Voi olla noin hyödyntää tätä aihetta

A

Aya2002

Guest
Näytteenotto---------------------------
Muuntaa analogisen signaalin digitaaliseksi yksi on välttämätön askel tietokoneesta
Analysoi signaali: nykyaikaiset tietokoneet ovat digitaalisia koneita, ja voi tallentaa vain digitaalisen arvoja.

, the continuous variable, with nTs
, a discrete value.

Vuonna jatkuva funktio x (t), emme korvaa t,

jatkuva muuttuja, joka NTS,
diskreetti arvo.

to index the discrete array, and Ts
is the sampling period, the amount of time between two samples.

Käytämme n
indeksoivan diskreetti jono, ja Ts
on näytteenoton ajankohta, määrä aikaa kaksi näytettä.Näytteenottolinjan aika on käänteistä näytteenottotiheys fs eli Ts = 1/fs.

Ennen kuin voimme puhua näytteenotto, Sanokaamme taajuusalueella signaalin
että olemme kiinnostuneita kaistanleveys.Joskus emme yksinkertaisesti käyttää eniten
taajuus kuin kaistanleveys, mikä merkitsee sitä, että olemme kiinnostuneita kaikista taajuusvälillä 0 Hz ja suurin.Muina aikoina voi olla rajoitettu, esimerkiksi näkyvän valon taajuuksia.

applies to the case when the sampling rate is exactly twice

the bandwidth, B. This means that we will record the signal just fast enough to properly reconstruct it later, ie, fs = 2B.

Termi kriittinen näytteenotto

sovelletaan silloin, kun näytteenottotaajuus on tasan kaksi kertaa

kaistanleveys, B. Tämä tarkoittaa, että tallennamme signaalin juuri tarpeeksi nopeasti kunnolla rekonstruoida sen myöhemmin, eli fs = 2B.

, fs ≥2B, and choosing the lowest possible sampling frequency.

Saamme tämä arvo perustuu Nyquist

n arviointiperusteen
fs ≥ 2B, ja valitsemalla mahdollisimman alhaisin näytteenottotiheys.

is taking samples more frequently than needed (or more than 2 times the bandwidth).

Oversampling

on ottaa näytteitä useammin kuin tarvitaan (tai yli 2 kertaa kaistanleveys).Tämä johtaa enemmän näytteitä kuin tarvitaan.may be something you would want to do if you are working with cheap hardware, such as an inexpensive digital-to-analog converter, which appears to be the case with CD players.

Voit käyttää Oversampling, mutta et ehkä halua johtuu laitteiston rajoituksia, kuten ei voi käsitellä sitä tarpeeksi nopeasti, tai että he eivät voi tallentaa sen muistiin. Oversampling

voi olla jotain mitä haluaisi tehdä, jos olet työskennellyt halvat laitteet, kuten edullinen digitaalinen-analoginen muunnin, joka näyttää olevan CD-soittimia.Edullinen digitaalinen-analoginen muunnin voi käyttää yksinkertaisen askel toimintoa uudestaan signaali.Näin ollen lisää näytteitä on työtä,
sitä pienempi välinen aika näytteistä, ja sitä paremmin se on lähellä alkuperäistä.Vastaväitteenä esimerkiksi käsittelyyn (ja varastointi) lämpötilaa joka s tuottaa valtavan määrän tietoa ei saada ennustamiseksi huomisen säästä.

occurs when we do not take samples often enough, less than twice the bandwidth.

Undersampling

tapahtuu, kun emme ota näytteet riittävän usein, vähintään kaksi kertaa kaistanleveys.Ette halua käyttää tätä, koska et voi rekonstruoida signaali.Lisäksi kaikki analyysi tehdään undersampled signaali saattaa olla virheellinen (kuten sanomme tietokoneiden ohjelmointi, \ roskat sisään, roskat ulos ").

x [n] = x (NTS) kuvataan näytteenotto prosessi.Ts on näytteenottoaikaa, kun taas
n on indeksi.Tämä tarkoittaa sitä, että jatkuva signaali x on muuntaa digitaalisen
edustus.x [n] ei ole täsmälleen sama kuin x (t).Se ei voi olla, koska x (t) on
jatkuvaa.Parhaimmillaan x [n] on hyvän likiarvon x (t).

