Рассмотрим случай, когда длительность передаваемого сигнала равна T , а высшая частота спектра равна F M . Строго говоря, такие условия несовместимы, т. к. сигнал конечной длительности обладает бесконечно широким спектром. Но практически всегда можно ограничиться рассмотрением полосы частот, за пределами которой энергия спектральных компонент пренебрежимо мала.

Пусть за время Т (рис. 9.3) передано N отсчётов, причём в соответствии с теоремой Котельникова расстояние между отсчётами выбиралось равным , тогда: , а ряд Котельникова будет иметь вид:

Число N – число степеней свободы сигнала f(t) или базы сигнала. Приняв это число за число переданных символов сигнала n по формуле можно вычислить количество информации, переданной за время T , но для этого еще необходимо оценить число возможных состояний m , которые можно различить в передаваемом сигнале. Это число зависит от уровня помех в канале связи. Если приращение сигнала меньше чем эффективное (среднеквадратичное) напряжение помехи , то такое приращение трудно зафиксировать. Поэтому величину , связанную с мощностью помехи соотношением = принимают за единицу градаций сигнала в канале связи. Мощность сигнала при наличии передаваемого сообщения в канале равна Р с +Р п , а эффективное напряжение U э = . Тогда число возможных градаций сигнала будет равно (9.12)

Откуда количество информации (с учётом, что n>>1) равно

Величину I о иногда называют объёмом сигнала и изображают в виде параллелепипеда в трёхмерной системе координат (рис. 9.4). Если взять отношение (9.14)

получим скорость передачи информации . Очевидно, что для нормальной передачи информации пропускная способность канала связи должна быть не менее чем скорость поступающей информации, т.е. должно выполняться неравенство Ск≥С. При передаче буквенно-цифровой информации производится кодирование сигналов, т.е. представление их в виде комбинаций импульсов различной длительности. Различают равномерные и неравномерные коды. Большое распространение в устройствах связи получили равномерный код Бодо и неравномерный код Морзе.

ПРИБЛИЖЕННОЕ ПРЕДСТАВЛЕНИЕ СИГНАЛОВ РЯДОМ КОТЕЛЬНИКОВА И ОШИБКИ АППРОКСИМАЦИИ.

Если известно, что большая часть энергии сигнала с неограниченным спектром сосредоточена в пределах ограниченной полосы частот, то с определенной погрешностью возможно представление таких сигналов с помощью ограниченного ряда Котельникова. Например, на рисунке показано представление прямоугольного импульса с помощью двух и трех отсчетов. В первом случае учитываются сигналы до частоты . Во втором случае до частоты . Соответствующие модели такого представления имеют вид:

А во вором случае три отсчета:

По формуле (1) построен график 1 на рисунке в и по формуле (2) – график 2.

С ростом числа отсчетов повышается точность аппроксимации сигнала рядом Котельникова.

Произвольный сигнал с неограниченным спектром при представлении его рядом Котельникова будет отличаться от сигнала с неограниченным спектром на величину ошибки. Поэтому, можно записать, что исходный сигнал

где – сигнал с ограниченным спектром, – сигнал ошибки.

Спектры этих сигналов не перекрываются, поэтому сигналы и ортогональны. А их энергии, то есть квадраты норм, складываются: .

За абсолютную меру ошибки аппроксимации принимается расстояние, равное норме сигнала ошибки. Используя соотношения , , можно, при известном энергетическом спектре , по теореме Рейли получить:

УЗКОПОЛОСНЫЙ СИГНАЛ: ПРЕДСТАВЛЕНИЕ В КОМПЛЕКСНОЙ ФОРМЕ.

СПЕКТР СИГНАЛА.

Узкополосным называют сигнал, спектральная плотность которого сосредоточена в ограниченной полосе частот вблизи окрестности некоторой опорной частоты, причем выполняется условие . Математически такой сигнал может представляться разными моделями, например, или .

Или в общем случае для представления узкополосного сигнала используют линейную комбинацию:

Функцию называют синфазной амплитудой, а функцию – квадратурной амплитудой. Обе эти функции представляют собой НЧ (по сравнению с ) сигнал. Узкополосные сигналы могут представляться и в комплексной форме:

Величину (3) называют комплексной огибающей узкополосного сигнала. Не трудно показать, что вещественное представление (1) узкополосного сигнала связано с комплексным представлением соотношением:

С физической точки зрения узкополосный сигнал можно рассматривать как квазигармоническое колебание, к которому для расчетов применим метод комплексных амплитуд. Комплексная огибающая узкополосного сигнала играет ту же роль, что и амплитуда простого гармонического колебания. Однако вектор в общем случае будет совершать колебания на комплексной плоскости, изменяясь по амплитуде и угловому положению.

