Zpracování digitálních signálů - Digital signal processing

Digitální zpracování signálu ( DSP ) je použití digitálního zpracování , například pomocí počítačů nebo specializovanějších procesorů digitálního signálu , k provádění široké škály operací zpracování signálu . Tyto digitální signály zpracované tímto způsobem jsou sekvence čísel, které představují vzorky z a spojité proměnné v doméně, jako například čas, prostor, nebo frekvence. V digitální elektronice je digitální signál reprezentován jako sled impulsů , který je obvykle generován spínáním tranzistoru .

Digitální zpracování signálu a zpracování analogového signálu jsou podpolí zpracování signálu. DSP aplikace zahrnují zvuku a zpracování řeči , sonar , radar a další snímací pole zpracování, spektrální odhad hustoty , statistické zpracování signálu , digitální zpracování obrazu , komprese dat , kódování videa , audio kódování , kompresi obrazu , zpracování signálu pro telekomunikační , řídicí systémy , biomedicínské mimo jiné inženýrství a seismologie .

DSP může zahrnovat lineární nebo nelineární operace. Nelineární zpracování signálu úzce souvisí s nelineární identifikací systému a může být implementováno v časové , frekvenční a časoprostorové doméně .

Aplikace digitálních výpočtů na zpracování signálu umožňuje mnoho výhod oproti analogovému zpracování v mnoha aplikacích, jako je detekce chyb a korekce při přenosu, stejně jako komprese dat . Digitální zpracování signálu je také zásadní pro digitální technologie , jako je digitální telekomunikace a bezdrátová komunikace . DSP je použitelný jak pro streamovaná data, tak pro statická (uložená) data.

Vzorkování signálu

Aby bylo možné digitálně analyzovat a manipulovat s analogovým signálem, musí být digitalizován převodníkem analogového signálu na digitální (ADC). Odběr vzorků se obvykle provádí ve dvou fázích, diskretizace a kvantizace . Diskretizace znamená, že signál je rozdělen na stejné časové intervaly a každý interval je reprezentován jediným měřením amplitudy. Kvantizace znamená, že každé měření amplitudy je aproximováno hodnotou z konečné sady. Zaokrouhlení reálných čísel na celá čísla je příklad.

Nyquist-Shannon vzorkovací teorém říká, že signál může být přesně rekonstruovány z jeho vzorků v případě, že vzorkovací frekvence je větší než dvojnásobek nejvyšší frekvenční složky v signálu. V praxi je vzorkovací frekvence často výrazně vyšší než tato.

Teoretické analýzy a derivace DSP se obvykle provádějí na modelech signálů v diskrétním čase bez nepřesností amplitudy ( chyba kvantování ), „vytvořených“ abstraktním procesem vzorkování . Numerické metody vyžadují kvantovaný signál, například ty, které produkuje ADC. Zpracovaným výsledkem může být frekvenční spektrum nebo sada statistik. Ale často je to další kvantovaný signál, který je převeden zpět do analogové formy pomocí převodníku digitálního signálu na analogový (DAC).

Domény

V DSP inženýři obvykle studují digitální signály v jedné z následujících domén: časová doména (jednorozměrné signály), prostorová doména (vícerozměrné signály), frekvenční doména a vlnkové domény. Vyberou si doménu, ve které zpracovávají signál, a to tak, že učiní informovaný předpoklad (nebo vyzkouší různé možnosti), která doména nejlépe reprezentuje základní charakteristiky signálu a zpracování, které se na něj má použít. Sekvence vzorků z měřicího zařízení vytváří reprezentaci časové nebo prostorové domény, zatímco diskrétní Fourierova transformace vytváří reprezentaci frekvenční domény.

Časové a vesmírné domény

Časová doména se týká analýzy signálů s ohledem na čas. Podobně se vesmírná doména týká analýzy signálů s ohledem na polohu, např. Umístění pixelu pro případ zpracování obrazu.

Nejběžnějším přístupem ke zpracování v časové nebo prostorové doméně je vylepšení vstupního signálu pomocí metody zvané filtrování. Digitální filtrování obecně sestává z určité lineární transformace několika okolních vzorků kolem aktuálního vzorku vstupního nebo výstupního signálu. Okolní vzorky lze identifikovat s ohledem na čas nebo prostor. Výstup lineárního digitálního filtru na jakýkoli daný vstup lze vypočítat spojením vstupního signálu s impulzní odezvou .

Frekvenční doména

Signály jsou převáděny z časové nebo prostorové domény do frekvenční domény obvykle pomocí Fourierovy transformace . Fourierova transformace převádí informace o čase nebo prostoru na velikost a fázi každé frekvence. U některých aplikací může být významným faktorem to, jak se fáze mění s frekvencí. Tam, kde je fáze nedůležitá, se Fourierova transformace často převádí na výkonové spektrum, což je velikost každé frekvenční složky na druhou.

