Реферат Курсовая Конспект
Тема 1: Вступ до дисципліни Проектування цифрової обробки сигналів та зображень. Основні поняття та визначення 1. Області застосування та основні задачі цифрової обробки сигналів - раздел Связь, Зміст Вступ...
|
Зміст
Вступ | ||
Тема 1: Вступ до дисципліни Проектування цифрової обробки сигналів та зображень. Основні поняття та визначення | ||
1. Області застосування та основні задачі цифрової обробки сигналів | ||
2. Переваги і недоліки ЦОС | ||
3. Узагальнена схема ЦОС | ||
4. Основні характеристики сигналів | ||
Вправи і завдання до теми №1 | ||
Тема 2: Елементи теорії сигналів | ||
1. Основні типи сигналів | ||
2. Елементарні сигнали, що найчастіше використовуються ЦОС | ||
Вправи і завдання до теми №2 | ||
Тема 3: Математичний апарат опису сигналів і лінійних систем | ||
1. Основні операції цифрової обробки сигналів | ||
2. Функціональні перетворення сигналів | ||
3. Математичний опис аналогових сигналів і лінійних систем в області комплексної змінної і частотній області | ||
4. Математичний опис дискретних сигналів і лінійних систем в області комплексної змінної і частотній області | ||
Вправи і завдання до теми №3 | ||
Тема 4: Опис дискретних сигналів в частотній області | ||
1. Сімейство перетворень Фур’є як функція сигналу | ||
2. Властивості спектрів дискретних сигналів | ||
3. Зв’язок між спектрами аналогового і дискретного сигналів | ||
4. Дискретизація вузькосмугових сигналів | ||
5.Перетворення спектру | ||
Вправи і завдання до теми №4 | ||
Тема 5: Дискретне перетворення Фур’є | ||
1. Застосування ДПФ | ||
2. ДПФ як згортка сигналу з базисними функціями | ||
3. Властивості комплексного ДПФ | ||
4. Деякі інші ортогональні тригонометричні перетворення | ||
Вправи і завдання до теми №5 | ||
Тема 6: Застосування швидкого перетворення Фур’є | ||
1. Основні положення | ||
2. ШПФ за основою 2 та прорідженням за часом | ||
3. ШПФ за основою 2 та прорідженням за частотою | ||
4. Використання ШПФ в задачах обробки сигналів | ||
5. Обробка дискретних сигналів в частотній області | ||
Вправи і завдання до теми №6 | ||
Тема 7: Лінійні дискретні системи обробки сигналів | ||
1. Основні параметри лінійної дискретної системи | ||
2. Опис лінійних дискретних систем в часовій області | ||
3.Застосування згортки для знаходження відгуку ЛДС | ||
4.Застосування різницевих рівнянь для знаходження відгуку ЛДС | ||
5.Властивості лінійних дискретних систем | ||
Вправи і завдання до теми №7 | ||
Тема 8: Опис лінійних дискретних систем в z - області та в частотній області | ||
1. Опис лінійних дискретних систем в z - області | ||
2. Опис лінійних дискретних систем в частотній області | ||
Вправи і завдання до теми №8 | ||
Тема 9: Цифрові фільтри | ||
1. Основні операції фільтрації | ||
2. Класи і параметри фільтрів | ||
Тема 10: Цифрова обробка сигналів при декількох швидкостях | ||
1. Області застосування методів обробки при декількох швидкостях | ||
2. Зменшення частоти дискретизації: децимація із цілим кроком | ||
3. Збільшення частоти дискретизації: інтерполяція із цілим кроком | ||
4. Перетворення частоти дискретизації з нецілим кроком | ||
5. Багатокаскадне перетворення частоти дискретизації | ||
Вправи і завдання до теми №10 | ||
Тема 11. Використання вікон в цифровій обробці сигналів | ||
1. Гармонійний аналіз кінцевих масивів і ДПФ | ||
2. Просочування спектральних складових. | ||
3. Вікна та їх основні параметри | ||
4. Характеристики класичних вікон. | ||
5. Підходи до вибору вікна | ||
Висновки | ||
Література | ||
Додатки | ||
Додаток А. Різновиди елементарних сигналів | ||
Додаток Б. Приклади використання кореляційної функції |
Тема 1: Вступ до дисципліни Проектування цифрової обробки сигналів та зображень. Основні поняття та визначення
Основні поняття та визначення. Основні характеристики сигналів
Задачі і параметри ЦОС
Узагальнена схема ЦОС. Її характеристики
Переваги і недоліки ЦОС
Основні типи алгоритмів і перетворень
Поняття про швидкі алгоритми
Операційний базис ЦОС
Характеристики використаної елементної бази
Етапи проектування вузлів ЦОС
Вправи і завдання до теми №1
Задачі і параметри ЦОС
Задачі:
1. Виділення сигналу. (Методи)
Придушення шуму. (Методи)
Узагальнена схема ЦОС. Її характеристики
Узагальнена структурна схема наведена на рис.1.1. Вона відображає послідовність процедур, необхідних для перетворення вхідного аналогового сигналу у вихідний аналоговий сигнал за заданим алгоритмом, засобами цифрової обчислювальної техніки.
