Дигитална обработка на сигнал

Од Википедија — слободната енциклопедија
Прејди на прегледникот Прејди на пребарувањето

Дигитална обработка на сигнал (DSP) е употреба на дигитална обработка, како што се компјутери или поспецијализирани процесори за дигитални сигнали, за извршување на широк спектар на операции за обработка на сигнал. Дигиталните сигнали обработени на овој начин се низа од броеви кои претставуваат примероци на континуирана променлива во доменот, како што се времето, просторот или фреквенцијата. Водигиталната електроника, дигиталниот сигнал е претставен како пулсен воз,[1][2] кој обично се генерира со вклучување на транзистор.[3]

Дигиталната обработка на сигналот и аналогната обработка на сигналот се под-полиња на обработка на сигналот. Апликациите на DSP вклучуваат обработка на аудио и говор, сонар, радар и друга обработка на сензори, проценка на спектрална густина, статистичка обработка на сигнал, дигитална обработка на слика, компресија на податоци, видео кодирање, аудио кодирање, компресија на слика, обработка на сигнал за телекомуникации, контролни системи, биомедицински инженерство и сеизмологија, меѓу другите.

DSP може да вклучува линеарни или нелинеарни операции. Нелинеарната обработка на сигналот е тесно поврзана со нелинеарната идентификација на системот [4] и може да се спроведе вовременските, фреквентните и просторно-временските домени.

Примената на дигитална пресметка за обработка на сигналот овозможува многу предности во однос на аналогната обработка во многу апликации, како што е откривање и исправка на грешки при пренесување, како и компресија на податоци .[5] Обработката на дигиталниот сигнал е исто така основна за дигиталната технологија, како што се дигиталните телекомуникации и безжичните комуникации .[6] DSP е применлив и за податоци за стриминг и за статички (зачувани) податоци.

Земање примероци од сигнал[уреди | уреди извор]

За дигитално анализирање и манипулирање со аналоген сигнал, тој мора да се дигитализира со аналоген-дигитален конвертор (ADC).[7] Земањето примероци обично се врши во две фази, дискретизација и квантизација . Дискретизација значи дека сигналот е поделен на еднакви временски интервали, и секој интервал е претставен со единствено мерење на амплитудата. Квантизација значи дека секое мерење на амплитудата се приближува со вредност од конечно множество. Заокружување на реални броеви во цели броеви е пример.

Теоремата за земање примероци Никист-Шанон наведува дека сигналот може точно да се реконструира од неговите примероци ако фреквенцијата на земање мостри е поголема од двојно највисоката компонента на фреквенцијата во сигналот. Во пракса, фреквенцијата на земање мостри е често значително поголема од двојно поголема од фреквенцијата на Nyquist.[8]

Теоретските анализи и изводи на ДСП обично се изведуваат на модели на сигнал во дискретно време без неточности во амплитудата (грешка на квантизација), „создадени“ со апстрактниот процес на земање примероци. Бројчените методи бараат квантизиран сигнал, како што се оние произведени од АДЦ. Обработениот резултат може да биде фреквентен спектар или збир на статистички податоци. Но, честопати станува збор за уште еден квантизиран сигнал кој се претвора во аналогна форма преку дигитален во аналоген конвертер (DAC).

Домени[уреди | уреди извор]

Во DSP, инженери обично учат дигитални сигнали во една од следните области: време домен (еднодимензионален сигнали), просторни домен (мултидимензионална сигнали), фреквенција домен, и wavelet домени. Тие избираат домен во кој ќе обработуваат сигнал со давање на информирана претпоставка (или со обиди на различни можности) за тоа кој домен најдобро ги претставува основните карактеристики на сигналот и обработката што треба да се примени на него. Низа примероци од мерниот уред произведува претстава за временски или просторен домен, додека дискретна Фуриева трансформација ја претставува претставата за фреквентниот домен.