Nejběžnějším účelem analýzy signálů ve frekvenční oblasti je analýza vlastností signálu. Inženýr může studovat spektrum a určit, které frekvence jsou přítomny ve vstupním signálu a které chybí. Analýza frekvenční domény se také nazývá spektrální nebo spektrální analýza .

Filtrování, zejména v práci, která není v reálném čase, lze také dosáhnout ve frekvenční oblasti, použitím filtru a následným převodem zpět do časové oblasti. To může být efektivní implementace a může poskytnout v podstatě jakoukoli odezvu filtru, včetně vynikající aproximace filtrů brickwall .

Existuje několik běžně používaných transformací frekvenční domény. Cepstrum například převádí signál na frekvenční doménu pomocí Fourierovy transformace, vezme logaritmus a poté použije další Fourierovu transformaci. To zdůrazňuje harmonickou strukturu původního spektra.

Analýza Z-roviny

Digitální filtry se dodávají v typech IIR i FIR. Zatímco filtry FIR jsou vždy stabilní, filtry IIR mají smyčky zpětné vazby, které mohou být nestabilní a oscilovat. Z-transformace poskytuje nástroj pro analýzu problémy se stabilitou digitálních IIR filtrů. Je to analogické s Laplaceovou transformací , která se používá k návrhu a analýze analogových filtrů IIR.

Autoregresní analýza

Signál je reprezentován jako lineární kombinace jeho předchozích vzorků. Koeficienty kombinace se nazývají autoregresní koeficienty. Tato metoda má vyšší frekvenční rozlišení a ve srovnání s Fourierovou transformací dokáže zpracovat kratší signály. Pronyho metodu lze použít k odhadu fází, amplitud, počátečních fází a rozpadů složek signálu. Předpokládá se, že součásti jsou složité rozpadající se exponenty.

Časově-frekvenční analýza

Časově-frekvenční reprezentace signálu může zachytit jak časový vývoj, tak frekvenční strukturu analyzovaného signálu. Časové a frekvenční rozlišení je omezeno zásadou nejistoty a kompromis je upraven šířkou okna analýzy. Pro znázornění signálu v časově-frekvenční rovině se používají lineární techniky jako Shortierova Fourierova transformace , vlnková transformace , filtrační banka , nelineární (např. Wignerova-Villeho transformace ) a autoregresní metody (např. Segmentovaná Pronyho metoda). Nelineární a segmentované metody Prony mohou poskytnout vyšší rozlišení, ale mohou produkovat nežádoucí artefakty. Pro analýzu nestacionárních signálů se obvykle používá časově-frekvenční analýza. Například metody základního odhadu frekvence , jako jsou RAPT a PEFAC, jsou založeny na spektrální analýze v okně.

Wavelet

Příklad 2D diskrétní vlnkové transformace, která se používá v JPEG2000 . Původní obrázek je filtrován horním průchodem, čímž se získají tři velké obrázky, z nichž každý popisuje místní změny jasu (podrobnosti) na původním obrázku. Poté je filtrován nízkoprůchodovým filtrem a zmenšen, čímž se získá přibližný obraz; tento obrázek je filtrován horním průchodem a vytváří tři menší detaily a nízkoprůchodový filtr vytváří konečný přibližný obraz v levém horním rohu.

V numerické analýze a funkční analýze je diskrétní waveletovou transformací jakákoli waveletová transformace, pro kterou jsou diskrétně vzorkovány vlnky . Stejně jako u jiných vlnkových transformací je klíčovou výhodou oproti Fourierovým transformacím časové rozlišení: zachycuje informace o frekvenci i poloze. Přesnost společného rozlišení časová frekvence je omezena principem nejistoty časové frekvence.

Empirický režim rozkladu

Empirický režim dekompozice je založen na signálu rozkladu na funkce vnitřního režimu (IMF). MMF jsou kvaziharmonické kmity, které jsou extrahovány ze signálu.

Implementace

Algoritmy DSP lze spustit na počítačích pro všeobecné použití a na procesorech digitálního signálu . Algoritmy DSP jsou také implementovány na účelovém hardwaru, jako je integrovaný obvod specifický pro aplikaci (ASIC). Mezi další technologie pro zpracování digitálního signálu patří výkonnější mikroprocesory pro všeobecné použití , jednotky pro zpracování grafiky , pole programovatelných hradel (FPGA), řadiče digitálního signálu (většinou pro průmyslové aplikace, jako je řízení motoru) a stream procesory .

U systémů, které nemají výpočetní požadavek v reálném čase a signální data (vstupní nebo výstupní) existují v datových souborech, lze zpracování provádět ekonomicky pomocí počítače pro všeobecné použití. To se v zásadě neliší od jakéhokoli jiného zpracování dat , kromě toho, že se používají matematické techniky DSP (jako jsou DCT a FFT ) a u vzorkovaných dat se obvykle předpokládá, že jsou vzorkovány rovnoměrně v čase nebo prostoru. Příkladem takové aplikace je zpracování digitálních fotografií pomocí softwaru, jako je Photoshop .

