1. Signallar va ularning xarakteristikalari Signallarga raqamli ishlov berish, signalni raqamlashtiish

SPF sm raqamli signallarni qayta ishlash uchun maxsus protsessor
SPF sm maxsus protsessorining rivojlanishi elektron boshqaruv mashinalari institutida, t. f. N. Felman Boris Yakovlevich boshchiligidagi bo'limda amalga oshirildi. Rivojlanish SSSR fanlar akademiyasi ire bilan birgalikda amalga oshirildi. SPF sm maxsus protsessori kichik qator bilan ishlab chiqarilgan. Ishlab chiqaruvchi korxonalar tomonidan chiqarilgan nusxalarning umumiy soni 30-40.
SPF sm maxsus protsessoridan foydalanishning qiziqarli namunasi sun'iy yo'ldoshdan amalga oshirilgan Venera sayyorasi yuzasini aniqlash uchun radar signallarini qayta ishlash edi.
Haqiqiy akustik sharoitlarda qayd etilgan ovozli signal ko'pincha atrof-muhit yoki ovoz yozish uskunalari tomonidan ishlab chiqarilishi mumkin bo'lgan kiruvchi shovqinlarni o'z ichiga oladi. Shovqin sinflaridan biri qo'shimcha statsionar shovqin .
Qo'shimchalar shovqin "toza" signal bilan umumlashtirilganligini anglatadi va unga bog'liq emas.
Statsionar shovqin xususiyatlari (kuch, spektral tarkibi) vaqtida o'zgarmaydi, degan ma'noni anglatadi.
Bunday shovqinlarning misollari mikrofon yoki kuchaytiruvchi asbob-uskunalar, elektr tokining doimiy tıslama bo'lishi mumkin. Vaqti-vaqti bilan tovushlarni o'zgartirmaydigan turli xil asboblar (muxlislar, kompyuterlar) ham statsionar shovqinlarni keltirib chiqarishi mumkin. Turli xil sekin urish, zarba, shamol shovqini, avtomobil shovqini doimiy shovqin emas.
Qo'shimcha statsionar shovqinlarni bostirish uchun spektral tushirish algoritmi mavjud . Quyidagi bosqichlardan iborat:
1. Qisqa muddatli Fourier (STFT) konvertatsiyasi yoki signal energiyasini ixcham ravishda lokalizatsiya qiluvchi boshqa konvertatsiya yordamida signalni kengaytirish.
2. Shovqin spektrini baholash.
3. Amplitudali signal spektridan amplitudali shovqin spektrini "olib tashlash".
4. Teskari konvertatsiya Stft-natijada olingan signalning sintezi.
Filtrlar banki sifatida 50 milodiy uzunlikdagi Xanna oynasi va 75% qoplama darajasi bilan stftdan foydalanish tavsiya etiladi. Og'irlik oynasining amplitudasi ölçeklenmelidir, shuning uchun tanlangan oyna bilan qoplangan bo'lsa, filtrli bank qayta ishlash bo'lmasa, signalning umumiy amplitudasini o'zgartirmaydi.
Shovqin spektrini baholash, har bir chastota bandidagi minimal energiya qismlarini qidirish va qo'lda, foydalanuvchi shovqin sifatida aniqlangan vaqt segmentida spektrni tahlil qilish orqali avtomatik ravishda amalga oshirilishi mumkin.
Spektral diseksiyon usulining muammolaridan biri deyiladi. "musiqiy shovqin". Bu shovqin signallarining Stft koeffitsientlari statistik ravishda tasodifiy bo'lib, ularning notekis bostirilishiga olib keladi. Natijada, tozalangan signal qisqa muddatli va chastotada cheklangan energiya portlashlarini o'z ichiga oladi, bu quloqqa "qo'ng'iroqlar" yoki "oqayotgan suv"deb qaraladi. Ba'zi hollarda, bu ta'sir asl bostirilgan shovqinga qaraganda kamroq kerak.
Ushbu asarni bostirish uchun quyidagi usullarni qo'llashingiz mumkin:
* Shovqin chegarasini baholash (k ortishi ). Zaif komponentni bostirishga olib keladi foydali signal, ovoz sustlashadi.
* To'liq bo'lmagan shovqinlarni bostirish (pastdan noldan farqli sobit cheklov). Shovqinning bir qismi signalda qoladi va qisman "musiqiy shovqin"ni maskalaydi.
* Vaqt spektrini baholash bilan tekislash. Transientlarni loyqalashga yoki bostirishga olib keladi (signalda keskin burilishlar: zarbalar, musiqa asboblari hujumlari).
* Vaqt va chastotada spektrni baholashning moslashuvchan yumshatilishi. Eng yuqori sifatli, ammo vaqt sarflaydigan usul.
"Musiqiy shovqin" ni bostirishning eng keng tarqalgan usuli – vaqt o'tishi bilan spektrni yumshatishdan foydalanadi. Buning uchun dastlabki signalning STFT koeffitsientlariga vaqt bo'yicha takroriy filtrlash qo'llaniladi. Yaxshi bosimga erishish mumkin, masalan, bilateral filtr yoki tasvirlar uchun shovqinlarni kamaytirishda ishlatiladigan nostandart o'rtacha algoritm kabi spektrogrammaga moslashtirilgan ikki o'lchovli filtrlash algoritmlarini qo'llash orqali erishish mumkin.