В ЦОС виділяють три основні етапи: формування цифрового сигналу з вхідного аналогового ; перетворення цифрового сигналу за заданим алгоритмом; формування вихідного аналогового сигналу з цифрового. Відповідно в схемі є три функціональні блоки: кодер, пристрій ЦОС, декодер.
Рис.1.1. Узагальнена структурна схема системи ЦОС
Пристрій ЦОС може бути реалізований апаратно або програмно. В першому випадку - у виді спеціалізованого пристрою, у другому – в виді програми на універсальному ПК, або на цифровому процесорі обробки сигналів (ЦПОС). На сьогодні переважає програмна реалізація.
Основні типи алгоритмів і перетворень
Операційний базис ЦОС
Характеристики використаної елементної бази
Етапи проектування вузлів ЦОС
Діагностика і контроль процесорів і систем опрацювання сигналів та зображень
Реалізація алгоритмів обробки сигналів на ПЛІС
Використання ПЛІС для високопродуктивної цифрової обробки сигналів та зображень.
Однокристальна реалізація ШПФ на ПЛІС.
Оцінка продуктивності вузла виконання операцій ШПФ на ПЛІС.
Загальна структурна схема реалізації реалізації обробки сигналів на ПЛІС.
Для реалізації високошвидкісних пристроїв ЦОС найбільш прийнятні ПЛІС таких сімейств, як Vіrtex, Vіrtex-E, а також XC4000XL/XLA/XV і Spartan/XL, основні характеристики яких по серіях приведені в табл. 1.
Рис. 1. Алгоритм ШПФ 8 точок із проріджуванням за часом
Процес обчислення повного перетворення можна умовно розбити на три кроки. На першому відбувається перетворення вхідної послідовності xn відповідно до двійкової інверсії номерів і наступним обчисленням першого часткового перетворення відповідно до виразу (3). На другому відбувається обчислення другого часткового перетворення, на третьому - повного перетворення Xn. Аналогічно для обчислення ШПФ 256 точок буде потрібно 8 кроків, 1024 точки - 10 кроків. Подібним чином можна представити ШПФ для будь-якого N = 2L, де L? > 0, L - ціле і дорівнює числу кроків.
Загальна структурна схема реалізації реалізації обробки сигналів на ПЛІС.
На рис. 2 представлена структурна схема пристрою, що реалізує алгоритм ШПФ на ПЛІС. Розглянемо призначення кожного блоку. Вхідне ОЗУ використовується для завантаження вихідної послідовності, збереження результатів проміжних обчислень і вивантаження результатів перетворення. Буферне ОЗУ потрібно тільки для збереження результатів проміжних обчислень, у ПЗУ зберігаються значення коефіцієнтів WNr. Застосування двох банків ОЗУ дозволяє сполучити операції читання і запису, а також забезпечити коректність обробки даних. Блок "метелик" виконує обчислювальні дії відповідно до виразу (3), причому число помножувачів у загальному випадку може бути різним - від 1 до 4. Блок керування відповідає за загальну синхронізацію схеми і видачу необхідних сигналів керування.
Рис. 2. Узагальнена структурна схема ШПФ на ПЛІС
Якщо обчислення перетворення відповідно алгоритму ШПФ при N = 256 відбувається за 8 ступенів, то при апаратній реалізації на ПЛІС потрібно додати ще 2 ступені - ступінь завантаження вихідних даних і ступінь вивантаження результатів перетворення. Таким чином, повне перетворення вимагає 10 ступеней:
Ступінь - запис вхідної послідовності у вхідне ОЗУ відповідно до двійкової інверсії номерів. 2 ступінь - перша ступінь перетворення. Дані зчитуються з вхідного ОЗУ, перетворюються і записуються в буферне ОЗУ.
Ступінь - друга ступінь перетворення. Дані зчитуються з буферного ОЗУ, перетворюються і записуються у вхідне ОЗУ.
Ступіні аналогічні другій ступені.
Ступіні аналогічні третій ступені.
Ступінь - вивантаження отриманого перетворення з вхідного ОЗУ.
Приведена на рис. 4 структурна схема з двома помножувача "метелика" реалізована у виді функціонально закінчених модулів ШПФ 256 і 1024 точки і розрядністю вхідних даних і коефіцієнтів 16 біт для ПЛІС фірми Xіlіnx серій Vіrtex і XC4000XL/XLA/XV. Отримані якісні і кількісні характеристики модулів приведені в табл. 1.