Aika signaali siitä, kuinka kauan ennen kuin se toistaa itseään.Jotta sinusoid,
Me tarvitsemme vain taajuus f, koska olemme määrittää ajanjakson T = 1 / f.
Esimerkki:Jos me käytetään x (t) alla ja otokseen sen 20 kHz, kuinka monta näytettä me olisimme
jälkeen 60 ms?

x (t) = 3 cos (2Π404t Π / 4) 2 cos (2Π6510) cos (2Π660t-Π / 5)
Vastaus:Ensimmäinen asia huomautus on se, että näytteiden lukumäärä ei todellakaan riipu
signaali itse.Se on kaikkien meidän on vastattava tähän kysymykseen on 20 kHz näytteenotto
verokanta (fs) ja kokonaisaika 60 ms.

Näytteenottoaika on 1 / (20 kHz) tai 1 / (20000 Hz).Koska Hz on sykliä / s,
1/Hz olisi s / sykliä tai vain sekunnin.Otamme ensimmäistä näytettä aika = 0,
odota sitten 1 / (20000) sekuntia, ja ottaa toisen, ja jatkaa, kunnes 60 ms = 0,060 sekuntia on.

Voit etsiä numeerinen vastaus, kerrotaan 0,060 jonka 20000,
tämän jälkeen lisätään 1 (koska
ensimmäisestä näytteestä tehtiin ajankohtana 0).Vastauksista tätä (tai jotain) koskevan kysymyksen testi,
On tärkeää näyttää ajattelua.Hyvä vastaus sisältäisi
analyysin (ja sanamuoto), kuten edellä.

Kiitos

 
Hei kaikki,

Theory (DSP: proakis)
x [n] = x (nT) täällä, CT (jatkuva aikaa) signaali t = nT, saada DT (Discrete aikaa) sekvenssi
jos x (t) = cos (2 * pi * F * t), jossa F on analoginen taaj.
diskreetti seq x [n] = x (nT) = cos (2 * pi * F * n * T)
T = näytteenottokerralla = 1/Fs, Fs = näytteenottotaajuus (näytteet / s) n = No.of samplesof x [n] = N
x [n] = x (nT) = cos (2 * pi * F * n * T) = cos (2 * pi * n * F / FS)
missä, diskreetti taajuus f = F / Fs;

Ohjelmasuunnittelu vinkkejä:

Huom: 1
No syklien in x [n] = (n * F) / Fs = yhteensä ei.kausien vuonna x [n]

Huomaa: 2
ei.Näytteiden / ajan = n / (n * F / Fs) = Fs / F =
Ei näytteitä 1 aikana.

Huomaa: 3
t = 0: sampleInterval: sekunnit;
jos sekuntia / sampleInterval = näytteiden lukumäärä sekunnissa
t = 0: (1/Fs): (0: N-1) / Fs, jossa N = n = no.of näytettä x [n]
siksi, pituus (x) = pituus (t)

Huomaa: 4
Signaali x [n] on pituus, aikana (n / Fs) sekuntia.
eli aika muuttuja "t" vaihtelee välillä 0-n / Fs .= yhteensä aikaan signaali x [n].onnellinen oppiminen

 
Osuutensa Symbol Mapping:

vuonna Matlab voimme muuntaa binary vectors on desimaalipilkun määrä komennolla bi2de seuraavasti;

d = bi2de (b)
d = bi2de (b, flg)
d = bi2de (b, p)
d = bi2de (b, p, flg)

Kuvaus

d = bi2de (b) muuntaa binary rivi vektori b on nonnegative desimaali kokonaisluku.Jos b on matriisin jokainen rivi on tulkittava erikseen kuin binary numero.Tässä tapauksessa tuotoksen d on sarakkeen vektori, kukin osa on desimaaliluku edustus vastaava rivi b.

d = bi2de (b, flg) on sama kuin syntaksia edellä, paitsi että flg on merkkijono, joka määrittää, onko ensimmäisessä sarakkeessa b sisältää alimman järjestyksen tai korkein tilata numeroa.Mahdolliset arvot flg ovat oikeus-MSB "ja" vasen-MSB ".Arvo oikeus-MSB "tuottaa oletusarvon.

d = bi2de (b, p) muuntaa pohja-p rivi vektori b on nonnegative desimaali kokonaisluku, missä p on kokonaisluku on suurempi tai yhtä suuri kuin 2.Ensimmäisessä sarakkeessa b on alhaisin base-p numeron.Jos B on matriisi, tuotoksen d on nonnegative desimaali vektorin jokainen rivi joka on desimaali muodossa vastaava rivi b.

d = bi2de (b, p, flg) on sama kuin syntaksia edellä, paitsi että flg on merkkijono, joka määrittää, onko ensimmäisessä sarakkeessa b sisältää alimman järjestyksen tai korkeimman jotta numeroa.Mahdolliset arvot flg ovat oikeus-MSB "ja" vasen-MSB ".Arvo oikeus-MSB "tuottaa oletusarvon.