Resampling (qayta namuna olish, resampling) raqamli signalning namuna olish tezligini o'zgartirishdir. Raqamli tasvirlarga nisbatan, resampling tasvir o'lchamlarini o'zgartirishni anglatadi. Tasvirlarni qayta tiklash uchun turli xil algoritmlar mavjud. Misol uchun, tasvirni 2 marta oshirish uchun siz uning har bir satrini va har bir ustunini (va kamaytirish uchun) takrorlashingiz mumkin. Ushbu usul eng yaqin qo'shni (yaqin qo'shni) usuli deb ataladi. Oraliq ustunlar va satrlarni qo'shni ustunlar va satrlarning qiymatlarini chiziqli interpolatsiya bilan olish mumkin. Ushbu usul bilinear interpolation (bilinear interpolation) deb ataladi. Yangi tasvirning har bir nuqtasi asl tasvir nuqtalarining (bikubik va boshqa interpolatsiya turlari) og'irligi miqdori sifatida olinishi mumkin.
Eng yuqori sifatli qayta ishlash algoritmlarni qo'llash orqali olinadi, bu nafaqat vaqt bilan, balki tasvirning chastota maydoni bilan ham ishlash zarurligini hisobga oladi. Keling, tasvirning chastota ma'lumotlarini maksimal darajada saqlash g'oyasiga asoslangan resampling algoritmini ko'rib chiqamiz. Algoritm interpolation / filtrlash / inceltme (interpolation / filtering / decimation) tamoyili asosida qurilgan.
(Ustunlar) vertikal – ikki o'lchovli tasvir birinchi uzatmoqchi yoki gorizontal (satrlari) va keyin siqish mumkin, chunki algoritm ish, bir o'lchovli signallari ko'rib chiqamiz. Shunday qilib, ikki o'lchovli tasvirni qayta tiklash bir o'lchovli signalni qayta tiklashga tushadi.
Bir o'lchovli signalni n nuqta uzunligidan m nuqta uzunligiga, ya'ni nm vaqtida "cho'zish" kerak. Ushbu operatsiyani bajarish uchun siz 3 qadamni bajarishingiz kerak. Birinchi qadam nol interpolatsiyasi bo'lib, signal uzunligini m marta oshiradi. Asl signalning barcha hisoblarini m bilan ko'paytirish kerak, keyin har bir signaldan keyin m -1 nol qiymatini kiritishingiz kerak. Bunday holda, signalning spektri quyidagicha o'zgaradi. Dastlab raqamli signalda mavjud bo'lgan spektrning bir qismi o'zgarishsiz qoladi (biz bunga erishamiz). Ammo namuna olish chastotasining eski yarmidan yuqori qismida filtrlash orqali qutilish kerak bo'lgan aralashuvlar (spektrning aks ettirilgan nusxalari) paydo bo'ladi.
Ikkinchi qadam, bu shovqinlarni nch filtri bilan filtrlashdir. Endi biz m ning asl nusxadan bir necha marta uzoqroq bo'lgan signalni oldik, lekin uning chastota ma'lumotlarini saqlab qoldik va tashqi chastota ma'lumotlarini sotib olmadik (biz uni filtrladik). Agar bizning vazifamiz m vaqtida signalni uzaytirish bo'lsa, unda bu qadamni to'xtatish mumkin. Ammo bizning vazifamiz endi signal uzunligini n marta kamaytirishni talab qiladi. Buning uchun siz 2 qadamni bajarishingiz kerak. Birinchi qadam antialiasing filtrlash hisoblanadi. Namuna olish tezligi n marta kamayganligi sababli, Kotelnikov teoremasiga ko'ra, signal spektridan faqat past chastotali qismini saqlab qolish mumkin bo'ladi. Kelajakdagi namuna olish chastotasining yarmidan yuqori bo'lgan barcha chastotalar namuna olish chastotasining joriy yarmidan N1 ga teng bo'lgan kesish chastotasi bilan anti-alasing filtr bilan olib tashlanishi kerak. Ikkinchi qadam-olingan signalni n marta yupqalash. Buni amalga oshirish uchun har bir n-sonini signaldan tanlash kifoya, qolganlari esa bekor qilinadi. Bu algoritm ham birinchi signal keraksiz chastotasini filtrlaydigan ADC, ishiga juda o'xshaydi, va keyin bir-birining ortida, bu algoritm ishlatiladigan ikki HF-filtrlash, siz (va kerak) birining o'rniga mumkin, deb qayd o'lchaydi. Buning uchun bitta HF filtrining kesish chastotasi ikkita alohida HF filtrining kesish chastotalaridan teng darajada tanlanishi kerak. Algoritmning yana bir muhim yaxshilanishi m va n sonlarida umumiy bo'linmalarni topishdir . Misol uchun, 300 nuqtadan 200 nuqtaga siqish uchun m =2 va n =3 algoritmiga qo'yish kifoya.
Eslatma, bu algoritm juda katta hisoblash hajmini talab qiladi, tk. qayta ishlash uchun bir o'lchovli signal oraliq hajmi yuz minglab haqida bo'lishi mumkin. Sezilarli darajada algoritm tezligini oshirish va xotira iste'molini kamaytirish uchun bir yo'l bor. Ushbu usul ko'p fazali filtrlash (polyphase filtering) deb ataladi. Uzoq oraliq signalda barcha nuqtalarni hisoblash shart emas. Axir, ularning aksariyati yupqalashganda hali ham tashlanadi. Ko'p fazali filtrlash natijasida olingan signalning asl signalning hisob-kitoblari va antialiasing filtrlari orqali hisob-kitoblarini to'g'ridan-to'g'ri ifodalash imkonini beradi.

Bu erda biz algoritmning tafsilotlarini tasvir chegaralarini tuzatish, interpolatsiya va noziklashtirish vaqtida signal fazasini tanlash va yaxshi anti-alasing filtrini qurish kabi hisobga olmadik. Shuni esda tutingki, tasvirlarni qayta tiklash uchun filtrning chastota va mekansal xususiyatlariga alohida e'tibor berish kerak. Filtrni faqat chastota sohasida optimallashtirsangiz, bu filtr yadrosida katta pulsatsiyaga olib keladi. Va filtr yadrosidagi pulsatsiya tasvirlarini qayta tiklashda tasvirdagi yorqinlikning keskin o'zgarishlari (Gibbs ta'siri , Gibbs phenomenon) yaqinida yorqinlikning pulsatsiyasiga olib keladi )

Tasvirlarni yaratishda aliasingdan qochish kompyuter grafikasining muhim vazifasidir. Tasvirlardagi aliasing raqamlar, Moor, matn va grafiklarning yomon o'qilishi chekkalariga olib keladi. Aliasingni oldini olishning asosiy usullaridan biri super-vampling (super-namuna olish) deb ataladi. Ushbu texnik yuqori aniqlikdagi tasvirni yaratish va ushbu tasvirni kerakli hajmga qaytarishdir. Misol keltiring. 200x150 pikselli o'lchamdagi shaxmat taxtasining uch o'lchamli tasvirini yaratishimiz kerak. Agar siz buni to'g'ridan-to'g'ri qilsangiz (masalan, ekranning har bir nuqtasi orqali nurlarni kuzatish), natijada aliasing tomonidan sezilarli darajada buzilgan bo'lishi mumkin (shakl. 13). Supersampling usuli qo'llaniladi. Biz kerakli tasvirni to'rt o'lchamli 800x600 piksel bilan yaratamiz va keyin uni 200x150 o'lchamiga kamaytiramiz. Shuni esda tutingki, natijada olingan tasvirning sifati ancha yaxshi va qayta ishlash algoritmining sifatiga va super-vampling darajasiga bog'liq (biz necha marta ko'proq tasvir yaratdik). Yaxshi antialiasingni ta'minlaydigan resampling algoritmidan foydalanish tavsiya etiladi.

