Спектральный анализ периодических сигналов.

2.2. СПЕКТРАЛЬНЫЙ АНАЛИЗ ПЕРИОДИЧЕСКИХ СИГНАЛОВ

Спектральный анализ периодических сигналов.

В соответствии со спектральным способом анализа прохождения сигналов через линейные цепи любой случайный сигнал S(T) можно представить в виде бесконечной суммы элементарных аналитически однотипных детерминированных сигналов :

(2.8)

Подавая на вход линейной цепи (рис. 1.14), коэффициент передачи которой равен , элементарный детерминированный сигнал, можно найти элементарный отклик цепи, то есть сигнал на выходе цепи.

Рис.2.3.К определению сигнала на выходе линейной цепи.

Сигнал на выходе линейной цепи равен

(2.9)

Поскольку для линейных цепей справедлив принцип суперпозиции, то результирующий отклик будет равен:

(2.10)

Функции, описывающие элементарные сигналы, называются базисными функциями. Представление сигнала базисными функциями упрощается, если они являются ортогональными и ортонормированными.

Набор функций называется ортогональным, Если в интервале от до

при (2.11)

И ортонормированным, Если для всех Выполняется условие

. (2.12)

Ортогональность базисных функций, с помощью которых представляется исходный сигнал , является гарантией того, что представление сигнала может быть сделано единственным образом.

Условию ортогональности отвечают гармонические функции кратных частот, а также функции Уолша, которые на отрезке своего существования от до принимают лишь значения, равные 1, дискретные сигналы Баркера и некоторые другие функции.

Спектральный метод анализа сигналов основан на преобразованиях Фурье и состоит в замене сложной функции времени, описывающей сигнал, суммой простых гармонических сигналов, образующих частотный спектр этого сигнала. Знаменитый французский физик и математик Ж. Б. Фурье (1768 – 1830 г. г.

) доказал, что любое изменение во времени некоторой функции можно аппроксимировать в виде конечной или бесконечной суммы ряда гармонических колебаний с разными амплитудами, частотами и начальными фазами. Этой функцией может быть ток или напряжение в электрической цепи.

Рассмотрим вначале представление периодического электрического сигнала (рис. 2.4), отвечающего условию

, (2.13)

где: — период сигнала; =1,2,3,….

Рис. 2.4. Периодический сигнал

Представим этот сигнал бесконечным тригонометрическим рядом:

. (2.14)

Этот ряд называется рядом Фурье.

Возможна запись ряда Фурье в другом виде:

, (2.15)

Где: — модуль амплитуд гармоник;

— фазы гармоник;

— круговая частота;

— коэффициенты косинусоидальных составляющих; — коэффициенты синусоидальных составляющих; — среднее значение сигнала за период (постоянная составляющая).

Отдельные слагаемые рядов называют гармониками. Число является номером гармоники. Совокупность величин в ряде (2.15) называют спектром амплитуд, а совокупность величин — спектром фаз.

Ниже на рис. 2.5 представлены амплитудный и фазовый спектры периодического сигнала. Вертикальные отрезки амплитудного спектра представляют амплитуды гармоник и называются спектральными линиями.

Рис 2.5. Амплитудный и фазовый спектры периодического сигнала

Таким образом, спектр периодического сигналаЛинейчатый. Каждый периодический сигнал имеет вполне определенные амплитудный и фазовый спектры.

Сумма ряда (2.15) является бесконечной, но, начиная с некоторого номера, амплитуды гармоник настолько малы, что ими можно пренебречь и практически реальный периодический сигнал представляется функцией с ограниченным спектром. Интервал частот, соответствующий ограниченному спектру, называется шириной спектра.

Если функция , описывающая периодический сигнал, является четной, то сумма ряда (2.14) будет содержать только косинусоидальные составляющие. Если — нечетная функция, то сумма будет содержать только синусоидальные составляющие.

Возможно также представление периодического сигнала в виде комплексного ряда Фурье:

, (2.16)

Где:

— комплексные амплитуды спектра, содержащие информацию, как об амплитудном, так и о фазовом спектрах.

После подстановки значений и , получим:

(2.17)

Если подставить полученное значение в ряд (1.29), то он обращается в тождество. Таким образом, периодический электрический сигнал можно задавать либо функцией времени , либо комплексной амплитудой спектра.

2.2.1. Спектр периодической последовательности прямоугольных импульсов

Состав спектра периодической последовательности прямоугольных импульсов зависит от величины отношения периода последовательности к длительности импульса, называемого скважностью импульсов. В спектре будут отсутствовать гармоники с номерами кратными скважности импульсов. Скважность импульсов равна . На рис.1.

17 приведены три импульсные последовательности с разными скважностями и соответствующие им спектры. Для периодической последовательности, скважность которой равна 2, в спектре отсутствуют 2, 4, 6 ,8 и т. д. гармоники. Для последовательности, скважность которой равна 3, в спектре отсутствуют 3, 6 и т. д. гармоники.

Для последовательности, скважность которой равна 4, в спектре отсутствуют 4, 8 и т. д. гармоники. Во всех приведенных спектрах интервал между спектральными линиями равен величине обратной периоду последовательности.

Точки на оси частот, в которых спектр равен нулю, соответствуют величине, обратной длительности импульсов периодических последовательностей.

Рис.2.6.Периодические последовательности импульсов и их спектры.

2.2.2. Спектр непериодического сигнала

При рассмотрении спектра непериодического сигнала воспользуемся предельным переходом от периодического сигнала к непериодическому сигналу, устремив период к бесконечности.

Для периодического сигнала, представленного на рис. 2.4, ранее получено выражение (2.17) для комплексной амплитуды спектра:

(2.18)

Введем обозначение:

(2.19)

Построим модуль спектра :

Рис. 2.7. Модуль спектра периодического сигнала

Расстояние между спектральными линиями равно . Если увеличивать период , то будет уменьшаться интервал w1 . При интервал между спектральными линиями w1® dw.

При этом периодическая последовательность импульсов превращается в одиночный импульс и модуль спектра стремится к непрерывной функции частоты .

В результате предельного перехода от периодического сигнала к непериодическому линейчатый спектр вырождается в сплошной спектр, представленный на рис. 2.8.

Рис. 2.8. Спектр непериодического сигнала

При этом комплексная амплитуда равна:

. (2.20)

С учетом предельного перехода при

(2.21)

Подставим полученное выражение в ряд (2.16). При этом сумма трансформируется в интеграл, а значения дискретных частот в значение текущей частоты и непериодический сигнал можно представить в следующем виде:

. (2.22)

Это выражение соответствует обратному преобразованию Фурье. Огибающая сплошного спектра одиночного импульса совпадает с огибающей линейчатого спектра периодической функции, представляющей периодическое повторение этого импульса.

Интеграл Фурье позволяет любую непериодическую функцию представить в виде суммы бесконечного числа синусоидальных колебаний с бесконечно малыми амплитудами и бесконечно малым интервалом по частоте. Спектр сигнала определяется из выражения

. (2.23)

Этот интеграл соответствует прямому преобразованию Фурье.

– комплексный спектр, в нём содержится информация, как о спектре амплитуд, так и о спектре фаз.

Таким образом, спектр непериодической функции сплошной. Можно сказать, что в нём содержатся «все» частоты.

Если вырезать из сплошного спектра малый интервал частот , то частоты спектральных составляющих в этом участке будут отличаться сколь угодно мало.

Поэтому спектральные составляющие можно складывать так, как будто все они имеют одну и ту же частоту и одинаковые комплексные амплитуды. Спектральная плотность есть отношение комплексной амплитуды малого интервала частот к величине этого интервала.

Спектральный анализ сигналов имеет фундаментальное значение в радиоэлектронике. Информация о спектре сигнала позволяет обоснованно выбирать полосу пропускания устройств, на которые воздействует этот сигнал.

2.2.3. Спектр одиночного прямоугольного видеоимпульса

Рассчитаем спектр одиночного прямоугольного импульса, амплитуда которого равна Е, а длительность — t, представленного на рис. 2.9.

Рис. 2.9. Одиночный прямоугольный импульс

В соответствии с выражением (2.24) спектр такого сигнала равен

=. (2.24)

Поскольку = 0 , когда , то частоты, на которых спектр обращается в нуль равны , где K=1,2,3…

На рис. 2.10 представлен комплексный спектр одиночного прямоугольного импульса длительностью .

Рис.2.10. Спектр одиночного прямоугольного импульса

Спектральная плотность определяет распределение энергии в спектре одиночного импульса. В общем случае распределение энергии неоднородно. Однородное распределение характерно для хаотического процесса, называемого «белым шумом».

Спектральная плотность импульса на нулевой частоте равна его площади. Приблизительно 90% энергии одиночного прямоугольного импульса сосредоточено в спектре, ширина которого определяется выражением

. (2.25)

Соотношение (1.41) определяет требования к ширине полосы пропускания радиотехнического устройства.

В задачах, где форма сигнала имеет второстепенное значение полосу пропускания устройства для этого сигнала можно выбрать равной ширине первого лепестка спектра. При этом неизвестна степень искажения формы сигнала.

Двукратное увеличение полосы пропускания лишь на 5% увеличит энергию сигнала при одновременном возрастании уровня шумов.

2.2.4. Спектры неинтегрируемых сигналов

Фурье анализ применим лишь к интегрируемым функциям, то есть к функциям, для которых выполняется условие сходимости интеграла:

(2.26)

К неинтегрируемым относятся такие сигналы, как -импульс, единичный скачок, гармонический сигнал, постоянное напряжение.

Спектр — импульса

Рассчитаем спектр Импульса с помощью интеграла прямого преобразования Фурье.

(2.27)

На основании стробирующего свойства — функции получим:

. (2.28)

Таким образом, и . При фаза .

Рис.2.11. Спектр — импульса

Итак, — функция имеет сплошной бесконечный спектр с единичной амплитудой на всех частотах. В момент возникновения импульса все гармонические составляющие бесконечного спектра складываются когерентно, поскольку спектр вещественный. В результате этого наблюдается бесконечно большая амплитуда импульса.

Спектр гармонического сигнала

Вычислим спектр гармонического сигнала с единичной амплитудой .

(2.20)

В соответствии с обратным преобразованием Фурье

(2.30)

Учитывая дуальность частоты и времени, запишем:

(2.31)

Знак экспоненты можно выбрать, считая — функцию четной.

В соответствии с этим спектр гармонического сигнала запишется в следующем виде:

(2.32)

Таким образом, гармоническому сигналу соответствует дискретный спектр из двух линий в виде дельта функций на частотах и

Рис. 2.12. Спектр гармонического сигнала

Спектр постоянного напряжения

Для гармонического сигнала получено следующее выражение для спектральной плотности:

(2.33)

Если в этом выражении приравнять частоту нулю, то получим спектр постоянного напряжения единичного уровня:

(2.34)

Таким образом, спектр постоянного напряжения содержит особенность типа функции.

Рис. 2.13. Спектр постоянного напряжения

Источник: https://www.webpoliteh.ru/2-2-spektralnyj-analiz-periodicheskix-signalov/

Спектральный анализ периодических сигналов

Спектральный анализ периодических сигналов.

Математической моделью процесса, циклически повторяющегося во времени, является периодический сигнал. Если какой-либо сигнал представлен в виде суммы гармонических колебаний с различными частотами, то говорят, что осуществлено спектральное разложение этого сигнала в базисе гармонических функций. Сумма отдельных гармонических компонент сигнала образует его спектр.

Спектральное представление сигнала можно получить, используя разложение в ряд Фурье. Зададим на интервале времени [-T/2, T/2] полный ортогональный базис, образованный гармоническими функциями с кратными частотами:

{sin nw1t, cos nw1t}, n = 0, 1, 2, … (2.12)

Произвольный сигнал s(t) можно разложить на заданном интервале в ряд по тригонометрическому базису, т.е. получить его спектральное представление (2.5). Данное разложение справедливо на всей бесконечной оси времени и называется тригонометрическим рядом Фурье:

(2.13)

где коэффициенты

(2.14)

Если колебание представляет собой функцию, четную относительно t, т.е. s (t) = s(-t), то в тригонометрической записи ряда (2.13) остаются только косинусоидальные члены, т.к. коэффициенты bn в соответствии с формулой (2.14) обращаются в ноль. Для нечетной относительно t функции s(t), наоборот, в ноль обращаются коэффициенты an и ряд состоит только из синусоидальных членов.

Итак, в общем случае периодический сигнал содержит в себе не зависящую от времени постоянную составляющую, равную среднему значению сигнала на заданном интервале времени, и бесконечный набор гармонических колебаний, так называемых гармоник с частотами wn = nw1, n = 1, 2, 3, …, кратными основной частоте последовательности.

Любая гармоника ряда Фурье характеризуется амплитудой An и начальной фазой jn, которые соответственно называются амплитудной и фазовой характеристиками периодического сигнала. Для этого коэффициенты ряда следует записать в виде:

an = An cos jn ; bn = An sin jn , а0/2 = А0;

так что

Подставив эти выражения в (2.13), можно получить другую, эквивалентную форму ряда Фурье:

(2.15)

которая иногда оказывается удобнее.

Графическое построение, наглядно интерпретирующее коэффициенты ряда Фурье для конкретного сигнала, называется спектральной диаграммой периодического сигнала. Различают амплитудные и фазовые диаграммы (рис. 2.1). Спектр периодической функции называется линейчатым или дискретным, т.к. состоит из отдельных линий, соответствующих дискретным частотам 0, w1, w2=2w1, w3=3w1 и т.д.

An jn

0 w1 2w1 4w1 nw1 w 0 w1 2w1 4w1 6w1 w

a) б)

Рис. 2.1 – Спектральные диаграммы некоторого периодического сигнала:

а) – амплитудная; б) – фазовая

На практике чаще всего используют амплитудные диаграммы, позволяющие судить о процентном содержании тех или иных гармоник в спектре периодического сигнала.

Основную формулу спектрального анализа периодических сигналов (2.13) можно записать в ином симметричном виде, если воспользоваться представлением гармонических функций в виде суммы экспонент с мнимыми показателями, применяя формулы Эйлера или изначально используя экспоненциальный базис:

(2.16)

Введем вместо an и bn новые коэффициенты Cn = (an – jbn)/2 для n = 1, 2, 3, … . Величины Cn можно определить и при отрицательных индексах n, причем С-n = (an + jbn)/2 = Cn*, т.е.

является комплексно-сопряженной величиной по отношению к Cn, поскольку коэффициенты an и bn соответственно четны и нечетны относительно индексов. Таким образом, суммирование в (2.

16) можно распространить на все значения n, положительные и отрицательные:

(2.17)

Формула (2.17) является рядом Фурье в комплексной форме с коэффициентами:

/Сn / = An/2. (2.18)

Спектральная диаграмма периодического сигнала, представленного в форме (2.17), будучи симметричной относительно начала отсчета частоты, содержит компоненты на отрицательной полуоси частот, т.е. комплексный ряд есть продолжение или обобщение тригонометрического на эту область.

Смысл понятия отрицательной частоты заключается в следующем. Вещественная функция (An cos nw1t) из (2.15) после применения формул Эйлера может быть выражена как сумма проекций на горизонтальную ось ОХ двух векторов длиной An/2 = Cn, вращающихся с угловой частотой nw1 во взаимно противоположных направлениях.

Вектор, вращающийся против часовой стрелки, соответствует слагаемому (An/2)exp(jnw1t), т.е. положительной частоте, а вектор, вращающийся по часовой стрелке, слагаемому (An/2)exp(-jnw1t) и отрицательной частоте. Складываясь, эти два комплексных числа образуют вещественное число.

Таким образом, отрицательная частота – понятие не физическое, а математическое, обусловленное способом представления комплексных чисел.

Таким образом, тригонометрический и комплексный ряды Фурье можно рассматривать как два равноценных (равноправных) способа представления одного и того же ряда.

Для анализа периодических сигналов используется разложение их в ряд Фурье, являющееся основной характеристикой сигнала в частотной области и позволяющее построить АЧХ (функцию четную по частоте) и нечетную по частоте ФЧХ данного сигнала.

Не нашли то, что искали? Воспользуйтесь поиском:

Источник: https://studopedia.ru/8_63381_spektralniy-analiz-periodicheskih-signalov.html

Спектральный анализ сигналов

Спектральный анализ периодических сигналов.

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.

Оконная функцияУровень боковых лепестков (дБ)
Окно Дирихле (прямоугольное окно)-13 дБ
Окно Ханна-31.5 дБ
Окно Хэмминга-42 дБ

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 w0 – wгет, 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 сигналаpublic 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 GitHub. Единственной сложностью стала генерация PDF отчёта по результатам анализа: PDox ну никак не хотел работать с кириллицей. К слову, не хочет и сейчас.

В проекте использовались библиотеки: JFreeChart – отображение графиков PDox – построение отчёта JLatexMath – рендер Latex формул В итоге, получилась довольно массивная программа (13.6 мегабайт), удобно реализующая поставленную задачу.

Есть возможность как вырезать гармоники вручную, так и доверить эту задачу алгоритму. Всем спасибо за внимание!
Пример отчёта, создаваемого программой.

Литература

Сергиенко А. Б. — Цифровая обработка сигналов

  • анализ сигналов
  • бпф
  • спектральный анализ
  • растекание спектра

Источник: https://habr.com/post/253447/

8 Спектральный анализ периодических сигналов

Спектральный анализ периодических сигналов.

7. Спектральный анализ периодических сигналов

7.1. Разложение периодических сигналов

       по ортогональным функциям

Электрический сигнал  (ток  или напряжение ) называют периодическим, если он существует на интервале времени от  до  и удовлетворяет условию , где  – период сигнала, а  – целое число. Примеры таких функций времени показаны на рис. 7.1.

Рис. 7.1

При расчете разнообразных сигналов удобно представить их взвешенной суммой заданных функций времени вида

,                             (7.1)

где – заданный набор (базис) функций времени,  – весовые коэффициенты, не зависящие от времени. В этом случае функция времени  может описываться набором коэффициентов , от времени не зависящих.

Чтобы разложение в ряд  (7.1) было  взаимно однозначным

144

функции  должны быть взаимно ортогональными на периоде сигнала, то есть должны удовлетворять условию

                 (7.2)

где момент начала интегрирования  выбирается произвольно исходя из удобства расчетов. При  набор функций  называют ортонормальным.

Для ортогонального базиса коэффициенты разложения  определяются выражением

.                              (7.3)

В математике и технике широко используются различные ортогональные наборы функций (базисы) и прежде всего гармонический базис

,      (7.4)

полиномы Чебышева, Лагранжа, Эрмита и др. В цифровой технике применяют ортогональные дискретные функции Уолша, Радамахера.

7.2. Ряд Фурье

Ряд Фурье для действительной периодической функции времени   является ее разложением по ортогональному базису (7.4) и имеет вид

145

           (7.5)

Компоненту ряда Фурье вида

                                  (7.6)

называют  -й гармоникой сигнала,

                                          (7.7)

частота первой гармоники,  – постоянная составляющая сигнала,

,                                (7.8)

 – амплитуда  -й гармоники сигнала,

,                                    (7.9)

,                             (7.10)

,                             (7.11)

 – начальная фаза -й гармоники сигнала,

146

                 (7.12)

Величины  и  называют амплитудами синфазной и квадратурной составляющих -й гармоники сигнала соответственно.

