Documente Academic
Documente Profesional
Documente Cultură
TPI- curs 2
• calculul funcţiei de corelaţie într-un punct presupune
următoarele etape:
- întărzierea unei secvenţe în raport cu cealaltă
- multiplicarea secvenţelor rezultate
- adunarea produselor intermediare pentru obţinerea valorii
funcţiei de corelaţie pentru o valoare k dată
Exemplu
Calculaţi funcţia de corelaţie pentru semnalele descrise prin:
x (n) { ... 0, 0, 0, 0, 0, 0, 15, 3, 6, 9, 0, ... }
y(n) { ... 0, 0, 0, 5, 1, 2, 3, 0, 0, 0, ... ... }
TPI- curs 2
x (n ) { ... 0, 0, 0, 0, 0, 0, 15, 3, 6, 9, 0, ... }
k=1 -> y(n 1) { ... 0, 0, 0, 0, 5, 1, 2, 3, 0, 0, ... ... }
30 9
rxy (1) x (n ) y(n 1) 39
n
TPI- curs 2
k=4 -> rxy (4) 39
k=5 -> rxy (5) 38
k=6 -> rxy (6) 45
k=7 -> rxy (7) 0
- funcţia de corelaţie între
2 semnale este o măsură a
similarităţii acestora, 140
100
60
maxim k=3
de celălat 40
20
0
1 2 3 4 5 6 7
TPI- curs 2
- permite detectarea prezenţei unui semnal într-un alt semnal
afectat de zgomot şi posibil întârziat
- permite alinierea în timp a semnalelor
TPI- curs 2
- pentru un semnal discret în timp x(n) funcţia de autocorelaţie este
definită de:
rxx ( k ) x ( n ) x ( n k ) k 0, 1, 2 ...
n
- pentru semnale discrete în timp periodice, de perioadă M, funcţiile
de corelaţie şi de autocorelaţie se definesc prin următoarele relaţii:
M 1
1
rxy ( k )
M
x(n) y (n k )
n0
k 0, 1, 2 ...
M 1
1
rxx ( k )
M
x(n) x(n k )
n0
k 0, 1, 2 ...
TPI- curs 2
- funcţia de autocorelaţie prezintă un maxim pronunţat în origine
(k=0); proprietatea poate fi folosită pentru detectarea periodicităţii
unor semnale reale
- fie y ( n ) x ( n ) w ( n ) un semnal afectat de zgomot (w)
M 1 M 1
1 1
ryy ( k )
M
n 0
y ( n ) y ( n k )
M
[ x(n) w(n)][ x(n k ) w(n k )]
n 0
M 1 M 1 M 1 M 1
1 1 1 1
M
n 0
x ( n ) x ( n k )
M
n 0
x ( n ) w ( n k )
M
n 0
w ( n ) x ( n k )
M
w ( n ) w( n k )
n 0
r y y ( k ) r xx ( k ) r xw ( k ) r w x ( k ) r w w ( k )
0
TPI- curs 2
Exemple
Profil orizontal
x ( k )b ( 0 k ) x ( 0 ) b ( 0 ) 6
{ 0, 3, 4, 5 }
y (0)
k
{ 1, 2 }
x (k )b (1 k ) x (1)b (1 1) x (0)b (1 0) 11
{ 0, 3, 4, 5 }
y (1) { 0, 1, 2 0 }
k
y ( 2) x(k )b(2 k ) x(2)b(2 2) x(1)b(2 1) x(0)b(2 0)
k
5 2 4 1 3 0 14 { 0, 3, 4, 5 }
{ 0, 0, 1 2 }
TPI- curs 2
• relația de definiție poate fi extinsă pentru cazul imaginilor:
I ( m , n ) (U * h )( m, n ) U (i , j ) h ( m i , n j )
i j
2 2
I (1,1) U (i, j ) h(1 i,1 j )
i 0 j 0
TPI- curs 2
• calculul convoluției 2D presupune simetrizarea măștii în raport cu
originea și deplasarea ferestrei glisante peste planul imaginii
I h U
TPI- curs 2
2.1.3 Filtre digitale
Rolurile principale ale unui filtru:
- eliminarea zgomotului
-extragerea anumitor caracteristici din semnalul de prelucrat (o
anumită bandă de frecvenţe, contururi în cazul imaginilor etc.)
- filtrele digitale operează asupra reprezentării numerice a unui
semnal şi sunt tipic implementate pe procesoare de semnale
Filtru digital
x(n) y(n)
DSP
- clasificare:
filtre nerecursive (FIR – finite impulse response)
filtre recursive (IIR-infinte impulse response)
TPI- curs 2
Filtre FIR (Finite Impulse Response)
- fie un semnal x reprezentat prin eşantioanele sale x(n)
x(4)
- cele mai des folosite filtre FIR sunt descrise de ecuaţia diferenţială:
y ( n ) b 0 x ( n ) b1 x ( n 1) b 2 x ( n 2 ) ...b M x ( n M )
- un astfel de filtru se numeşte filtru cauzal de ordin M; condiţia de
cauzalitate indică faptul că valoarea filtrată y(n) nu depinde de
eşantioanele ulterioare (x(n+1),...) ci doar de cele precedente (x(n-1),...)
TPI- curs 2
- filtrele cauzale pot fi utilizate pentru aplicații în timp real
Exemplu: filtrul cauzal de mediere
1
y (n) [ x ( n ) x ( n 1)]
2
n 0 1 2 3 4 5 >5
x(n) 2 4 6 4 2 0 0
y(n) 3 5 5 3 1 0 0
8
6
6 5
4
4 3
2
2 1
0
0 0 1 2 3 4 5 6
0 1 2 3 4 5 6
TPI- curs 2
Transformata z
- este folosită pentru analiza semnalelor discrete în timp
- pentru un semnal discret x(n), transformata în z directă se notează
simbolic cu X(z) şi se defineşte prin următoarea relaţie:
n
X (z) x (k )z k
k 0
- z – variabilă complexă
- notaţie formală: Z ( x ) X ( z )
Exemplu:
Fie semnalul discret în timp x ( n ) 1, 2 , 5 , 7 , 0 ,1
1 2 3 5
X ( z) 1 2 z 5 z 7 z 1 z
TPI- curs 2
-pentru n [ 0 , ] transformata z se numeşte unilaterală iar
pentru n [ , ] transformata se numeşte bilaterală
- transformata z a unui semnal întârziat este egală cu
transformata z a semnalului neîntârziat multiplicată cu z la
puterea “-” numărul intervalelor de întârziere
Z x ( n k ) z k X ( z )
- ecuaţia diferenţială a unui filtru FIR poate fi exprimată în
termeni de transformată z
Y ( z ) ( b 0 b 1 z 1 b 2 z 2 ...b M z M ) X ( z )
Y (z)
- mărimea: H ( z ) b0 b1 z 1 b2 z 2 ...b M z M
X (z)
reprezintă transformata în z a funcţiei de transfer a sistemului
TPI- curs 2
Răspunsul în frecvenţă al unui filtru FIR
-similar filtrelor analogice, proprietăţile unui filtru FIR se
analizează în domeniul transformatei Fourier
-Transformata Fourier Discretă în Timp a semnalului discret x
se defineşte pe baza relaţiei:
X ( ) x ( n ) e j n
n
-echivalenţa cu transformata z bilaterală este imediată,
reprezentând formal variabila complexă z prin e j
X ( z ) z e j x ( n )e
n
j n
TPI- curs 2
-domeniul Fourier permite evidenţierea comportamentului filtrului
prin prisma spectrului de amplitudine şi a spectrului de fază
X ( ) a 2 ( ) b 2 ( )
X ( ) a ( ) jb ( ) X ( ) e j ( ) ( ) arctan [b ( ) / a ( )]
-X() este o funcţie periodică cu 2; analiza comportării filtrului în
frecvenţă este suficientă pe intervalul (- , ), utilizând o pulsaţie
normată f
2
fe
Exemplul 1
Stabiliţi care sunt proprietăţile filtrului FIR dat prin ecuaţia
diferenţială y ( n ) x ( n ) x ( n 1)
H (z) 1 z 1 H ( z ) z e j H ( ) 1 e j
TPI- curs 2
j j j j2
H ( ) 1 e j e 2 (e 2 e 2 ) 2 cos( ) e
2
H ( )
H ( ) 2 cos( ) 2
2 2/ 2
( ) / 2 1
…
2 3
TPI- curs 2
Exemplul 2
Stabiliţi care sunt proprietăţile filtrului FIR dat prin ecuaţia
diferenţială: 1 1
y ( n ) x ( n ) x ( n 1) 1 1
H (z) (1 z )
2 2 2
1 j 1 j2 j2 j j2
H ( z ) z e j H ( ) (1 e ) e (e e 2 ) j sin e
2 2 2
j j2 j
e 2 sin e sin e 2
2 2
H ( )
1/ 2
-> filtru trece sus cu fază liniară
/2
TPI- curs 2
- caracteristica de fază liniară este extrem de importantă în proiectarea
unui filtru FIR; aceasta asigură ca toate componentele spectrale sunt
întârziate similar
TPI- curs 2
- o implementare mai eficientă poate fi efectuată prin utilizarea de
pointeri C…
float *y_ptr, *b_ptr, *x_ptr;
y_ptr = &y[n];
x_ptr = &x[n];
b_ptr= & b[0];
*y_ptr=0.0;
for (k=0; k<=M; k++)
*y_ptr = *y_ptr + (*b_ptr++) * (*x_ptr--);
…
-toate procesoarele de semnal curente pot efectua operaţiile de post
incrementare/decrementare simultan cu instrucţiunea de citire a datelor
din memorie (*x_ptr--)
-implementarea anterioară are şi un dezavantaj: presupune 4 operaţii de
citire/scriere în memorie
TPI- curs 2
- o posibilă eliminare a acestui dezavantaj constă în secvenţa de cod
următoare
...
float *y_ptr, *b_ptr, *x_ptr;
register float temp;
y_ptr = &y[n];
x_ptr = &x[n];
b_ptr= & b[0];
temp = 0;
for (k=1; k<N; k++)
temp = temp + (*b_ptr++) *( *x_ptr--);
TPI- curs 2