Шум который искажает сообщение в процессе декодирования полученного сигнала называется

Обновлено: 20.05.2024

Проблемы оцифровки звука

В предыдущей статьях ( Оцифровка звука , Аналоговый и Цифровой аудиосигналы ), мы выяснили, что качество процесса преобразования звука из аналогово в цифровой зависит от частоты дискретизации (насколько часто АЦП берёт отсчёты мгновенного значения аналогово сигнала) и от разрядности квантования (точность преобразования значения напряжения в число).

Проблемы связанные с частотой дискретизации

Частота дискретизации, если представить её как последовательность, то это как частота кадров в кино. Например, если АЦП осуществляет выборку 10 раз в секунду, то это будет соответствовать частоте дискретизации 10 Hz.

При этом ширина полосы частот АЦП устроена так, что при частоте, например, той же — 10 Hz, максимальная частота, которую можно зарегистрировать равна 5 Hz. То есть, если берётся частота дискретизации меньше двухкратной частоты колебания, то уже невозможно определить все полуволны этого колебания и некоторые из них будут пропущены. С этой проблемой как раз связан такой эффект искажения звука, как aliasing.

Aliasing

Когда сигнал превосходит верхний предел частоты АЦП (имеется ввиду предел, при котором АЦП может точно осуществлять преобразования аналогово в цифровой звук), то возникает эффект, имеющий название aliasing (наложение спектров) и приводящий к искажению сигнала. Здесь основная проблема кроется в самом АЦП, в его схеме аналого-цифрового преобразователя. И вот почему.

Если частота дискретизации недостаточна для регистрации каждой из этих частей полуволны, то аналоговый сигнал при обратном преобразовании будет довольно сильно отличаться от оригинала.

Посмотрите на следующий рисунок:

Поэтому, чтобы этого эффекта не возникло, частота дискретизации АЦП должна как минимум в два раза превышать максимальную частоту колебания, выборку которого нужно осуществить.

44100 Hz откуда появилась это значение ?

Проблема о который мы говорили выше была известна давно, ещё в 1920-х гг. В это же время и появилась доказанная теорема Шеннона-Котельникова, которая в двух словах заключалось в том, что для качественной дискретизации сигнала частоты x частота дискретизации должна превышать эту частоту x как минимум вдвое. А максимально допустимая частота сигнала, при которой не возникает наложения спектров (aliasing), соответствующая заданной частоте дискретизации, получила название частоты Найквиста. Теперь поясним.

Мы уже рассмотрели, что в сигнале имеются полуволны. И если при аналого-цифровом преобразовании на каждый период сигнала приходится меньше двух дискретных выборок, то осуществить полный “захват” колебания оказывается невозможным. В итоге необходимо минимум два отсчёта на каждый период колебания.

Установив (с запасом) верхнюю границу слухового восприятия человека в пределах 22 000 Hz, частота дискретизации стала 44 000 Hz. В итоге международным стандартом Audio-CD была принята частота 44 100 Hz.

Именно при такой частоте цифровой сигнал сохранит всю информацию обо всех спектральных составляющих звука, слышимым человеку. Те же частоты, которые выше 22 000 Hz могут добавлять низкочастотные составляющие ложных частот и оказаться в области нашего слуха, придавая искажения звуку. Поэтому в схеме АЦП применяют сглаживающие фильтры, которые отсекают эту высокачастотную составляющую.

Ещё один интересный эффект это джиттер.

Джиттер ( jitter)

Переводиться как дрожание. Джиттер — это шум, который появляется, если осуществление выборки сигнала при дискретизации происходит не через абсолютно равные промежутки времени, а с какими-то отклонениями. Например, частота 44 100 Hz, соответственно отсчёты берутся каждые 1/44100 секунды. Но если отсчёты начинают браться немного раньше или позже, а входной сигнал естественно постоянно меняется, происходят ошибки. Уровень сигнала получается не совсем точный как у оригинала. При воспроизведении такого оцифрованного сигнала в звуке ощущается некоторое дрожание и искажения.

Здесь основная проблема кроется в нестабильности АЦП. Для борьбы с этим явлением применяют высокостабильные тактовые генераторы.