Обозначим спектральную плотность комплексной огибающей . Тогда спектр узкополосного сигнала буде равен.

5.1 Система связи

Под системой связи понимают совокупность устройств и сред, обеспечивающих передачу сообщений от отправителя к получателю. В общем случае обобщённую систему связи представляют блок-схемой.

Рисунок 1– Обобщённая система связи

Передатчик – устройство, которое определяет и вырабатывает сигнал связи. Приёмник – устройство, которое преобразовывает принятый сигнал связи и восстанавливает первоначальное сообщение. Воздействия помех на полезный сигнал проявляется в том, что принятое сообщение на выходе приёмника не тождественно переданному.

Под каналом связи понимают совокупность технических устройств, обеспечивающих независимую передачу данного сообщения по общей линии связи в виде соответствующих сигналов связи. Сигнал связи – это электрическое возмущение, однозначно отображающее сообщение.

По своей форме сигналы связи весьма разнообразны и представляют собой изменяющиеся во времени напряжение или ток.

При решении практических задач в теории связи сигнал характеризуют объёмом , равным произведению трёх его характеристик: длительности сигнала , ширины спектра и превышения средней мощности сигнала над помехой . В таком случае . Если эти характеристики разложить параллельно осям декартовой системы, то получится объём параллелепипеда. Поэтому произведение называется объёмом сигнала.

Длительность сигнала определяет интервал времени его существования.

Ширина спектра сигнала – это интервал частот, в котором размещается ограниченный спектр частот сигнала, т.е. .

Канал связи по своей физической природе в состоянии пропустить эффективно лишь сигналы, спектр которых лежит в ограниченной полосе частот при допустимом диапазоне изменения мощности .

Кроме того, канал связи предоставляется отправителю сообщения на вполне определённое время . Следовательно, по аналогии с сигналом в теории связи введено понятие ёмкости канала , которая определяется: ; .

Необходимым условием передачи сигнала с объёмом по каналу связи, ёмкость которого равна , есть или . Физические характеристики сигнала могут быть изменены, но при этом уменьшение одной из них сопровождается увеличением другой.

5.2.2 Пропускная способность и скорость передачи

Пропускная способность – предельно возможная скорость передачи информации. Предельная пропускная способность зависит от ширины полосы пропускания канала, а также от отношения и определяется по формуле . Это формула Шеннона, которая справедлива для любой системы связи при наличии флуктуационной помехи.

5.2.3 Частотная характеристика канала

Частотной характеристикой канала связи называется зависимость остаточного затухания от частоты. Остаточным затуханием называется разность уровней на входе и выходе канала связи. Если в начале линии имеется мощность , а на её конце – , то затухание в неперах:

.

Аналогично для напряжений и токов:

; .

Не так давно товарищ Makeman описывал , как с помощью спектрального анализа можно разложить некоторый звуковой сигнал на слагающие его ноты. Давайте немного абстрагируемся от звука и положим, что у нас есть некоторый оцифрованный сигнал, спектральный состав которого мы хотим определить, и достаточно точно.

Под катом краткий обзор метода выделения гармоник из произвольного сигнала с помощью цифрового гетеродинирования, и немного особой, Фурье-магии.

Итак, что имеем.
Файл с отсчетами оцифрованного сигнала. Известно, что сигнал представляет собой сумму синусоид со своими частотами, амплитудами и начальными фазами, и, возможно, белый шум.

Что будем делать.
Использовать спектральный анализ для того, чтобы определить:

• количество гармоник в составе сигнала, а для каждой: амплитуду, частоту (далее в контексте числа длин волн на длину сигнала), начальную фазу;
• наличие/отсутствие белого шума, а при наличии, его СКО (среднеквадратическое отклонение);
• наличие/отсутствие постоянной составляющей сигнала;
• всё это оформить в красивенький PDF отчёт с блэкджеком и иллюстрациями.

Будем решать данную задачу на Java.

