Valószínűleg mindenki, aki hallgatott már SDR vevőt vagy adó-vevőt, nem maradhatott közömbös a vétele, és főleg a kényelem iránt, ami abban nyilvánul meg, hogy a sávon nem csak hallani, de látni is lehet állomásokat. A hatótávolság áttekintése az adó-vevő SDR panorámáján lehetővé teszi, hogy gyorsan és vizuálisan megtalálja az állomásokat a vételi sávban, ami nagyban felgyorsítja a tudósítók keresését a versenyeken, sőt a mindennapi éterben végzett munka során is. A „vízesés” segítségével vizuálisan nyomon követhető a tartományban lévő jelek története, és könnyedén válthat egy érdekes tudósítóra. Ráadásul maga a panoráma is megmutatja nekünk a vett állomások frekvenciamenetét, sávszélességét és sugárzási szélességét, aminek köszönhetően gyorsan találhatunk egy szabad szakaszt a hatótávolságon a többi rádióamatőr hívásához.
Ez csak akkor van így, ha az SDR vizuális részéről beszélünk, de ne feledkezzünk meg a jelfeldolgozásról sem vételnél, sem továbbításnál. Teljes vezérlés a szélesség és a vételi sáv minden eleme felett. A beállítások menüpontokban a szükséges paraméterek helyes kiválasztásával az átviteli jel is remekül szól.
De van egy körülmény az SDR működéséhez, további eszközökre van szükség: maga a számítógép kiváló minőségű hangkártyával, amelyen a fő jelfeldolgozás történik, és egy jó monitor nagy képernyőfelbontással. Természetesen ehhez és az SDR adó-vevőhöz is kell a megfelelő szoftver, ami nem olcsó. Mindez már bizonyos speciális követelményeket támaszt a rádióamatőr számítógépes ismeretekkel szemben. Ami nem mindig, és nem is mindenkinél, sajnos jelen van.
Van még egy hátránya. Ha ez a vételnél nem észrevehető, akkor az átvitelnél az audiojel számítógépben történő speciális feldolgozása miatt jelentős, több mint 150 ms-os jelkésleltetés lép fel, ami teljesen kizárja az önszabályozás normál működését minden típusnál. a sugárzástól. Csak egy további vezérlő vevőt vagy egy barátot ment el, akinek SDR adó-vevője is van, amely rögzíti a vett jelet.
Most, az STM megfizethető mikroprocesszorainak egy generációjának megjelenésével lehetővé vált olyan eszközök fejlesztése, amelyek részben helyettesíthetik a nagy számítógépek néhány alapvető funkcióját. Mégpedig a DSP hangfeldolgozás és adó-vevő vezérlés, valamint az információk grafikus megjelenítése az adó-vevő kijelzőjén.
Ennek eredményeként egy ilyen adó-vevő fő összetevői, lehetővé teszi a külső számítógép visszautasítását
. Ugyanakkor, mint egy külső számítógépen, egy kényelmes szolgáltatást tárolnak az adó-vevő kezeléséhez, a jelek különféle rögzítési módjai, mind a fogadáshoz, mind az átvitelhez, a felvételek későbbi lejátszásával fejhallgatón vagy adás közben az éterben, mentéssel. a szükséges információkat egy külső SD-térképen, amely a saját nagy kijelzőjén, széles sávval, valamint DSP-feldolgozással és jelkondicionálással jeleníti meg az összes főbb sugárzási típussal. Az ilyen adó-vevők kiváló minőségű jelvételt, nagy dőlésszögű szűrőket simán állítható határvonalakkal és automatikus Notch szűrőt biztosítanak. Többsávos grafikus hangszínszabályzót, kompresszort, reverbeket használnak az átvitelhez, és ami a legfontosabb, a minimális késleltetési idő elérése. A külső szintetizátorral az adó-vevő vezérlők könnyen működnek az analóg SDR-ekkel. Ezek a modern adó-vevők széles körben használnak HiQSDR és HiQSDR-mini 2.0 rádióutakat, amelyeket külön SPI buszon vagy DSP kártyán keresztül vezérelnek a fő SPI buszon, minimális csatlakozó vezetékekkel.
Néhány évvel ezelőtt megkezdődött az SDR adó-vevők gyártása, amelyek a rádiófrekvenciás jel audió IF-vé történő közvetlen átalakításának elvén működnek, amelyben egy egyszerűsített (a klasszikus sémához képest) rádiócsatorna-kártya és egy speciális számítógép található. egy házat. A fő hangsúly itt a szoftveren van. A késztermék fő költségét a szoftver költsége is meghatározza. A Flex és Sun SDR hardver pontosan ezen az elven épül fel.
Jelenleg a DSP módszereken alapuló jelfeldolgozás elve fejlődésének következő szakaszába lépett. Megjelent egy új módszer az antennáról érkező jel közvetlen digitalizálására, majd a számjegyből történő közvetlen jelgenerálására, amely lehetővé teszi a jelfeldolgozó hardverrel a klasszikus és az SDR-technológiákban rejlő szinte minden típusú probléma megszabadulását.
A közvetlen jeldigitalizálással rendelkező rádióvevők és adó-vevők DDC (Digital Down-Converter) rövidítése. A fordított átalakítás digitálisról analógra DUC-nak (a Digital Up-Converter szóból) rövidítve. Digitális jelátalakításról beszélünk szoftverrel. Rögtön meg kell jegyezni, hogy az SDR (Software Define Radio) rövidítés - szoftveresen definiált rádió - csak egy általános definíciója a jelfeldolgozó technológiák egy osztályának, amely magában foglalja a DDC - architektúrát, mint az egyik módszert.
Már ma, a megfizethető mikroprocesszorok generációjának megjelenésével lehetőség nyílik olyan eszközök kifejlesztésére, amelyek részben helyettesíthetik a nagy számítógépek néhány alapvető funkcióját. Mégpedig a DSP hangfeldolgozás és adó-vevő vezérlés, valamint az információk grafikus megjelenítése az adó-vevő kijelzőjén. A DDC architektúra azonnal digitalizálja a jelek teljes spektrumát 0 Hz-től az olyan frekvenciákig, amelyeket az ADC chip képes feldolgozni. A mai legmodernebb ADC mikroáramkörök akár 1 GHz-es sávban is működhetnek, de költségük ma is igen magas. Ugyanakkor a legnépszerűbb és viszonylag olcsó ADC mikroáramkörök 0 Hz és 60 ... 100 MHz közötti sávban digitalizálják a spektrumot, ami meglehetősen alkalmas rádióamatőr feladatokra. A 0 Hz - 30 ... 60 MHz sávban lévő jelek spektrumának digitalizálása után az ADC mikroáramkör kimenetén nagyon nagy digitális adatfolyamot kapunk, amelyet nagy sebességű FPGA mikroáramkörök dolgoznak fel tovább. Programozottan valósítják meg a DDC/DUC algoritmust, azaz. digitális buck vagy boost konverter.
A digitális lekonverter mintavételezi a szükséges sávszélesség-spektrumot, és átadja egy számítógépnek feldolgozásra - pl. lényegesen kisebb sávszélességgel és sebességgel digitális adatfolyam jön létre. A számítógépben történik a folyam programozása DSP módszerekkel és a jel végső demodulálása.