Проблемы связанные с разрядностью квантования

Если частота дискретизации отвечает за количество отсчётов (выборок сигнала) в единицу времени. То разрядность (глубина) квантования отвечает за точность, с которой регистрируется мгновенное значение входного сигнала.

При каждой выборке сигнала АЦП измеряет мгновенное значение входного аналогово сигнала и присваивает ему числовое значение. Например, если АЦП может кодировать мгновенное значение сигнала целым числом в пределах от 1 до 8 (т.е., округляя измеренное значение до ближайшего к нему целого числа 1, 2, 3, 4, 5, 6, 7 или 8), то разрядность (глубина) квантования составляет 3 бит (бит — двоичная единица информации, принимает одно из двух значений, 0 или 1; таким образом, поскольку 8 = 2³, для записи в двоичном формате чисел от 1 до 8 необходимо трехразрядное, т.е. состоящее из трех битов, двоичное число). Соответственно, АЦП может закодировать сигнал только в этих рамках. Поэтому, если, например, АЦП нужно округлить промежуточное значение сигнала между 2 и 3, приходиться выбрать либо 2, либо 3. Конечно, 3 Bit — это очень мало и поэтому в первых устройствах цифровой звукозаписи использовались 8 — и 12- разрядные АЦП.

Каждый добавленный Bit позволяет удваивать возможности регистрации уровней звукового давления. Например, 16 Bit обеспечивает 65 000 значений сигнала в пределах заданного диапазона, а 24 Bit — более 16 миллионов.

Одним из ярких примеров глубины квантования может быть мобильный телефон. Когда при разговоре разрядность уменьшается, звук становиться резким, неразборчивым, теряет естественность и появляются шумы.

Таким образом, от разрядности (глубины) квантования цифрового сигнала непосредственно зависит динамический диапазон звука, что очень важно для нашего слуха

Шум квантования (шум дробления)

Когда происходит оцифровка звука аналоговый сигнал преобразуется с некоторой погрешностью ( подробнее здесь ). Эта погрешность зависит от разрядности квантования. Чем она меньше, тем меньше восстановленный звук похож на исходный. Погрешности округления уровня сигнала, называются ошибками дискретизации (квантования) по уровню сигнала (шум квантования, шум дробления) и воспринимаются на слух как шумы.

Следовательно, глубина квантования позволяет расширить динамический диапазон цифрового сигнала и обеспечивает эффективное подавление фонового шума. Так как разница между между самыми тихими и максимально громкими звуками становиться больше, а чем шире динамический диапазон и тем выше отношение “сигнал — шум” системы.

Отношение уровня полезного сигнала к уровню фонового шума называется отношением “сигнал — шум”.

Если вам нравятся наши статьи, подписывайтесь на RSS! Ставьте лайки и делитесь статьями с друзьями!

А в следующей статье мы продолжим эту интересную темы, так как это ещё далеко не все проблемы, связанные с цифровым звуком…

Гранулярный синтез (granular synthesis)

Ещё один интересный вид синтеза, который называется гранулярный синтез (granular synthesis). Расскажем о нём поподробнее.

PD-синтез (Фазовое искажение)

После появления в 1980-х гг. революционного цифрового синтезатора DX7 от фирмы Yamaha, другая японская фирма Casio, тоже решила попасть на…

AM-cинтез (амплитудная модуляция)

В этой статье поговорим о таком виде синтеза, как AM-cинтез (амплитудная модуляция) и кольцевая модуляция (ring Modulation, RM).

FM-синтез (частотная модуляция) — Frequency Modulation

В этой статье поговорим о таком виде синтеза, как FM (частотная модуляция) — Frequency Modulation.

Музыка в игорных заведениях: как ее выбирают и какое влияние оказывает на посетителей

Почему в наземных казино чаще играет спокойная музыка… Узнаем, некоторые нюансы о том, что такое музыка в игорных заведениях: как…

Шеннон и Уивер определяют три уровня проблем в исследовании коммуникации:

• уровень А (технические проблемы) — насколько точно можно передать коммуникативные знаки?