Розглянуті М-модулі ШПФ оперують з 16-розрядними вхідними даними і коефіцієнтами перетворення. Однак реальна розрядність даних , що надходять, для деяких високошвидкісних додатків обмежується 12, а іноді і 8 бітами, що спричиняє значне скорочення обсягу модуля ШПФ і відповідний ріст продуктивності. Модулі, що поставляються, допускають оперативну модифікацію під необхідну розрядність і розмір перетворення.
Після реалізації модуля ШПФ на розглянутих кристалах залишаються значні вільні вентильні ресурси, які можна використовувати для створення в тієї ж ПЛІС додаткових пристроїв користувача, наприклад, вбудованого контролера шини PCІ і логіки сполучення з аналого-цифровим перетворювачем
Рис. 3 Структура однокристального ковзаючого ШПФ на ПЛІС Vіrtex
Маршрут проектування й апаратна реалізація ШПФ на ПЛІС
Маршрут проектування пристрою ЦОС на ПЛІС Xіlіnx з використанням спеціалізованих бібліотек М-модулів, у тому числі ШПФ, представлений на рис. 4.
Рис. 4. Маршрут проектування пристрою ЦОС на ПЛІС Xіlіnx
Ввід проекту можливо здійснювати декількома способами:
· інтерактивний графічний ввід в схемотехничному редакторі;
· текстове ввід мовою опису апаратури високого рівня;
· діаграмами станів кінцевого автомата.
При введенні проекту використовуються бібліотеки стандартних логічних функцій і додаткові макробібліотеки (ШПФ, цифрові фільтри, PCІ, VME і т.п. ).
Потім виконується моделювання проекту з верифікацією заданих функцій і топологічне трасування ПЛІС.
Питання.
Визначення нейрокомп’ютера.
Основні компоненти нейрокомп’ютера.
Базова структура нейроприскорювача на основі ПОС.
Порівняльні характеристики нейроприскорювачів на базі ПОС.
Реалізація ШПФ на нейрокомп’ютері.
Вступ
Рис.1. Загальний вид нейрона.
Вихід нейрона є функція його стану: y = f(s), що називається активаційною і може мати різний вид. Однієї з найбільш розповсюджених - є нелінійна функція з насиченням, так звана логічна функція чи сигмоїд (тобто функція S-подібного виду):
Рис.2
а) одинична гранична функція;
б) лінійний поріг (гістерезис);
в) сигмоїд - гіперболічний тангенс;
г) логічний сигмоїд.
Паралелізм обробки досягається шляхом об'єднання великого числа нейронів у яруси і з'єднання певним чином різних нейронів між собою. Як приклад найпростішої НС приведемо трьох нейронний персептрон (рис.3), нейрони якого мають активаційну функцію у виді одиничної граничної функції. На n входів надходять деякі сигнали, що проходять по синапсах на 3 нейрони, що утворюють єдиний шар цієї НС і три вихідних сигнали, що видають:
Рис.3 Одноярусний персептрон.
Для того щоб нейронная мережа працювала - її треба навчити. Від якості навчання залежить здатність мережі вирішувати поставлені перед нею проблеми. На етапі навчання крім параметра якості підбору вагових коефіцієнтів важливу роль грає час навчання. Як правило, ці два параметри зв'язані зворотньою залежністю і їх приходиться вибирати на основі компромісу. Навчання НС може вестися з вчителем чи без нього. У першому випадку мережі пред'являються значення як вхідних, так і бажаних вихідних сигналів, і вона по деякому внутрішньому алгоритмі налаштовує ваги своїх синаптичних зв'язків. В другому випадку виходи НС формуються самостійно, а ваги змінюються по алгоритму, що враховує тільки вхідні і похідні від них сигнали.
Розглядаючи класифікацію НС можна виділити: бінарні (цифрові) і аналогові НС, попередньо навчені (неадаптивні) і що самонавчаються (адаптивні) нейронні мережі, що украй важливо при їхній апаратній реалізації. Бінарні оперують із двійковими сигналами, і вихід кожного нейрона може приймати тільки два значення: логічний нуль ("загальмований" стан) і логічна одиниця ("збудженийстан). До цього класу мереж відноситься і розглянутий вище трьох нейронный персептрон, тому що виходи його нейронів, формовані функцією одиничного стрибка, рівні або 0, або 1. В аналогових мережах вихідні значення нейронів можуть приймати неперервні значення, що могло б мати місце після заміни активаційної функції нейронів персептрона на сигмоїд.
Мережі також можна класифікувати по топології (числу ярусів і зв'язків між ними). На рис.4 представлений двоярусний персептрон, отриманий з персептрона рис.3 шляхом додавання другого ярусу, що складається з двох нейронів.