Esimerkkejä

Alla oleva koodi tuottaa matriisi, joka sisältää binääri edustustot viisi satunnaisesti numerot väliltä 0 ja 15.Se muuntaa sitten kaikki viisi numerot desimaalipilkun kokonaislukua.

b = randint (5,4)%: Luo 5-on-4 satunnainen binary matriisi.
de = bi2de (b);
DISP (joulukuu Binary ")
DISP ( "----- -------------------')
DISP ([de, b])

Näyte tuotos alle.Tulokset saattavat vaihdella, koska numerot ovat satunnaisia.

Joulukuu Binary
----- -------------------
13 1 0 1 1
7 1 1 1 0
15 1 1 1 1
4 0 0 1 0
9 1 0 0 1

Komennon alle muuntaa perusvaluutta viiden numeron sen desimaalipilkun vastinsektorin käyttäen vasemmalla perustaa viisi numeroinen (4 tässä tapauksessa), sillä merkittävimmät numeron.Esimerkki kuvastaa sitä, että 4 (5 ^ 3) 2 (5 ^ 2) 5 ^ 0 = 551.

d = bi2de ([4 2 0 1], 5, "vasemmalle MSB)

Tuotos

d =

551
Täältä ovat toinen esimerkki:
% muuntaa bittien X: n k-bittinen symbolit
x = randint (20,1,2);% Luo 20 binary numerot.
x_reshaped = muuttavat (x, 5,4);% muuttavat x on 5-on-4 matriisi, jokainen 4-bittiä
% putted yhdellä rivillä luoda 5 rivit kunkin
% 4-bittiä.
x_decimal = bi2de (x_reshaped, "vasemmalle MSB ');
x_decimal_as_row = x_decimal "
keulassa (x_decimal_as_row), kantaverkkoon,% Piirretään symbolit;

Esimerkki:
x = randint (100,1,2);
x_shd = muuttavat (x, 25,4);
x_dec = bi2de (x, "vasemmalle MSB ');
keulassa (x_dec), grid;

Esimerkki:
x = rand (100,1)> 0,5%: tuottaa 100 binary numeroa
x2 = muuttavat (x, 20,5);
DECIMAL = bi2de (x2, "vasemmalle MSB ');
kantasolujen (desimaali (1:10));% varren tontin ensimmäisen 10 desimaalin numerot.

Nauttia

 
Nyt voimme tontti Fourier sarja edustus käyttäen MATLAB ja katso, miten
Sarjasta ei at jäljentämisestä alkuperäistä signaalia.Jos me Piirretään Żrst 20 termien summa,
näemme yleisestä muodosta, alkuperäisen toiminnon mutta näemme paljon "soi".Kuten tontti enemmän termejä, näemme alkuperäisen toiminnon edustaa melko tarkasti.Yleisesti Fourier sarja voi rekonstruoida signaalin pieni määrä ajomuodot alkuperäinen signaali on sileä.Katkoksia edellyttää monia suurtaajuus komponenttien rakentaa signaali tarkasti.

Ennakkoratkaisupyynnön on MATLAB-koodi, joka tuotti tämä luku on seuraava:

N = 20;
x = [0:100] / 100;
f = maissa (1101) * 1 / 2;
i = 1:2: N
a = 2/pi/i;
f = f a * sin (2 * pi * i * x);
loppu
plot (x, f, 'r'), axis ([-. 5 1.5 0 1.5]), grid<img src="http://images.elektroda.net/19_1236785076_thumb.jpg" border="0" alt=""/> Nauttia