• уровень B (семантические проблемы) — насколько точно передаваемые знаки выражают желаемое значение?

• уровень C (проблемы эффективности) — насколько эффективно воспринимаемое значение воздействует на поведение получателя в желаемом источником направлении?

Технические проблемы уровня А на момент создания модели требовали первоочередного решения, и именно для их анализа она и была изначально создана.

Разобрать пример? Коммуникация Деда Мороза и ребенка через письмо

Важное отличие этой модели от модели Лассвелла: функциональное разделение в процессе КМЦии коммуникатора и передатчика, приемника и рецепиента. Авторы вводят важное для понимания коммуникационных проблем понятие кодирования/декодирования.

Для кодирования/декодирования применяются системы кодов — устоявшихся соответствий между значениями и обозначениями, общих для членов одной культуры или субкультуры. Чтобы коммуникация состоялась, ее коды у источника и получателя должны хотя бы в какой-то мере совпадать.

Один из важнейших элементов модели – шум.

Шум –это источник изменения соотношения отправляемого и получаемого сигнала; любой фактор, который делает неравным отправляемое и получаемое количество информации.

Авторы выделили две группы шумов: механические и семантические.

Механические шумы (N2) возникают за счет технических параметров канала, то есть среды, по которой движется сигнал. Они часто обусловлены несовершенством канала. К числу таких шумов относятся, например, треск и шипение в радиоприемнике, мелькание и помехи в телевизоре, шумы в телефоне. В модели Шеннона — Уивера механические шумы обозначаются также как шум канала.

Недостатки и достоинства модели.

+ первыми отделили источник от передатчика и приемник от получателя

+ универсальная типология коммуникативных шумов

- модель не предусматривает обратной связи

- исключительно количественная модель

- линейная последовательная модель, что КМЦия часто имеет нелинейный параллельный характер.

Рассматривая модель Шеннона — Уивера и выявляя соотношение введенных в ней понятий канала и кода, известный исследователь коммуникации Д. Файск считает необходимым ввести дополнительную категорию — посредника (medium).

Механические посредники: телефон, радио, телевидение, компьютерные сети и т. п. Это передатчики для коммуникативных средств первых двух категорий. Главное отличие между категориями 2 и 3 заключается в том, что посредники третьего типа используют технические каналы и подвержены большим ограничениям и воздействию коммуникативных шумов.

Рассмотрим, каким образом Файск применительно не только к модели Шеннона — Уивера, но и к более сложным моделям анализирует соотношения между кодами, каналами и посредниками.

Отношения между посредником и кодом не могут быть определены столь же однозначно, потому что связь здесь более сложная. Так, например, телевидение — это средство, которое использует визуальный и аудиальный слуховой каналы. Е. Бускомб отмечает, что телевидение использует как специфические для данного канала коды, так и коды, специфические для данного посредника. Специфические для визуального канала коды — это прямой эфир, студийные съемки и графика. Специфические для аудиального канала коды — это записанные шумы, речь и музыка.

Бускомб далее анализирует специфические для посредника коды, которые используются в визуальном канале. Это световой, цветовой, скоростной коды, композиция кадра, положение и движение камеры, монтаж и т. п. Он показывает, что хотя технические характеристики ограничивают области использования, допустимые для каждого кода, фактически применение каждого их них детерминируется культурой создателей программы.

Очевидно, что некоторые элементы, представленные в модели, могут участвовать в процессе неоднократно, выступая при этом в разных функциях. В телефонной коммуникации, например, голосовые связки отвечающего на заданный вопрос человека передают сигнал телефонному аппарату, который в предыдущем коммуникативном акте был приемником, но мгновенно становится передатчиком, передающим сигнал другому аппарату, который получает его, а далее по воздуху передает уху реципиента.

Один из важнейших элементов модели Шеннона — Уивера — это шум. Американские специалисты предложили ставшую классической типологию коммуникативных шумов.

Авторы модели выделили две группы шумов — механические и семантические.

