Właściwości sygnałów i splot. Krzysztof Patan

Podobne dokumenty
Akwizycja i przetwarzanie sygnałów cyfrowych

Przeksztacenie Laplace a. Krzysztof Patan

Teoria systemów i sygnałów Kierunek AiR, sem. 5 2wE + 1l

FFT i dyskretny splot. Aplikacje w DSP

Dyskretne układy liniowe. Funkcja splotu. Równania różnicowe. Transform

uzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem próbkowania t takim, że T = t N 1 t

TRANSFORMATA FOURIERA

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM

Systemy. Krzysztof Patan

Plan wykładu. Własności statyczne i dynamiczne elementów automatyki:

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27

Andrzej Leśnicki Laboratorium CPS Ćwiczenie 7 1/7 ĆWICZENIE 7. Splot liniowy i kołowy sygnałów

Podstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie

TERAZ O SYGNAŁACH. Przebieg i widmo Zniekształcenia sygnałów okresowych Miary sygnałów Zasady cyfryzacji sygnałów analogowych

Przekształcenie Fouriera obrazów FFT

STUDIA MAGISTERSKIE DZIENNE LABORATORIUM SYGNAŁÓW, SYSTEMÓW I MODULACJI. Filtracja cyfrowa. v.1.0

Podstawy Elektrotechniki i Elektroniki. Opracował: Mgr inż. Marek Staude

Induktor i kondensator. Warunki początkowe. oraz ciągłość warunków początkowych

Mechanika Kwantowa. Maciej J. Mrowiński. 24 grudnia Funkcja falowa opisująca stan pewnej cząstki ma następującą postać: 2 x 2 )

Inżynieria Systemów Dynamicznych (3)

Podstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Transmitancje układów ciągłych

Teoria przetwarzania A/C i C/A.

Dystrybucje, wiadomości wstępne (I)

PRZETWARZANIE SYGNAŁÓW

Ćwiczenie 3. Właściwości przekształcenia Fouriera

Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE

Część 1. Transmitancje i stabilność

SIMR 2013/14, Analiza 1, wykład 5, Pochodna funkcji

22. CAŁKA KRZYWOLINIOWA SKIEROWANA

Cyfrowe przetwarzanie i kompresja danych

BADANIE ELEKTRYCZNEGO OBWODU REZONANSOWEGO RLC

Podstawy Automatyki. wykład 1 ( ) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24)

Funkcje - monotoniczność, różnowartościowość, funkcje parzyste, nieparzyste, okresowe. Funkcja liniowa.

Przekształcenie Z. Krzysztof Patan

Zwój nad przewodzącą płytą METODA ROZDZIELENIA ZMIENNYCH

Dystrybucje. Marcin Orchel. 1 Wstęp Dystrybucje Pochodna dystrybucyjna Przestrzenie... 5

VIII. Zastosowanie rachunku różniczkowego do badania funkcji. 1. Twierdzenia o wartości średniej. Monotoniczność funkcji.

Akwizycja i przetwarzanie sygnałów cyfrowych

Macierz A nazywamy macierzą systemu, a B macierzą wejścia.

3. KINEMATYKA Kinematyka jest częścią mechaniki, która zajmuje się opisem ruchu ciał bez wnikania w jego przyczyny. Oznacza to, że nie interesuje nas

Andrzej Leśnicki Laboratorium CPS Ćwiczenie 6 1/8 ĆWICZENIE 6. Dyskretne przekształcenie Fouriera DFT

Filtracja. Krzysztof Patan

WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA

Systemy przetwarzania sygnałów

Tematyka egzaminu z Podstaw sterowania

W naukach technicznych większość rozpatrywanych wielkości możemy zapisać w jednej z trzech postaci: skalara, wektora oraz tensora.

Przetwarzanie sygnałów

FUNKCJE. 1. Podstawowe definicje

Teoria sterowania - studia niestacjonarne AiR 2 stopień

Wzór Maclaurina. Jeśli we wzorze Taylora przyjmiemy x 0 = 0 oraz h = x, to otrzymujemy tzw. wzór Maclaurina: f (x) = x k + f (n) (θx) x n.

DYSKRETNE PRZEKSZTAŁCENIE FOURIERA C.D.