Домени на време и простор[уреди | уреди извор]

Доменот на времето се однесува на анализа на сигналите во однос на времето. Слично на тоа, вселенскиот домен се однесува на анализа на сигналите во однос на положбата, на пр., Локацијата на пикселите за случајот на обработка на сликата.

Најчестиот пристап за обработка во временскиот или просторот е подобрување на влезниот сигнал преку метод наречен филтрирање. Дигиталното филтрирање генерално се состои од некаква линеарна трансформација на голем број околни примероци околу тековниот примерок на влезниот или излезниот сигнал. Околните примероци може да се идентификуваат во однос на времето или просторот. Излезот на линеарен дигитален филтер до кој било даден влез може да се пресмета со конволвирање на влезниот сигнал со импулсен одговор.

Домен на фреквенција[уреди | уреди извор]

Сигналите се претвораат од временски или просторен домен во фреквентен домен обично преку употреба на Фуриевата трансформација. Фуриевата трансформација ги претвора информациите за времето или просторот во големината и фазната компонента на секоја фреквенција. Со некои апликации, начинот на кој фазата варира со фреквенцијата може да биде значајно разгледување. Каде што фазата е неважна, често Фуриевата трансформација се претвора во спектарот на моќност, што е големината на секоја компонента на фреквенцијата на квадрат.

Најчеста цел за анализа на сигналите во фреквентниот домен е анализата на својствата на сигналот. Инженерот може да го проучи спектарот за да утврди кои фреквенции се присутни во влезниот сигнал и кои недостасуваат. Анализа фреквенција домен е исто така, наречена spectrum- или спектрална анализа.

Филтрирањето, особено во работата во не-реално време, може да се постигне и во фреквентниот домен, со примена на филтерот и потоа конвертирање назад во временскиот домен. Ова може да биде ефикасна имплементација и може да даде суштински каков било одговор на филтерот, вклучувајќи одлични приближувања на филтрите за ѕидови.

Постојат некои најчесто користени трансформации на доменот на фреквенцијата. На пример, цепструмот конвертира сигнал во фреквентниот домен преку Фуриевата трансформација, го зема логаритмот, а потоа применува друга Фуриева трансформација. Ова ја нагласува хармоничната структура на оригиналниот спектар.

Анализа на З-рамнината[уреди | уреди извор]

Дигиталните филтри доаѓаат во два вида IIR и FIR. Додека филтрите FIR се секогаш стабилни, филтрите IIR имаат јамки за повратни информации кои можат да станат нестабилни и осцилирани. Z-трансформацијата обезбедува алатка за анализа на проблемите со стабилноста на дигиталните филтри за IIR. Аналогно е на Лапласовата трансформација, која се користи за дизајнирање и анализа на аналогни IIR филтри.

Бранувач[уреди | уреди извор]

Пример за 2D дискретна бранова трансформација што се користи во JPEG2000. Оригиналната слика е филтрирана со голема пропусност, давајќи ги трите големи слики, секоја опишува локални промени во осветленоста (детали) на оригиналната слика. Потоа се филтрира со низок премин и се намалува, со што се добива приближна слика; оваа слика е филтрирана со висок премин за да се произведат трите помали детални слики и филтрирана со низок премин за да се произведе конечната слика за приближување во горниот лев агол

При бројчена анализа и функционална анализа, дискретна бранова трансформација е секоја брановидна трансформација за која брануваните дискретно се земаат примероци. Како и со другите бранови трансформации, клучна предност што ја има во однос на трансформациите на Фурие е временската резолуција: таа ги доловува информациите за фреквенцијата и местоположбата. Точноста на заедничката резолуција на време-фреквенција е ограничена со принципот на несигурност на временската фреквенција.