Согласно Шеннону и Уиверу, безупречно четкая коммуникация имеет место, когда объем информации, переданной источником, равен соответствующему объему, полученному адресатом. Однако это идеальная, невозможная в реальности ситуация. Когда объемы переданной и полученной информации неравны, возможны два объяснения этой ситуации. Либо имеет место шум, либо канал не способен передавать информацию. В связи с экспериментальными работами по человеческому восприятию позже было показано, что коммуникационный канал включает последовательность фильтров, приводящих к тому, что количество информации на входе в систему больше той информации, которая срабатывает на выход.

Поиск путей повышения эффективности коммуникации и преодоления проблем, вызванных шумом, привел Шеннона и Уивера к необходимости использования в особом контексте ряда фундаментальных понятий.

Модель коммуникации Шеннона — Уивера была и остается полезной для исследователей массовой коммуникации, обеспечивая их количественным, объективистским подходом к измерению параметров коммуникативного взаимодействия. Но в то же время ее явно недостаточно для описания и анализа различных субъективных составляющих процесса человеческой коммуникации.

Кодирование ставит задачу преобразования сигнала в форму, обеспечивающую оптимальную передачу сигнала по определенному каналу коммуникации. Форма сигнала в виде набора символов выбирается в зависимости от специфики коммуникативной системы, включающей все отмеченные элементы коммуникации.

Каналявляется промежуточным механизмом от коммуникатора к реципиенту. Это и устное обращение, телефонная и интерактивная (двухсторонняя телесвязь), это и собрания, митинги, шествия, это и офис, где происходит обмен информацией, это и уличная или другая любая реклама, посредством которого рекламодатель общается с рекламополучателем и др.

Передача сигналаосуществляется через канал коммуникации. Вид сигнала зависит о типа осуществляемой коммуникации и используемого канала.

Этим постом мы открываем серию публикаций, посвященных основам цифровой обработки сигналов (ЦОС). При создании этих публикаций мы руководствовались целью рассказать о теме ЦОС простыми словами. Мы не будем зацикливаться на формулах, а больше внимания уделим так называемой физике процесса, рассмотрим практические примеры и постараемся понять базовые принципы. Надеемся, что публикации будут интересны как новичкам в ЦОС, так и тем, кто хорошо разбирается в рассматриваемой области, но возможно хочет взглянуть на привычные вещи через новую призму.

В данном посте освещены 3 темы по основам цифровой обработки сигналов:

Основы ЦОС 1 – введение

Ориентироваться мы всё же будем в первую очередь на тех, кто только открывает для себя новый мир ЦОС, и не до конца понимает, что же это такое, связанно ли оно с компьютерами и программированием, или всё же с паянием микросхем? На эти и многие другие вопросы мы дадим ответы в нашей серии публикаций.

Первый важный вопрос, на который мы хотим ответить - зачем. Зачем нам важно в этом разбираться? Где мы можем применить эти знания, и где в нашей повседневной жизни мы сталкиваемся с ЦОС?

Для ответа на этот вопрос далеко ходить не придётся - достаточно взять свой смартфон. Это устройство проигрывает аудио и видео, обрабатывает фото, передаёт и принимает информацию по сети, оценивает собственное положение в пространстве, сканирует отпечаток пальца или профиль лица пользователя – и всё это достижимо за счёт ЦОС!

Современные медицинские устройства не обходятся без ЦОС.
Умные транспортные средства обрабатывают сигналы с множества датчиков и самостоятельно оценивают дорожную обстановку.
Радарные станции, контролирующие взлёт и посадку самолётов на аэродромах, телекоммуникации и системы глобального позиционирования – всё опирается на алгоритмы ЦОС.

Проще говоря, ЦОС сегодня окружает на повсюду, и от неё зависят наши комфорт и безопасность.

Пришло время определений, и начнём мы с определения сигнала. Сигнал – это физический процесс, несущий в себе информацию. Если мы получаем информацию из какого-то физического процесса – для нас этот процесс становится сигналом.

Обычно сигналы мы визуализируем на графиках, так нагляднее. Рассмотрим примеры.