A gyakorlatban nagyon ritkán szükséges a 0 Hz - 30 ... 60 MHz sávban a jelek teljes spektrumával dolgozni. A feldolgozáshoz szükséges maximális sávszélesség 10...50 kHz AM, FM jelek demodulálásához és 3...5 kHz SSB jelek esetén.
Ezt a legfejlettebb jelfeldolgozási módszert a TULIP-DSP amatőr rádióadó-vevőkben és a hazai analóg - Tulip-DDC / DUC -ban valósították meg.
Hasonló jelképzési elvet alkalmaznak egy jól ismert cég adó-vevőiben is, amely még 2015-ben kezdte meg az új modellek gyártását. Az alábbiakban egy ilyen adó-vevő blokkdiagramjának részletét mutatjuk be.
Ha korábban, néhány évvel ezelőtt, még az olyan fejlett adó-vevőkben is, mint az ICOM IC-756Pro3 és IC-7600, a szekvenciális spektrum söprés módszerét alkalmazták, és a képfrissítés folyamata észrevehető volt - pl. gyors pásztázás, most a megfigyelés és a jelfeldolgozás komplexben, párhuzamosan történik, mivel a frekvenciahangolás szoftveres módszerrel azonnal megtörténik. Annak a ténynek köszönhetően, hogy egy nagy, 30 ... 60 MHz-es frekvenciaszakaszt azonnal digitalizálnak, anélkül, hogy elveszítenék az aktuális rádióállomás hangolását, így láthatóvá válik, hogy mi történik a spektrum szomszédos szakaszán. Sőt, a második virtuális vevőt hívva egyszerre hallható, hogy miről beszélnek az egyik és a második sávon. De két vevőegység nem a határ. Három, öt, tíz... annyi vevőt hívhat, amennyit csak akar. Ha bizonyos módon kevered a hangjukat, akkor tudatában vagy annak, hogy mi történik a zenekarokon. A "felhő" grafika lehetővé teszi a kívánt állomás gyors kiválasztását.
Ugyanez vonatkozik a spektrumkijelzésre is. A gyakorlatban ritkán fordul elő, hogy a teljes 30 ... 60 MHz-es szakaszra egyszerre van szükség. Ha szükséges, viszonylag egyszerűen kiválasztható a második, harmadik, negyedik, és általában, hogy az általános digitális folyamból hány kis folyamra van szükség, és átvihető egy számítógépre, ezáltal egyidejűleg több vételi csatorna is létrehozható. Ez a módszer két, három vagy annyi "virtuális vevőt" valósít meg, amennyi szükséges a teljes digitalizálási sávban. Például külön panorámát készítünk a 40 méteres sávnak, külön panorámát a 20 méteres sávnak és a többi sávnak ..., ezeket külön monitorra helyezzük, és most lehetőségünk van valós időben megfigyelni a körülményeket. áthaladását az általunk választott szakaszokban.
Egyrészt hátrányt jelent a tükörcsíkok jelenléte. Mivel a DD fogalma a digitalizálás teljes spektrumára vonatkozik, az ADC bemenete jelentősen tehermentesíthető, ha odafigyelünk a vevő bemeneti áramköreire, amelyeket a legjobb minőségben és hangolhatóvá tenni. Alternatív megoldásként használjon aluláteresztő szűrőt az órajel fele vágási frekvenciájú aluláteresztő szűrőket vagy sávszűrőket. Ezenkívül csillapíthatják az erős sávon kívüli jeleket, amelyek elég távol vannak a működési sávtól. Ebben az esetben elvész a digitalizálás teljes körének áttekintésének lehetősége. Az ilyen előválasztási módszerek akkor indokoltak, ha DDC vevőkészüléket nagy antennákkal vagy nehéz interferenciaviszonyokkal rendelkező területeken kíván használni.
Másrészt ez a hiányosság technológiai lehetőséget ad arra, hogy egyszerű eszközökkel ne csak a HF sávon, hanem a VHF, sőt az UHF sávokon is megvalósítsák a vételt. Csak cserélhető sávszűrőket kell készíteni LNA-val, az órajelfrekvencia felével egyenlő sávban.
Például néhány DDC vevő kapcsolható szűrővel rendelkezik az MW-LW tartományhoz, és az egyik WiNRADiO DDC vevő és a Perseus DDC vevő rugalmasan konfigurálható keskeny sávú szűrőkkel rendelkezik.
Körülbelül 20 éve még álmodni sem mertünk ilyesmiről, amikor az adó-vevő panorámacsatlakozása 2-szer nagyobb volt, mint maga az adó-vevő, és 5-10-szer drágább volt. A szolgáltatás minőségéről nem is beszélve. A 2000-es évek elején megjelent SDR technológia lehetővé tette, hogy a levegőt nézzük, és teljesen más módon halljuk. Igazi élő adást láttunk! Nem statikus "lefagyott" kép lassú pásztázás után, nevezetesen élő adás, valós időben.
Ha ahhoz, hogy a többi sáv csonka panorámáját lássuk az első hardveres jelkonverziós SDR adó-vevőben, minden sávhoz külön vételi útvonalra van szükség, akkor a modern DDC technológiával készült vételi útvonalon mindkét a sorozat szekciói és a teljes választék elérhető. , és ezzel párhuzamosan szekcióinak egyes szakaszaival. Mindezen lehetőségek megvalósítása csak a DSP és a közvetlen jeldigitalizálás módszereinek köszönhetően lehetséges.
Az amatőr rádiózás területén jelenleg és a közeljövőben is az egyik legkeresettebb szolgáltatás a térbeli jelválasztás és a fáziszaj kiszűrése. Ma már létezik egy fázismódszer a jel kiválasztására és a zajelnyomásra, amelyet hardverben valósítottak meg. Ezenkívül matematikai algoritmusok segítségével könnyen megvalósítható a zavaró jelek kivonására és a hasznos jelek hozzáadására szolgáló függvény, amelyet egy pár, négy vagy nagyszámú ADC alkot.
E modern fejlesztések használatával lehetővé vált az adó-vevő távvezérlése és az éteres távoli munkavégzés. Az információtovábbítás modern módszerei elegendően nagy adatfolyamok továbbítására alkalmasak, gyakorlatilag veszteség nélkül. Az általános információáramlás az adó-vevőtől/az adó-vevő felé meglehetősen kicsi. Az IP-verem segítségével lehetővé válik az adó-vevő hálózati szegmensként történő használata számítógép használata nélkül is. Ha az adó-vevőt egy nagyvároson kívül, egy meglehetősen csendes helyen telepíti, akkor anélkül férhet hozzá a rádióhoz, hogy elhagyná lakását. Az adó-vevő vendég hozzáférésének megszervezésével lehetőséget biztosít barátainak az éterben történő munkavégzésre. A speciális szolgálatok másik hasznos funkciója, hogy a teljes rádióadást, vagy a rádióadás meghatározott darabjait késleltetett feldolgozással rögzíthetik a számítógép merevlemezére. Ez a funkció lehetővé teszi a statisztikai jelfeldolgozás gyors végrehajtását, a céljelek keresését és figyelését, valamint számos olyan művelet végrehajtását, amelyekről az átlagos felhasználónak nem kellene tudnia.