Prąd przemienny - wprowadzenie

Przetwarzanie sygnałów biomedycznych

Siła elektromotoryczna

Zajęcia nr 1 (1h) Dwumian Newtona. Indukcja. Zajęcia nr 2 i 3 (4h) Trygonometria

4.2 Analiza fourierowska(f1)

Wykład 2: Szeregi Fouriera

Ruch drgający. Ruch harmoniczny prosty, tłumiony i wymuszony

Przetwarzanie sygnałów

Wykład 5. Zagadnienia omawiane na wykładzie w dniu r

Transformaty. Kodowanie transformujace

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

Stabilność. Krzysztof Patan

lim Np. lim jest wyrażeniem typu /, a

A-2. Filtry bierne. wersja

Podstawy Automatyki. Wykład 2 - podstawy matematyczne. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Układy z regulatorami P, PI oraz PID

Kompresja Danych. Streszczenie Studia Dzienne Wykład 13, f(t) = c n e inω0t, T f(t)e inω 0t dt.

SPRZĘTOWA REALIZACJA FILTRÓW CYFROWYCH TYPU SOI

POMIARY WIELKOŚCI NIEELEKTRYCZNYCH

Transformata Fouriera i analiza spektralna

Akwizycja i przetwarzanie sygnałów cyfrowych

III. Funkcje rzeczywiste

dr inż. Artur Zieliński Katedra Elektrochemii, Korozji i Inżynierii Materiałowej Wydział Chemiczny PG pokój 311

Podstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

1. PODSTAWY TEORETYCZNE

Własności dynamiczne przetworników pierwszego rzędu

ELEKTRONIKA W EKSPERYMENCIE FIZYCZNYM

SZEREGI LICZBOWE I FUNKCYJNE

1 Przestrzeń liniowa. α 1 x α k x k = 0

Podstawy Akustyki. Drgania normalne a fale stojące Składanie fal harmonicznych: Fale akustyczne w powietrzu Efekt Dopplera.

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji.

Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI)

METODY MATEMATYCZNE I STATYSTYCZNE W INŻYNIERII CHEMICZNEJ

Katedra Elektrotechniki Teoretycznej i Informatyki

PODSTAWY RACHUNKU WEKTOROWEGO

Drgania i fale II rok Fizyk BC

II. RÓŻNICZKOWANIE I CAŁKOWANIE NUMERYCZNE Janusz Adamowski

Wykład 2. Kinematyka. Podstawowe wielkości opisujące ruch. W tekście tym przedstawię podstawowe pojecia niezbędne do opiosu ruchu:

PAiTM. materiały uzupełniające do ćwiczeń Wydział Samochodów i Maszyn Roboczych studia inżynierskie prowadzący: mgr inż.

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

CYFROWE PRZETWARZANIE SYGNAŁÓW

2. Próbkowanie Sygnały okresowe (16). Trygonometryczny szereg Fouriera (17). Częstotliwość Nyquista (20).

WSTĘP DO ELEKTRONIKI

Transformata Fouriera. Krzysztof Patan

Matematyka dyskretna. Andrzej Łachwa, UJ, /15

Matematyka A kolokwium: godz. 18:05 20:00, 24 maja 2017 r. rozwiązania. ) zachodzi równość: x (t) ( 1 + x(t) 2)

Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L

Transkrypt:

Właściwości sygnałów i splot Krzysztof Patan

Właściwości sygnałów Dla sygnału ciągłego x(t) można zdefiniować wielkości liczbowe charakteryzujące ten sygnał wartość średnia energia sygnału x sr = lim τ τ τ τ x(t)dt τ E x = lim x(t) dt τ τ moc sygnału P x = lim τ τ τ τ x(t) dt

znak wartości bezwzględnej jest istotny w przypadku sygnałów o wartościach zespolonych np, energia wydzielana na oporze τ E = lim u(t)i(t)dt = lim τ τ τ R τ τ τ u (t)dt = lim R i (t)dt τ jeśli R = Ω, to E = E x, zaś u(t) lub i(t) odgrywa rolę sygnału x(t) jest sygnałem o ograniczonej energii jeśli 0 < E x < x(t) jest sygnałem o ograniczonej mocy jeśli 0 < P x < prawdziwe są implikacje: τ E x (0, ) P x = 0, P x (0, ) E x = klasy sygnałów o ograniczonej energii i ograniczonej mocy są rozłączne; sygnał może należeć tylko do jednej z tych klas

Dla sygnału dyskretnego x[n] można zdefiniować wielkości liczbowe charakteryzujące ten sygnał wartość średnia energia sygnału moc sygnału x sr = lim N E x = lim P x = lim N N + N N n= N N + N n= N x[n] N n= N x[n] x[n]

Sygnał x(t) (x[n]) ma skończony czas trwania jeżeli przybiera wartości niezerowe w przedziale o skończonej długości Sygnały o skończonym czasie trwania sygnały impulsowe Sygnał x(t) (x[n]) na ograniczoną wartość (jest sygnałem ograniczonym) jeżeli istnieje taka stała M o skończonej wartości, że lub t (, + ) < n < + x(t) M x[n] M Uwaga! Każdy sygnał ograniczony o skończonym czasie trwania ma ograniczoną energię