График изменения температуры в районе международного аэропорта Логан в течение одного месяца. По оси Х на графике отложено время, по оси Y – градусы. Это одномерный сигнал.
Или запись электрокардиограммы. Это также одномерный сигнал, изменение напряжения на электродах во времени.
Речь человека – изменение звукового давления во времени.

Но сигналы также могут изменяться в пространстве. Например, изображение! Оно отражает изменение цвета и освещённости в пространстве. И если мы рассмотрим цифровое изображение, то оно обычно состоит из пикселей. Значения яркости отдельных пикселей изменяются в пространстве, каждую строчку пикселей можно рассматривать, как отдельный одномерный сигнал.

Сложив несколько строк, мы получаем матрицу. Изображения часто представляются именно в виде численных матриц. Представление – это, по сути, математическая модель сигнала, то, над чем мы можем оперировать. Представили изображение в виде матрицы – и мы можем применять линейную алгебру. Или, например, мы можем описать сигнал формулой – и определить его значение подставив параметры в любой момент времени.

Математическое описание для рассматриваемого физического процесса мы выбираем в зависимости от решаемой задачи и от доступной нам математики. Об этом мы более подробно поговорим в следующих публикациях. А пока что краткий экскурс в историю и ещё одно базовое определение.

Обработка сигналов – это выполнение действий над сигналом для изменения его характеристик или получения информации. Подобные действия раньше осуществлялись без использования компьютеров и микросхем.

Рассмотрим типичный пример – усиление аналогового электрического сигнала. Аналоговые электрические цепи состоят из транзисторов, резисторов, конденсаторов и т.д.

На картинке представлен усилительный каскад, он позволяет нам из сигнала малой амплитуды получить сигнал большей амплитуды. Происходит изменениехарактеристик сигнала, то есть его обработка. Цепи детекторов фазы и частоты могут помочь нам оценить характеристики электрического сигнала, то есть получить информацию.

Аналоговые цепи оперируют непрерывными сигналами, в то время как цифровые устройства обрабатывают дискретные отсчёты нулей и единиц – цифровые сигналы.

Вот пример прохождения цифрового сигнала через микросхему. По сути, здесь также происходит изменение величины входного сигнала, и микросхема представляет собой цифровой усилитель!

Но для чего нам вообще использовать цифровые сигналы и устройства?

Цифровые сигналы стали впервые использоваться в системах связи, так как они были более устойчивы к шумам и помехам. Здесь можно провести аналогию с азбукой морзе – вы, наверное, помните, как в фильмах, когда систем связи перестаёт работать, герои вспоминают про азбуку морзе и начинают нажимать тангенту, передавая точки и тире. Такой простейший сигнал доходит в самых трудных условиях.

Нули и единицы цифрового сигнала – по сути точки и тире. Ими можно закодировать любую информацию, так же как мы кодируем буквы в азбуке Морзе.

Развитие цифровой связи привело к развитию цифровой вычислительной техники, и в итоге мы теперь имеем программируемые цифровые вычислители, которые присутствуют практически в каждом устройстве.

Но и аналоговая обработка никуда не делась, современные устройства также зачастую содержат в себе аналоговые цепи наряду с цифровыми.

Вот мы наконец и добрались до главного определения:

Цифровая обработка сигналов – способ обработки сигналов на основе численных методов с использованием цифровой вычислительной техники.

Вот так выглядит обобщённая схема системы ЦОС – она описывает общий случай обработки физического, то есть аналогового, сигнала, цифровым вычислителем.

На входе и входе системы обработки непрерывный аналоговый сигнал, который проходит через специальное устройство – аналого-цифровой преобразователь, и только после этого в виде последовательности нулей и единиц попадает на цифровой вычислитель. Выходная последовательность преобразуется обратно в аналоговую форму цифро-аналоговым преобразователем. О том, что это за устройства и как они работают мы подробно расскажем в отдельной публикации. Но в принципе ЦОС может осуществляться над изначально цифровым сигналом, и преобразование в аналоговую форму не требуется.

А о том, что же это за цифровой сигнал, и как мы можем получить его из аналогового – в следующей публикации!