Když je požadavek aplikace v reálném čase, DSP je často implementován pomocí specializovaných nebo vyhrazených procesorů nebo mikroprocesorů, někdy pomocí více procesorů nebo více procesorových jader. Ty mohou zpracovávat data pomocí aritmetiky s pevnou řádovou čárkou nebo s pohyblivou řádovou čárkou. Pro náročnější aplikace lze použít FPGA . Pro nejnáročnější aplikace nebo velkoobjemové produkty mohou být ASIC navrženy speciálně pro danou aplikaci.

Aplikace

Obecné oblasti použití pro DSP zahrnují

Mezi konkrétní příklady patří kódování a přenos řeči v digitálních mobilních telefonech , korekce zvuku v místnostech v aplikacích hi-fi a ozvučení , analýza a řízení průmyslových procesů , lékařské zobrazování, jako jsou skenování CAT a MRI , zvukové křížení a ekvalizace , digitální syntetizéry a jednotky zvukových efektů .

Techniky

Související pole

Reference

Další čtení

  • N. Ahmed a KR Rao (1975). Ortogonální transformace pro digitální zpracování signálu. Springer-Verlag (Berlín-Heidelberg-New York), ISBN  3-540-06556-3 .
  • Jonathan M. Blackledge, Martin Turner: Digital Signal Processing: Mathematical and Computational Methods, Software Development and Applications , Horwood Publishing, ISBN  1-898563-48-9
  • James D. Broesch: Digital Signal Processing Demystified , Newnes, ISBN  1-878707-16-7
  • Paul M. Embree, Damon Danieli: Algoritmy C ++ pro zpracování digitálního signálu , Prentice Hall, ISBN  0-13-179144-3
  • Hari Krishna Garg: Algoritmy pro zpracování digitálního signálu , CRC Press, ISBN  0-8493-7178-3
  • P. Gaydecki: Základy zpracování digitálního signálu: teorie, algoritmy a návrh hardwaru , Instituce elektrotechniků, ISBN  0-85296-431-5
  • Ashfaq Khan: Základy zpracování digitálního signálu , Charles River Media, ISBN  1-58450-281-9
  • Sen M. Kuo, Woon-Seng Gan: Digital Signal Processors: Architectures, Implementations, and Applications , Prentice Hall, ISBN  0-13-035214-4
  • Paul A. Lynn, Wolfgang Fuerst: Úvodní digitální zpracování signálu s počítačovými aplikacemi , John Wiley & Sons, ISBN  0-471-97984-8
  • Richard G. Lyons: Understanding Digital Signal Processing , Prentice Hall, ISBN  0-13-108989-7
  • Vijay Madisetti, Douglas B. Williams: The Digital Signal Processing Handbook , CRC Press, ISBN  0-8493-8572-5
  • James H. McClellan , Ronald W. Schafer , Mark A. Yoder: Signal Processing First , Prentice Hall, ISBN  0-13-090999-8
  • Bernard Mulgrew, Peter Grant, John Thompson: Digital Signal Processing-Concepts and Applications , Palgrave Macmillan, ISBN  0-333-96356-3
  • Boaz Porat: Kurz digitálního zpracování signálu , Wiley, ISBN  0-471-14961-6
  • John G. Proakis, Dimitris Manolakis : Digital Signal Processing: Principles, Algorithms and Applications , 4th ed, Pearson, April 2006, ISBN  978-0131873742
  • John G. Proakis: Samostudijní příručka pro zpracování digitálního signálu , Prentice Hall, ISBN  0-13-143239-7
  • Charles A. Schuler: Digital Signal Processing: A Hands-On Approach , McGraw-Hill, ISBN  0-07-829744-3
  • Doug Smith: Technologie zpracování digitálního signálu: Základy komunikační revoluce , American Radio Relay League, ISBN  0-87259-819-5
  • Smith, Steven W. (2002). Digitální zpracování signálu: Praktická příručka pro inženýry a vědce . Newnes. ISBN 0-7506-7444-X.
  • Stein, Jonathan Yaakov (2000-10-09). Digitální zpracování signálu, perspektiva informatiky . Wiley. ISBN 0-471-29546-9.
  • Stergiopoulos, Stergios (2000). Pokročilá příručka pro zpracování signálu: Teorie a implementace pro systémy radaru, sonaru a lékařského zobrazování v reálném čase . Stiskněte CRC. ISBN 0-8493-3691-0.
  • Van De Vegte, Joyce (2001). Základy zpracování digitálního signálu . Prentický sál. ISBN 0-13-016077-6.
  • Oppenheim, Alan V .; Schafer, Ronald W. (2001). Zpracování signálu v diskrétním čase . Pearson. ISBN 1-292-02572-7.
  • Hayes, Monson H. Statistické zpracování digitálního signálu a modelování. John Wiley & Sons, 2009. (se skripty MATLAB )