Sygnały występujące w przyrodzie zawsze pochodzą ze źródeł o ograniczonej energii Sygnały o ograniczonej mocy nie mają fizycznych odpowiedników, ale są wygodnymi modelami teoretycznymi, zwłaszcza przy analizie sygnałów okresowych Nie można uzasadnić celowości stosowania sygnałów o nieskończonej mocy Sygnały o zerowej energii są mało interesujące i nie są stosowane nawet teoretycznie

Przykład Wyznaczyć wartość średnią, energię i moc sygnału x(t) = sin(t) + cos(t) + Wyznaczyć wartość średnią, energię i moc impulsu prostokątnego dla n 5 x[n] = 0 dla n > 5 Uwaga! Wykorzystać zależności: sin (x) = ( cos(x)) cos (x) = ( + cos(x)) sin(x) cos(x) = sin(x)

Proste przekształcenia sygnałów Przesunięcie w czasie przejście sygnału x(t) przez układ (oprócz innych zniekształceń) powoduje jego opóźnienie opóźnienie sygnału jest spowodowane występowaniem w układzie elementów magazynujących energię, np. indukcyjności i pojemności jeżeli przesunięcie czasowe T > 0 to opóźniona wersja sygnału x(t) jest równa x(t T ) rozpatruje się także wyprzedzanie sygnału x(t + T ) jest to operacja nierealizowalna w świecie fizycznym (możliwość przewidywania przyszłości) operację wyprzedzenia można zastosować w przypadku, gdy dysponuje się uprzednio zmierzonym sygnałem operacje opóźnienia dla sygnałów dyskretnych wyprowadza się w podobny sposób

Zmiana skali czasu załóżmy a > 0, sygnał x(at) jest przeskalowaną wersją x(t) gdy a > sygnał zostaje przyspieszony gdy a < sygnał zostaje spowolniony rozpatrzmy nagranie muzyczne ( ) t gdy x nagranie jest odtwarzane z prędkością dwukrotnie mniejszą gdy x(t) nagranie jest odtwarzane z prędkością dwukrotnie większą Inwersja czasu inwersja sygnału x(t) to sygnał x( t) inwersja czasu nie jest operacją realizowalną fizycznie dla nagrania muzycznego to proces odtwarzania nagrania do tyłu

Przykład Narysować sygnały x(t) = (t) + (t T ) + (t T ) 3 (t 3T ) x(t) = r(t) r(t a) gdzie r(t) = t dla t 0 3 x[n] = [n + ] + [n 4] 4 dany jest sygnał cos(t) dla π t π x(t) = 0 w innych przypadkach dokonać opóźnienia sygnału o 5 jednostek czasu, a następnie dokonać jego inwersji

Składowe sygnału sygnał x(t) (x[n]) ma symetrię parzystą jeśli x(t) = x( t) lub x[n] = x[ n] sygnał x(t) (x[n]) ma symetrię nieparzystą jeśli x(t) = x( t) lub x[n] = x[ n] każdy sygnał można zdekomponować na zmienną parzystą x p (t) i nieparzystą x n (t) x(t) + x( t) składowa parzysta x p (t) = x(t) x( t) składowa nieparzysta x n (t) = Przykład 3 Wyznaczyć składowe parzystą i nieparzystą sygnału sinusoidalnego

Składowe sygnału sygnał x(t) (x[n]) ma symetrię parzystą jeśli x(t) = x( t) lub x[n] = x[ n] sygnał x(t) (x[n]) ma symetrię nieparzystą jeśli x(t) = x( t) lub x[n] = x[ n] każdy sygnał można zdekomponować na zmienną parzystą x p (t) i nieparzystą x n (t) x(t) + x( t) składowa parzysta x p (t) = x(t) x( t) składowa nieparzysta x n (t) = Przykład 3 Wyznaczyć składowe parzystą i nieparzystą sygnału sinusoidalnego

Sygnały okresowe Sygnały okresowe tworzą ważną klasę sygnałów Sygnał nazywa się okresowym o okresie T jeśli T > 0, t R x(t) = x(t + T ) W każdej chwili czasu t przesunięcie na osi czasu o okres lub jego wielokrotność nie zmienia wartości sygnału Liczbę T nazywa się okresem podstawowym sygnału

