15 49.0138 8.38624 arrow 0 bullet 0 4000 1 0 horizontal https://zopi.ro 300 true 4000 1
theme-sticky-logo-alt
Bucurie, Inspirație și O Lume Mai Roz!
Ce este procesarea digitala a semnalului – DSP

Ce este procesarea digitala a semnalului – DSP?

septembrie 16, 2022
265 Vizualizari
Procesarea digitala a semnalului (DSP) este utilizarea procesarii digitale, cum ar fi de catre computere sau procesoare de semnal digital mai specializate, pentru a efectua o mare varietate de operatiuni de procesare a semnalului. Semnalele digitale procesate in acest mod sunt o secventa de numere care reprezinta mostre ale unei variabile continue intr-un domeniu cum...

Procesarea digitala a semnalului (DSP) este utilizarea procesarii digitale, cum ar fi de catre computere sau procesoare de semnal digital mai specializate, pentru a efectua o mare varietate de operatiuni de procesare a semnalului.

Semnalele digitale procesate in acest mod sunt o secventa de numere care reprezinta mostre ale unei variabile continue intr-un domeniu cum ar fi timpul, spatiul sau frecventa. In electronica digitala, un semnal digital este reprezentat ca un tren de impulsuri, care este de obicei generat de comutarea unui tranzistor.

Procesarea semnalului digital si procesarea semnalului analogic sunt subdomenii ale procesarii semnalului. Aplicatiile DSP includ procesarea audio si a vorbirii, sonarul, radarul si alte procese de matrice de senzori, estimarea densitatii spectrale, procesarea statistica a semnalului, procesarea digitala a imaginilor, compresia datelor, codarea video, codificarea audio, compresia imaginii, procesarea semnalului pentru telecomunicatii, sisteme de control, biomedicale inginerie si seismologie, printre altele.

DSP poate implica operatii liniare sau neliniare. Procesarea semnalului neliniar este strans legata de identificarea sistemului neliniar si poate fi implementata in domeniile timp, frecventa si spatiu-temporal.

Aplicarea calculului digital la procesarea semnalului permite multe avantaje fata de procesarea analogica in multe aplicatii, cum ar fi detectarea si corectarea erorilor in transmisie, precum si comprimarea datelor. Procesarea semnalului digital este, de asemenea, fundamentala pentru tehnologia digitala, cum ar fi telecomunicatiile digitale si comunicatiile fara fir. DSP este aplicabil atat pentru datele in flux, cat si pentru datele statice (stocate).

Esantionarea semnalului

Pentru a analiza si manipula digital un semnal analogic, acesta trebuie digitizat cu un convertor analog-digital (ADC). Esantionarea se realizeaza de obicei in doua etape, discretizare si cuantizare. Discretizarea inseamna ca semnalul este impartit in intervale egale de timp, iar fiecare interval este reprezentat de o singura masurare a amplitudinii. Cuantizarea inseamna ca fiecare masuratoare de amplitudine este aproximata cu o valoare dintr-un set finit. Rotunjirea numerelor reale la numere intregi este un exemplu.

Teorema de esantionare Nyquist-Shannon afirma ca un semnal poate fi reconstruit exact din esantioanele sale daca frecventa de esantionare este de doua ori mai mare decat componenta de frecventa cea mai inalta a semnalului. In practica, frecventa de esantionare este adesea semnificativ mai mare decat aceasta.

Analizele si derivatiile DSP teoretice sunt de obicei efectuate pe modele de semnal in timp discret fara inexactitati de amplitudine (eroare de cuantizare), „create” de procesul abstract de esantionare. Metodele numerice necesita un semnal cuantizat, cum ar fi cele produse de un ADC. Rezultatul procesat poate fi un spectru de frecventa sau un set de statistici. Dar adesea este un alt semnal cuantificat care este convertit inapoi in forma analogica printr-un convertor digital-analogic (DAC).

Domenii

Inginerii DSP studiaza de obicei semnalele digitale in unul dintre urmatoarele domenii: domeniul temporal (semnale unidimensionale), domeniul spatial (semnale multidimensionale), domeniul frecventei si domeniile wavelet.