Практично 80% реалізованих на сьогодні нейрочіпів, орієнтованих на задачі цифрової обробки сигналів, використовують при навчанні НС алгоритм зворотнього поширення помилки, крім всього інші він став деяким еталоном для виміру продуктивності нейрообчислювачів (наприклад, як ШПФ на 1024 відліки для сигнальних процесорів).
Основні компоненти нейрокомп’ютера.
Рис. 11. Структура операційного пристрою векторного співпроцесора
Рис. 12. Програмувальна функція насичення.
Операнди і вихідні значення упаковуються в 64-х розрядне слово. Всі операції в матриці ОУ робить паралельно, за один такт. Завантаження вагових коефіцієнтів відбувається за 32 такти. У векторному співпроцесорі є "тіньова" матриця, в яку вагові коефіцієнти можна завантажувати у фоновому режимі. Переключення "тіньової" і робочої матриць займає один такт. Найважливіша особливість векторного співпроцесора - робота з операндами довільної довжини (навіть не кратного степеня двійки) у діапазоні 1-64 біт. Цим досягається оптимальне співвідношення між швидкістю і точністю обчислень: при однобітових операндах на тактовій частоті 40 МГЦ продуктивність складе 11 520 MMAC (мільйонів операцій множення з нагромадженням) чи 40 000 MOPS (мільйонів логічних операцій у секунду), при 32-бітових операндах і 64-бітовому результаті вона стане номінальною – 40 MMAC. Вміння динамічно, в процесі обчислень змінювати розрядність операндів дозволяє підвищити продуктивність в тих випадках, коли звичайні процесори працюють "вхолосту", з надлишковою точністю.
Для обчислення продуктивності використовуються наступні вирази:
де: МСРS - мільйон з'єднань у секунду (еквівалентно ММАС)
64 - ширина слова даних;
Nх- ширина синапсів;
Nw- ширина ваг;
F = 50 МГЦ - тактова частота.
У випадку Nх¹1 і Nw=1, вираз набуває вигляду:
У випадку Nх=1 і Nw¹1, вираз набуває вигляду:
У випадку Nх=Nw=1, вираз набуває вигляду:
У випадку Nх=Nw=32, вираз набуває вигляду:
Організація паралельних обчислень в алгоритмах ШПФ на процесорі NM6403
. На практиці найбільш широке поширення одержали алгоритми ШПФ за основою 2, де кожен функціональний вузол виконує базову операцію - двохвходового "метелика". Ці алгоритми орієнтовані, насамперед , на зведення до мінімуму числа операцій множення. Але з появою векторних процесорів цей критерій стає несуттєвим. Навпроти, число одночасно виконуваних множень головним чином визначає продуктивність процесора. Тому виникає питання про розпаралелюваня обчислень і реалізацію алгоритмів ШПФ із більш високими основами і їхніми можливими комбінаціями. Послідовність обчислень будь-якого ШПФ можна описати у вигляді графа, вузли якого виконують фактично звичайне дискретне перетворення, але з меншою розмірністю вхідних векторів (меншою основою). В залежності від вибору основи міняється як загальне число арифметичних операцій, так і кількість шарів графа (рис.13).
Таблиця 1. Обчислювальна складність ШПФ
Пряме обчислення ШПФ (основа N) | Обчислення ШПФ за основою 2 | Обчислення ШПФ з комбінованими основами 2, 16, 32 | ||||||||
Complex muls | Complex adds | Кількість шарів графу | Complex muls | Complex adds | Кількість шарів графу | Complex muls | Complex adds | Комбінація основ | Кількість шарів графу | |
N | N2 | N2 -N | (N/2)log2N | Nlog2N | ||||||
16-16 | ||||||||||
2-16-16 | ||||||||||
32-32 | ||||||||||
2-32-32 |
Complex muls - кількість комплексних множень
Complex adds - кількість комплексних додавань
В алгоритмах ШПФ за основою 2 кількість таких шарів максимальна (табл.1), тому при поетапному надходженні результатів обчислень від шару до шару відбувається більше нагромадження помилок округлення, ніж в алгоритмах з більш високими основами. І чим вища розмірність вектора вхідних даних, тим більша буде кількість шарів і в наслідок значніша помилка. Це особливо критично у випадках, коли обчислення проводяться в цілочисельній арифметиці (з фіксованою крапкою) чи при недостатньо широкій розрядності даних. Слід також зазначити, що в цьому випадку для запобігання переповнення проміжні результати після кожного чи після групи етапів множення (шарів графа) необхідно додатково нормалізувати, застосовуючи операцію зсуву вправо (рис.13). Нормалізація крім зсуву може містити в собі процедуру округлення, що також вносить додаткові обчислювальні витрати. Можливим компромісним рішенням може виступати підхід, оснований на збільшенні основи в алгоритмах ШПФ. Нижче розглядається варіант ШПФ-256 за основою 16. Вибір такої основи з однієїсторони дає можливість для організації паралельних обчислень, а з іншої знижує кількість шарів графа до двох.
