рефераты конспекты курсовые дипломные лекции шпоры

Реферат Курсовая Конспект

Дискретизация по критерию наибольшего отклонения [10].

Дискретизация по критерию наибольшего отклонения [10]. - раздел Связь, Введение в теорию сигналов и систем Задача Абсолютно Точного Восстановления Сигнала На Практике Обычно Не Ставитс...

Задача абсолютно точного восстановления сигнала на практике обычно не ставится, в отличие от задачи минимального физического объема информации, при котором сохраняется возможность ее восстановления в непрерывной форме с определенным допустимым значением погрешности. Такая задача актуальна всегда, и особенно при дистанционных методах регистрации и обработки информации, передаче сигналов по каналам связи и при подготовке информации к длительному хранению. Одним из методов решения этой задачи является дискретизация сигналов по критерию наибольшего отклонения.

В процессе дискретизации по критерию наибольшего отклонения задается допустимое значение погрешности восстановления сигнала s. При восстановлении сигнала непрерывная функция s(t) аппроксимируется, как правило, степенными полиномами n-го порядка. Погрешность восстановления функции s(t) полиномом sa(t) определяется остаточным членом L(t):

L(t) = s(t) - sa(t) = s(t).

Шаг дискретизации выбирается из условия обеспечения L(t) < s по всему интервалу определения функции s(t). Как правило, динамика функции s(t) может существенно изменяться в различные моменты времени по интервалу регистрации, при этом шаг дискретизации также может изменяться, при условии не превышения заданной погрешности на каждом шаге. При установленном значении s уменьшение числа отсчетов обеспечивается повышением степени аппроксимирующего многочлена. На практике обычно ограничиваются ступенчатой, линейной и параболической аппроксимацией полиномами соответственно нулевой, первой и второй степеней.

В качестве интерполирующих многочленов используют многочлены Лагранжа. Для многочленов Лагранжа нулевой степени значение sa(t) в момент времени t на интервале ti<t<ti+1 между двумя последовательными отсчетами функции принимается равным отсчету s(ti+1). Если восстановление сигнала s(t) проводить по двум отсчетам: sa(ti) = [s(ti+1)-s(ti)]/2, то при том же шаге дискретизации погрешность восстановления сигнала уменьшается вдвое. Но при использовании двух последовательных отсчетов лучше использовать многочлены Лагранжа первой степени, т.е. соединение двух последовательных отсчетов прямой линией, что дает еще большее уменьшение погрешности восстановления аналоговой формы сигнала.

В качестве экстраполирующих многочленов используется многочлены Тейлора. Для многочлена Тейлора нулевой степени условия восстановления сигнала практически не отличаются от многочлена Лагранжа, за исключением направления (от текущего зарегистрированного отсчета и вперед по t). Для многочленов Тейлора более высоких степеней при восстановлении сигнала помимо отсчета s(ti) используется также соответствующие значения производных в точке отсчета. Восстановление сигнала многочленами Тейлора происходит без задержки во времени. Однако при использовании многочленов выше нулевой степени для точного восстановления сигнала по сравнению с интерполяционными методами требуется в два раза более высокая частота дискретизации.

– Конец работы –

Эта тема принадлежит разделу:

Введение в теорию сигналов и систем

Тематика практических работ введение в теорию сигналов.. Содержание.. Общие сведения и понятия..

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Дискретизация по критерию наибольшего отклонения [10].

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

ТЕМАТИКА ПРАКТИЧЕСКИХ РАБОТ
Работы выполняются на компьютерах по типовым программам с заданием индивидуальных параметров моделирования, расчетов и обработки данных для каждого студента группы.

Пространство сигналов [1,3,16,29].
Важнейшее свойство аналоговых и дискретных сигналов заключается в том, что их линейные комбинации также являются аналоговыми или дискретными сигналами. Линейные комбинации цифровых сигналов, в силу

Мощность и энергия сигналов [1, 3, 16].
Понятия мощности и энергиив теории сигналов не относятся к характеристикам каких-либо физических величин сигналов, а являются их количественными характеристиками, отража

Пространства функций [1,3,11,16,29].
Пространства функций можно считать обобщением пространства N-мерных сигналов – векторов на аналоговые сигналы, как бесконечномерные векторы, с некоторыми чисто практическими уточнениями.