7.3. Спектры амплитуд и фаз  периодического сигнала

Периодический сигнал  взаимно однозначно описывается суммой гармоник

,                   (7.13)         

то есть двумя в общем случае бесконечными наборами чисел.

Первый из них называют спектром амплитуд сигнала,

,                                (7.14)

а второй – спектром фаз,

.                                (7.15)

Спектры амплитуд и фаз не зависят от времени, а определяются формой сигнала  на периоде колебаний. Частоты гармоник  кратны частоте первой гармоники ,

,                          (7.16)

147

не зависят от формы сигнала и определяются только периодом его повторения .

Спектры сигнала можно представить в виде формулы, таблицы или графика. В качестве примера рассмотрим спектры амплитуд и фаз последова-

                       Рис. 7.2                   тельности  прямоугольных

                                                       импульсов с амплитудой , длительностью  и периодом , показанных на рис. 7.2. При расчетах целесообразно выбрать момент начала интегрирования  . Постоянная составляющая равна

,                                (7.17)

а амплитуды синфазной и квадратурной составляющих –

,  (7.18)

.                       (7.19)

Для амплитуды и начальной фазы -й гармоники получим

,                   (7.20)

                    (7.21)

148

Графики спектров амплитуд и фаз при условии , мс, мс показаны на рис. 7.3а и рис. 7.3б соответственно. Каждая гармоника отображается вертикальной линией, длина которой равна величине амплитуды или фазы.

Рис. 7.3

Переменная  является номером  гармоники. Ее можно рассматривать как нормированную частоту гармоники,

,

и спектральные диаграммы можно строить в координатах частоты гармоники, как показано на рис. 7.4 для спектра амплитуд.

Спектры имеют дискретный (линейчатый) характер, интервал частот между соседними  гармониками  одинаков  и

149

равен .

Спектр амплитуд сверху всегда ограничен линией, которая падает с ростом частоты (номера) гармоники. Вводится понятие огибающей спектра амплитуд, определяемой как непрерывная функция частоты , которая в точках  точно совпадает со значениями

              Рис. 7.4                    амплитуд  гармоник.   Формулу

                                               огибающей можно получить из выражения для спектра амплитуд, подобного (7.20), при замене номера гармоники  величиной

     ,                                    (7.22)

где  непрерывная переменная.

В примере (7.20) получим

,                         (7.23)

график показан на рис. 7.3а пунктирной линией. Характерной особенностью огибающей спектра амплитуд сигнала рис. 7.2 является наличие точек с нулевым значением (нулей огибающей), определяемых из уравнения

,                                (7.24)

решение которого имеет вид

150

,                                    (7.25)

где  – целое число. Как видно, положение нулей огибающей определяется только длительностью импульса .

7.4. Синтез сигнала по его спектру

Если известны спектры амплитуд и фаз, то с помощью ряда Фурье (7.13) можно получить сигнал как функцию времени. Бесконечная сумма на практике не реализуема и сигнал описывается конечной суммой гармоник,

.                   (7.26)

Соответствующие кривые при ,  и  показаны на рис. 7.5а, рис. 7.5б, и рис. 7.5в соответственно.

Как видно, с увеличением  форма синтезированного сигнала приближается к исходной (рис. 7.2).

7.5. Ряд Фурье в комплексной форме

Гармоники сигнала могут быть представлены своими комплексными амплитудами в виде

,                  (7.27)

тогда исходный сигнал можно представить в виде ряда Фурье,

.                          (7.28)

151

Рис. 7.5

Амплитуда -й гармоники  равна модулю комплексной амплитуды,

,                              (7.29)

а ее начальная фаза  – аргументу  с противоположным знаком,

152

     (7.30)

Комплексная амплитуда гармоники (2.27) позволяет существенно упростить расчеты спектров амплитуд и фаз за счет сокращения числа интегралов и с учетом того, что подынтегральное выражение с экспонентой часто интегрируется проще, чем с тригонометрической функцией.

Рассмотрим сигнал, показанный на рис. 7.6, тогда

 (7.31)

Как видно, в данном примере комплексная амплитуда является действительной величиной, что обусловлено формой сигнала на рис. 7.2..Спектры амплитуд и фаз совпадают с ранее полученными значениями.

7.6. Влияние формы сигнала на спектры амплитуд и фаз

Спектры амплитуд и фаз сигнала взаимно однозначно связаны с его формой, которая определяется формой импульсов и их длительностью на периоде повторения.

На рис. 7.6 показана последовательность прямоугольных импульсов  длительностью  и с амплитудой 1 на интервале периода  в нормированных координатах времени . Для этого сигнала характерны  крутые (с  нулевой  продолжи-

153

тельностью) фронт и срез  импульса. Величину

                (7.32)

называют скважностью импульсов. На рис. 7.7 приведены спектры амплитуд (рис. 7.7а) и фаз (рис. 7.7б)

      Рис. 7.6                   при .