Дискретне 256-точкове перетворення Фур'є визначається формулою:
,де
Дана формула після тотожних перетворень приймає вид, що є опорним для побудови
ШПФ-256 за основою 16:
Кінцевий граф обчислення ШПФ-256 за основою-16 будується з цієї формули. Структура такого графа показана на рис.13
Рис.13 Узагальнений граф обчислення ШПФ-256 Рис.14 Розгорнута схема блоку 16-точкового
за основою 16. дискретного перетворення Фур'є
Граф складається з двох шарів по 16 блоків. Кожен блок графа має 16 комплексних входів і виходів. Як показано на рис.14 кожен блок графа являє собою 16-точкове дискретне перетворення Фур'є і відрізняється від інших блоків тільки комплексними коефіцієнтами W. Таким чином, распаралелювання алгоритму БПФ фактично зводиться до реалізації ефективного обчислення ДПФ-16, тобто до знаходження 16 скалярних добутків різних векторів [W] з одним вектором [x], що еквівалентно множенню матриці коефіцієнтів перетворення Фур'є -[W] розмірністю 16х16 на вхідний вектор [х].
Всі арифметичні обчислення, що відносяться безпосередньо до обчислення ДПФ-16, виробляються на векторному співпроцесорі. Так як векторний співпроцесор дозволяє оперувати даними перемінної розрядності, то для збереження вхідних даних і результатів обчислень зручно відводити по 32 розряди на уявну і дійсну частину, а для збереження комплексних коефіцієнтів W - по 8 біт на дійсну і уявну частину. Таким чином, в одному 64р. слові може міститися одне комплексне число. Уявні і дійсні частини коефіцієнтів W зберігаються так само в упакованому виді, але в різних 64р. словах. Усі коефіцієнти W обчислюються заздалегідь і тому зберігаються усередині масиву в порядку зручному для наступних обчислень (рис.15).
Рис.15 Формат збереження вхідних даних і коефіцієнтів перетворення
Внаслідок такого представлення даних векторний помножувач працює в двох конфігураціях:
Рис.16 Еквівалентна схема помножувача векторного Рис.17 Еквівалентна схема помножувача векторного
Загальна характеристика функцій ШПФ.
Вхідні і вихідні дані - цілі 32р. комплексні числа, формат збереження показаний на рис.3
Діапазон вхідних даних зазначений у таблиці 3.
Розрядність коефіцієнтів перетворення - 8 біт (два варіанти представлення: 6 і 7 біт на одиницю)
Робота з даними - арифметика з фіксованою крапкою.
Вихідні дані розташовані в правильному порядку.
Зміст
Вступ | |
1. Особливості задач і алгоритмів цифрового опрацювання сигналів та зображень | |
2. Алгоритми швидкого перетворення Фур’є та їх програмна реалізація | |
3. Організація DSP- процесорів для задач опрацювання сигналів та зображень | |
4: Інтерфейси DSP-процесорів | |
5. Проектування процесора ШПФ на ПОС | |
6: Проектування засобів опрацювання сигналів та зображень на ПЛІС | |
7. Реалізація алгоритмів опрацювання сигналів та зображень на нейропроцесорах | |
8. Стиск нерухомих зображень з використанням перетворень різного типу дискретних косинусних перетворень | |
9. Опрацювання мовних сигналів | |
10. Використання вікон для опрацювання сигналів | |
11. Діагностика і контроль процесорів і систем опрацювання сигналів та зображень | |
Висновки | |
Література |
ВСТУП
В останні роки цифрове опрацювання сигналів та зображень (ЦОСЗ) суттєво впливає на такі ключові технологічні галузі, як телекомунікації, цифрове телебачення і засоби інформації, біомедицина і цифровий звукозапис. Сьогодні ЦОСЗ є основою багатьох новітніх видів цифрових розробок і різних застосувань в інформаційному середовищі (наприклад. цифровий мобільний зв'язок, цифрові відеокамери, телебачення і системи звукозапису). Поряд з тим ЦОСЗ ширше впроваджується і в класичні галузі застосування (радіолокація, геофізика, опрацювання мовних сигналів, сейсмологія, системи зв'язку і передачі даних, медична і технічна діагностика, системи керування). Такому широкому застосуванню сприяли успіхи в розробці швидких алгоритмів і методів ЦОСЗ (наприклад, хвилькові перетворення), досягнення в технології конструювання інтегральних схем (архітектура нових процесорів ЦОСЗ, програмовані логічні інтегральні схеми – ПЛІС, системи на кристалі), використання програмних пакетів (MATLAB, база програм на мові С).
