北航数字信号处理PPT课件
合集下载
数字信号处理基础-ppt课件信号分析与处理
3.a digital signal is said to lie in the time domain, its spectrum,which describes in frequency content,lies in the frequency domain.
4.filtering modified the spectrum of a signal by eliminating one or more frequency elements from it.
5.digital signal processing has many applications, including speech recognition,music and voice synthesis,image processing,cellular phones,modems,and audio and video compression.
2020/4/13
返回
第2章 模数转换和数模转换
2.1 简单的DSP系统(A Simple DSP System) 2.2 采样(Sampling) 2.3 量化(Quantization) 2.4 模数转换(Analog-to-Digital Conversion) 2.5 数模转换(Digital-to-Analog Conversion) 小结 (Chapter Summary)
2020/4/13
1.5 语音、音乐、图像及其他 1.5 SPEECH,MUSIC,IMAGES,AND MORE
DSP在许多领域都有惊人的应用，并且应用的数量与日俱增。
1）利用数字语音信号(speech signals)中的信息可以识别连续语 音中的大量词汇。
2）DSP在音乐和其他声音处理方面有着重要的作用。
4.filtering modified the spectrum of a signal by eliminating one or more frequency elements from it.
5.digital signal processing has many applications, including speech recognition,music and voice synthesis,image processing,cellular phones,modems,and audio and video compression.
2020/4/13
返回
第2章 模数转换和数模转换
2.1 简单的DSP系统(A Simple DSP System) 2.2 采样(Sampling) 2.3 量化(Quantization) 2.4 模数转换(Analog-to-Digital Conversion) 2.5 数模转换(Digital-to-Analog Conversion) 小结 (Chapter Summary)
2020/4/13
1.5 语音、音乐、图像及其他 1.5 SPEECH,MUSIC,IMAGES,AND MORE
DSP在许多领域都有惊人的应用，并且应用的数量与日俱增。
1）利用数字语音信号(speech signals)中的信息可以识别连续语 音中的大量词汇。
2）DSP在音乐和其他声音处理方面有着重要的作用。
数字信号处理--数字信号处理(5)幻灯片PPT
说明：
*数字处理系统中数据的表示：定点制，浮点制。定点制便于硬件实现； 浮点制主要用于软件实现。
*定点制精度有限，需要对数字信号处理过程进行特别处理（有限字长效 应）。浮点制处理精度高，基本可以看成无限精度（特别是在32bit ，双精 度情况下），可以不考虑有限字长效应。所以本章讨论的有限字长效应只针 对定点制。
起系统不稳定。如 IIR 波器中系数误差可能使靠近单位圆的极点变化到单位
圆上或圆外，引起系统不稳定。所以在系统设计过程中，就应考虑允许的系
数误差。
2021/5/25
课件
2
（3） 中间计算结果的有限字长误差：由于机器的数据都是有限字长表示在迭代 计算过程中，该误差会积累，使系统输出逐渐偏离正常范围。特别是定点制运 算时误差影响更明显。 在系统中尽量采用较高精度的浮点数表示；改变计算 过程减小误差积累；计算过程中进行误差修正等都是常用的方法。
课件
7
有限字长误差 ey (n) 的统计特性：
假定乘积结果为 L 位定长数据，（采取舍入截尾处理）。
均值 mey
0
，方差
2 ey
q2
12
(2L )2 12
。
对于 LTI 系统如果有 K 次乘积运算，每个乘积运算产生一个独立的噪声
信号： ei (n) ， i 1 ~ K 。
则它们在输出信号中的噪声信号为：
(12
22L
2 x
)
6.02L
10.7
9
1 0 lo g10
(
2 x
)
dB
可知，A/D 量化字长每增加 1 位（L+1），信噪比可提高约 6dB 。
A/D 量化的字长越长，则量化噪声越小。但 A/D 器件的量化的字长受
数字信号处理基础 ppt课件
3. 周期信号和非周期信号