Матчасть

Как я уже говорил, структура сигнала заведомо известна: это сумма синусоид и какая-то шумовая составляющая. Так сложилось, что для анализа периодических сигналов в инженерной практике широко используют мощный математический аппарат, именуемый в общем «Фурье-анализ» . Давайте кратенько разберём, что же это за зверь такой.

Немного особой, Фурье-магии

Не так давно, в 19 веке, французский математик Жан Батист Жозеф Фурье показал, что любую функцию, удовлетворяющую некоторым условиям (непрерывность во времени, периодичность, удовлетворение условиям Дирихле) можно разложить в ряд, который в дальнейшем получил его имя - ряд Фурье .

В инженерной практике разложение периодических функций в ряд Фурье широко используется, например, в задачах теории цепей: несинусоидальное входное воздействие раскладывают на сумму синусоидальных и рассчитывают необходимые параметры цепей, например, по методу наложения.

Существует несколько возможных вариантов записи коэффициентов ряда Фурье, нам же лишь необходимо знать суть.
Разложение в ряд Фурье позволяет разложить непрерывную функцию в сумму других непрерывных функций. И в общем случае, ряд будет иметь бесконечное количество членов.

Дальнейшим усовершенствованием подхода Фурье является интегральное преобразование его же имени. Преобразование Фурье .
В отличие от ряда Фурье, преобразование Фурье раскладывает функцию не по дискретным частотам (набор частот ряда Фурье, по которым происходит разложение, вообще говоря, дискретный), а по непрерывным.
Давайте взглянем на то, как соотносятся коэффициенты ряда Фурье и результат преобразования Фурье, именуемый, собственно, спектром .
Небольшое отступление: спектр преобразования Фурье - в общем случае, функция комплексная, описывающая комплексные амплитуды соответствующих гармоник. Т.е., значения спектра - это комплексные числа, чьи модули являются амплитудами соответствующих частот, а аргументы - соответствующими начальными фазами. На практике, рассматривают отдельно амплитудный спектр и фазовый спектр .

Рис. 1. Соответствие ряда Фурье и преобразования Фурье на примере амплитудного спектра.

Легко видно, что коэффициенты ряда Фурье являются ни чем иным, как значениями преобразования Фурье в дискретные моменты времени.

Однако, преобразование Фурье сопоставляет непрерывной во времени, бесконечной функции другую, непрерывную по частоте, бесконечную функцию - спектр. Как быть, если у нас нет бесконечной во времени функции, а есть лишь какая-то записанная её дискретная во времени часть? Ответ на этот вопрос даёт дальнейшей развитие преобразования Фурье - дискретное преобразование Фурье (ДПФ) .

Дискретное преобразование Фурье призвано решить проблему необходимости непрерывности и бесконечности во времени сигнала. По сути, мы полагаем, что вырезали какую-то часть бесконечного сигнала, а всю остальную временную область считаем этот сигнал нулевым.

Математически это означает, что, имея исследуемую бесконечную во времени функцию f(t), мы умножаем ее на некоторую оконную функцию w(t), которая обращается в ноль везде, кроме интересующего нас интервала времени.

Если «выходом» классического преобразования Фурье является спектр – функция, то «выходом» дискретного преобразования Фурье является дискретный спектр. И на вход тоже подаются отсчёты дискретного сигнала.

Остальные свойства преобразования Фурье не изменяются: о них можно прочитать в соответствующей литературе.

Нам же нужно лишь знать о Фурье-образе синусоидального сигнала, который мы и будем стараться отыскать в нашем спектре. В общем случае, это пара дельта-функций, симметричная относительно нулевой частоты в частотной области.

Рис. 2. Амплитудный спектр синусоидального сигнала.

Я уже упомянул, что, вообще говоря, мы рассматриваем не исходную функцию, а некоторое её произведение с оконной функцией. Тогда, если спектр исходной функции - F(w), а оконной W(w), то спектром произведения будет такая неприятная операция, как свёртка этих двух спектров (F*W)(w) (Теорема о свёртке).

На практике это означает, что вместо дельта-функции, в спектре мы увидим что-то вроде этого:

Рис. 3. Эффект растекания спектра.

Этот эффект именуют также растеканием спектра (англ. spectral leekage). А шумы, появляющиеся вследствие растекания спектра, соответственно, боковыми лепестками (англ. sidelobes).
Для борьбы с боковыми лепестками применяют другие, непрямоугольные оконные функции. Основной характеристикой «эффективности» оконной функции является уровень боковых лепестков (дБ). Сводная таблица уровней боковых лепестков для некоторых часто используемых оконных функций приведена ниже.