Суть ЦОСЗ як області науки пролягає у розв'язку на обчислювальній машині чотирьох основних задач:
- представлення сигналів та зображень в зручній для сприйняття формі;
- виділення із сигналів та зображень корисної інформації;
- внесення в сигнали та зображення корисної інформації;
- формування сигналів та зображень із заданими параметрами.
Основні переваги ЦОСЗ полягають в: можливості реалізації складних методів та алгоритмів опрацювання сигналів та зображень, недоступних для аналогових пристроїв; забезпеченні високої точності опрацювання; гнучкості і універсальності засобів, розвиненому користувацькому інтерфейсові тощо.
Головна проблема ЦОСЗ полягає у підвищенні швидкодії при реалізації певного набору математичних операцій над сигналами та зображеннями. Цей набір, як правило, визначається проблемною орієнтацією засобів ЦОСЗ. Для розв'язання цієї задачі комплексно застосовуються два напрямки - підвищення ефективності обчислювальних алгоритмів і вдосконалення архітектури комп'ютерних засобів. При цьому виходять з детального аналізу особливостей проблемної області. Власне, незалежно від вибраного напрямку і теми, студенти повинні виконувати курсові роботи з даного курсу виходячи з головної проблеми ЦОСЗ.
Метою вивчення дисципліни є засвоєння основних методів та алгоритмів опрацювання сигналів та зображень, принципів та шляхів проектування апаратних і програмних комп’ютерних засобів опрацювання сигналів та зображень, набуття початкових практичних навиків проектування таких засобів.
В результаті вивчення дисципліни студенти повинні:
знати: типи і особливості алгоритмів опрацювання сигналів та зображень, математичні основи їх реалізації, характеристики елементної бази та основи реалізації алгоритмів на її основі, особливості і етапи розробки цифрових пристроїв на процесорах і вузлах, орієнтованих на задачі опрацювання сигналів та зображень; мови програмування та мови опису апаратних засобів; пакети моделювання, опрацювання і фільтрації сигналів та зображень
вміти: вибирати найефективніший метод і алгоритм, здійснювати математичне формування алгоритму та методу його розв’язання, розробляти блок-схеми алгоритмів, розробляти програмну реалізацію виконання алгоритмів, розраховувати технічні параметри апаратних і програмних засобів, проектувати структурні та функціональні схеми процесорів та вузлів опрацювання сигналів; моделювати і опрацьовувати сигнали різної форми.
Для тих, хто хоче краще орієнтуватися в перспективних напрямках розвитку комп’ютерних засобів опрацювання сигналів та зображень, краще розуміти специфіку і особливості їх проектування радимо, насамперед, скористатись матеріалами Internet-сайтів
Особливості задач і алгоритмів цифрового опрацювання сигналів та зображень
Алгоритми швидкого перетворення Фур’є та їх програмна реалізація
Оскільки алгоритми ШПФ є одними з найуживаніших при опрацюванні сигналів їх розгляд є доцільним в даному посібнику.
Алгоритм швидкого перетворення Фур'є – є оптимізованим за швидкодією способом обчислення дискретного перетворення Фур'є (ДПФ), що має складність O(Nlog2N) на відміну від складності ДПФ порядку O(N2).
Проектування засобів опрацювання сигналів та зображень на ПЛІС
Однокристальна реалізація на ПЛІС алгоритму ШПФ
Для реалізації високошвидкісних пристроїв ЦОС найбільш прийнятні ПЛІС таких сімейств, як Vіrtex, Vіrtex-E, XC4000XL/XLA/XV, Spartan/XL.
Ступінь - запис вхідної послідовності у вхідне ОЗП відповідно до двійкової інверсії номерів. 2 ступінь - перша ступінь перетворення. Дані зчитуються з вхідного ОЗП, перетворюються і записуються в буферне ОЗП.
Ступінь - друга ступінь перетворення. Дані зчитуються з буферного ОЗП, перетворюються і записуються у вхідне ОЗП.
Ступіні аналогічні другій ступені.
Ступіні аналогічні третій ступені.
Ступінь - вивантаження отриманого перетворення з вхідного ОЗП.
Стиск нерухомих зображень з використанням перетворень різного типу дискретних косинусних перетворень
Рис.9.2. Блок-схема алгоритму попереднього опрацювання мовного сигналу
Далі даються етапи попереднього опрацювання мовних сигналів.
1. Оцифрований (дискретизований у часі та квантований за рівнем) мовний сигнал розбиваємо на блоки по 25.6 мс із зсувом кожні 10 мс , тобто, блоки по 409 відліків кожен блок, із зсувом на 160 відліків.