Основы ЦОС 2 – cигналы, шумы и помехи

Во-первых давайте попробуем понять, что такое цифровой сигнал, и как он соотносится с аналоговым. Для этого рассмотрим процесс оцифровки аналогового сигнала. Исходный аналоговый сигнал непрерывен, и мы можем узнать его значение в любой момент времени.

Запишем его как x(t). Подставляем любое значение времени t – получаем значение сигнала x.

Для того, чтобы представить этот аналоговый сигнал в цифровом нужно осуществить две операции:

При дискретизации мы берём отсчёты сигнала только в конкретные моменты времени. Дискретный сигнал уже не является непрерывным, его значения известны нам только в выбранных точках.

Мы записываем его как x(n). n – номер дискретного отсчёта. Подставили номер отсчёта n – получили значение из дискретной последовательности. В нашем случае отсчёты по оси времени расположены друг от друга на одинаковом расстоянии. Мы взяли временную сетку с равномерным шагом. Шаг этот называется периодом дискретизации – Δt. Точные значения сигнала, не попавшие во временную сетку с периодом дискретизации нам уже недоступны.

Квантование – это представление значений сигнала конечным числом уровней, то есть округление его точных значений.

На данном графике представлен непрерывный квантованный сигнал. Мы выбрали целочисленные уровни, и в тот момент времени, когда сигнал, например, превышает значение в 2.5 он приравнивается к тройке, а когда значение опускается ниже двух с половиной – он округляется вниз до двойки.

Ну и наконец цифровой сигнал. Он является квантованным по уровню и дискретным во времени.

В нашем случае цифровой сигнал – это дискретная последовательность целочисленных значений. И если мы представим наши уровни не в десятичном, а в двоичном виде – то мы получаем ту самую последовательность нулей и единиц, о которой мы говорили ранее.

Важно заметить, что при квантовании теряется точность. Каждый отсчёт цифрового сигнала отличается от соответствующего отсчёта дискретного сигнала на величину, равную разнице реального значения и ближайшего уровня квантования. Сигнал разницы часто называют ошибкой или шумом квантования.

Теперь поговорим о том, что может помешать нам получить информацию из сигнала, а именно о:

Начнём с шумов. Если говорить просто, где есть сигнал, там будет и шум, так как шум присутствует повсюду. Упорядоченные процессы физического мира соседствуют со случайными, и зафиксировать одни без других практически невозможно. У нас нет времени рассказывать о всех случайных процессах во вселенной, поэтому давайте ограничимся наиболее распространёнными видами шумов при ЦОС.

Начнём с теплового шума. Большинство устройств обработки имеют в своём составе электрические цепи. Цифровые вычислители также являются электрическими цепями, через которые проходят электрические сигналы. А в любом проводнике электрического сигнала присутствует тепловой шум, обусловленный хаотичным движением подвижных частиц – носителей заряда.

Электрический сигнал может быть преобразован в электромагнитную, звуковую, световую и прочие формы и передан по соответствующим физическим каналам. В этих каналах так же присутствуют хаотично движущиеся частицы, как например в атмосфере.

Сигнал ошибки квантования, упомянутый ранее, нам также проще относить к категории шумов, хотя по факту он не является случайным и зависит от сигнала.

Подводя итог: шумы, как правило, случайны по своей природе, и их источниками являются физические процессы.

Помехи же, как правило, случайными процессами не являются, и источники их часто имеют так называемое человеческое происхождение. К примеру – линия электропередач мешает вам принимать телевизионный сигнал, расположенные рядом станции сотовой связи вызывают замирания сигнала. Иногда помеха создаётся специально, чтобы подавить средства обнаружения противника в рамках радиоэлектронной борьбы. Помехи могут иметь и естественное происхождение, например засветка солнцем в системах спутниковой связи.

Искажения – это нежелательные изменения сигнала, вызванные неидеальностью среды передачи или системы обработки. Шум и помеха существуют отдельно от сигнала, от них часто можно отфильтровать, в то время как искажения происходят с самим сигналом. И в этом случае мы безвозвратно теряем информацию.