Основной проблемой в нашей задаче является то, что боковые лепестки могут маскировать другие гармоники, лежащие рядом.

Рис. 4. Отдельные спектры гармоник.

Видно, что при сложении приведённых спектров, более слабые гармоники как бы растворятся в более сильной.

Рис. 5. Чётко видна лишь одна гармоника. Нехорошо.

Другой подход к борьбе с растеканием спектра состоит в вычитании из сигнала гармоник, создающих это самое растекание.
То есть, установив амплитуду, частоту и начальную фазу гармоники, можно вычесть её из сигнала, при этом мы уберём и «дельта-функцию», соответствующую ей, а вместе с ней и боковые лепестки, порождаемые ей. Другой вопрос состоит в том, как же точно узнать параметры нужной гармоники. Недостаточно просто взять нужные данные из комплексной амплитуды. Комплексные амплитуды спектра сформированы по целым частотам, однако, ничто не мешает гармонике иметь и дробную частоту. В этом случае, комплексная амплитуда как бы расплывается между двумя соседними частотами, и точную её частоту, как и другие параметры, установить нельзя.

Для установления точной частоты и комплексной амплитуды нужной гармоники, мы воспользуемся приёмом, широко применяемым во многих отраслях инженерной практики – гетеродинирование .

Посмотрим, что получится, если умножить входной сигнал на комплексную гармонику Exp(I*w*t). Спектр сигнала сдвинется на величину w вправо.
Этим свойством мы и воспользуемся, сдвигая спектр нашего сигнала вправо, до тех пор, пока гармоника не станет ещё больше напоминать дельта-функцию (то есть, пока некоторое локальное отношение сигнал/шум не достигнет максимума). Тогда мы и сможем вычислить точную частоту нужной гармоники, как w 0 – w гет, и вычесть её из исходного сигнала для подавления эффекта растекания спектра.
Иллюстрация изменения спектра в зависимости от частоты гетеродина показана ниже.

Рис. 6. Вид амплитудного спектра в зависимости от частоты гетеродина.

Будем повторять описанные процедуры до тех пор, пока не вырежем все присутствующие гармоники, и спектр не будет напоминать нам спектр белого шума.

Затем, надо оценить СКО белого шума. Хитростей здесь нет: можно просто воспользоваться формулой для вычисления СКО:

Автоматизируй это

Пришло время для автоматизации выделения гармоник. Повторим ещё разочек алгоритм:

1. Ищем глобальный пик амплитудного спектра, выше некоторого порога k.
1.1 Если не нашли, заканчиваем
2. Варируя частоту гетеродина, ищем такое значение частоты, при которой будет достигаться максимум некоторого локального отношения сигнал/шум в некоторой окрестности пика
3. При необходимости, округляем значения амплитуды и фазы.
4. Вычитаем из сигнала гармонику с найденной частотой, амплитудой и фазой за вычетом частоты гетеродина.
5. Переходим к пункту 1.

Алгоритм не сложный, и единственный возникающий вопрос - откуда же брать значения порога, выше которого будем искать гармоники?
Для ответа на этот вопрос, следует оценить уровень шума еще до вырезания гармоник.

Построим функцию распределения (привет, мат. cтатистика), где по оси абсцисс будет амплитуда гармоник, а по оси ординат - количество гармоник, не превышающих по амплитуде это самое значение аргумента. Пример такой построенной функции:

Рис. 7. Функция распределения гармоник.

Теперь построим еще и функцию - плотность распределения. Т.е., значения конечных разностей от функции распределения.

Рис. 8. Плотность функции распределения гармоник.

Абсцисса максимума плотности распределения и является амплитудой гармоники, встречающейся в спектре наибольшее число раз. Отойдем от пика вправо на некоторое расстояние, и будем считать абсциссу этой точки оценкой уровня шума в нашем спектре. Вот теперь можно и автоматизировать.