2. Як правило, застосовують високочастотне підсилення, щоб компенсувати послаблення, спричинене розсіюванням від губ. Для цього блоки сигналу пропускають через фільтр першого порядку
S(1)=0; S(n)=y(n)-y(n-1), n=2…409,
де yn – n-і відлік у блоці.
3. Для опрацювань такого типу до кожного блоку застосовують функцію вікна. У даному випадку береться вікно Гемінга згідно з таким виразом
D(n)=(0,54-0,46·cos(2p·(n-1)/408))·S(n) для n =1,...,409.
4. Щоб отримати спектральні оцінки використовується дискретне перетворення Фур’є. У цьому разі збільшуємо довжину блоку до 512 елементів за рахунок доповнення його справа потрібною кількістю нулів. Після цього застосовуємо швидке перетворення Фур’є довжиною 512 точок і отримуємо 512 спектральних комплексних значень. Оскільки 512 значень, до яких застосовуємо перетворення Фур’є, є дійсними, то отримані спектральні комплексні значення попарно спряжені: друге значення з 512-м, третє – з 511-м і т.д. Тому останні 256 комплексних значень перетворення ігноруємо, бо вони комплексно спряжені з попередніми і не несуть нової інформації.
5. Для перших 256 комплексних спектральних значень знаходимо їх амплітуди. Амплітудний спектр Фур’є згладжується (усереднюється) додаванням амплітуд спектральних коефіцієнтів у межах “трикутних” частотних смуг розташованих на нелінійній (подібній до логарифмічної) Mel-шкалі. Для граничної частоти мови рівної 16 КГц беруть 24 таких частотних смуги. Mel-шкала введена для наближення частотного розділення людського вуха, яке є лінійним до 1000 Гц та логарифмічним понад 1000 Гц.
Фур’є спектр згладжувався додаванням 255 останніх спектральних коефіцієнтів ( перший коефіцієнт – постійна складова спектру ігнорувався) у межах “трикутних” частотних смуг розташованих на нелінійній (подібній до логарифмічної) Mel-шкалі.
Перший амплітудний коефіцієнт – постійну складову спектру – ігноруємо, , а амплітуди решти 255 спектральних значень усереднюємо. Усереднення реалізуємо як 24 трикутні смугопропускні фільтри. Нижня, середня та верхня частоти таких смуг подані в табл.
Кожний трикутний фільтр знаходить зважене середнє тих амплітудних спектральних значень, які відповідають частотам у межах між нижньою та верхньою частотою для даного фільтра. Якщо амплітуда відповідає точно середній частоті смуги, то вона множиться на коефіцієнт рівний одиниці. При пересуванні відповідної амплітудному значенню частоти від середини до нижньої чи верхньої межі коефіцієнт зменшується від одиниці до нуля. Отримані добутки амплітуд на коефіцієнти додаються і діляться на число амплітудних значень. У результаті знаходимо зважене середнє для даної смуги частот.
256 амплітудам відповідають частоти від 0 Гц до 8000 Гц, тобто крок пересування дорівнює 8000/256=31,25 Гц. Це означає, що першій амплітуді відповідає частота 0 Гц, другій – 31,25 Гц, третій – 62,5 Гц і т.д.
Наприклад, для першої смуги частот Mel-шкали: нижня частота – 0 Гц, середня частота – 74,24 Гц, верхня частота – 156,4 Гц.
Отже, в першу смугу частот потрапляють перша (0 Гц), друга (31,25 Гц), третя (62,5 Гц), четверта (93,75 Гц), п’ята (125 Гц) та шоста (156,25 Гц) амплітуди.
Згідно з рис. третій амплітуді відповідає коефіцієнт рівний 62,5/74,24≈0,84; а п’ятій амплітуді – коефіцієнт рівний (156,4-125)/(156,4-74,24) ≈0,38.
Таблиця 9.1. Mel-шкала частот
Смуга | Нижня частота | Середня частота | Верхня частота |
0,000 Гц | 74,24 Гц | 156,4 Гц | |
74,24 Гц | 156,4 Гц | 247,2 Гц | |
156,4 Гц | 247,2 Гц | 347,6 Гц | |
247,2 Гц | 347,6 Гц | 458,7 Гц | |
347,6 Гц | 458,7 Гц | 581,6 Гц | |
458,7 Гц | 581,6 Гц | 717,5 Гц | |
581,6 Гц | 717,5 Гц | 867,9 Гц | |
717,5 Гц | 867,9 Гц | 1034 Гц | |
867,9 Гц | 1034 Гц | 1218 Гц | |
1034 Гц | 1218 Гц | 1422 Гц | |
1218 Гц | 1422 Гц | 1647 Гц | |
1422 Гц | 1647 Гц | 1895 Гц | |
1647 Гц | 1895 Гц | 2171 Гц | |
1895 Гц | 2171 Гц | 2475 Гц | |
2171 Гц | 2475 Гц | 2812 Гц | |
2475 Гц | 2812 Гц | 3184 Гц | |
2812 Гц | 3184 Гц | 3596 Гц | |
3184 Гц | 3596 Гц | 4052 Гц | |
3596 Гц | 4052 Гц | 4556 Гц | |
4052 Гц | 4556 Гц | 5113 Гц | |
4556 Гц | 5113 Гц | 5730 Гц | |
5113 Гц | 5730 Гц | 6412 Гц | |
5730 Гц | 6412 Гц | 7166 Гц | |
6412 Гц | 7166 Гц | 8000 Гц |
У результаті описаних дій отримуємо 24-елементний спектральний (акустичний) вектор.