Własności sygnałów okresowych wartość średnia x sr = T T T x(t)dt lub x sr = T <T > x(t)dt Wartość średnia sygnału okresowego jest równa wartości średniej w jednym okresie T energia sygnału T E x = lim ne x(t ), E x (T ) = x(t) dt n T Jeżeli energia sygnału przypadająca na podedynczy okres E x (T ) jest różna od zera, to całkowita energia sygnału E x jest nieskończona

moc sygnału P x = T T t x(t) dt lub T <T > x(t) dt Moc średnia sygnału okresowego jest równa mocy średniej w jednym okresie T wartość skuteczna x sk = P x Wartość skuteczna jest często wykorzystywana w analizie obwodów elektrycznych

Dystrybucja Diraca (delta Diraca, impuls jednostkowy) Dystrybucja Diraca impuls o nieskończenie krótkim czasie trwania, nieskończonej amplitudzie i polu równym jedności Sygnał spełnia warunki δ(t) = 0 dla t 0 Stosując przesunięcie w czasie δ(t)dt = δ(t t 0 ) = 0 dla t t 0 δ(t t 0 )dt =

Właściwości dystrybucji Diraca kδ(t)dt = k 0δ(t) = 0 Całka dystrybucji Diraca x(t)δ(t t 0 ) = x(t 0 )δ(t t 0 ) t δ(τ)dτ = (t), czyli d (t) = δ(t) dt

Reprezentacja sygnału ciągłego Sygnał ciągły x(t) można zaproksymować za pomocą sumy przesuniętych przeskalowanych impulsów x(t) ˆx(t) 0 t ˆx(t) = x(k ), k < t < (k + )

impuls jednostkowy δ (t) δ (t) pole powierzchni = 0 t x(k )δ (t k ) x(k ) k (k+) t ˆx(t) = x(k )δ (t k ) w granicy, gdy 0 x(t) = x(τ)δ(t τ)dτ

δ(t) impuls jednostkowy impuls jednostkowy jest sygnałem, który podany na wejście dowolnego liniowego układu stacjonarnego powoduje wygenerowanie odpowiedzi równej odpowiedzi impulsowej tego układu: δ(t) h(t) = h(t) h(t) gdzie h(t) odpowiedź impulsowa

x(t) System ciągły δ (t) h (t) y(t) ˆx(t) = x(k )δ (t k ) ŷ(t) = x(k )h (t k ) k= k= Odpowiedź impulsowa δ(t) h(t) w granicy, gdy 0 x(t) = x(τ)δ(t τ)dτ y(t) = x(τ)h(t τ)dτ } {{ } splot

Operowanie splotem w czasie ciągłym h(τ) Przykład 4 odwróć y(t) = x(t) h(t) = h( τ) pomnóż x(τ)h(t τ) x(τ)h(t τ)dτ przesuń h(t τ) scałkuj x(τ)h(t τ)dτ x(t) * h(t) x(τ) 3 t - - h(t τ) t 3 τ t+ t+ τ

Operowanie splotem w czasie ciągłym h(τ) Przykład 4 odwróć y(t) = x(t) h(t) = h( τ) pomnóż x(τ)h(t τ) x(τ)h(t τ)dτ przesuń h(t τ) scałkuj x(τ)h(t τ)dτ x(t) * h(t) x(τ) 3 t - - h(t τ) t 3 τ t+ t+ τ

Przykład 4 cd Przedział x(τ) h(t τ) Wyjście t < 0 y(t) = 0 < t < 0 t+ y(t) = (t + ) 0 < t < t+ y(t) = < t < t+ t+ y(t) = (t ) t+ 3 t+ t > 0 y(t) = 0 Pytanie: Jak wygląda y(t) w całej dziedzinie?

Właściwości splotu w czasie ciągłym Przemienność: x(t) h(t) = h(t) x(t) Łączność: x(t) (v(t) w(t)) = (x(t) v(t)) w(t) 3 Rozdzielność względem dodawania: x(t) (v(t) + w(t)) = x(t) v(t) + x(t) w(t) 4 Przesunięcie w dziedzinie czasu: y(t t 0 ) = x(t t 0 ) h(t) = x(t) h(t t 0 ) 5 Splot z impulsem jednostkowym: x(t) = x(t) δ(t), x(t) δ(t t 0 ) = x(t t 0 )

6 Pochodna splotu: d dx(t) (x(t) v(t)) = v(t) dt dt założenia: (i) funkcja x(t) jest różniczkowalna, (ii) splot x(t) v(t) istnieje i jest różniczkowalny 7 Całka splotu: t x(τ) v(τ)dτ = t t x(τ)dτ v(τ) = x(τ) v(τ)dτ

