Antene Speciale
4.1. Antena canal de undã 4.1.1. Prezentarea antenei Datoritã avantajelor pe care le...
Acest curs prezinta Semnale si Metode de Procesare. Mai jos poate fi vizualizat cuprinsul si un extras din document (aprox. 2 pagini).
Arhiva contine 9 fisiere pdf de 109 de pagini (in total).
Profesor: Gheorghe Puscasu,Bogdan Codres
Iti recomandam sa te uiti bine pe extras, cuprins si pe imaginile oferite iar daca este ceea ce-ti trebuie pentru documentarea ta, il poti descarca.
Fratele cel mare te iubeste, acest download este gratuit. Yupyy!
Domeniu: Automatica
i
CUPRINS
CAPITOLUL 1 – SEMNALE 1
1.1. Introducere 1
1.2. Semnale 1
1.3. Semnale continue 2
1.4. Semnale şi procese aleatoare 5
1.5 Eşantionarea şi refacerea semnalelor continue 7
CAPITOLUL 2 – ANALIZA FOURIER 11
2.1. Analiza Fourier continuă 11
2.1.1. Seria Fourier pentru semnale continue şi periodice 11
2.1.2. Spectrul densităţii de putere a semnalelor periodice 13
2.1.3. Transformata Fourier pentru semnale continue aperiodice 14
2.1.4. Spectrul densităţii de energie a semnalelor aperiodice 15
2.2. Analiza Fourier discretă 16
2.2.1 Transformata Fourier standard discreta 16
2.2.2 Transformata Fourier inversă 18
2.2.3 Calculul transformatei Fourier a două secvenţe de date 18
2.2.4 Transformata Fourier a unor secvenţe de lungime dublă 19
2.2.5 Transformata Fourier inversă specială 21
2.2.6 Transformata Fourier rapidă 22
2.2.6.1 Graful de semnal al transformatei Fourier 24
2.2.6.2 Algoritmul de calcul al transformatei Fourier rapide
pentru N=2γ Algoritmul de bază Cooley-Tukey 27
2.2.6.3 Algoritmul de calcul al transformatei Fourier rapide
pentru factori arbitrari 30
2.2.6.4 Algoritmul Cooley-Tukey pentru N=r1
. r2
. rm 31
2.2.6.5 Algoritmul Sande-Tukey pentru N=r1
. r2
. rm 33
2.3. Exemple 34
CAPITOLUL 3 - FILTRAREA SEMNALELOR 36
3.1 Aspecte generale 36
3.2 Filtre analogice 37
3.2.1. Introducere 37
3.2.2. Filtrul Butterworth 38
3.2.3. Filtrul Cebâşev 38
3.2.4. Filtrul eliptic 40
ii
3.3. Filtre numerice 41
3.3.1. Introducere 41
3.3.2. Filtre recursive ( FR ) 47
3.3.3. Filtre nerecursive ( FNR ) 48
3.4. Tehnici de proiectare a filtrelor numerice 49
3.4.1. Proiectarea filtrelor IIR pe baza caracteristicilor
filtrelor analogice 50
3.4.1.1. Metoda invarianţei răspunsului la impuls 50
3.4.1.2. Metoda transformatei Z-biliniare 54
3.4.1.3. Proiectarea directă a filtrelor I.I.R 55
3.4.2. Transformări de frecvenţă ale filtrelor IIR trece-jos 62
3.4.3. Aspecte privind proiectarea filtrelor cu răspuns
la impuls finit (FIR) 63
3.4.4. Proiectarea filtrelor cu răspuns la impuls finit (FIR)
utilizând relaţii de aproximare 64
CAPITOLUL 4 - METODE DE PROCESARE A SEMNALELOR 2D 66
4.1 Aspecte generale 66
4.2 Reprezentarea semnalelor 2D 66
4.3 Metode de procesare preliminară a datelor 67
4.3.1. Binarizarea imaginii 67
4.3.2. Filtrarea imaginilor 68
4.3.3. Contractarea imaginilor 70
4.3.4. Dilatarea imaginilor 71
4.3.5. Comprimarea imaginilor 72
4.3.6. Analiza conectivităţii 73
4.4 Extragerea trăsăturilor din reprezentarea 2D a imaginilor 74
4.4.1. Conturarea imaginii 74
4.4.2. Lungimea conturului obiectelor din imagine 77
4.4.3. Curbura unei curbe 79
4.4.4. Aria unei imagini 80
4.4.5. Definirea descriptorilor 80
CAPITOLUL 5 – TEHNICI DE PROCESARE A DATELOR
UTILIZATE LA RECUNOAŞTEREA FORMELOR 82
5.1. Formularea problemei de recunoaştere a formelor .82
5.1.1.Conceptul de formă 82
5.1.2. Recunoaşterea formelor utilizând abordarea
decizional-teoretică 83
5.1.2.1. Selecţia caracteristicilor 84
5.1.2.2. Învăţarea 85
iii
5.1.2.3. Clasificarea 85
5.1.3. Mulţimi primare ale claselor. Mulţimi reale
transformate. Exemplificări 85
5.2. Metode de recunoaştere decizional - teoretice 88
5.2.1. Metode decizional - teoretice supervizate 89
5.2.1.1. Metode decizional - teoretice supervizate
parametrice deterministe 89
5.2.1.1.1. Funcţia discriminant liniară pe porţiuni 90
5.2.1.1.2. Funcţia discriminant bazată pe distanţă
euclidiană 93
5.2.1.2. Metode decizional - teoretice supervizate
parametrice statistice 94
5.2.1.2.1. Principiul clasificării statistice 94
5.2.1.2.2. Funcţia discriminant pătratică a lui Bayes
pentru densitate normală 96
5.2.1.2.3.Funcţia discriminant Bayes liniară 96
5.2.1.3. Metode bazate pe algoritmi de corecţie a funcţiei
discriminant (Metoda funcţiilor de potenţial) 97
5.2.2. Metode de clasificare nesupervizate 101
5.2.2.1. Principiul metodei de clasificare
nesupervizată 101
5.2.2.2. Metoda minimizării sumei erorilor pătratice 102
BIBLIOGRAFIE 105
CAPITOLUL 1 - SEMNALE
1.1. Introducere
În multe cazuri procesarea semnalelor reprezintă o etapă premergătoare
analizei şi sintezei unor situaţii legate de o anumită activitate. De regulă procesarea
semnalelor are o pondere mare în ceea ce priveşte obţinerea unor performanţe
superioare. Având în vedere faptul că semnalul de natură: fizică, chimică, electrică
conţine informaţii necesare comunicării între diferite structuri biologice, problema
procesării semnalelor este o problemă interdisciplinară.
În funcţie de domeniul în care se folosesc semnalele procesate şi de
modalitatea de procesare, se disting următoarele abordări:
· analiza Fourier, necesară aplicaţiilor în care se folosesc componentele spectrale
ale semnalului procesat;
· filtrarea semnalelor, unde se urmăreşte reţinerea numai a anumitor componente
armonice care aparţin unui interval de frecvenţă dat;
· filtrarea semnalelor folosind filtrul Kalman, care se utilizează de regulă la
filtrarea mărimilor de stare ale unui sistem. Spre deosebire de filtrarea menţionată
mai sus, filtrul Kalman elimină zgomotul prin modelarea părţii deterministe a
sistemului;
· prelucrarea semnalelor 2D şi 3D, în vederea extragerii informaţiilor utilizate la
recunoaşterea formelor. Printre procedurile folosite în acest domeniu se
evidenţiază: binarizarea imaginilor, filtrarea imaginilor, comprimarea imaginilor,
extragerea conturului, calculul ariilor;
· prelucrarea semnalelor folosind reţelele neuronale. Acest mod de abordare este
din ce în ce mai mult utilizat, pentru că oferă noi interpretări în ceea ce priveşte
aplicaţiile în rezolvarea problemelor cu un spectru foarte larg. În unele situaţii
toate aspectele legate de filtrare şi de extragerea caracteristicilor sunt lăsate în
seama reţelelor neuronale.
În cele ce urmează se vor prezenta aspecte privind tipurile de semnale utilizate
în cadrul procedurilor de procesare a datelor.
1.2. Semnale
În domeniul procesării semnalelor şi al conducerii proceselor, se numesc
semnale toate variabilele sau “sursele de informaţii” care evoluează în funcţie de
timp. Dacă amplitudinea semnalului este cunoscută sau poate fi determinată la orice
moment de timp, atunci semnalul se numeşte determinist. În cazul în care numai o
singură informaţie de natură statistică, cum ar fi probabilitatea ca amplitudinea să
aibă o anumită valoare la un anumit moment de timp sau valoarea medie etc. este
cunoscută, atunci semnalul se numeşte aleator.
2
Pentru clasificarea semnalelor se poate lua în considerare atât modul de
evoluţie în timp cât şi evoluţia în amplitudine.
· În funcţie de evoluţia în timp, semnalele se clasifică în semnale continue şi
semnale discrete :
- semnalul este continuu dacă evoluţia în timp este dată de o funcţie continuă. În
figura 1.1 este reprezentat un semnal continuu.
- semnalul este discret dacă valorile sale sunt cunoscute pentru momente discrete
de timp. Evoluţia unui semnal discret este dată în figura 1.3.
· În funcţie de valorile amplitudinii distingem semnale cuantificate continue şi
semnale cuantificate discrete.
Semnalele cuantificate continue au o evoluţie continuă în timp şi sunt semnale
continue pentru care valorile amplitudinii sunt predefinite. De exemplu valorile
obţinute de la un convertor analog-numeric şi memorate pe durata perioadei de
eşantionare reprezintă un semnal cuantificat continuu (figura 1.2).
Semnalul pentru care valorile amplitudinii sunt cuantificate şi cunoscute la
momente discrete de timp se numesc semnale discrete cuantificate. În figura 1.4 este
ilustrat un semnal cuantificat discret.
Figura 1.1 Semnal continuu Figura 1.2 Semnal continuu
cuantificat
Figura 1.3 Semnal discret Figura 1.4 Semnal discret
cuantificat
1.3. Semnale continue
Un semnal continuu x(t) presupune cunoaşterea valorilor lui x(t) la orice
moment de timp t, pentru t aparţinînd unui interval de timp bine definit. În multe
cazuri, semnalul x(t) poate fi explicitat printr-o formulă analitică sau expresie
matematică, ca de exemplu
x( t ) = a × sin(wt +j ), (1.1)