x(t) x(t k T ) x(n) x(n k N )
4. 能量信号和功率信号
E x(n) 2 n
P lim 1
N
x(n) 2
N 2N 1 nN
5. 一维信号、多维信号
ppt课件
3
离散信号(序列)的表示
图示法、
2
解析公式、
ppt课件
12
ppt课件
13
ppt课件
14
离散系统
模拟 前置预 滤波器
xa(t)
A/D 数字信号 D/A 变换器 处理器 变换器
抗镜像 模拟 滤波器
ya(t)
x[n]
离散时 间系统
y [n]
y(n) = T{x(n)}
ppt课件
15
系统性质
1. 线性
T{ax1(n) bx2 (n)} aT{x1(n)} bT{x2 (n)}
然后用FFT实现h(n)和xi(n)的L+M-1点圆周卷积，卷积 结果的前(M-1)点发生混叠，舍去混叠点后，用每段的
后L个值，首尾相接构成y(n)。
ppt课件
10
6) 抽取(decimation)与插值(interpolation)
x(Dn) 是x(n)的抽取序列 D为正整数
每D个样值抽取一个
x(n/I) 是x(n)的插值序列 I为正整数
y(n)=2x(n)+3 / y(n) = Im[x(n)]
2. 时不变 T{x(n)}=y(n)，T{x (n-m)}=y(n-m)
y(n)=x(2n)
LTI (linear time-invariant) LSI (linear shift invariant)
数字信号处理第4章PPT课件
第24页/共27页
4 快速卷积型
利用圆周卷积定理，采用FFT实现有限长序列x(n)和h(n)的线性卷积，则可得到FIR滤 波器的快速卷积结构
x(n)
L 点 X(k)
X(k)·H(k) L 点
y(n)
FFT
IFFT
H(k )
L点 FFT
h(n) FIR的快速卷积型结构
第25页/共27页
THE END
i0
i1
令M=N时，方程对应的信号流图可表示成
第12页/共27页
N
N
y(n) bi x(n 1) ai y(n i)
i0
i 1
直接3;1个乘法器
第13页/共27页
2. 直接型(II型 )---正准型结构
N
N
y(n) bi x(n 1) ai y(n i)
FIR滤波器结构通常采用非递归结构。基本网络结构包括直接型、级联型、 频率采样型与快速卷积型
1 直接型 (卷积型、横截型)
FIR数字滤波器的h(n)，传递函数和差分方程分别为
N 1
H (z) h(n)zn
n0 N 1
y(n) h(m)x(n m)
m0
第18页/共27页
▪ FIR的直接型结构
|Hc(e j)|
x(n)
yc(n)
－z－N
o 2 / N
▪ FIR滤波器的频率采样型结构
H ( z)
1 N
(1
z
N
)
N 1 k 0
1
H (k ) WNk z
1
第23页/共27页
▪ 频率采样型结构的优点： • 可直接控制滤波器的响应 • 结构便于标准化、模块化
▪ 结构的缺点： • H(k)和WN-k一般为复数，硬件实现不方便 • 寄存器的有限字长效应会影响系统的稳定性
4 快速卷积型
利用圆周卷积定理，采用FFT实现有限长序列x(n)和h(n)的线性卷积，则可得到FIR滤 波器的快速卷积结构
x(n)
L 点 X(k)
X(k)·H(k) L 点
y(n)
FFT
IFFT
H(k )
L点 FFT
h(n) FIR的快速卷积型结构
第25页/共27页
THE END
i0
i1
令M=N时，方程对应的信号流图可表示成
第12页/共27页
N
N
y(n) bi x(n 1) ai y(n i)
i0
i 1
直接3;1个乘法器
第13页/共27页
2. 直接型(II型 )---正准型结构
N
N
y(n) bi x(n 1) ai y(n i)
FIR滤波器结构通常采用非递归结构。基本网络结构包括直接型、级联型、 频率采样型与快速卷积型
1 直接型 (卷积型、横截型)
FIR数字滤波器的h(n)，传递函数和差分方程分别为
N 1
H (z) h(n)zn
n0 N 1
y(n) h(m)x(n m)
m0
第18页/共27页
▪ FIR的直接型结构
|Hc(e j)|
x(n)
yc(n)
－z－N
o 2 / N
▪ FIR滤波器的频率采样型结构
H ( z)
1 N
(1
z
N
)
N 1 k 0
1
H (k ) WNk z
1
第23页/共27页
▪ 频率采样型结构的优点： • 可直接控制滤波器的响应 • 结构便于标准化、模块化
▪ 结构的缺点： • H(k)和WN-k一般为复数，硬件实现不方便 • 寄存器的有限字长效应会影响系统的稳定性
数字信号处理课件第1章
0.9
例
[x,n]=stepseq(0,-3,4); stem(n,x)
0.8
0.7
0.6 0.5 0.4 0.3
0.2
0.1 0 -3 -2 -1 0 1 2 3 4
12
3. 矩形序列RN(n)
1, 0 n N 1 RN (n) = 0, 其它n
（ 1.2.8)
上式中N称为矩形序列的长度。当N=4时，R4(n)的波 形如图所示。矩形序列可用单位阶跃序列表示，如下 式： RN(n)=u(n)-u(n-N ) (1.2.9)
2
各种各样的信号