На закінчення виконуємо нормалізацію акустичних векторів у межах одного мовного зразка. Для цього знаходимо найбільшу довжину вектора та значення всіх векторів множимо на величину, обернену до цієї довжини.
Для моделювання алгоритму попереднього опрацювання мовних сигналів вибрано середовище MATLAB.
На даний час MATLAB (у сучасній версії 6.5) - це високоефективна мова інженерних і наукових обчислень. Він підтримує математичні обчислення, візуалізацію наукової графіки і програмування з використанням легко освоюваного операційного оточення, коли задачі і їхні рішення можуть бути наведені у скороченнях, близьких до математичних. MATLAB - це інтерактивна система, основним об’єктом якої є масив, для якого не потрібно вказувати розмірність явно. Це дозволяє вирішувати багато обчислювальних задач, які пов'язані з векторно-матричними формулюваннями, істотно скорочуючи час при цьому.
Графічне вікно середовища MATLAB 6.5, у якому ілюструються етапи 1-5 попереднього опрацювання мовного сигналу показано на рис.9.3.
На першій ілюстрації показано мовний сигнал example.wav, дискретизований з частотою 16 КГц та розрядністю 16 розрядів.
На другій ілюстрації маємо один блок (інтервал) вказаного мовного сигналу тривалістю 25,6 мс. Такому блоку відповідає 409 відліків.
На третій ілюстрації бачимо один блок мовного сигналу після опрацювання його фільтром першого порядку.
Четверта ілюстрація показує нам один блок після застосування вікна Гемінга.
П’ята ілюстрація дає нам 512 амплітудних значень швидкого перетворення Фур’є цього одного блоку.
Оскільки ці амплітудні значення швидкого перетворення Фур’є попарно співпадають (бо відповідні комплексні значення швидкого перетворення Фур’є є попарно комплексно спряжені), то можна взяти лише 256 перших амплітудних значень. Ці 256 амплітудних значень відображені на шостій ілюстрації.
Сьома ілюстрація дає значення 24-елементного вектора, компоненти якого отримані після усереднення 256 амплітудних значень у межах 24 “трикутних” частотних смуг.
Використання вікон для опрацювання сигналів
Рархічність засобів обробки радіолокаційної інформації.
Особливості обробки радіолокаційної інформації. Вибір параметрів радіолокаційної станції, які впливають на характеристики засобів обробки.
Архітектура уніфікованої системи обробки, відображення, керування і діагностики радіолокаційних комплексів нового покоління..
Мультипроцесорна мережа на базі TMS320C4x
5. Пристрій формування і обробки сигналів. /ПФОС/
Архітектура уніфікованої системи обробки, відображення, керування і діагностики радіолокаційних комплексів нового покоління.
Можливості нарощування мережі
Несуча плата DSM40AT дозволяє встановлювати 4 TІM-модуля DST44Q (16 процесорних вузлів). Крейт має 8 роз’ємів для плат DSM40EP, на кожну з який встановлюється по 4 TІM-модуля DST44Q. Таким чином, мережа може бути збільшена до 144 процесорних вузлів.
При побудові мультипроцесорної мережі використовувалися вузли і компоненти, що випускаються АТ "Інструментальні системи" м.Москва.
5. Пристрій формувания і обробки сигналів. /ПФОС/
Склад ПФОС.
Можливий варіант реалізації структурної схеми ПФОС, що відбиває взаємозв'язок пристроїв і призначення основних сигналів, представлений на мал. 5.
До складу УФОС входять:
· два модулі кодуючих пристроїв;
· вісім модулів пристрою цифрової обробки сигналів.
– Конец работы –
Используемые теги: Тема, Вступ, дисципліни, Проектування, цифрової, обробки, сигналів, зображень, Основні, Поняття, Визначення, області, Застосування, Основні, задачі, цифрової, обробки, сигналів0.208
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Тема 1: Вступ до дисципліни Проектування цифрової обробки сигналів та зображень. Основні поняття та визначення 1. Області застосування та основні задачі цифрової обробки сигналів
Если этот материал оказался полезным для Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов