Signalverarbeitung

Signalübertragung mit elektronischer Signalverarbeitung. Wandler Signale von anderen physischen konvertieren Wellenformen elektrisch aktuell oder Stromspannung Wellenformen, die dann verarbeitet werden, übertragen als Elektromagnetische Wellen, empfangen und von einem anderen Wandler in die endgültige Form konvertiert.
Das Signal links sieht aus wie Rauschen, aber die Signalverarbeitungstechnik als bekannt als Spektraldichteschätzung zeigt (rechts), dass es fünf gut definierte Frequenzkomponenten enthält.

Signalverarbeitung ist ein Elektrotechnik Unterfeld, das sich auf die Analyse, Modifizierung und Synthese konzentriert Signale wie zum Beispiel Klang, Bilderund wissenschaftliche Messungen.[1] Signalverarbeitungstechniken können verwendet werden, um die Übertragung, die Speicherungseffizienz und die subjektive Qualität zu verbessern und Komponenten von Interesse an einem gemessenen Signal zu betonen oder zu erkennen.[2]

Geschichte

Entsprechend Alan V. Oppenheim und Ronald W. SchaferDie Prinzipien der Signalverarbeitung finden sich in der Klassik numerische Analyse Techniken des 17. Jahrhunderts. Sie geben ferner an, dass die digitale Verfeinerung dieser Techniken im Digital gefunden werden kann Kontroll systeme der 1940er und 1950er Jahre.[3]

1948, Claude Shannon schrieb das einflussreiche Papier "Eine mathematische Kommunikationstheorie"was in der veröffentlicht wurde Glockensystem Technisches Journal.[4] Das Papier legte den Grundstein für die spätere Entwicklung von Informationskommunikationssystemen und die Verarbeitung von Signalen für die Übertragung.[5]

Die Signalverarbeitung reifte und blühte in den 1960er und 1970er Jahren aus, und die digitale Signalverarbeitung wurde häufig mit Spezialisierung verwendet digitaler Signalprozessor Chips in den 1980er Jahren.[5]

Kategorien

Analog

Die analoge Signalverarbeitung gilt für Signale, die nicht digitalisiert wurden, wie in den meisten Funk-, Telefon-, Radar- und Fernsehsystemen des 20. Jahrhunderts. Dies beinhaltet sowohl lineare elektronische als auch nichtlineare Schaltkreise. Erstere sind zum Beispiel, Passive Filter, aktive Filter, Additivmischer, Integratoren, und Verzögerung von Linien. Nichtlineare Schaltungen umfassen Kompandoren, Multiplikatoren (Frequenzmischer, spannungsgesteuerte Verstärker), spannungsgesteuerte Filter, spannungsgesteuerte Oszillatoren, und Phasenschleifen.

Kontinuierliche Zeit

Signalverarbeitung kontinuierlicher Zeit ist für Signale, die mit der Änderung der kontinuierlichen Domäne variieren (ohne einige einzelne unterbrochene Punkte zu berücksichtigen).

Die Methoden der Signalverarbeitung umfassen Zeitdomäne, Frequenzbereich, und Komplexe Frequenzdomäne. Diese Technologie erörtert hauptsächlich die Modellierung des linearen zeitinvarianten kontinuierlichen Systems, die Integral der Null-Zustands-Reaktion des Systems, die Einrichtung der Systemfunktion und die kontinuierliche Zeitfilterung deterministischer Signale

Diskrete Zeit

Diskrete Signalverarbeitung ist für abgetastete Signale, nur zu diskreten Zeitpunkten definiert und als solche zeitlich quantisiert, jedoch nicht in der Größe.

Analoge diskrete Signalverarbeitung ist eine Technologie, die auf elektronischen Geräten basiert, z. probieren und halten Schaltkreise, analoge Zeitabteilung Multiplexer, Analoge Verzögerungslinien und Analoge Rückkopplungsverschiebungsregister. Diese Technologie war ein Vorgänger der digitalen Signalverarbeitung (siehe unten) und wird weiterhin bei der erweiterten Verarbeitung von Gigahertz -Signalen verwendet.

Das Konzept der diskreten Signalverarbeitung bezieht sich auch auf eine theoretische Disziplin, die eine mathematische Grundlage für die digitale Signalverarbeitung festlegt, ohne zu nehmen Quantisierungsfehler in Betracht.

Digital

Die digitale Signalverarbeitung ist die Verarbeitung digitalisierter diskreter Abtastsignale. Die Verarbeitung erfolgt durch Allgemeinzwecke Computers oder durch digitale Schaltungen wie z. Asics, Feldprogrammierbare Gate-Arrays oder spezialisiert Digitale Signalprozessoren (DSP -Chips). Typische arithmetische Operationen umfassen Fixpunkt und Schwimmpunkt, realwerte und komplexe Wertschöpfung, Multiplikation und Addition. Andere typische Operationen, die von der Hardware unterstützt werden, sind Rundpuffer und Nachschlagetabellen. Beispiele für Algorithmen sind die Schnelle Fourier-Transformation (FFT), Endliche Impulsantwort (FIR) Filter, Unendliche Impulsantwort (Iir) Filter und adaptive Filter so wie die Wiener und Kalman Filter.

Nichtlinear

Nichtlineare Signalverarbeitung beinhaltet die Analyse und Verarbeitung von Signalen, die aus nichtlinearen Systemen erzeugt werden, und kann in den Zeit-, Frequenz- oder räumlich-zeitlichen Bereichen erfolgen.[6][7] Nichtlineare Systeme können hochkomplexe Verhaltensweisen erzeugen, einschließlich Bifurkationen, Chaos, Harmonische, und Subharmonik Dies kann nicht mit linearen Methoden hergestellt oder analysiert werden.