Próbkowanie Sygnał dyskretny (spróbkowany) otrzymujemy z ciągłego (próbkowanego) poprzez próbkowanie Do próbkowania wykorzystuje się sygnał próbkujący Jako sygnału próbkującego wykorzystuje się sygnał impulsowy o okresie T s δts(t) = δ(t nt s ) () n= sygnał () nosi nazwę okresowego sygnału impulsowego lub sygnału grzebieniowego Sygnał spróbkowany ma postać x s (t) = x(t) δ(t nt s ) = x(t)δ(t nt s ) = x(nt s )δ(t nt s ) n= n= n= Sygnał spróbkowany jest równy zeru z wyjątkiem dyskretnych chwil czasowych, w których jest reprezentowany przez impulsy δ o polu równym x(nt s )

-.5 x(t).5.0 δ Ts (t).005 0.5 0 0.995-0.5 0.99 - -6-4 - 0 4 6 t 0.985-6 -4-0 4 6 t x s(t).5 0.5 x(t) x s (t) 0-0.5 δ Ts (t) - -.5-6 -4-0 4 6 t

Reprezentacja sygnału dyskretnego Sygnał dyskretny można reprezentować jako kombinację liniową przesuniętych sygnałów δ[n] - x[ ] x[0] x[] 0 x[] x[n] n x[] x[]δ[n ] x[0] x[0]δ[n] n 0 n - x[ ] x[] x[]δ[n ] n x[ ]δ[n+] n

Sposób formalny x[n] = +x[ ]δ[n+]+x[ ]δ[n+]+x[0]δ[n]+x[]δ[n ]+... czyli gdzie x[n] = x[k]δ[n k] k= x[k] współczynniki, δ[n k] sygnały bazowe

x[n] System dyskretny y[n] Załóżmy, że system jest liniowy Zdefiniujmy h k [n] jako odpowiedź na sygnał δ[n k] δ[n k] h k [n] Z zasady superpozycji otrzymujemy x[n] = x[k]δ[n k] y[n] = x[k]h k [n] k= k=

Odpowiedź impulsowa Załóżmy, że system jest liniowy i niezmienny w czasie δ[n] h[n] Z zasady niezmienności w czasie otrzymujemy Ostatecznie x[n] = k= δ[n k] h[n k] x[k]δ[n k] y[n] = x[k]h[n k] } k= {{ } splot

Operowanie splotem w czasie dyskretnym Interpretacja y[n] = x[n] h[n] = x[k]h[n k] k= δ[n] h[n] 0 n 0 n x[k]δ[n k] x[k]h[n k] k n k n sumujemy po wszystkich k

Przykład 5 x[n] h[n] 0 - n 0 - - n 0 h[n k] - - x[k] k - n k y[n] = 0, dla n < y[ ] = x[0]h[ ] = = y[0] = x[0]h[0] + x[]h[ ] = + 0 = y[] = x[0]h[] + x[]h[0] + x[]h[ ] = [ ] + 0 + [ ] = y[] = x[0]h[] + x[]h[] + x[]h[0] = [ ] + 0 [ ] + [ ] = 3 y[3] =x[]h[]+x[]h[] = 0 [ ]+[ ] [ ] = y[4] = x[]h[] = [ ] [ ] = y[n] = 0, dla n > 4

Schemat obliczeniowy splotu w czasie dyskretnym h[0] h[] h[] h[3] x[0] x[0]h[0] x[0]h[] x[0]h[] x[0]h[3] x[] x[]h[0] x[]h[] x[]h[] x[]h[3] x[] x[]h[0] x[]h[] x[]h[] x[]h[3] x[3] x[3]h[0] x[3]h[] x[3]h[] x[3]h[3]

Właściwości splotu w czasie dyskretnym Przemienność: x[n] h[n] = h[n] x[n] Łączność: x[n] (v[n] w[n]) = (x[n] v[n]) w[n] 3 Rozdzielność względem dodawania: x[n] (v[n] + w[n]) = x[n] v[n] + x[n] w[n] 4 Przesunięcie w dziedzinie czasu: y[n k] = x[n k] h[n] = x[n] h[n k] 5 Splot z impulsem jednostkowym: x[n] δ[n n 0 ]=x[n n 0 ] (x[n] δ[n]=x[n])

6 Sumator: y[n] = n k= x[k] jeśli x[n] = δ[n] to h[n] = n k= gdzie u[n] skok jednostkowy, czyli δ[k] = u[n] y[n] = x[n] h[n] = x[n] u[n] = 7 Odpowiedź na skok jednostkowy: s[n] = u[n] h[n] = h[n] u[n] = n k= n k= x[k] h[k]