Ei aleg domeniul in care sa proceseze un semnal facand o presupunere informata (sau incercand diferite posibilitati) cu privire la care domeniu reprezinta cel mai bine caracteristicile esentiale ale semnalului si procesarea care trebuie aplicata acestuia. O secventa de esantioane dintr-un dispozitiv de masurare produce o reprezentare in domeniul temporal sau spatial, in timp ce o transformata Fourier discreta, produce reprezentarea domeniului frecventa.

Domeniile timp si spatiu

Domeniul timp se refera la analiza semnalelor in raport cu timpul. In mod similar, domeniul spatial se refera la analiza semnalelor in functie de pozitie, de exemplu, locatia pixelilor in cazul procesarii imaginii.

Cea mai comuna abordare de procesare in domeniul timp sau spatiu este imbunatatirea semnalului de intrare printr-o metoda numita filtrare. Filtrarea digitala consta in general intr-o transformare liniara a unui numar de esantioane in jurul esantionului curent al semnalului de intrare sau de iesire. Esantioanele din jur pot fi identificate in functie de timp sau spatiu. Iesirea unui filtru digital liniar catre orice intrare data poate fi calculata prin convolutia semnalului de intrare cu un raspuns la impuls.

Domeniul de frecventa

Semnalele sunt convertite din domeniul timp sau spatiu in domeniul frecventei de obicei prin utilizarea transformarii Fourier. Transformarea Fourier converteste informatiile de timp sau spatiu intr-o componenta de marime si faza a fiecarei frecvente. Cu unele aplicatii, modul in care faza variaza in functie de frecventa poate fi o consideratie semnificativa. Acolo unde faza nu este importanta, adesea transformata Fourier este convertita in spectrul de putere, care este marimea fiecarei componente de frecventa la patrat.

Cel mai comun scop pentru analiza semnalelor in domeniul frecventei este analiza proprietatilor semnalului. Inginerul poate studia spectrul pentru a determina ce frecvente sunt prezente in semnalul de intrare si care lipsesc. Analiza domeniului de frecventa se mai numeste si analiza spectrala.

Filtrarea, in special in munca in afara timpului real, poate fi realizata si in domeniul frecventei, aplicand filtrul si apoi conversia inapoi in domeniul timpului. Aceasta poate fi o implementare eficienta si poate oferi in esenta orice raspuns la filtru, inclusiv aproximari excelente la filtrele brickwall.

Exista cateva transformari frecvent utilizate in domeniul frecventei. De exemplu, cepstrul converteste un semnal in domeniul frecventei prin transformarea Fourier, ia logaritmul, apoi aplica o alta transformata Fourier. Acest lucru subliniaza structura armonica a spectrului original.

Analiza planului Z

Filtrele digitale vin in ambele tipuri IIR si FIR. In timp ce filtrele FIR sunt intotdeauna stabile, filtrele IIR au bucle de feedback care pot deveni instabile si pot oscila. Transformarea Z ofera un instrument pentru analiza problemelor de stabilitate ale filtrelor digitale IIR. Este analog cu transformarea Laplace, care este folosita pentru a proiecta si analiza filtre analogice IIR.

Analiza autoregresiei

Un semnal este reprezentat ca o combinatie liniara a probelor sale anterioare. Coeficientii combinatiei se numesc coeficienti de autoregresie. Aceasta metoda are o rezolutie de frecventa mai mare si poate procesa semnale mai scurte in comparatie cu transformata Fourier. Metoda lui Prony poate fi utilizata pentru a estima fazele, amplitudinile, fazele initiale si dezintegrarile componentelor semnalului. Se presupune ca aceste componente sunt exponenti complexi in descompunere.

Analiza timp-frecventa

O reprezentare timp-frecventa a semnalului poate surprinde atat evolutia temporala, cat si structura de frecventa a semnalului analizat. Rezolutia temporala si a frecventei sunt limitate de principiul incertitudinii, iar compromisul este ajustat de latimea ferestrei de analiza.

Tehnici liniare, cum ar fi transformarea Fourier de scurta durata, transformarea wavelet, bancul de filtre, metode neliniare (de exemplu, transformata Wigner–Ville) si autoregresive (de exemplu metoda Prony segmentata), sunt folosite pentru reprezentarea semnalului pe planul timp-frecventa. Metodele Prony neliniare si segmentate pot oferi o rezolutie mai mare, dar pot produce artefacte nedorite. Analiza timp-frecventa este de obicei utilizata pentru analiza semnalelor nestationare. De exemplu, metodele de estimare a frecventei fundamentale, cum ar fi RAPT si PEFAC, se bazeaza pe analiza spectrala – fereastra.

Wavelet

In analiza numerica si analiza functionala, o transformare wavelet discreta este orice transformare wavelet pentru care wavelet-urile sunt esantionate discret. Ca si in cazul altor transformari wavelet, un avantaj cheie pe care il are fata de transformatele Fourier, este rezolutia temporala: capteaza atat informatii despre frecventa, cat si despre locatie. Precizia rezolutiei comune timp-frecventa este limitata de principiul incertitudinii timp-frecventa.

Descompunerea in modul empiric

Descompunerea in modul empiric se bazeaza pe semnalul de descompunere in functii de mod intrinsec (IMF). IMF-urile sunt oscilatii cvasiarmonice care sunt extrase din semnal.

hands-with-laptop-virtual-world-map

Implementarea

Algoritmii DSP pot fi rulati pe computere de uz general si procesoare de semnal digital. Algoritmii DSP sunt, de asemenea, implementati pe hardware special construit, cum ar fi circuitul integrat specific aplicatiei (ASIC). Tehnologii suplimentare pentru procesarea semnalului digital includ microprocesoare de uz general mai puternice, unitati de procesare grafica, matrice de porti programabile in camp (FPGA), controlere de semnal digital (in mare parte pentru aplicatii industriale, cum ar fi controlul motoarelor) si procesoare de flux.

Pentru sistemele care nu au o cerinta de calcul in timp real si datele semnalului (fie de intrare sau de iesire) exista in fisiere de date, procesarea se poate face economic cu un computer de uz general. Aceasta nu este in esenta diferita de orice alta prelucrare a datelor, cu exceptia utilizarii tehnicilor matematice DSP (cum ar fi DCT si FFT), iar datele esantionate se presupune de obicei a fi esantionate uniform in timp sau spatiu. Un exemplu de astfel de aplicatie este prelucrarea fotografiilor digitale cu software precum Photoshop.

Cand cerintele aplicatiei sunt in timp real, DSP este adesea implementat folosind procesoare sau microprocesoare specializate sau dedicate, uneori folosind mai multe procesoare sau mai multe nuclee de procesare. Acestea pot procesa date folosind aritmetica in virgula fixa ​​sau virgula mobila. Pentru aplicatii mai solicitante pot fi utilizate FPGA. Pentru cele mai solicitante aplicatii sau produse cu volum mare, ASIC-urile pot fi proiectate special pentru aplicatie.

Procesarea nativa este efectuata de CPU-ul computerului, mai degraba decat de DSP sau de procesare externa, care este realizata de cipuri DSP suplimentare de la terti, situate pe carduri de extensie sau dispozitive hardware externe. Multe statii de lucru audio digitale precum Logic Pro, Cubase, Digital Performer si Pro Tools LE utilizeaza procesare nativa. Altele, cum ar fi Pro Tools HD, UAD-1 de la Universal Audio si Powercore de la TC Electronic, folosesc procesarea DSP.

Aplicatii

Domeniile generale de aplicare pentru DSP includ

  • Procesarea semnalului audio
  • Comprimarea datelor audio de ex. MP3
  • Comprimarea datelor video
  • Grafica pe computer
  • Procesarea digitala a imaginilor
  • Manipulare fotografie
  • Procesarea vorbirii
  • Recunoastere a vorbirii
  • Transmiterea datelor
  • Radar
  • Sonar
  • Procesarea semnalelor financiare
  • Prognoza economica
  • Seismologie
  • Biomedicina
  • Prognoza Meteo

Exemplele specifice includ codificarea si transmisia vorbirii in telefoanele mobile digitale, corectia camerei si a sunetului in aplicatii hi-fi si de intarire a sunetului, analiza si controlul proceselor industriale, imagistica medicala, cum ar fi scanari CAT si RMN, crossovere si egalizare audio, sintetizatoare digitale si unitati de efecte audio.