Имплементација[уреди | уреди извор]

Алгоритмите DSP можат да се извршуваат на компјутери со општа намена и процесори на дигитални сигнали . Алгоритмите DSP исто така се имплементираат на наменски изграден хардвер, како што се специфични за апликации, интегрирано коло (ASIC). Дополнителни технологии за обработка на дигитален сигнал вклучуваат помоќни микропроцесори за општа намена, поле-програмабилни низи за порти (FPGA), дигитални контролори на сигнали (претежно за индустриски апликации како што се контрола на мотори) и процесори за струја .[9]

За системите кои немаат барање за пресметување во реално време и податоците за сигналот (или влез или излез) постојат во датотеките со податоци, обработката може да се изврши економски со компјутер за општа намена. Ова во суштина не се разликува од која било друга обработка на податоци, освен што се користат математички техники DSP (како што се DCT и FFT), а податоците од примерокот обично се претпоставуваат дека се униформно земени во време и простор. Пример за ваква апликација е обработка на дигитални фотографии со софтвер како што е Adobe Photoshop.

Кога барањето за апликација е во реално време, DSP често се спроведува со употреба на специјализирани или наменски процесори или микропроцесори, понекогаш користејќи повеќе процесори или повеќе јадра за обработка. Овие можат да обработуваат податоци користејќи аритметичка фиксна точка или подвижна точка. За побарувачки апликации може да се користат FPGA .[10] За најсложените апликации или производи со голем обем, ASIC може да бидат дизајнирани специјално за апликацијата.

Апликации[уреди | уреди извор]

Општите области за апликација за DSP вклучуваат

Специфични примери вклучуваат кодирање и пренесување на говор во дигитални мобилни телефони, исправка на просторијата на звукот во апликации за hi-fi и засилување на звукот, анализа и контрола на индустриски процеси, медицински слики како скенирање CAT и МНР, аудио вкрстување и изедначување, дигитални синтисајзери и единици за аудио ефекти.[11]

Техники[уреди | уреди извор]

Поврзано[уреди | уреди извор]

Надворешни врски[уреди | уреди извор]

  1. B. SOMANATHAN NAIR (2002). Digital electronics and logic design. PHI Learning Pvt. Ltd. стр. 289. ISBN 9788120319561. Digital signals are fixed-width pulses, which occupy only one of two levels of amplitude.
  2. Joseph Migga Kizza (2005). Computer Network Security. Springer Science & Business Media. ISBN 9780387204734.
  3. 2000 Solved Problems in Digital Electronics. Tata McGraw-Hill Education. 2005. стр. 151. ISBN 978-0-07-058831-8.
  4. Billings, Stephen A. (септември 2013). Nonlinear System Identification: NARMAX Methods in the Time, Frequency, and Spatio-Temporal Domains. UK: Wiley. ISBN 978-1-119-94359-4.
  5. Broesch, James D.; Stranneby, Dag; Walker, William (20 октомври 2008-10-20). Digital Signal Processing: Instant access (изд. 1.). Butterworth-Heinemann-Newnes. стр. 3. ISBN 9780750689762. Проверете ги датумските вредности во: |date= (help)
  6. Srivastava, Viranjay M.; Singh, Ghanshyam (2013). MOSFET Technologies for Double-Pole Four-Throw Radio-Frequency Switch. Springer Science & Business Media. стр. 1. ISBN 9783319011653.
  7. Walden, R. H. (1999). „Analog-to-digital converter survey and analysis“. IEEE Journal on Selected Areas in Communications. 17 (4): 539–550. doi:10.1109/49.761034.
  8. Candes, E. J.; Wakin, M. B. (2008). „An Introduction To Compressive Sampling“. IEEE Signal Processing Magazine. 25 (2): 21–30. doi:10.1109/MSP.2007.914731.
  9. Stranneby, Dag; Walker, William (2004). Digital Signal Processing and Applications (изд. 2nd.). Elsevier. ISBN 0-7506-6344-8.
  10. JPFix (2006). „FPGA-Based Image Processing Accelerator“. Посетено на 2 декември 2020.
  11. Rabiner, Lawrence R.; Gold, Bernard (1975). Theory and application of digital signal processing. Englewood Cliffs, NJ: Prentice-Hall, Inc. ISBN 978-0139141010.