 
Tämä on ohjelma Matlab tekemään DFT ja FFT-(2-puolinen ja 1-puolinen)Onnea% FFT luento.
clc; lähellä kaikille selväksi kaikille;
% Luo siniaallolla sekvenssien
fs = 8000;% näytteenottotaajuus
N = 1000,% lukumäärä datapisteitä.
x = 2 * sin (2000 * pi * [0:1: N-1] / fs);
kuva (1);
kantasolujen (1: 1: N/10, x (1: 1: N/10), "täynnä");% tontin ensimmäinen 100 näytteen x (n)
%% Levitä DFT algoritmi
kuva (2);
xf = abs (fft (x)) / N;% kokonaisposition amplitudi taajuuksien
P = xf .* xf;% compute valta radiotaajuuksien
% Kartta taajuus bin on taajuus (Hz)
f = [0:1: N-1] * fs / N;% FK = k fs / N jossa k = 0,1,2, ... N-1
% Nyt me Piirretään DFT spectrums
sivujuoni (211), plot (f, xf); verkkoon
xlabel ( 'Taajuus (Hz)'); ylabel ( 'Amplitudi Spectrum (DFT) ");
sivujuoni (212), plot (f, P); verkkoon
xlabel ( 'Taajuus (Hz)'); ylabel ( "Power Spectrum (DFT)");
%% Muunna sen yhdelle puolinen taajuuksien
kuva (3);
xf (2: N) = 2 * xf (2: N);% Hanki yksi sivu taajuuksien
P = xf .* xf;% compute valta radiotaajuuksien
% Kartta taajuus bin on taajuus (Hz)
f = [0:1: N / 2] * fs / N;% taajuus jopa Folding taajuus fs / 2
% Nyt me Piirretään DFT spectrums
sivujuoni (211), plot (f, xf (1: N / 2 1)); verkkoon
xlabel ( 'Taajuus (Hz)'); ylabel ( 'Amplitudi Spectrum (DFT) ");
otsikko ( "Yksi puolinen-Spectrum)
sivujuoni (212), plot (f, P (1: N / 2 1)); verkkoon
xlabel ( 'Taajuus (Hz)'); ylabel ( "Power Spectrum (DFT)");
otsikko ( "Yksi puolinen-Spectrum)
%% Zero pehmustusta sen pituus 1024
luku (4);
x = [x, nollia (1,24)];% 24 nolla laajentaa sekvenssin x (n) 1000-1024
N = pituus (x);
xf = abs (fft (x)) / N;% kokonaisposition amplitudi taajuuksien nolla padding
P = xf .* xf;% compute valta radiotaajuuksien
% Kartta taajuus bin on taajuus (Hz)
f = [0:1: N-1] * fs / N;% FK = k fs / N jossa k = 0,1,2, ... N-1
sivujuoni (211), plot (f, xf); verkkoon
xlabel ( 'Taajuus (Hz)'); ylabel ( 'Amplitudi Spectrum (FFT)');
sivujuoni (212), plot (f, P); verkkoon
xlabel ( 'Taajuus (Hz)'); ylabel ( "Power Spectrum (FFT) ');
%% Muunna sen yhdelle puolinen taajuuksien
kuva (5);
xf (2: N) = 2 * xf (2: N);% Hanki yksi sivu taajuuksien
P = xf .* xf;% compute valta radiotaajuuksien
% Kartta taajuus bin on taajuus (Hz)
f = [0:1: N / 2] * fs / N;% taajuus jopa Folding taajuus fs / 2
% Nyt me Piirretään FFT spectrums
sivujuoni (211), plot (f, xf (1: N / 2 1)); verkkoon
xlabel ( 'Taajuus (Hz)'); ylabel ( 'Amplitudi Spectrum (FFT)');
otsikko ( "Yksi puolinen-Spectrum)
sivujuoni (212), plot (f, P (1: N / 2 1)); verkkoon
xlabel ( 'Taajuus (Hz)'); ylabel ( "Power Spectrum (FFT) ');
otsikko ( "Yksi puolinen-Spectrum)

 
hei,

viittaavat luku 4, tämä tarkoittaa sitä, että taajuuksien on 8k Hz?Thanks for ur vastausta.

terveisin,
merilevä

 
The 8th International Conference on Signal Processing sovellusten sekä tekniikan, Toronto, Canada,
September 13-16 1998.
Computing Moniulotteiset DFTs käyttäminen Xilinx FPGA
Chris ****
chrisd (at) xilinx.com
Xilinx
Inc2100 Logic Drive
San Jose
CA 95124

Tiivistelmä: Tässä asiakirjassa raportit sellaisessa muunneltavat laskenta-arkkitehtuuri, joka käyttää hyödykseen alennettua laskennallisen vaatimukset, polynomi muunnosmenetelmää laskenta-2-D DFTs.An FPGA arkkitehtuuri on kuvattu, joka pystyy tuottamaan 24 512-512-pikselin kuvaa sekunnissa.Ehdotettu järjestelmä on 46% enemmän alueen tehokkaita kuin rivi-sarake DFT prosessori toteutetaan käyttämällä samaa tekniikkaa.
Anteeksi, mutta sinun on kirjautumistunnuksen nähdäksesi tämän liitäntävaatimuksia

 

Welcome to EDABoard.com

Sponsor

Back
Top