Kiválaszthatja az Önt érdeklő rádiókat
65 nanométer a 300-350 millió euróba kerülő Zelenograd Angstrem-T üzem következő célja. A vállalkozás már benyújtotta a Vnesheconombank (VEB) számára a termelési technológiák korszerűsítésére irányuló kedvezményes kamatozású kölcsön iránti kérelmet – közölte a héten a Vedomoszty Leonyid Reimanra, az üzem igazgatótanácsának elnökére hivatkozva. Az Angstrem-T most egy 90 nm-es topológiájú chipek gyártására szolgáló sor elindítására készül. A korábbi VEB hitel kifizetése, amelyre azt vásárolták, 2017 közepén kezdődik.
Peking összeomlott a Wall Streeten
Rekordeséssel jegyezték meg az újév első napjait a kulcsfontosságú amerikai indexek, Soros György milliárdos már figyelmeztetett, hogy a világ a 2008-as válság megismétlődésére vár.
Tömeggyártásba kerül az első orosz fogyasztói processzor, a Baikal-T1 60 dolláros áron
A Baikal Electronics cég 2016 elején azt ígéri, hogy az orosz Baikal-T1 processzort mintegy 60 dollár értékű ipari termelésbe bocsátja. A készülékekre akkor lesz kereslet, ha ezt az igényt az állam megteremti – állítják a piaci szereplők.
Az MTS és az Ericsson közösen fejleszti és vezeti be az 5G-t Oroszországban
A PJSC "Mobile TeleSystems" és az Ericsson együttműködési megállapodást írt alá az 5G technológia fejlesztésében és bevezetésében Oroszországban. Kísérleti projektekben, így a 2018-as világbajnokság idején is, az MTS a svéd gyártó fejlesztéseit kívánja tesztelni. A jövő év elején az üzemeltető párbeszédet kezd a Távközlési és Tömegkommunikációs Minisztériummal a mobilkommunikáció ötödik generációjának műszaki követelményeinek kialakításáról.
Sergey Chemezov: A Rostec már most is a világ tíz legnagyobb mérnöki vállalata közé tartozik
A Rostec vezetője, Szergej Csemezov az RBC-nek adott interjújában égető kérdésekre válaszolt: a Platon-rendszerről, az AVTOVAZ problémáiról és kilátásairól, az Állami Vállalat gyógyszeripari érdekeltségeiről, a szankciókkal szembeni nemzetközi együttműködésről beszélt. nyomás, importhelyettesítés, átszervezés, fejlesztési stratégiák és új lehetőségek a nehéz időkben.
A Rostec "védett" és a Samsung és a General Electric babérjaira hat
A Rostec Felügyelő Bizottsága elfogadta a „2025-ig tartó fejlesztési stratégiát”. A fő feladatok a high-tech civil termékek arányának növelése, valamint a General Electric és a Samsung felzárkóztatása a legfontosabb pénzügyi mutatókban.
Az analóg jelek digitális formává alakítása három műveletből áll: mintavételezésből, kvantálásból és kódolásból.
A diszkretizálás egy folyamatos analóg TV-jel S(t) helyettesítése ennek a jelnek a mintáinak (mintáinak) sorozatával (2. ábra). Ezeket a mintákat olyan időpontokban veszik, amelyeket egymástól egy T intervallum választ el, amelyet mintavételi intervallumnak nevezünk. A mintavételi intervallum reciprokát mintavételezési gyakoriságnak nevezzük. A legelterjedtebb a Kotelnyikov-tételen alapuló egységes, állandó periódusú diszkretizálás. E tétel szerint bármely S(t) folytonos jel, amelynek korlátozott frekvenciaspektruma (0...f gp), információvesztés nélkül ábrázolható ennek az S di jelnek az értékeivel. diszkrét időpontokban t n =nT (n=1,2,3,... -- egész számok), feltéve, hogy T?0,5/t rp (T -- periódus, vagy mintavételi intervallum). A minimális megengedett mintavételi gyakoriság a Kotelnik szerint t d.min \u003d 2f gp.
Nyilvánvaló, hogy minél kisebb a mintavételezési intervallum (minél nagyobb a mintavételezési frekvencia), annál kisebb a különbség az eredeti jel és a mintavételezett másolata között. A mintavételezett jel lépésszerkezete aluláteresztő szűrővel simítható. Így az analóg jel visszaállítása a mintavételezettből történik.
Az analóg jel digitális formává alakításakor a mintavételt kvantálási folyamat követi, amely abból áll, hogy a diszkretizálás után kapott S di leolvasások pillanatnyi értékeit az egyes rögzített szintek halmazából származó legközelebbi értékekkel helyettesítjük (3. ábra). A kvantálás is az S q jel mintavételezése, de nem időben, hanem szinten. Azokat a rögzített szinteket, amelyekhez a minták „csatlakoznak”, kvantálási szinteknek nevezzük. Az S(t) jelváltozás dinamikus tartománya kvantálási szintekkel külön értéktartományokra (kvantálási lépésekre) osztva kvantálási skálát alkot.
Ez utóbbi lehet lineáris és nemlineáris is, a transzformációs feltételektől függően. A leolvasás legközelebbi szintre (felső vagy alsó) való kerekítését a kvantálási küszöbnek a kvantálási lépésen belüli helyzete határozza meg.
A mintavételezett és kvantált S dq jel már digitális. Valójában, ha a mintavételezett S d jel impulzusainak amplitúdója tetszőleges értéket vehet fel az S(t) jel kezdeti dinamikus tartományán belül, akkor a kvantálási művelet a jel lehetséges értékeinek cseréjéhez vezetett. a jel amplitúdója korlátozott számú értékkel, amely megegyezik a kvantálási szintek számával. Így a jel kvantált mintáját valamilyen számmal fejezzük ki, amelyet a kvantálási szintek száma határoz meg.
Ahhoz, hogy egy ilyen jelet kommunikációs csatornákon továbbítson, a legjobb, ha azt bináris formává alakítja, pl. írja le a jelszint minden értékét bináris jelöléssel. Ebben az esetben a szám (szintérték) „0” vagy „1” karakterekből álló kódkombinációvá alakul (4. ábra). Ez a harmadik, utolsó művelet az S(t) analóg jel digitális S dq-vé való átalakítására, amelyet kódolásnak nevezünk. .
Mindezt a három műveletet egyetlen műszaki eszköz - egy analóg-digitális átalakító (ADC) végzi. A digitális jel fordított irányú konvertálása analóggá egy digitális-analóg átalakító (DAC) nevű eszközben történik. Az analóg-digitális és digitális-analóg konverterek minden digitális rendszer nélkülözhetetlen blokkjai az információ továbbításához, tárolásához és feldolgozásához.
Televíziós jel közvetlen kódolásakor a mintavételezési frekvenciával megegyező frekvenciájú kódkombinációk jönnek létre (mintavételi frekvencia f d). Minden kódkombináció egy bizonyos mintának felel meg, és bizonyos m számú bináris szimbólumot (bitet) tartalmaz. A kódszavakat párhuzamosan vagy soros formában is továbbíthatjuk. A párhuzamos formában történő átvitelhez k kommunikációs vonalat kell használni (4. ábrán k = 4).
A kódszószimbólumok egyidejűleg kerülnek továbbításra a mintavételi intervallumon belüli sorokon. Soros formában történő átvitelhez a mintavételi intervallumot részintervallumokra-ciklusokra kell osztani. Ebben az esetben a szószimbólumok sorban egymás után kerülnek átvitelre egy sorban, és egy óraciklus van allokálva egy szószimbólum továbbítására.
Amikor digitális információt továbbítunk kommunikációs csatornákon, az átviteli sebesség az időegységenként továbbított bináris szimbólumok száma. A sebesség mértékegysége 1 bit/s. A digitális bitsebesség a mintavételi sebesség szorzata lesz? q és a bináris szimbólumok száma egy diszkrét mintában m:
Ha a TV-jel felső határfrekvenciája 6 MHz, akkor a minimális mintavételi frekvencia a Kotelnyikov-tétel szerint 12 MHz. A digitális televíziós rendszerekben általában az f d frekvenciát valamivel magasabbra választják, mint a minimálisan megengedett. Ez annak köszönhető, hogy egységesíteni kell a digitális TV-jelet a különböző televíziós szabványokhoz. Különösen a 13,5 MHz-es mintavételezési frekvencia javasolt a digitális stúdióberendezésekhez.
A jelkvantálási szintek számát legalább a szem által észlelhető fényességi gradációk maximális számánál kell megválasztani, amely a megfigyelési körülményektől függően 100...200 között mozog. Ezért m=6,6...7,6.
Nyilvánvaló, hogy egy kódkombinációban a karakterek száma csak egész szám lehet, ami azt jelenti, hogy a kódkombináció bithossza m=7 (vagy 8). Az első esetben a kódkombináció 128 lehetséges jelszintről (a fényerő fokozatáról) hordozhat információt, a második esetben - 256. Ha m = 8-at vesszük, akkor a digitális információátviteli sebesség
V n \u003d 13,5 8 \u003d 108 (Mbps).
Ha figyelembe vesszük, hogy a fénysűrűségjelen kívül színinformációt is kell továbbítani, akkor a teljes bitsebesség megduplázódik és 216 Mbps lesz. Egy ilyen nagy sebességnek rendelkeznie kell TV-jelátalakító eszközökkel és kommunikációs csatornákkal is.
A kommunikációs csatornákon ekkora digitális folyam továbbítása gazdaságilag nem kivitelezhető, ezért a következő feladat a digitális tévéjel „tömörítése”. Vannak tartalékok a digitális adatfolyam csökkentésére a reprodukált kép minőségének veszélyeztetése nélkül. Ezeket a tartalékokat a TV-jel sajátosságai tartalmazzák, amely jelentős információredundanciával rendelkezik. Ezt a redundanciát általában az ilyen felosztás bizonyos konvencionális jellege ellenére statisztikai és fiziológiai részekre osztják.
Statisztikai redundancia a kép tulajdonságai határozzák meg, ami általában nem a fényesség kaotikus eloszlása, hanem olyan törvények írják le, amelyek bizonyos összefüggéseket (korrelációt) állapítanak meg az egyes elemek fényereje között. Különösen magas a korreláció a szomszédos (térben és időben) képelemek között. Az összefüggések ismerete lehetővé teszi, hogy ne továbbítsuk ugyanazt az információt, és csökkentsük a digitális áramlást.
A második típus a fiziológiai redundancia - az emberi vizuális apparátus korlátai miatt. A fiziológiai redundancia számítása lehetővé teszi számunkra, hogy ne adjunk tovább olyan információt a jelben, amelyet a látásunk nem fog érzékelni.
Hasonlóképpen, az emberi hallókészülék tökéletlensége lehetővé teszi, hogy „megszabaduljon” a jelben lévő redundáns hanginformációtól.
Az analóg jelek jelentik a környezetből érkező információ elsődleges forrását. A jel digitalizálása mindig minőségromlással jár. Ez a digitális technológiák hátránya.
A jel digitalizálásának három szakasza van: mintavétel, kvantálás, kódolás. Kölcsönhatásukat az ábra mutatja.
Mintavétel
Kódolás
Kvantálás
A diszkretizálás az érvek egyenlő részekre osztása. Minden függőségnek van argumentuma és függvénye. Az argumentum adott, és a függvény az argumentumtól függően bizonyos módon változik. Lehet egy érv, de lehet több is. Tehát, ha ez valamilyen hangjelzés, akkor az idő az érv (rajzoljuk). Egy kép digitalizálásánál két érvünk van: szélesség és magasság (rajzolunk). Mindkét esetben az érvek egyenlő részekre oszlanak.
Kvantálás - egy függvény létezési tartományának felosztása is egyenlő részekre, amelyek száma 2 8 N , ahol 8Na kvantálási bit hossza. Vagyis a szakaszok száma megegyezik a bináris számjegyek lehetséges kombinációinak számával egy, kettő, három stb. bájtok.
A gyakorlatban 1, 2, 3, 4 bitméretet használunk, majd a függvény létezési területét 2 8 = 256, 2 16 = 65 536, 2 24 = 16 777 216, 2 32 = 4 részekre osztjuk. 294 967 296 szakasz. A funkciók egy vagy több is lehetnek. Például egy fekete-fehér képen csak egy funkció van - a szürke 256 árnyalata. Az RGB modellben pedig három funkció van: 256 vörös, zöld és kék gradáció.
A kódolás egy jel felosztása az elfogadott mintavételi és kvantálási szabályok szerint. Az argumentum minden elemi szakaszán belül a függvény állandó marad, és ehhez a szakaszhoz egy bináris kód van hozzárendelve a függvényskálán, amely 8, 16, 24 stb. bináris számjegyek.
Az eredmény egy lépcsős görbe, amely növekvő bitmélységgel közelíti meg a valós jelet. A lépések lehetnek kisebbek, de soha ne váljanak sima vonallá. (lásd a "DigitizationA1" fájlt).
Ez a hátrány természetesen leküzdhetetlen, de a digitális technológiákban lehetséges a digitalizálás pontosságát az analóg jel mérésének érzékenységi szintjére növelni. És akkor a digitalizálás hatása minimálisra csökken.
2.3. Szöveges adatok kódolása
2.3.1. Szövegkódoló rendszerek Két kódolási rendszer létezik: ASCII-alapú és Unicode.
A kódrendszerben ASCII(American Standard Code for Information Interchange) Minden karaktert egy bájt képvisel, ami 256 karakter kódolását teszi lehetővé.
Az ASCII-ben két kódolási tábla található - az alap és a kiterjesztett. Az alaptábla a kódok értékeit 0-tól 127-ig rögzíti, a kibővített táblázat pedig a 128-tól 255-ig terjedő számjegyű karakterekre vonatkozik. Ez elegendő az angol és az orosz nyelv összes karakterének kifejezésére, mind a kis-, mind a nagybetűkkel. valamint írásjelek, nyolc bites különféle kombinációkkal, alapvető aritmetikai műveletek szimbólumai és általánosan elfogadott speciális karakterek, amelyek a billentyűzeten megfigyelhetők.
Az alaptábla első 32 kódját, nullától kezdve a hardvergyártók (elsősorban számítógép- és nyomtatóeszköz-gyártók) kapták meg. Ez a terület úgynevezett vezérlőkódokat tartalmaz, amelyek nem felelnek meg semmilyen nyelvi karakternek, és ennek megfelelően ezek a kódok sem a képernyőn, sem a nyomtatókészülékeken nem jelennek meg, hanem az egyéb adatok kimeneti módjával vezérelhetők. A 32-es kódtól a 127-es kódig megtalálhatók az angol ábécé szimbólumai, írásjelek, számok, számtani műveletek és segédszimbólumok, amelyek mindegyike látható a számítógép billentyűzetének latin részén.
A második, kiterjesztett rész a nemzeti kódrendszerekre vonatkozik. Számos nem latin ábécé létezik a világon (arab, héber, görög stb.), köztük a cirill ábécé. Ezenkívül a német, francia, spanyol billentyűzetkiosztás eltér az angoltól.
A billentyűzet angol nyelvű része korábban sok szabványt tartalmazott, de mára mindegyiket egyetlen ASCII kód váltotta fel. Az orosz billentyűzetre is sok szabvány létezett: GOST, GOST-alternative, ISO (Nemzetközi Szabványügyi Szervezet - Nemzetközi Szabványügyi Intézet), de ez a három szabvány valójában már kihalt, bár megtalálhatóak valahol, néhány özönvíz előtti számítógépben. vagy hálózatok. 12
Az orosz nyelv fő karakterkódolását, amelyet a Windows operációs rendszerrel rendelkező számítógépeken használnak, hívják Windows-1251, cirill ábécére fejlesztette ki a Microsoft. Természetesen az orosz nyelvű szövegek túlnyomó többsége a Windows-1251-ben van kódolva. Egyébként más négyjegyű kódolásokat a Microsoft fejlesztett ki más általános ábécékhez: Windows-1250 kiterjesztett latin (különféle nemzeti latin betűk), Windows-1252 héber, Windows-1253 arab stb.
Egy másik, kevésbé elterjedt kódolást hívnak KOI-8(információcsere kód, nyolc számjegy). Eredete a XX. század 60-as éveire nyúlik vissza. Akkor még nem volt személyi számítógép, internet, Microsoft és még sok más. De a Szovjetunióban már elég sok számítógép volt, és számukra ki kellett dolgozni egy cirill kódolási szabványt.
Ma a KOI-8 kódolás széles körben elterjedt a volt Szovjetunió területén található számítógépes hálózatokban és az internet orosz nyelvű szektorában. Előfordul, hogy a levél egy része vagy valami más nem olvasható, ami azt jelenti, hogy át kell váltania KOI-8-ról vagy más kódolásról Windows-1251-re.
A 90-es években a legnagyobb szoftvergyártók: Microsoft, Borland, ugyanaz az Adobe úgy döntött, hogy egy másik szövegkódoló rendszert fejlesztenek ki, amelyben minden karakterhez nem 1, hanem 2 bájtot rendeltek. Megkapta a nevet Unicode.
2 bájttal 65 536 karakter kódolható. Ez a tömb elegendőnek bizonyult ahhoz, hogy egy táblázatba helyezze a Földön létező összes nemzeti ábécét. Ezenkívül a Unicode számos különféle szolgáltatási szimbólumot tartalmaz: vonalkód, morze, zászló ábécé, Braille-ábécé (vakok számára), valutajelek, geometriai formák és még sok más.
A Unicode összesen több mint 90 oldalt tartalmaz, amelyek mindegyike nemzeti vagy hivatalos ábécét tartalmaz. És még körülbelül 5 ezer karaktert foglal el az úgynevezett "általános célú terület", kitöltetlenül, tartalékként meghagyva.
A legnagyobb oldalt (az összes Unicode körülbelül 70%-át) a kínai karakterek foglalják el, amelyeket Kínában billentyűzetkészletekkel írnak be. Csak Indiában 11 különböző ábécé létezik, és sok egzotikus név található az Unicode-ban, például a kanadai bennszülött írásmód. Általánosságban elmondható, hogy a nemzeti írások figyelembevétele meglehetősen szórakoztató földrajzi és történelmi szempontból.
A Unicode előnyei egyértelműek. A rendszer szabványosítja az összes nemzeti és szolgáltatási szöveg karakterét. Megszünteti az eltérő nemzeti szabványok miatti zavart. Még a betűtípusokat is minden ábécéhez hozzák létre, például az Arial Unicode-hoz.
Mivel a Unicode-ban az egyes karakterek kódolása nem 8, hanem 16 számjegyből áll, a szövegfájl mérete körülbelül 2-szeresére nő. Ez valamikor akadálya volt a 16 bites rendszer bevezetésének. És most, a számítástechnika jelenlegi fejlettségi szintjével a szöveges fájlok méretének növelése nem sokat számít. A szövegek nagyon kevés helyet foglalnak el a számítógép memóriájában.
A cirill Unicode-ban 768-tól 923-ig (alapkarakterek) és 924-től 1023-ig (bővített cirill, különféle ritka nemzeti betűk) található. Ha a program nincs cirill Unicode-hoz igazítva, akkor előfordulhat, hogy a szöveges karaktereket nem cirillként, hanem kiterjesztett latinként ismeri fel (256-tól 511-ig terjedő kódok). Ilyenkor pedig szöveg helyett egzotikus karakterek értelmetlen halmaza jelenik meg a képernyőn.
Ez akkor lehetséges, ha a program elavult, 1995 előtt készült. Vagy egy ritka, aminek az oroszosításáról senki nem gondoskodott. Az is előfordulhat, hogy a számítógépre telepített Windows operációs rendszer nincs teljesen cirill betűre konfigurálva. Ebben az esetben meg kell tennie a megfelelő bejegyzéseket a rendszerleíró adatbázisban.
MAGYARÁZÓ JEGYZET
"Digitális jelfeldolgozás"
Készítette: Chunikhin V.A.
Csoport: 5401 С349
Ellenőrizte: Kapustin A.S.
BEVEZETÉS 7
KÖVETKEZTETÉS. 34
FÜGGELÉK A.. 36
TK - feladatmeghatározás
AM - amplitúdó moduláció
PF - sávszűrő
BEVEZETÉS
MODULÁLT JEL ÁTALAKÍTÁSA TOVÁBBI TARTOMÁNYBA. ELJÁRÁS A DISZKRÉT ELEMZŐ JEL ELÉRÉSÉRE (HILBERT TRANSDUCER)
A digitális Hilbert konverter (DCT) egy lineáris diszkrét rendszer, amely egy pár diszkrét Hilbert-konjugált jelet generál a kimeneten (a jelek fázisai különböznek egymástól) egy adott működési sávban.
Esetünkben a működési sávot a modulált oszcilláció kisfrekvenciás burkológörbéjének megfelelően választottuk ki, 21. ábra.
21. ábra - LF jel burkológörbe
Ezt a grafikont a következőképpen kaptuk:
A_m=abs(komplex(x));
plot(t,A_m,"r-");grid on;
ylim([-0,5 9,5]);
title("Alacsony boríték");
Határozzuk meg a frekvenciasávot, a (10) képletet.
ahol a teljes impulzus időtartama.
A CPG a 3. és 4. típusú FIR szűrők alapján valósítható meg, melyek LPFC-je fáziseltolást biztosít. Előnyben részesítjük a 3. típusú FIR szűrőt, mivel lehetővé teszi impulzusválasz (IR) elérését, minden második nullával egyenlő jelentést, ezáltal csökkentve az aritmetikai műveletek számát a CPG válaszának kiszámításakor, ami nagyon fontos, ha például digitális jelprocesszoron (DSP) alkalmazzuk.
A 3-as típusú FIR szűrő alapján csak sáváteresztő szűrő (BPF) szintetizálható, míg a DPG frekvenciamenetére vonatkozó sajátos követelmények a PF frekvenciaátviteli követelményeivel összehasonlítva alábbiak szerint:
1) A CPG frekvenciaválaszának szimmetrikusnak kell lennie a fő frekvenciasáv közepe körül ahhoz, hogy IR-t kapjunk, amelynek minden második mintája nulla. Ezért a CPG frekvenciaválaszára vonatkozó követelmények szimmetrikusan vannak beállítva a -hoz képest.
2) A CPG működési sávszélessége nem haladhatja meg a PF sávszélességét.
3) Az üzemi sávban a megengedett legnagyobb eltérés nem lehet kisebb, mint a PV legnagyobb megengedett eltérése.
4) A PP maximális megengedett eltérését nem kell túl mereven beállítani, mivel a CPG hatékonyságát a munkaterületen értékelik.
A frekvenciaválaszra vonatkozó követelményeknek megfelelően egy minimális rendű CPG-t (TF) szintetizálunk a firgr függvény segítségével egy 3-as típusú FIR szűrőn ('hilbert'), amelynek m paramétere 'mineven':
plot_fir(R,b,Fs1);
A szűrési sorrendet beállító R paraméterünk végül 24 lesz. A frekvenciákat a következőképpen választottuk ki:
fs1=220; - mintavételi gyakoriság
fk1=10; - vágási frekvencia PZ1
ft1=20; - PP1 vágási frekvencia
ft2=92; - PP2 vágási frekvencia
fk2=102 – a PZ2 határfrekvenciája
A következő függvényt használták a grafikonok megjelenítéséhez:
függvény plot_fir(R,b,Fs1)
% R-rendű FIR szűrő
% Fs1 - mintavételezési sebesség
fm=0:((Fs1/2)/200):Fs1/2;
Ennek eredményeként a következő IR, frekvencia- és fázisválaszt kaptuk, 22. ábra.
22. ábra - Az SG jellemzői
Ezt az eljárást úgy valósították meg, hogy a modulált jelet megszorozták -val, ahol 38 MHz az a frekvencia, amelyre az eltolás megtörtént.
Ezt a következőképpen szereztük be a MATLAB szoftvercsomagban:
x1=z1.*cos(2*pi*38000000*t);
Spektrum beszerzés:
NFFT=2^nextpow2(hossz(x1));
y=fft(x1,NFFT)/hossz(x1);
plot(f,2*abs(y(1:NFFT/2+1)));
xlim();
title("AFC eltolva");
plot(f,2*abs(y(1:NFFT/2+1)));
xlim();
title("Jel eltolva");
Ábrázoljuk az adott spektrumot, 23. ábra.
23. ábra - A modulált jel spektruma az eltolás után
A 23. ábrán látható, hogy a spektrum körülbelül 3,8 MHz-en szimmetrikus, ami azt jelenti, hogy ez valóban egy AM spektrum.
Ezután el kell küldenünk a jelünket a PG-re, ahol a kimeneten két olyan jelet kell megfigyelnünk, amelyek fázisában a periódus negyede különbözik, ekkor kapjuk a jel ortogonális komplementerét, amely analitikailag így néz ki, képlet (11).
A MATLAB-ban ezt a műveletet végrehajtó függvény a pg függvény.
ahol x1 a frekvenciában eltolt modulált jel.
Rajzoljunk grafikonokat, amelyek mutatják 
.
plot(t,real(pg),"k"),rács on
plot(t,image(pg),"--")
Az eredményt a 24. ábrán ábrázoljuk.
24. ábra - A jel SG-n való áthaladásának eredménye nagyított léptékben
KÖVETKEZTETÉS
A munka során a digitális jelfeldolgozás alapelveit tanulmányozták: digitalizálás, diszkrét spektrum megszerzése, spektrum átvitele magasabb frekvenciákra stb. Elsajátították a MATLAB szoftvercsomag készségeit: függvények létrehozása, frekvencia- és idővektorok vezérlése, grafikonok kiadása, gráfok leírása, folyamatok modulálása, szűrők készítése. Ezek a készségek elengedhetetlenek a különféle digitális rendszerek fejlesztői számára. A munka lényege az analóg jel digitalizálása, a legegyszerűbb kommunikációs csatornán való továbbítása és a rendszer kimenetén történő vétele volt.
A FÜGGELÉK
MATLAB programok listája
SG jellemzők építési funkció:
függvény plot_fir(R,b,Fs1)
% A FIR szűrő jellemzőinek ábrázolása
% R-rendű FIR szűrő
Az átviteli függvény együtthatók % b-vektora
% a=-az átviteli függvény nevezőjének együtthatója
% Fs1 - mintavételezési sebesség
subplot(3,1,1),stem(n,b,"fill","MarkerSize",3),xlabel("n"),...
title("Impulzusválasz"), rács bekapcsolva;
fm=0:((Fs1/2)/200):Fs1/2;
H=freqz(b,a,fm,Fs1);MAG=abs(H);FÁZIS=szög(H);
subplot(3,1,2),plot(fm,MAG),xlabel("f(Hz)"),title("MAGNITUDE"),grid on;
subplot(3,1,3),plot(fm,PHASE),xlabel("f(Hz)"),title("PHASE"),rács bekapcsolva;
Fő programkód:
%% Impulzus paraméterek
dF=80e6; % Mintavételi frekvencia, Hz
dt=1/dF; % Mintavételi intervallum, mp
%% Időleolvasások tömbjének kialakítása
%% Négyzetes hullám
x1=3*rektpuls(t-ti1/2,ti1);
plot(t,x1"k"),rács;
title("Téglalap impulzus");
ylim([-0,5 3,5]);
szár(t,x1"k."),rács;
title("Téglalap impulzus (számjegy)");
ylim([-0,5 3,5]);
NFFT=2^nextpow2(hossz(x1));
y1=fft(x1,NFFT)/hossz(x1);
f=dF/2*linspace(0,1,NFFT/2+1);
plot(f,2*abs(y1(1:NFFT/2+1)));
title("frekvenciaválasz");
ylabel("y1(f)");
plot(f,angle(y1(1:NFFT/2+1)));
title ("PFC");
ylabel("y1(f)");
%% Szinuszimpulzus
x2=4*sin(pi*(t-t11)/12e-3).*(t>=t11).*(t<=t22);
plot(t,x2"k"),rács;
title("Szinuszimpulzus");
ylim([-0,5 4,5]);
szár(t,x2"k."),rács;
title("Szinuszimpulzus (számjegy)");
ylim([-0,5 4,5]);
NFFT=2^nextpow2(hossz(x2));
y2=fft(x2,NFFT)/hossz(x2);
f=dF/2*linspace(0,1,NFFT/2+1);
% Egyoldali amplitúdóspektrum ábrázolása
plot(f,2*abs(y2(1:NFFT/2+1)));
title("frekvenciaválasz");
ylabel("y2(f)");
plot(f,angle(y2(1:NFFT/2+1)));
title ("PFC");
ylabel("y2(f)");
%% Háromszög impulzus
plot(t,x3"k"),rács;
title("Háromszög impulzus");
ylim([-0,5 3,5]);
szár(t,x3"k."),rács;
title("Háromszög impulzus (számjegy)");
ylim([-0,5 3,5]);
NFFT=2^nextpow2(hossz(x3));
y3=fft(x3,NFFT)/hossz(x3);
f=dF/2*linspace(0,1,NFFT/2+1);
% Egyoldali amplitúdóspektrum ábrázolása
plot(f,2*abs(y3(1:NFFT/2+1)));
title("frekvenciaválasz");
ylabel("y3(f)");
plot(f,angle(y3(1:NFFT/2+1)));
title ("PFC");
ylabel("y3(f)");
%% trapéztorzítási impulzus
plot(t,x4"k"),rács;
title("Trapéz impulzus");
ylim([-9,5 0,5]);
szár(t,x4"k."),rács;
title("Trapéz impulzus (számjegy)");
ylim([-9,5 0,5]);
NFFT=2^nextpow2(hossz(x4));
y4=fft(x4,NFFT)/hossz(x4);
f=dF/2*linspace(0,1,NFFT/2+1);
% Egyoldali amplitúdóspektrum ábrázolása
plot(f,2*abs(y4(1:NFFT/2+1)));
title("frekvenciaválasz");
ylabel("y4(f)");
plot(f,angle(y4(1:NFFT/2+1)));
title ("PFC");
ylabel("y4(f)");
%% Teljes impulzus
plot(t,x"k"),rács;
title("Teljes lendület (visszanyerve)");
title("Teljes impulzus (számjegy)");
NFFT=2^nextpow2(hossz(x));
y=fft(x,NFFT)/hossz(x);
f=dF/2*linspace(0,1,NFFT/2+1);
plot(f,2*abs(y(1:NFFT/2+1)));
title("frekvenciaválasz");
plot(f,angle(y(1:NFFT/2+1)));
title ("PFC");
%% Amplitúdóeltolásos kulcsozás
Fc=dF*5; % vivőfrekvencia
t1=(0:hossz(x)*FsdF-1)/Fs;
% AMn-jel képződés
s_ask=x(floor(dF*t1)+1.*cos(2*pi*Fc*t1));
plot(t1,s_ask,"k"),rács;
ylim([-9,5 4,5]);
title("amplitúdókulcsolás");
NFFT=2^nextpow2(length(s_ask));
y6=fft(s_ask,NFFT)/length(s_ask);
f=dF/2*linspace(0,1,NFFT/2+1);
plot(f,2*abs(y6(1:NFFT/2+1)));
title("frekvenciaválasz");
%%AM (ammod funkción keresztül)
t=-1e-5:dt:28,3e-3; % időtengely jelentések
fc=10000; % vivőfrekvencia
z1=ammod(x,Fc,dF,0,13);
plot(t,z1),rács;
title("Amplitúdó moduláció");
NFFT=2^nextpow2(hossz(z1));
y5=fft(z1,NFFT)/hossz(z1);
f=dF/2*linspace(0,1,NFFT/2+1);
plot(f,2*abs(y5(1:NFFT/2+1)));
title("frekvenciaválasz");
A_m=abs(komplex(x));
plot(t,A_m,"r-");grid on;
ylim([-0,5 9,5]);
title("Alacsony boríték");
%% Frekvenciaeltolás
x1=z1.*cos(2*pi*38000000*t);
NFFT=2^nextpow2(hossz(x1));
y=fft(x1,NFFT)/hossz(x1);
f=dF/2*linspace(0,1,NFFT/2+1);
plot(f,2*abs(y(1:NFFT/2+1)));
xlim();
title("AFC eltolva");
plot(f,2*abs(y(1:NFFT/2+1)));
xlim();
title("Frekvenciaválasz eltolva (nagyobb léptékű)");
title("Jel eltolva");
%% SG jellemzők
fk1=10;ft1=20;ft2=92;fk2=102; f=;
d2=0,1;d1=0,05; hullámzás=;
Firpmord(f,m,ripple,Fs1);
Firgr(("mineven",R),f0,m0,ripple,"hilbert");
plot_fir(R,b,Fs1);
plot(t,real(pg),"k"),rács on
plot(t,imag(pg),"r-.")
legenda ("valódi rész", "képzelt rész")
xlim()
plot(t,yout),rács on;
MAGYARÁZÓ JEGYZET
a tudományággal kapcsolatos tanfolyami munkához
"Digitális jelfeldolgozás"
Készítette: Chunikhin V.A.
Csoport: 5401 С349
Ellenőrizte: Kapustin A.S.
1. Adott jel mintavételezése, digitalizálása;
2. Korlátozza a diszkrét jel spektrumát;
4. Konvertálja a modulált jelet egy további frekvenciatartományba;
5. Valósítsa meg a diszkrét analitikai jel (PG) megszerzésére szolgáló eljárást;
6. Demodulálja a vett jelet és hasonlítsa össze az eredeti jellel.
Ábrázoljuk egy adott jel alakját a változat szerint, 1. ábra.
1. ábra - Adott jel formája
A jelparamétereket az 1. és 2. táblázatok formájában állítjuk be.
1. táblázat - A jel időparaméterei
Magyarázat: 43 oldal, 28 ábra, 4 forrás, 2 táblázat.
DISZKRETIZÁLÁS, SPEKTRUM, MODULÁCIÓ, HILBERT TRANSZFER, DEMODULACIÓ.
Ebben a cikkben a vizsgálat tárgya az általunk adott jel lesz. A következő transzformációkat hajtjuk végre vele: digitalizálása, spektrumkorlátozás, moduláció, spektrum átvitel az RF régióba, diszkrét analitikai jel előállítása és demoduláció. Vagyis a legegyszerűbb csatornát veszik számításba, amelynek segítségével digitális eszközökkel elérjük információink elektromos megfelelőjét. Ennek az útvonalnak a modulálásakor a MATLAB R2014a szoftvercsomag kerül felhasználásra - ez egy magas szintű nyelv és egy interaktív környezet a programozáshoz, numerikus számításokhoz és vizuális eredményekhez. A MATLAB segítségével adatokat elemezhet, algoritmusokat fejleszthet, modelleket és alkalmazásokat hozhat létre. Alkalmazására világszerte nagy az igény a jelfeldolgozásban és a kommunikációban. Ezért a szoftverkörnyezet választása rá esett. Az összes írott kód az A. függelékben található.
BEVEZETÉS 7
1. AZ ANALÓG JEL DIGITALIZÁLÁSA .. 8
2. A DISZKRÉT JEL SPEKTRUMÁNAK KORLÁTOZÁSA .. 14
3. A MODULÁCIÓ KIVÁLASZTÁSA ÉS A MODULÁLT FREKVENCIA SZÁMÍTÁSA.. 21
4. A MODULÁLT JEL ÁTALAKÍTÁSA TOVÁBBI TARTOMÁNYBA. A DISZKRÉT ELEMZŐ JEL ELÉRÉSÉRE VONATKOZÓ ELJÁRÁS (HILBERT TRANSDUCER) 24
5. A VÉTELT JEL DEMODUULÁLÁSA ÉS ÖSSZEHASONLÍTÁSA AZ EREDETI JELVEL.. 31
KÖVETKEZTETÉS. 34
HASZNÁLT FORRÁSOK JEGYZÉKE.. 35
FÜGGELÉK A.. 36
A HASZNÁLT RÖVIDÍTÉSEK LISTÁJA
FFT - gyors Fourier transzformáció (gyors Fourier transzformáció)
AFC - amplitúdó-frekvencia karakterisztika
PFC - fázis-frekvencia válasz
IR - impulzusválasz
TK - feladatmeghatározás
AM - amplitúdó moduláció
BAM – kiegyensúlyozott amplitúdómoduláció
CPG – digitális Hilbert konverter
FIR – véges impulzusválasz
DSP – Digitális jelfeldolgozás
PF - sávszűrő
DLP - digitális aluláteresztő szűrő
BEVEZETÉS
A modern világban az analóg áramkörök már a háttérben maradtak, most az áramkörök inkább egy LEGO konstruktorhoz hasonlítanak, amelyet megfelelően össze kell szerelni és ismerni kell ennek a „konstruktornak” a jellemzőit. Összeszerelés előtt azonban szükséges ezt az eszközt kifejleszteni, szimulálni, figyelembe kell venni például az impulzusválaszát, meg kell szondázni különféle összetett jelekkel a vevői igényektől függően stb. Ezek az eszközök különféle digitális rendszerekből állnak. Digitális rendszer alatt egy analóg jel számsorozattá történő átalakítását kell érteni, ennek a sorozatnak az ezt követő feldolgozásával.
A digitális szűrés lehetővé teszi az analóg szűrésnél összetettebb jelfeldolgozási algoritmusok megvalósítását. Például egy speciális mikroprocesszor vagy mikrokontroller képes feldolgozni egy számsorozatot.
A kurzus célja, hogy elsajátítsa a hallgatók gyakorlati készségeit a diszkrét és digitális jelfeldolgozás területén.
AZ ANALÓG JEL DIGITIZÁLÁSA
A digitális módra váltáshoz ki kell választania a mintavételezési frekvenciát. A Kotelnyikov-tétel szerint a következőképpen található, (1) képlet.
Ha azonban valós jelekkel dolgozunk, ez a frekvencia nem elegendő, és az 1. képlet a következő (2) képletre alakul át.
ahol viszont tetszőleges egész számot vesz fel.
Munkánk során nincs értelme a teljes impulzuskészletet figyelembe venni a (felső frekvencia) spektrum megtalálásához, csak a legszélesebb spektrummal rendelkező, azaz az időtartományban a legszűkebbet vehetjük figyelembe. Ebben a jelben ez egy trapézimpulzus, amelynek időtartama csak . Ezt az impulzust ábrázoljuk a 2. ábrán.
2. ábra - Trapézimpulzus
Ennek az impulzusnak az elkészítésekor a következő matematikai leírást használtuk a Mathcad programban, a (3) képlet.
Most a Fourier-transzformáció (FFT) segítségével térjünk át a frekvenciatartományra, a (4) képletre.
Építsük fel a frekvenciamenetet, 3. ábra.
 |
3. ábra - Trapézimpulzus frekvenciaválasza
Most vegyük a felső frekvenciát az impulzus időtartama szerint, az (5) képlet szerint.
Annak bizonyítására, hogy az (1) képlet szerint a mintavételi frekvencia nem lesz elegendő, próbáljunk meg először ezzel dolgozni, azaz 
.
A mintavételezési frekvencia kiválasztása után, amelyet a jövőben nagy valószínűséggel növelni kell, mivel 2 kHz-en hibák léphetnek fel a helyreállítás során, továbbléphet a MATLAB-ra.
Annak érdekében, hogy jelünket az idő tengelyén mintavételezési intervallummal ábrázoljuk 
A MATLAB-ban meg kell adnia az időminták tömbjét. A következőképpen van beállítva: t=-1e-5:dt:28.3e-3.
Most állítsuk be egyenként az impulzusainkat, és a végén egyszerűen összegezzük őket – megkapjuk a kezdeti impulzust.
Téglalap alakú impulzus:
ti1=7e-3; % Impulzus időtartam
x1=3*rektpuls(t-ti1/2,ti1);
Szinuszos impulzus:
x2=4*sin(pi*(t-t11)/12e-3).*(t>=t11).*(t<=t22);
Háromszög impulzus:
x3=3*tripuls((t-t22)-4e-3,8e-3);
Trapéz impulzus:
x4=-9*trapmf(t,);
Teljes lendület:
A grafikon megjelenítéséhez a plot függvényt használjuk, ez így néz ki: plot(t,x,"k");
Ahol t az elején beállított időbélyegek tömbje, x maga a jel, a „k” pedig azt jelenti, hogy a grafikon fekete lesz. Ábrázoljuk az adott grafikont a 4. ábrán.
4. ábra – Teljes impulzus (visszaállítva)
A helyreállítás a Kotelnyikov-tétel (6) képletével történik.
Amint a 4. ábrán látható ezzel a diszkretizálással, a téglalap inkább trapéz, a második nulla eltűnt, a trapéz pedig háromszögre hasonlít, tehát a helyreállítás nagy hibával történt. Ebből arra következtetünk, hogy szükséges a mintavételi gyakoriság növelése. Kísérleti szelekcióval a mintavételezési frekvenciánkat 50-szeresére kellett növelni, mivel alacsonyabb mintavételi frekvenciánál nem volt egyértelmű a trapéz élére vonatkozó információ, függőleges vonalnak tűnt. Ez annak köszönhető, hogy a hozzárendelés szerint ennek a frontnak nagyon kicsi időintervallumunk van, mindössze 0,08 ms. Ábrázoljuk a visszaállított jelet az 5. ábrán.
5. ábra – Teljes impulzus (visszaállt) az újramintavételezés után
Ábrázoljuk diszkrét formában, 6. ábra.
6. ábra - A teljes impulzus digitális formában
Amint ezen az ábrán látható, sok leolvasásra volt szükség a jó restauráláshoz, az áttekinthetőség kedvéért a trapéz bevezető élét is nagyított léptékben ábrázoljuk, megmutatjuk, hány minta kellett a pontos helyreállításhoz, 7. ábra.
7. ábra - A trapéz bevezető éle diszkrét formában
Az ábrán látható, hogy 9 mintára volt szükség a vezetőél pontos rekonstrukciójához.
Így az impulzusunkat digitalizáltuk, itt összefoglalhatjuk, hogy a tervezőnek kellően nagy mintavételezési frekvenciát kell választania a hullámforma pontos visszaállításához, hogy minden információt elmentsen róla. Különösen, ha a hullámforma gyorsan változik.
