Для наиболее требовательных приложений или массовых продуктов ASIC могут быть разработаны специально для этого приложения.

Приложения [ править ]

Общие области применения DSP включают:

  • Обработка аудиосигнала
  • Сжатие аудиоданных, например MP3
  • Сжатие видеоданных
  • Компьютерная графика
  • Цифровая обработка изображений
  • Фото манипуляции
  • Обработка речи
  • Распознавание речи
  • Передача данных
  • Радар
  • Сонар
  • Обработка финансовых сигналов
  • Экономическое прогнозирование
  • Сейсмология
  • Биомедицина
  • Прогноз погоды

Конкретные примеры включают кодирование и передачу речи в цифровых мобильных телефонах , комнатную коррекцию звука в Hi-Fi и приложениях звукоусиления , анализ и управление производственными процессами , медицинскую визуализацию, такую ​​как компьютерная томография и МРТ , кроссоверы и эквализация звука , цифровые синтезаторы и блоки звуковых эффектов . [18]

Методы [ править ]

  • Билинейное преобразование
  • Дискретное преобразование Фурье
  • Дискретное преобразование Фурье
  • Дизайн фильтра
  • Алгоритм Герцеля
  • Теория систем LTI
  • Минимальная фаза
  • S-самолет
  • Функция передачи
  • Z-преобразование

Связанные поля [ править ]

  • Обработка аналогового сигнала
  • Автоматический контроль
  • Компьютерная инженерия
  • Информатика
  • Сжатие данных
  • Программирование потока данных
  • Дискретное косинусное преобразование
  • Электротехника
  • Фурье-анализ
  • Теория информации
  • Машинное обучение
  • Вычисления в реальном времени
  • Потоковая обработка
  • Телекоммуникации
  • Временные ряды
  • Вейвлет

Ссылки [ править ]

  1. ^ B. SOMANATHAN НАИРИТ (2002). Цифровая электроника и логический дизайн . PHI Learning Pvt. ООО п. 289. ISBN. 9788120319561. Цифровые сигналы представляют собой импульсы фиксированной ширины, которые занимают только один из двух уровней амплитуды.
  2. ^ Иосиф Migga Kizza (2005). Компьютерная сетевая безопасность . Springer Science & Business Media. ISBN 9780387204734.
  3. ^ 2000 Решенные проблемы в цифровой электронике . Тата Макгроу-Хилл Образование . 2005. с. 151. ISBN. 978-0-07-058831-8.
  4. Биллингс, Стивен А. (сентябрь 2013 г.). Нелинейная идентификация систем: методы NARMAX во временной, частотной и пространственно-временной областях . Великобритания: Wiley. ISBN 978-1-119-94359-4.
  5. ^ Брош, Джеймс Д .; Страннеби, Даг; Уокер, Уильям (2008-10-20). Цифровая обработка сигналов: мгновенный доступ (1-е изд.). Баттерворт-Хайнеманн-Ньюнес. п. 3. ISBN 9780750689762.
  6. ^ Srivastava, Viranjay M .; Сингх, Ганшьям (2013). Технология MOSFET для двухполюсного четырехпозиционного радиочастотного переключателя . Springer Science & Business Media . п. 1. ISBN 9783319011653.
  7. Перейти ↑ Walden, RH (1999). «Обзор и анализ аналого-цифровых преобразователей». Журнал IEEE по избранным областям коммуникаций . 17 (4): 539–550. DOI : 10.1109 / 49.761034 .
  8. ^ Candes, EJ; Вакин, МБ (2008). «Введение в отбор проб на сжатие». Журнал обработки сигналов IEEE . 25 (2): 21–30. DOI : 10.1109 / MSP.2007.914731 . S2CID 1704522 . 
  9. ^ a b c Марпл, С. Лоуренс (01.01.1987). Цифровой спектральный анализ: с приложениями . Энглвуд Клиффс, Нью-Джерси: Prentice Hall. ISBN 978-0-13-214149-9.
  10. ^ a b c d Рибейро, депутат; Юинс, диджей; Робб, Д.А. (01.05.2003). «Нестационарный анализ и фильтрация шума с использованием техники, расширенной от оригинального метода Прони» . Механические системы и обработка сигналов . 17 (3): 533–549. DOI : 10.1006 / mssp.2001.1399 . ISSN 0888-3270 . Проверено 17 февраля 2019 .  
  11. ^ Итак, Стивен; Паливал, Кулдип К. (2005). «Повышенная устойчивость к шумам при распределенном распознавании речи за счет взвешенного по восприятию векторного квантования энергии набора фильтров». Девятая Европейская конференция по речевой коммуникации и технологиям .
  12. ^ Митрофанов, Георгий; Приименко, Вячеслав (01.06.2015). «Прони-фильтрация сейсмических данных». Acta Geophysica . 63 (3): 652–678. DOI : 10,1515 / acgeo-2015-0012 . ISSN 1895-6572 . 
  13. ^ Митрофанов, Георгий; Смолин С.Н.; Орлов, Ю. А .; Беспечный, В Н (2020). «Прони-разложение и фильтрация» . Геология и минеральные ресурсы Сибири (2): 55–67. DOI : 10.20403 / 2078-0575-2020-2-55-67 . ISSN 2078-0575 . Проверено 8 сентября 2020 . 
  14. ^ Гонсалес, Сира; Брукс, Майк (февраль 2014 г.). «PEFAC - алгоритм оценки высоты звука, устойчивый к высоким уровням шума» . Транзакции IEEE / ACM по обработке звука, речи и языка . 22 (2): 518–530. DOI : 10,1109 / TASLP.2013.2295918 . ISSN 2329-9290 . Проверено 3 декабря 2017 . 
  15. ^ Хуанг, NE; Shen, Z .; Длинные, SR; Ву, МС; Ши, HH; Zheng, Q .; Yen, N.-C .; Tung, CC; Лю, ХХ (1998-03-08). «Разложение эмпирических мод и спектр Гильберта для нелинейного и нестационарного анализа временных рядов» . Труды Королевского общества A: математические, физические и инженерные науки . 454 (1971): 903–995. DOI : 10,1098 / rspa.1998.0193 . ISSN 1364-5021 . Проверено 5 июня 2018 . 
  16. ^ Страннеби, Даг; Уокер, Уильям (2004). Цифровая обработка сигналов и приложения (2-е изд.). Эльзевир. ISBN 0-7506-6344-8.
  17. ^ JPFix (2006). «Ускоритель обработки изображений на основе ПЛИС» . Проверено 10 мая 2008 .
  18. ^ Рабинер, Лоуренс Р .; Золото, Бернард (1975). Теория и применение цифровой обработки сигналов . Энглвуд Клиффс, Нью-Джерси: ISBN Prentice-Hall, Inc. 978-0139141010.