a)声音波形； b)气温 c)地震波； d)金属表面粗糙度；
3
图像信号的表达
4
1.2
时域离散信号
对模拟信号xa(t)进行等间隔采样，采样间隔为T，得到
xa(t)
t=nT
= xa(nT),
(1.2.1)
这里n取整数。对于不同的n值， xa(nT)是一个有序的数 字序列：… xa(-T)、 xa(0)、 xa(T)…，该数字序列就是 时域离散信号。为简化，采样间隔可以不写，写成x(n) 信号，x(n)可以称为序列。对于具体信号，x(n)也代表 第n个序列值。这里n取整数，非整数时无定义，即
第1章 时域离散信号和时域离散系统
1.1 引言 1.2 时域离散信号 1.3 时域离散系统 1.4 时域离散系统的输入输出描述 法——线性常系数差分方程 1.5 模拟信号数字处理方法
1
1.1 引言
信号通常是一个自变量或几个自变量的函数。如果仅有 一个自变量，则称为一维信号；如果有两个以上的自变 量，则称为多维信号，如图像。 本门课程仅研究一维数字信号处理的理论与技术。关于 信号的自变量，有多种形式，可以是时间、距离、温 度、电压等，本课一般地把信号看作时间的函数，又称 序列。 本章作为本门课的基础，主要学习时域离散信号的表示 方法和典型信号、线性时不变系统的因果性和稳定性， 以及系统的输入输出描述法，线性常系数差分方程的解 法。最后介绍模拟信号数字处理方法。
例
[x,n]=stepseq(0,-3,4); stem(n,x)
0.8
0.7
0.6 0.5 0.4 0.3
0.2
0.1 0 -3 -2 -1 0 1 2 3 4
12
3. 矩形序列RN(n)
1, 0 n N 1 RN (n) = 0, 其它n
（ 1.2.8)
上式中N称为矩形序列的长度。当N=4时，R4(n)的波 形如图所示。矩形序列可用单位阶跃序列表示，如下 式： RN(n)=u(n)-u(n-N ) (1.2.9)
2
各种各样的信号
a)声音波形； b)气温 c)地震波； d)金属表面粗糙度；
3
图像信号的表达
4
1.2
时域离散信号
对模拟信号xa(t)进行等间隔采样，采样间隔为T，得到
xa(t)
t=nT
= xa(nT),
(1.2.1)
这里n取整数。对于不同的n值， xa(nT)是一个有序的数 字序列：… xa(-T)、 xa(0)、 xa(T)…，该数字序列就是 时域离散信号。为简化，采样间隔可以不写，写成x(n) 信号，x(n)可以称为序列。对于具体信号，x(n)也代表 第n个序列值。这里n取整数，非整数时无定义，即
第1章 时域离散信号和时域离散系统
1.1 引言 1.2 时域离散信号 1.3 时域离散系统 1.4 时域离散系统的输入输出描述 法——线性常系数差分方程 1.5 模拟信号数字处理方法
1
1.1 引言
信号通常是一个自变量或几个自变量的函数。如果仅有 一个自变量，则称为一维信号；如果有两个以上的自变 量，则称为多维信号，如图像。 本门课程仅研究一维数字信号处理的理论与技术。关于 信号的自变量，有多种形式，可以是时间、距离、温 度、电压等，本课一般地把信号看作时间的函数，又称 序列。 本章作为本门课的基础，主要学习时域离散信号的表示 方法和典型信号、线性时不变系统的因果性和稳定性， 以及系统的输入输出描述法，线性常系数差分方程的解 法。最后介绍模拟信号数字处理方法。
数字信号处理chapter272页PPT
2
2.1 Fourier Transform
Signal Analysis and Processing （1）Time Domain Analysis: t-A （2）Frequency Domain Analysis: f-A
Fourier Transform
x t in time-domain x xt sin n2 2 5 f0 0t t2randn
2020/4/17
7
4) Conclusion
（1）Sampling in time domain brings periodicity in frequency domain.
（2）Sampling in frequency domain brings periodicity in time domain.
Q3: HOW to DFT?
HOW to realize DFT? How to use DFT to solve the practical problems?
2020/4/17
1
Basic contents of this chapter
2.1 Review of Fourier Transform 2.2 Discrete Fourier Series 2.3 Discrete Fourier Transform 2.4 Relationship between DFT, z-Transform and sequence’s
Three Questions about Discrete Fourier Transform
Q1: WHAT is DFT?
WHAT is relationship between DFT and other kinds of Fourier Transform?