Пример – ограничение в усилителе. Выходной сигнал устройства не может быть выше определённого значения, и при большом коэффициенте усиления мы наблюдаем изменения формы сигнала – пики обрезаются. Выходной сигнал перестаёт напоминать входной. Но и даже такие искажения могут быть полезны, например, рок музыкантам – эффект перегруза в гитарах достигается именно по описанному принципу.

Мы часто говорим о сигнале, как об источнике информации, но вокруг нас протекает множество физических процессов. Что из них полезный сигнал, что шум, а что помеха?

На самом деле всё относительно. Рассмотрим простой пример. Вы находитесь в многолюдном кафе. То, что говорит вам ваш собеседник является полезным сигналом. В то время как беседа людей за соседним столиком для вас является помехой. Но если вы захотите узнать, о чём же там так оживлённо спорят, то в это случае уже речь вашего собеседника будет мешать вам это сделать.

Выделение сигнала на фоне шума или помехи – одна из задач ЦОС, и в следующей публикации мы попробуем очертить остальные задачи.

Основы ЦОС 3 – cигналы, шумы и помехи

Основные задачи ЦОС можно сгруппировать в следующие категории:

эквализация или исправление сигнала,
фильтрация сигнала,
идентификация системы,
анализ и оценка параметров сигнала,
сжатие.

Первые три категории соответствуют представленной схеме – здесь присутствуют входной сигнал, система обработки и выходной сигнал. В каждом из трёх случаев что-то является неизвестным и искомым. Под системой же здесь подразумевается любая среда прохождения, намеренно или ненамеренно изменяющая входной сигнал. Будь то кабель, атмосфера или цифровой вычислитель.

Эквализация – задача поиска входного сигнала при известных параметрах системы и выходного сигнала. Иногда эту задачу также называют инверсией, потому что мы как бы исправляем то, что система делает с сигналом. Находим его первозданный вид.

Мы знаем, как неидеальности системы могут влиять на сигнал, например, в каких частотных диапазонах он будет подавляться сильнее. К примеру, как акустика комнаты и параметры усилителей и динамиков могут подавить высокие частоты и усилить средние. Эквалайзер позволит нам контролировать усиление в определённых полосах для компенсации влияния системы.

Фильтрация – одна из самых распространённых задач ЦОС.

Мы ищем выходной сигнал. Но на самом деле мы скорее отделяем полезный сигнал от смеси сигнала с шумом или помехой, подобно тому, как простейший водный фильтр помогает нам отделить пригодную для питья воду от песка и мелких частиц.

Идентификация системы применяется в том случае, когда измерить точные параметры среды прохождения сигнала не представляется возможным, и нужна модель среды.

К примеру – многолучевое распространение радиосигнала в условиях городской застройки. Точно просчитать, от каких зданий и как сигнал переотразится достаточно сложно, но! мы знаем передаваемый сигнал, записываем принятый сигнал, и далее пробуем найти наилучшую модель, описывающую среду распространения, которая затем может быть использована при модификации и эксплуатации системы. Или же получение модели является целью исследовательской задачи, например при зондировании земли.

Теперь рассмотрим анализ и оценку параметров сигнала. Это широкий класс задач, связанный с получением информации из сигнала. Часто этот процесс идёт после исправления или фильтрации сигнала.

Анализ спектра принятого эфира позволит нам сделать заключение о наличии или отсутствии того или иного частотного компонента в принятой смеси сигналов и шумов.

Оценка параметра частоты отраженного сигнала, принимаемого автомобильным радаром, позволит на основе эффекта Доплера оценить относительную скорость.

Ну и наконец сжатие сигнала. Оно применяется в тех случаях, когда мы хотим уменьшить количество передаваемой или хранимой информации. Часто это достигается за счёт потери в точности представления.

Большинство аудиофайлов на вашем телефоне хранятся в сжатом виде, потоковое видео, которое вы смотрите, приходит к вам также в сжатом виде. Алгоритмы и устройства компрессии данных – также часть мира ЦОС.

Большинство практических примеров в курсе мы будем рассматривать в среде MATLAB, поэтому следующая публикация будет посвящена введению в MATLAB для решения задач ЦОС.

Читайте также: