Logo GenDocs.ru

Поиск по сайту:  

Загрузка...

Лекции - Прием и обработка сигналов - файл Конспект лекций 03.11.06.doc


Лекции - Прием и обработка сигналов
скачать (1597.1 kb.)

Доступные файлы (1):

Конспект лекций 03.11.06.doc6127kb.03.11.2006 16:48скачать

содержание

Конспект лекций 03.11.06.doc

1   2   3   4   5


Рис. 3 Двухканальная система АПЧ.


Для подстройки создается второй канал и поскольку от передатчика поступает сильный сигнал его необходимо ослабить делителем напряжения (ДН). На выходе преобразователя частоты (ПрЧ2) второго каскада образуется напряжение частоты , которое после усиления в УПЧ поступает в цепь АПЧ. Устройство (рис. 3) работоспособно при отсутствии сигнала на входе приемника.

Структурные схемы АПЧ, работоспособные при отсутствии сигнала приведенные на рис. 4а и 4б не устраняют изменений промежуточной частоты из-за изменений частоты сигнала. Цепь частотной АПЧ (рис. 4а) включает в себя частотный детектор, фильтр и регулятор частоты. Фазовая АПЧ (рис. 4б) позволяет сравнивать фазы колебаний гетеродина и опорного генератора (ОГ). В качестве измерительного элемента в фазовой АПЧ используется фазовый детектор (ФД). Напряжение регулировки в фазовой АПЧ зависит от сдвига фаз между колебаниями подстраиваемого и опорного генераторов. По сравнению с частотной АПЧ фазовая АПЧ более чувствительна, т.к. реагирует даже на самое малое расхождение частот.



Рис. 4 а) Частотная АПЧ.



Рис 4 б) Фазовая АПЧ.


В зависимости от вида регулятора частоты различают электронные и электромеханические системы АПЧ. В электронных системах АПЧ в качестве регулятора частоты используется варикап, в электромеханических – электродвигатель. Наибольшее распространение на практике нашли электронная частотная и фазовая АПЧ. Для оценки качества работы электронных частотных АПЧ приемников непрерывных сигналов (рис. 2) используются такие параметры как:

1. Остаточная расстройка – это допустимое отклонение частоты от номинального значения.

2. Коэффициент автоподстройки – это отношение расстройки частоты Δf при разомкнутой системе АПЧ к остаточной расстройке :

(1)

3. Полоса удержания – это полоса промежуточных частот в пределах которой система АПЧ удерживает промежуточную частоту близкой к номинальному значению.

4. ^ Полоса захвата - это полоса частот, в пределах которой происходит захват частоты принимаемой станции системой АПЧ и после чего настройка приемника сохраняется при отклонении промежуточной частоты в пределах полосы удержания.

Характеристики измерительного элемента (ИЭ) и регулятора частоты (РЧ) приведены на рис. 5а и 5б.




Рис. 5 а) Характеристика ИЭ.





Рис. 5 б) Характеристика РЧ (варикап).


При изменении промежуточной частоты на Δf изменяется напряжение на выходе частотного детектора на ΔU (рис. 5а). Это изменение напряжения ΔU, подаваемое на варикап изменяет частоту гетеродина, так чтобы свести расстройку к нулю, т.е. характеристики регулятора частоты и измерительного элемента должны быть зеркальными. Чем больше крутизна частотного детектора и регулятора частоты (тангенс угла наклона соответствующей характеристики), тем больше коэффициент автоподстройки (2).

(2)

В реальных цепях электронной частотной АПЧ выражение (2) принимает значение = 20 ÷ 50.

Электронная частотная АПЧ приемников импульсных сигналов приведена на рис. 6.



Рис. 6 Схема АПЧ приемников импульсных сигналов.


В инерционных цепях АПЧ приемников импульсных сигналов постоянная времени выбирается много больше периода повторения импульсов. Цепь АПЧ состоит из частотного детектора – ЧД, усилителя видеоимпульсов – ВУ, пикового детектора – ПД, фильтра – Ф и регулятора частоты – РЧ.

(3)

где и – коэффициенты передачи видеоусилителя и пикового детектора.

В быстродействующих цепях импульсных АПЧ подстройка производится в пределах действия одного импульса.


Введение в вейвлет - преобразования сигналов


Некоторые особенности Фурье – преобразования

Согласно теории любой сигнал Φ(t) во времени может быть представлен в виде суммы определенных элементарных базисных функций:

(1)

где , ,,… система базисных ортогональных функций, [, Φ(t)] – k-ая спектральная составляющая. Сама функция Φ(t) должна быть квадратично интегрируема, т. е. отвечать условию:



Совокупность , , образует спектр сигнала.

При представлении на интервале времени -∞ ≤ t ≤ ∞ периодической функции Φ(t) = Φ(t + nT), где

- период колебаний, – круговая частота, n – любое положительное или отрицательное целое число, в виде ряда Фурье выражение (1) принимает вид:

(2)

где (3)

Согласно (2) в случае ряда Фурье базисными являются ортогональные тригонометрические функции-последовательности синусы и косинусы:



В случае одиночного импульса от ряда Фурье переходят к интегралу Фурье.

(4)

где спектральная плотность:

(5)

Важное достоинство Фурье – преобразования состоит в возможности единообразного представления разнообразных по форме функций Φ(t) в виде ряда составленного из синусоидальных сигналов с разными частотами. Это справедливо как для периодических сигналов, так и одиночных импульсов.

Однако у такого подхода есть определенные и очень крупные недостатки.

Один из них состоит в необходимости удержания большого числа членов ряда (2) для точного описания исходного сигнала, другой связан с невозможностью отразить некоторые локальные особенности функции, связанные с кратковременными резкими изменениями амплитуды, частоты и фазы сигнала.

Два примера:

Пример 1.

Есть два близкопохожих сигнала x(t) и y(t).

(6)

(7)


Несмотря на различие сигналов x(t) и y(t) (рис. 1 а), их амплитудные спектры практически идентичны (рис. 1 б). Они очень похожи и при более мелком масштабе (рис. 1 в). Т.е. в данном случае, несмотря на то, что сигналы различны, их нельзя идентифицировать по частотным спектрам. Т.е. Фурье преобразование ничего не дает. Ни прямое, ни обратное, особенно при наличии погрешностей аппаратного преобразования не срабатывает. Сигналы неразличимы!!!





Рис. 1 а)



Рис. 1 а) (продолжение)



Рис.1 б)





Рис. 1 в)


Пример 2.

Один сигнал y(t) – радиоимпульс прямоугольной формы, второй z(t) – тот же радиоимпульс, но с разрывом посередине, т.е. по существу это два радиоимпульса (последовательных) с одной и той же частотой заполнения.











Рис. 2а)






Рис. 2б)




Рис. 2б) (продолжение)


И здесь, несмотря на важное различие сигналов y(t) и z(t) их амплитудные спектры практически идентичны (Рис. 2 б). Небольшое различие только в области высших частот. Следовательно, и во втором примере идентифицировать сигналы по их частотным спектрам, построенным согласно Фурье – преобразованию, весьма затруднительно.


Основные черты вейвлет – преобразования

Слабая сторона” Фурье – преобразования состоит в отсутствии реакции на локальные изменения в сигнале. Все это привело к созданию принципиально нового частотно – временного вейвлет – преобразования, способного отражать локальные изменения в сигнале и пригодного для анализа сложных нестационарных (т.е. непериодических) процессов.

Определение.

Wavelet (WAVELET) переводится на русский язык как “короткая или небольшая волна”. Встречаются также и такие определения как всплеск или маловолновая функция.

В качестве так называемых “материнских” вейвлетов (в Фурье – преобразовании “материнскими” являются набор синусов и косинусов) используются несколько десятков хорошо локализованных функций, порождающих путем растяжения и сдвига во времени целое семейство “дочерних” вейвлетов.

Далее “материнскую” функцию называем исходным вейвлетом, а порождаемые ими “дочерние” вейвлеты – базисными.

Пример исходных вейвлетов:

- Гауссов импульс

- функция Хаара

- вейвлет Марле

- вейвлет Добеши.


Гауссов вейвлет V(x) – это вторая производная гауссова импульса y(x) = exp(-0.5x²), т.е.

V(x) = (x² - 1)∙exp(-0.5x²) (1)




a =1, b = 0 a =1, b =5


Рис. 3




a =2, b = 0 a =2, b = 5


Рис. 3 (продолжение)


Для вейвлета Хаара.

(2)

Путем подстановки и введения множителя от исходного вейвлета переходим к базисному.

Для двух представленных вейвлетов имеем

(3)

(4)




a =1, b = 0 a =1, b = 5

Рис. 4



a =4, b = 0 a =4, b = 5


Рис. 4 (продолжение)


При a = 1, b = 0 функции VA и XA являются “материнскими”. Из анализа графиков Рис. 3 и Рис. 4 видно:

- с увеличением параметра a импульс расширяется,

- а с изменением параметра b перемещается по оси времени t.

Основные признаки вейвлета: он имеет вид короткой, ограниченной во времени волны, расширяющейся или сжимающейся в зависимости от параметра a и перемещающийся по оси времени в зависимости от параметра b.

Кроме того, вейвлеты обладают следующими свойствами:

- - интеграл от квадрата модуля функции

- - интеграл от самой функции, определяющей площадь, ограниченную графиком.

- график материнской функции осциллирует вокруг нуля по оси времени;

- все базисные вейвлеты имеют то же число осцилляций (около нуля), что и материнский.


Еще один пример вейвлета:

Вейвлет Марле.

Исходный – “материнский” “марлет”:



где - множитель, – частота.

Базисная функция вейвлет – марлета, функция трех параметров a, b, :




А вообще в литературе встречаются следующие вейвлеты:

Хаара

Симплета

Добеши

биортогональный

ортогональный

биортогональный сплайновый

Мейера

Гаусса

Марле

Шеннона

Коифлета

Частотный В - сплайновый

Комплексный вейвлет Марле

обратный ортогональный

дискретная аппроксимация вейвлета Марле

“мексиканская шляпа”

Комплексный Гаусса


Итак, при изменении параметров b и a вейвлет движется по оси времени t и одновременно при этом расширяется. В силу данных свойств вейвлетов, используя их в качестве базисной функции, можно осуществлять частотно – временной анализ сложных сигналов, а не только частотный согласно Фурье – преобразованию.

В результате вейвлет – преобразование, т.е. процедура, в основе которой лежит использование в качестве базисных функций вейвлетов, позволяет отслеживать локальные, как быстрые, так и кратковременные изменения в сигналах, и преодолевать недочеты, свойственные Фурье – преобразованию. Особенно это важно для исследования коротких нестационарных процессов или одиночных импульсов сложной формы (например – одиночные модулированные импульсы РЛС и т.п.).

По аналогии с Фурье преобразованием имеем прямое и обратное вейвлет – преобразование.

(5)

прямое V- преобразование;

(6)

обратное V- преобразование,

где V(a,b,t) – функция, описывающая вейвлет (см. рис. а или б), – нормирующий коэффициент. Сравнивая V – преобразования и Ф – преобразования устанавливаем различия между ними:

- базисные функции sinωt и cosωt, зависящие от одного параметра – частоты ω, заменяются на вейвлет V(a,b,t), функцию, зависящую от двух параметров a и b.

- спектр S(ω), зависящий от одного параметра - частоты ω, заменяется спектрограммой, определяемой двухпараметрической функциейC(a,b), один из параметров которой (a) определяет частоту ω, другой (b) – время t.

Таким образом, в машинных алгоритмах, применяющих V – преобразования принципиально требуются двумерные массивы.

При этом частотный анализ при Ф – преобразовании в виде функции S(ω) заменяется при V – преобразовании на частотно – временной анализ с помощью зависимости C(a,b), которую можно затем преобразовать к виду W(ω,t) (т.е. получить “исходник”).

V – преобразование является более сложной вычислительной процедурой, чем Ф – преобразование, особенно при обратной задаче, т.е. при синтезе сигнала, согласно выражению (6), поэтому V – преобразование особенно “притягательно” в тех случаях, когда сигнал является нестационарным процессом с локальными особенностями. К ним относятся сигналы, связанные с передачей речи и изображений. Таким образом V – преобразование не отменяет более простое в вычислительном отношении Ф – преобразование, а только дополняет его.

Пример непрерывного V – преобразования (как и в Ф – случае, здесь есть и дискретное V – преобразование). Тот же пример “двухчастотных” сигналов.

Вообще возможны случаи изменения параметров a и b:

- линейный с изменением a и b с определенным шагом

- изменение по закону: ; , где , , j, k – целые числа

- изменение по закону , , где j, k – целые, при этом




- биения.

Применим Гауссово вейвлет – преобразование.





- матрица – Двумерный «вейвлет - спектр».










Для другого случая (сигнал с «переключением»).







- своя матрица с двумерным «вейвлет - спектром».










Таким образом, в разных сечениях (в аналогичных) есть уже существенная, т.е. наглядная разница. Т.е. появился инструмент, позволяющий при внешней схожести исходных спектров выявить локальные частотные или временные особенности исходных сигналов.

Где это наиболее важно:

  1. Аудиоэкспертиза. Как различить (слушая по радио) голос Максима Галкина или Аллы Пугачевой. По радио (наше ухо как Фурье – анализатор) иногда почти невозможно. Если без шуток - аудиоэкспертиза (частотная) записанных образцов голосовых спектров приблизительно на 80 – 90 % дает недостоверный результат. А вот вейвлет – приемник (основное название гипотетического аппарата) помог бы наверняка отфильтровать характерные обертоны – причем не только по частоте, но и по времени, т.е. по месту этого обертона в каждой звуковой фразе!

  2. Исследование эхо-сигналов импульсных РЛС в случае постановки помех активными источниками помех. Например такими активными постановщиками помех могут быть снабжены ложные фрагменты в МБР с разделяющимися боевыми частями. В этом случае “ошибка” в распознавании может обойтись очень дорого, например в один город-миллионник или в область или маленькую страну.

  3. То же самое исследование эхо-сигналов при обнаружении движущихся (или неподвижных) подводных объектов, например АПЛ.

Вот где «овчинка стоит выделки» несмотря на сложность алгоритмов и большие мощности, и объемы памяти вычислительной техники применяемой при таком преобразовании.


Литература:

1. Головин О.В. «Радиоприемные устройства»,2004 год.

2. Зайзлер, Ежи «Системы передачи дискретной информации», 1970 год.

3. Левин Л.С., Плоткин М.А. «Цифровые системы передачи информации», М. 1982г.

4. Игнатов В.А. «Теория передачи сигналов и информации», М. 1979г.

5. Качанов В. И. Радиотехнические цепи и сигналы. Компьютеризированный курс.

Учебное пособие. – М.: ФОРУМ: ИНФРА – М, 2005. – 432 с. (Высшее образование).

6. Дьяконов В. MATLAB. Обработка сигналов и изображений. Специальный справочник – СПб.: Питер, 2002. – 608 с.: ил.

7. Кирьянов Д. В. Самоучитель MathCAD. 2001. – СПб.: БХВ – Петербург, 2002. – 544 с.: ил.

Содержание

Классификация радиоприемных устройств (РПУ) 3

Общие сведения о принципах работы РПУ 4

Функциональные схемы РПУ 6

Супергетеродинный приемник 8

Основные показатели РПУ 10

Радиоприемники непрерывных сигналов 13

Прием однополосных сигналов 15

Приемники частотно-модулированных сигналов 16

Радиоприемники дискретных сигналов 17

Радиотелеграфные приемники 17

Импульсные приемники 18

Радиовещательные приемники 19

Профессиональные радиоприемные устройства декаметровых волн 20

Радиолокационные приемники 22

РПУ систем мобильной связи 24

Входные цепи РПУ 25

Усилители радиочастоты 31

Усилители промежуточной частоты (УПЧ) 37 Преобразователи частоты 39

Диодный преобразователь частоты 41

Балансные преобразователи частоты 42

Кольцевые ПРЧ 43

Транзисторные преобразователи частоты (ТПЧ) 44

Детекторы 47

Частотные детекторы 53

Фазовые детекторы(ФД) 55

Автоматические системы регулирования в РПУ 58

Системы АРУ (автоматической регулировки усиления) 58

Автоматическая подстройка частоты (АПЧ) 65

Принцип действия и виды систем АПЧ 65

Введение в вейвлет - преобразования сигналов 71

Некоторые особенности Фурье – преобразования 71

Основные черты вейвлет – преобразования 77

Литература 89
1   2   3   4   5



Скачать файл (1597.1 kb.)

Поиск по сайту:  

© gendocs.ru
При копировании укажите ссылку.
обратиться к администрации