Функции корреляции сигналов [1, 25, 29].
Функции корреляции сигналов применяются для интегральных количественных оценок формы сигналов и степени их сходства друг с другом. Автокорреляционные функции (АКФ) сигналов

Математическое описание шумов и помех [1, 30].
Шумы и помехи (noise). При детектировании сигналов в сумме с основным информационным сигналом одновременно регистрируются и мешающие сигналы - шумы и помехи самой различ

Разложение сигналов по единичным импульсам [1, 11].
Единичные импульсы. В качестве математической модели единичного импульса при анализе аналоговых сигналов используют дельта-функцию. Дельта-функция

Свертка (конволюция) сигналов [1, 11].
Интеграл Дюамеляпозволяет определять реакцию системы на воздействие s(t) в текущем времени по ее переходной функции g(t) на единичный скачок входного воздействия:

Мощность и энергия сигналов [1,3,16].
Частотное представление применяется не только для спектрального анализа сигналов, но и для упрощения вычислений энергии сигналов и их корреляционных характеристик. Как уже рассматривалось

Энергетические спектры сигналов [1].
Скалярное произведение сигналов. Энергия суммы двух произвольных сигналов u(t) и v(t) определяется выражением: E =

Автокорреляционные функции сигналов [1,25].
Понятие автокорреляционных функций сигналов. Автокорреляционная функция (АКФ, CF - correlation function) сигнала s(t), конечного по энергии, является количественной инте

Взаимные корреляционные функции сигналов [1,19].
Взаимная корреляционная функция (ВКФ) разных сигналов (cross-correlation function, CCF) описывает как степень сходства формы двух сигналов, так и их взаимное расположени

Спектральные плотности корреляционных функций [1,25].
Спектральная плотность АКФ может быть определена из следующих простых соображений. В соответствии с выражением (6.1.1) АКФ представляет собой функцию скалярного

Задачи дискретизации функций [10, 21].
Сигналы и системы дискретного времени. Значения дискретного сигнала определены только при дискретных значениях времени или любой другой независимой переменной. Обычно ег

Равномерная дискретизация [16,21].
Спектр дискретного сигнала. Допустим, что для обработки задается произвольный аналоговый сигнал s(t), имеющий конечный и достаточно компактный фурье-образ S(f). Равномер

Курсовая работа 1 – Исследование и разработка основных правил ограничения интервала суммирования при интерполяции данных рядом Котельникова-Шеннона.
Рис. 7.2.9. Интерполяция по Котельникову-Шеннону. Ряд (7.2.7) позволяет простым введе

Адаптивная дискретизация [10].
Частота равномерной дискретизации информации рассчитывается по предельным значениям частотных характеристик сигналов. Адаптивная дискретизация ориентирована на динамические характеристики сигнала,

Курсовая работа 2 – Исследовать и разработать программу оценки спектра дискретного сигнала при неравномерном шаге дискретизации.
Самыми простыми способами восстановления сигналов при адаптивной дискретизации являются линейная и квадратичная интерполяции, которые выполняются по уравнениям: f(x)лин = а

Квантование сигналов [5,21].
Дискретизация аналоговых сигналов с преобразованием в цифровую форму связана с квантованием сигналов. Сущность квантования состоит в замене несчетного множества возможных значений функции, в общем

Децимация и интерполяция данных [4,5,17].
Децимацией (прореживанием, сокращением) цифровых данных принято называть уплотнение данных с удалением избыточной информации. Последнее имеет место, если шаг дискретизации данных был установлен изл

Преобразование Фурье [5,17,21].
Дискретное преобразование Фурьеможет быть получено непосредственно из интегрального преобразования дискретизаций аргументов (tk = kDt, fn = nDf):

Преобразование Лапласа.
Дискретное преобразование Лапласа (ДПЛ), как и ДПФ, может быть получено из интегрального преобразования дискретизаций аргументов (tk = kDt, wn = nDw): Y(p) =

Z - преобразование сигналов [2,13,21].
Определение преобразования. Распространенным способом анализа дискретных цифровых последовательностей является z-преобразование (z-transform). Произвольной непр

Дискретная свертка (конволюция) [5,17,21].
Свертка – основной процесс в цифровой обработке сигналов. Поэтому важно уметь эффективно ее вычислять. Уравнение дискретной свертки двух функций (сигналов) може

Случайные процессы и функции [1, 2, 25].
Случайный процесс описывается статистическими характеристиками, называемыми моментами. Важнейшими характеристиками случайного процесса являются его стационарность, эргодичность и спектр мощности.

Функции спектральной плотности [2,25,26].
Каноническое разложение случайных функций. Введем понятие простейшей случайной функции, которая определяется выражением: X(t) = X×j(t), (9.2.1)

Преобразования случайных функций [1, 26, 27].
Системы преобразования случайных функций.Пусть имеется система преобразования с одним входом, на который поступает (подается) входная случайная функция X(t) - функция

Модели случайных сигналов и помех [2, 28].
Наиболее распространенными моделями случайных сигналов и помех являются телеграфный сигнал, белый шум, гауссовый случайный процесс, гауссовый шум.

Хотите получать на электронную почту самые свежие новости?
Education Insider Sample
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Реклама
Соответствующий теме материал
  • Похожее
  • Популярное
  • Облако тегов
  • Здесь
  • Временно
  • Пусто
Теги