Рис. 7.7

На рис. 7.8 приведены аналогичные зависимости при .

Рис. 7.8.

154

При фиксированном периоде повторения импульсов  увеличение скважности означает уменьшение длительности импульса , при этом согласно рис. 7.7а и рис. 7.8а, а также (7.20) амплитуды гармоник падают, спектр амплитуд становится более равномерным, положение нулей огибающей спектра амплитуд смещается в область более высоких частот (номеров гармоник).

Рассмотрим трапециидальный импульс, программа исследование которого в среде MathCAD показана на рис. 7.9. Спектральный анализ проводится с помощью стандартной процедуры спектрального анализа fft(s).

Она построена на основе алгоритма быстрого преобразования  Фурье (БПФ)  и  позволяет получить комплексные коэффициенты , с помощью которых комплексная амплитуда -й гармоники определяется выражением

.                                 (7.33)

Период  сигнала выбран равным 1, – число отсчетов сигнала на периоде. Результаты расчета спектров амплитуд и фаз приведены в листинге программы на рис. 7.9 (повторите расчеты самостоятельно для различных параметров сигнала).

Как видно при сравнении графиков спектров амплитуд на рис. 7.7 и рис. 7.9, увеличение длительности фронта и среза импульса приводит к значительному ослаблению высших гармоник сигнала.

155

На рис. 7.10 показан пример программы расчета спектра амплитуд колоколообразного сигнала вида

,                           (7.34)

для которого характерно наиболее плавное изменение значений во всем интервале времени.

Рис. 7.9.

График сигнала и его спектр амплитуд показаны в листинге программы на рис. 7.10. Как видно, спектр «гладкого» сигнала сосредоточен в области нижних частот, высшие гармоники практически отсутствуют.

Полученные выводы подтверждают результаты синтеза прямоугольных импульсов по ограниченному числу  гармоник, например, показанные на рис. 7.5.

156

Рис. 7.10.

7.7. Свойства спектров сигналов

Свойства спектров сигналов часто формулируются в виде теорем.

Спектральное преобразование сигнала линейно, то есть комплексная амплитуда суммы сигналов равна сумме комплексных амплитуд гармоник каждого из суммируемых сигналов. На практике особый интерес представляет свойство (теорема)смещения сигнала во времени. Ее можно сформулировать следующим образом.

157

Взяв модули левой и правой частей (7.30), получим

,                          (7.36)

то есть спектр амплитуд не  изменяется  при  задержке  сиг-

нала во времени.

Вычислим аргументы обеих частей выражения (7.30),

,                          (7.37)

то есть начальные фазы гармоник сигнала при временной задержке уменьшаются на величину , которая зависит от номера гармоники, периода сигнала (частоты его первой гармоники) и величины задержки .

Для доказательства теоремы смещения запишем

. (7.38)

Проведем замену переменных , тогда получим

.   (7.39)

На спектральные характеристики влияют свойства симметрии сигнала.

Рассмотрим четные функции времени, удовлетворяющие условию . В этом случае амплитуда квадратурной составляющей  -й гармоники равна нулю

,                                       (7.40)

158

комплексная амплитуда -й гармоники  является действительным числом,

,                                    (7.41)

а начальная фаза равна 0 или  в зависимости от знака .

Для нечетной функции, удовлетворяющей условию , амплитуда синфазной составляющей  -й гармоники равна нулю

,                                       (7.42)

комплексная амплитуда -й гармоники  является мнимым числом,

,                                    (7.43)

а начальная фаза равна 0 или  в зависимости от знака .

Эти свойства иллюстрирует пример четного сигнала на рис. 7.2, для которого имеет место равенство (7.19). Его фазовый спектр со значениями 0 или  показан на рис. 7.3б.

Рассмотрим комплексные спектры двух сигналов  (рис.  7.11а) и  (рис. 7.11б), и их сумму  (рис. 7.11в).

Рис. 7.11.

Сигнал    получен  из    сдвигом  во  времени  на

159

величину , оба являются последовательностями прямоугольных импульсов длительностью импульса . Сигнал  оказывается последовательностью прямоугольных импульсов длительностью

Комплексная амплитуда -й гармоники  определена ранее (7.31) и равна

                                 (7.44)

По теореме смещения можно найти комплексную амплитуду -й гармоники сигнала  в виде

.                    (7.45)

Тогда согласно свойству линейности комплексная амплитуда -й гармоники сигнала  равна

 (7.46)

160

С другой стороны, при прямом вычислении (проведите расчеты самостоятельно) комплексная амплитуда -й гармоники сигнала  равна

,                    (7.47)

что полностью совпадает с (7.46).

7.8. Мощность периодического сигнала

Пусть имеется сигнал  (ток или напряжение) в сопротивлении Ом, тогда средняя мощность сигнала равна

.                            (7.48)

Эту же величину можно выразить через гармоники сигнала с помощью равенства (теоремы) Парсеваля в виде

.                 (7.49)

С помощью спектральных  характеристик  можно  определить действующее значение  сигнала в виде

.                 (7.50)

7.9. Ширина спектра

Как видно по графикам спектров амплитуд рассмотренных  сигналов,  в    целом    наблюдается    тенденция     уменьшения

161

амплитуд гармоник с ростом их номера (частоты). Графики на рис. 7.5 показывают, что форма сигнала определяется сравнительно небольшим числом гармоник. Все  это  свидетельствует

о том, что для представления (даже достаточно точного) сигнала необходимо учитывать ограниченное число гармоник, которые занимают конечный интервал частот.

Мощность сигнала определяется выражением (7.39). Для рассматриваемых видеосигналов наиболее интенсивные гармоники имеют номера от 1 до некоторой величины N, при этом их суммарная мощность равна

.                         (7.51)

Как видно, с ростом  мощность  увеличивается, и при  стремится к полной мощности .

Тогда можно определить число гармоник , при котором мощность    будет  равна  величине  , с  помощью

выражения

.                         (7.52)

В результате можно определить ширину спектра  в виде

.                          (7.53)

162

В качестве примера рассмотрим последовательность прямоугольных  импульсов, показанную  на  рис. 7.2   со  спектром амплитуд, показанном на рис. 7.3а.

(скважность импульсов ) Зависимость нормированной мощности   от  числа  учитываемых  гармоник  показана  на   рис. 7.12.

Как видно, функция  является неубывающей и достигает уровня  при  (, ), тогда ширина спектра сигнала определяется выражением (7.44).

Рис. 7.12

Этот же график в области значений от 0,9 до 1 показан на рис. 7.13. С ростом кривая очень медленно приближается к 1 и достигает значения 0,99 уже при .

В инженерной практике рассмотренный расчет ширины спектра проводится редко, а используется ее инженерная оценка. Для   импульсных  сигналов  с  длительностью    (на-

163

пример, рис. 7.2) ширина спектра определяется выражением

(рад/с)    или   (Гц)        (7.54)

(сравните эти величины со значениями нулей огибающей спектра амплитуд).

Рис. 7.13

Множитель от 1 до 3 косвенно характеризует долю мощности сигнала, заключенную  в  полосе  пропускания (единица примерно соответствует , а тройка –  величине , эти значения зависят от формы импульса).

Оценки ширины спектра можно выразить через число гармоник,

,                    (7.55)

где  требуемое число гармоник, равное

.                    (7.56)

164

На практике чаще всего используются соотношения с единичным множителем вида

В рассмотренном примере сигнала на рис. 7.2 скважность  и для обеспечения 90% мощности необходимо учитывать  гармоник (рис. 7.12), по оценке (7.58) требуется учитывать 10 гармоник.

7.10. Задания для самостоятельного решения

Задание 7.1. Определите и постройте графики спектров амплитуд и фаз сигналов вида:

,

,

,

,

.

Задание 7.2. Определите спектры амплитуд и фаз сигналов, показанных на рис. 7.14, постройте их графики. Проведите расчет ширины спектра при ,   и , сравните полученные результаты.

165

Рис. 7.14

Задание 7.3. С помощью теоремы смещения проведите расчет спектров амплитуд и фаз сигнала, показанного на рис. 7.14а,  воспользовавшись результатами, полученными для сигнала на рис.7.2.

Задание 7.4. Определите спектры амплитуд и фаз сигнала, показанного на рис.7.15, постройте их графики. Сравните спектр амплитуд со спектром гармонического сигнала, проанализируйте результаты.

Вычислите ширину спектра сигнала при . Чем обусловлены наблюдаемые различия в ширине спектра для сигналов, показанных на рис. 7.14а и рис. 7.15? Как в полученных результатах проявляются свойства симметрии сигнала?

Рис. 7.15

Задание 7.5. Определите спектры амплитуд и фаз сигналjd, показанного на рис.7.16, постройте их графики.

166

Рис. 7.16

Задание 7.6. Определите спектры амплитуд и фаз сигнала, показанного на рис.7.17, постройте их графики.

Рис. 7.17

Проведите тот же расчет, представив сигнал на рис. 7.17 в виде суммы двух импульсных последовательностей, показанных на рис. 7.18, и используя свойство линейности.

Рис. 7.18

Источник: https://studizba.com/lectures/129-inzhenerija/2023-spektralnyj-analiz/39427-8-spektralnyj-analiz-periodicheskih-signalov.html

1.3.Спектральный анализ периодических сигналов

Спектральный анализ периодических сигналов.

Спектральныйанализ периодических сигналов основанна разложении временной функции

, (1.13)

описывающейсигнал, с периодом Tи частотой ,по ортогональной системе тригонометрическихфункций

. (1.14)

Периодическийсигнал представляется в виде суммыгармонических составляющих с амплитудамии начальными фазами.Совокупность амплитудопределяет амплитудный спектр, асовокупность начальных фаз- фазовый спектр сигнала. Как следуетиз (1.14), спектры периодических сигналовявляются дискретными или линейчатыми,интервал дискретизации по частоте равенчастоте сигнала.

Приопределении амплитудного и фазовогоспектров периодических сигналов полезноиметь в виду следующие равенства

, (1.15)

которыеопределяют взаимосвязь между спектрамипериодических и непериодическихсигналов.

1.4. Спектральный анализ радиоимпульсов

Кузкополосным сигналам (радиосигналам)относятся сигналы, спектры которыхсосредоточены в относительно узкой посравнению со средней частотой полосе. Узкополосный сигнал описываетсявыражением

, (1.16)

где- частота несущего колебания,

v(t), Ф(t)– амплитуда и фаза сигнала;

Амплитудаи фазанесут информацию и представляют модулируемые (изменяемые) параметры сигнала. Это медленно меняющиеся функциивремени (их изменения за период несущегоколебания незначительны), что обеспечивает выполнение условия узкополосностисигнала.

Вчастном случае, когда ,а- непериодический видеосигнал, (1.16)описывает радиоимпульс

. (1.17)

Величина

(1.18)

представляетспектральную плотность огибающейрадиоимпульса .Спектральная плотность радиоимпульсаопределяется спектральной плотностьюего огибающей

. (1.19)

Спектррадиоимпульса получается путем переноса спектра егоогибающейиз окрестности нулевой частоты вокрестность несущей частоты(с коэффициентом 1/2),

. (1.20)

1.5. Спектральный анализ периодической последовательности радиоимпульсов

Спектральныйанализ сигнала в виде периодическойпоследовательности радиоимпульсов

(1.21)

основанна его представлении в видетригонометрического ряда

. (1.22)

Амплитудныйи фазовыйспектры периодической последовательностирадиоимпульсов связаны с коэффициентамиряда Фурье (1.14) периодического видеосигналасоотношениями

;. (1.23)

1.6. Корреляционный анализ непериодических сигналов

Взаимнаякорреляционная функция (ВКФ) двухдействительных сигналов определяетсявыражением

, (1.24)

где-смещение во времени сигнала,и характеризует взаимосвязь междузначениями сигналовив различные моменты времени.

Автокорреляционнаяфункция (АКФ)

(1.25)

характеризуетвзаимосвязь между значениями сигналав различные моменты времени. Длядействительного сигнала АКФ являетсядействительной четной функцией

, (1.26)

достигающеймаксимального значения, равного энергиисигнала, при :

. (1.27)

Автокорреляционнаяфункция непериодического сигнала связана со спектральной плотностьюэнергиипреобразованием Фурье

, (1.28)

. (1.29)

Учитываячетность функций и ,(1.28) и (1.29) можем записать в виде

, . (1.30)

При

. (1.31)

Выражение(1.31) представляет равенство Парсеваля.Каждая из частей этого равенстваопределяет энергию сигнала. Кривая характеризует распределение энергиисигнала по частоте: энергия сигналапропорциональна площади под кривой.

Таккак преобразование Фурье автокорреляционнойфункции равно квадрату модуля спектральнойплотности сигнала, то автокорреляционнаяфункция не содержит информации о фазовомспектре. Поэтому корреляционная функцияне изменяется при опережении илизапаздывании сигнала, а также при зеркально – симметричном отображенииего графика относительно осей абсцисси ординат.

Рис.4. Расчёт правой и левой ветви автокорреляционной функции

Приопределении корреляционной функциисигнала полезно иметь в виду, чтонепосредственное интегрирование вформуле (1.25) даёт выражение для правойветви автокорреляционной функции(рис.4). Замена в полученном выражении позволяет перейти к аналитическомуописанию автокорреляционной функции,как для положительных значений,так и для отрицательных.

Некоторыеполезные свойства автокорреляционнойфункции приведены в табл.4.

Корреляционнаяфункция пачки импульсов (1.5), при условии,что интервал следования импульсов впачке больше или равен длительностипервого импульса в пачке,взаимосвязана с его корреляционнойфункциейсоотношением

. (1.32)

Выражениедля АКФ кодированного сигнала имеетвид

, (1.33)

где- АКФ кодовой последовательности, расчёткоторой удобно оформить в виде таблицы,в строках которой, кроме ячеек первогои последнего столбцов, записываетсякодовая последовательность,причём в каждой последующей строкекодовая последовательность сдвигаетсяна одну позицию вправо. В каждой строке,в ячейку последнего столбца записываетсязначение, которое получается путёмперемножения элементов смещённойкодовой последовательности с элементамиисходной кодовой последовательности,с последующим суммированием результатовэтих перемножений:

ТаблицаРасчёт АКФ кодовой последовательности

0

1

2

Источник: https://studfile.net/preview/3638642/page:3/

Biz-books
Добавить комментарий