Посмотреть на кусок кода, детектирующий гармоники в составе сигнала

public ArrayList detectHarmonics() { SignalCutter cutter = new SignalCutter(source, new Signal(source)); SynthesizableComplexExponent heterodinParameter = new SynthesizableComplexExponent(); heterodinParameter.setProperty("frequency", 0.0); Signal heterodin = new Signal(source.getLength()); Signal heterodinedSignal = new Signal(cutter.getCurrentSignal()); Spectrum spectrum = new Spectrum(heterodinedSignal); int harmonic; while ((harmonic = spectrum.detectStrongPeak(min)) != -1) { if (cutter.getCuttersCount() > 10) throw new RuntimeException("Unable to analyze signal! Try another parameters."); double heterodinSelected = 0.0; double signalToNoise = spectrum.getRealAmplitude(harmonic) / spectrum.getAverageAmplitudeIn(harmonic, windowSize); for (double heterodinFrequency = -0.5; heterodinFrequency < (0.5 + heterodinAccuracy); heterodinFrequency += heterodinAccuracy) { heterodinParameter.setProperty("frequency", heterodinFrequency); heterodinParameter.synthesizeIn(heterodin); heterodinedSignal.set(cutter.getCurrentSignal()).multiply(heterodin); spectrum.recalc(); double newSignalToNoise = spectrum.getRealAmplitude(harmonic) / spectrum.getAverageAmplitudeIn(harmonic, windowSize); if (newSignalToNoise > signalToNoise) { signalToNoise = newSignalToNoise; heterodinSelected = heterodinFrequency; } } SynthesizableCosine parameter = new SynthesizableCosine(); heterodinParameter.setProperty("frequency", heterodinSelected); heterodinParameter.synthesizeIn(heterodin); heterodinedSignal.set(cutter.getCurrentSignal()).multiply(heterodin); spectrum.recalc(); parameter.setProperty("amplitude", MathHelper.adaptiveRound(spectrum.getRealAmplitude(harmonic))); parameter.setProperty("frequency", harmonic - heterodinSelected); parameter.setProperty("phase", MathHelper.round(spectrum.getPhase(harmonic), 1)); cutter.addSignal(parameter); cutter.cutNext(); heterodinedSignal.set(cutter.getCurrentSignal()); spectrum.recalc(); } return cutter.getSignalsParameters(); }

Практическая часть

Я не претендую на звание эксперта Java, и представленное решение может быть сомнительным как по части производительности и потреблению памяти, так и в целом философии Java и философии ООП, как бы я ни старался сделать его лучше. Написано было за пару вечеров, как proof of concept. Желающие могут ознакомиться с исходным кодом на

Основными параметрами сигналов являются длительность сигнала , динамический диапазон и ширина спектра .

Всякий сигнал, рассматриваемый как временной процесс, имеет начало и конец. Поэтому длительность сигнала является естественным его параметром, определяющим интервал времени, в пределах которого сигнал существует.

Динамический диапазон – это отношение наибольшей мгновенной мощности сигнала к той наименьшей мощности , которая необходима для обеспечения заданного качества передачи. Он выражается в децибелах [дБ]:

(дБ).

Например, в радиовещании динамический диапазон часто сокращают до 30...40 дБ (1000-10000 раз) во избежание перегрузок канала.

Ширина спектра – этот параметр дает представление о скорости изменения сигнала внутри интервала его существования.

Спектр сигнала, в принципе, может быть неограниченным. Однако для любого сигнала можно указать диапазон частот, в пределах которого сосредоточена его основная энергия. Этим диапазоном и определяется ширина спектра сигнала. В технике связи спектр сигнала часто сознательно сокращают. Это обусловлено тем, что аппаратура и линия связи имеют ограниченную полосу пропускаемых частот. Сокращение спектра осуществляется исходя из допустимых искажений сигнала.

Например, ширина спектра телефонного сигнала:

(Гц), а ширина спектра телевизионного сигнала при стандарте 625 строк составляет около 6 (МГц). Ширина спектра телеграфного сигнала зависит от скорости передачи и обычно принимается равной (Гц), где – скорость телеграфирования в бодах, т.е. число символов, передаваемых в секунду. Так, при скорости передачи Бод ширина спектра телеграфного сигнала (Гц). Спектр модулированного сигнала (вторичного сигнала) обычно шире спектра передаваемого сообщения (первичного сигнала) и зависит от вида модуляции.

Часто вводят довольно общую и наглядную характеристику – объем сигнала:

.

Объем сигнала дает общее представление о возможностях данного множества сигналов как переносчиков сообщений. Чем больше объем сигнала, тем больше информации можно вложить в этот объем, но тем труднее передать такой сигнал по каналу связи.