Die Polynomsignalverarbeitung ist eine Art nichtlineare Signalverarbeitung, wo Polynom Systeme können als konzeptionell direkte Erweiterungen linearer Systeme in den nichtlinearen Fall interpretiert werden.[8]

Statistisch

Statistische Signalverarbeitung ist ein Ansatz, der Signale als behandelt als stochastische Prozesseihre Verwendung ihres statistisch Eigenschaften zur Ausführung von Signalverarbeitungsaufgaben.[9] Statistische Techniken werden in Signalverarbeitungsanwendungen häufig verwendet. Zum Beispiel kann man das modellieren Wahrscheinlichkeitsverteilung von Geräuschen, die beim Fotografieren eines Bildes entstehen, und konstruieren Techniken basierend auf diesem Modell zu Reduzieren Sie das Geräusch im resultierenden Bild.

Anwendungsfelder

Seismische Signalverarbeitung

In Kommunikationssystemen kann die Signalverarbeitung auf folgt:

Typische Geräte

Mathematische Methoden angewendet

Siehe auch

Verweise

  1. ^ Sengupta, Nandini; Sahidullah, MD; Saha, Goutam (August 2016). "Lungenklassifizierung unter Verwendung von statistischen Merkmalen auf Cepstal-basierten". Computers in Biology and Medicine. 75 (1): 118–129. doi:10.1016/j.compbiomed.2016.05.013. PMID 27286184.
  2. ^ Alan V. Oppenheim und Ronald W. Schafer (1989). Diskrete Signalverarbeitung. Prentice Hall. p. 1. ISBN 0-13-216771-9.
  3. ^ Oppenheim, Alan V.; Schafer, Ronald W. (1975). Digitale Signalverarbeitung. Prentice Hall. p. 5. ISBN 0-13-214635-5.
  4. ^ "Eine mathematische Kommunikationstheorie - CHM Revolution". Computergeschichte. Abgerufen 2019-05-13.
  5. ^ a b Fünfzig Jahre Signalverarbeitung: Die IEEE Signal Processing Society und ihre Technologien, 1948–1998. Die IEEE Signal Processing Society. 1998.
  6. ^ a b Billings, S. A. (2013). Nichtlineare Systemidentifikation: Narmax-Methoden in den Time, Frequenz- und räumlich-zeitlichen Domänen. Wiley. ISBN 978-1119943594.
  7. ^ Slawinska, J., Ourmazd, A. und Giannakis, D. (2018). "Ein neuer Ansatz zur Signalverarbeitung räumlich -zeitlicher Daten". 2018 IEEE Statistical Signal Processing Workshop (SSP). IEEE XPLORE. S. 338–342. doi:10.1109/ssp.2018.8450704. ISBN 978-1-5386-1571-3. S2CID 52153144.{{}}: CS1 Wartung: Verwendet Autorenparameter (Link)
  8. ^ V. John Mathews; Giovanni L. Sicuranza (Mai 2000). Polynomsignalverarbeitung. Wiley. ISBN 978-0-471-03414-8.
  9. ^ a b Scharf, Louis L. (1991). Statistische Signalverarbeitung: Erkennung, Schätzung und Zeitreihenanalyse. Boston: Addison -Wesley. ISBN 0-201-19038-9. OCLC 61160161.
  10. ^ Sarangi, Susanta; Sahidullah, MD; Saha, Goutam (September 2020). "Optimierung der datengesteuerten Filterbank zur automatischen Lautsprecherüberprüfung". Digitale Signalverarbeitung. 104: 102795. Arxiv:2007.10729. doi:10.1016/j.dsp.2020.102795. S2CID 220665533.
  11. ^ Anastassisiou, D. (2001). "Genomische Signalverarbeitung". IEEE Signal Processing Magazine. IEEE. 18 (4): 8–20. Bibcode:2001ispm ... 18 .... 8a. doi:10.1109/79.939833.
  12. ^ Patrick Gaydecki (2004). Grundlagen der digitalen Signalverarbeitung: Theorie, Algorithmen und Hardwaredesign. Iet. S. 40–. ISBN 978-0-85296-431-6.
  13. ^ Shlomo Engelberg (8. Januar 2008). Digitale Signalverarbeitung: Ein experimenteller Ansatz. Springer Science & Business Media. ISBN 978-1-84800-119-0.
  14. ^ Boashash, Boualem, hrsg. (2003). Zeitfrequenzsignalanalyse und Verarbeitung einer umfassenden Referenz (1 ed.). Amsterdam: Elsevier. ISBN 0-08-044335-4.
  15. ^ Stoica, Petre; Moses, Randolph (2005). Spektralanalyse von Signalen (PDF). NJ: Prentice Hall.
  16. ^ Peter J. Schreier; Louis L. Scharf (4. Februar 2010). Statistische Signalverarbeitung komplexer Daten: Die Theorie unangemessener und nicht kreisförmiger Signale. Cambridge University Press. ISBN 978-1-139-48762-7.
  17. ^ Max A. Little (13. August 2019). Maschinelles Lernen für die Signalverarbeitung: Datenwissenschaft, Algorithmen und Rechenstatistiken. OUP Oxford. ISBN 978-0-19-102431-3.
  18. ^ Steven B. Damelin; Willard Miller, JR (2012). Die Mathematik der Signalverarbeitung. Cambridge University Press. ISBN 978-1-107-01322-3.
  19. ^ Daniel P. Palomar; Yonina C. Eldar (2010). Konvexe Optimierung in der Signalverarbeitung und Kommunikation. Cambridge University Press. ISBN 978-0-521-76222-9.

Weitere Lektüre

Externe Links