Дальнейшее чтение [ править ]

  • Н. Ахмед и К. Р. Рао (1975). Ортогональные преобразования для цифровой обработки сигналов. Springer-Verlag (Берлин - Гейдельберг - Нью-Йорк), ISBN 3-540-06556-3 . 
  • Джонатан М. Блэкледж, Мартин Тернер: Цифровая обработка сигналов: математические и вычислительные методы, разработка программного обеспечения и приложения , издательство Horwood , ISBN 1-898563-48-9 
  • Джеймс Д. Брош: Демистификация цифровой обработки сигналов , Newnes, ISBN 1-878707-16-7 
  • Пол М. Эмбри, Дэймон Даниэли: Алгоритмы C ++ для цифровой обработки сигналов , Prentice Hall, ISBN 0-13-179144-3 
  • Хари Кришна Гарг: алгоритмы цифровой обработки сигналов , CRC Press, ISBN 0-8493-7178-3 
  • П. Гайдеки: Основы цифровой обработки сигналов: теория, алгоритмы и проектирование оборудования , Институт инженеров-электриков, ISBN 0-85296-431-5 
  • Ашфак Хан: Основы цифровой обработки сигналов , Charles River Media, ISBN 1-58450-281-9 
  • Сен М. Куо, Вун-Сенг Ган: Цифровые сигнальные процессоры: архитектуры, реализации и приложения , Prentice Hall, ISBN 0-13-035214-4 
  • Пол А. Линн, Вольфганг Фюрст: вводная обработка цифровых сигналов с компьютерными приложениями , John Wiley & Sons, ISBN 0-471-97984-8 
  • Ричард Г. Лайонс: Понимание цифровой обработки сигналов , Prentice Hall, ISBN 0-13-108989-7 
  • Виджей Мадисетти, Дуглас Б. Уильямс: Справочник по цифровой обработке сигналов , CRC Press, ISBN 0-8493-8572-5 
  • Джеймс Х. Макклеллан , Рональд В. Шафер , Марк А. Йодер: Сначала обработка сигналов , Prentice Hall, ISBN 0-13-090999-8 
  • Бернард Малгрю, Питер Грант, Джон Томпсон: Цифровая обработка сигналов - концепции и приложения , Palgrave Macmillan, ISBN 0-333-96356-3 
  • Боаз Порат: курс цифровой обработки сигналов , Wiley, ISBN 0-471-14961-6 
  • Джон Г. Проакис, Димитрис Манолакис : Цифровая обработка сигналов: принципы, алгоритмы и приложения , 4-е изд., Пирсон, апрель 2006 г., ISBN 978-0131873742 
  • Джон Г. Проакис: Руководство для самообучения по цифровой обработке сигналов , Prentice Hall, ISBN 0-13-143239-7 
  • Чарльз А. Шулер: Цифровая обработка сигналов: практический подход , McGraw-Hill, ISBN 0-07-829744-3 
  • Дуг Смит: Технология цифровой обработки сигналов: Основы коммуникационной революции , Американская лига радиорелейных устройств, ISBN 0-87259-819-5 
  • Смит, Стивен В. (2002). Цифровая обработка сигналов: Практическое руководство для инженеров и ученых . Newnes. ISBN 0-7506-7444-X.
  • Штейн, Джонатан Яаков (2000-10-09). Цифровая обработка сигналов, перспектива компьютерных наук . Вайли. ISBN 0-471-29546-9.
  • Стергиопулос, Стергиос (2000). Справочник по расширенной обработке сигналов: теория и реализация для радиолокационных, сонарных и медицинских систем обработки изображений в реальном времени . CRC Press. ISBN 0-8493-3691-0.
  • Ван де Вегте, Джойс (2001). Основы цифровой обработки сигналов . Прентис Холл. ISBN 0-13-016077-6.
  • Оппенгейм, Алан В .; Шафер, Рональд В. (2001). Обработка сигналов в дискретном времени . Пирсон. ISBN 1-292-02572-7.
  • Хейс, Монсон Х. Статистическая цифровая обработка сигналов и моделирование. John Wiley & Sons, 2009 г. (со сценариями MATLAB )