Shakl. 13. Antialiasign va antialiasingsiz ishlab chiqarilgan tasvir.
Ko'rib chiqilgan algoritm katta hisoblash xarajatlariga qaramasdan, kompyuter grafikasida keng qo'llaniladi. Supersampling darajasini tanlash algoritmning ishlashini o'zgartirishi mumkin. Shubhasiz, algoritm murakkabligi kvadratik Supersampling darajasiga bog'liq. Odatda ikki dan to'rtgacha bo'lgan Supersampling darajalari qo'llaniladi.
3.4 rasmlarni Pseudotonlash
Pseudotonizatsiya (half-toning ) – bu ranglarning haqiqiy sonining ko'pligi bilan tasvirning to'liqligi illyuziyasini yaratishdir. Pseudotonizatsiya misoli-gazetalarda fotosuratlar, bu erda har qanday kul rang kichik qora va oq nuqtalarning almashinuvi orqali uzatiladi.

Biz qora va oq tasvirlar uchun psevdotonlash variantini ko'rib chiqamiz. Bizning vazifamiz monoxrom (ikki rangli) tasvir shaklida kulrang rangli tasvirni taqdim etishdir.

0-dan 1-ga o'zboshimchalik bilan qiymatlarni qabul qilishi mumkin bo'lgan nuqtalarning qizg'inligi kulrang ranglarda tasvir bor. Bunday tasvirni monoxromga olib kelish uchun ba'zi algoritmlarni ko'rib chiqing, nuqtalarning yorqinligi 2 qiymatlarini olishi mumkin: 0 yoki 1.
Birinchi eng oddiy algoritm-kesish (chegara). 0.5 nashrida bo'lgan barcha piksellar 1 nashrida, qolganlari esa 0 nashrida. Bunday algoritm odatda eng yomon natijalarni beradi (FIG. 15).

Yuqori sifatli algoritmlar natijada olingan tasvirdagi qora va oq piksellarni taqsimlashga intiladi, shuning uchun tasvirning har bir qismida oq piksel kontsentratsiyasi asl tasvirdagi ushbu saytning yorqinligi bilan mutanosib bo'ladi.

Bunday usullardan biri-tartibli pseudotonizatsiya . Ushbu usulda asl tasvir bir xil o'lchamdagi kichik bloklarga bo'linadi (masalan, 3x3). Keyin har bir blokda tasvirning o'rtacha yorqinligi bor. Ushbu o'rtacha yorqinlikka muvofiq, olingan monoxrom tasvirning tegishli blokida oq piksel soni tanlanadi. Odatda, bu oq piksellar ba'zi muntazam shablonga ko'ra buyurtma qilinadi (shakl. 15).
Olingan monoxrom tasvirda oq piksellarning kerakli kontsentratsiyasiga erishish uchun boshqa algoritmlar mavjud. Misol uchun, 2 bosqichida bu erishish algoritmlar bir sinf bor. Birinchidan, tasvirga kerakli amplituda tasodifiy shovqin qo'shiladi va keyin eshik ishlatiladi. Bunday algoritmlar dittering (dithering) deb ataladi.
Shovqin rasmga qaram bo'lmagan tasodifiy signaldir. Misol uchun, oq shovqin 0 matematik kutish bilan tasodifiy sonlar ketma – ketligi. Bunday shovqinning spektri taxminan barcha chastotalarda (namuna olish chastotasining yarmida) sobit bo'ladi. Bunday shovqinning ketma-ket hisob-kitoblari bir-biri bilan bog'liq emas.
Boshqa shovqin turlari mavjud. Misol uchun, pushti shovqinda energiya chastotaga teskari proportsionaldir (ma'lum bir chastota diapazonida). Boshqacha aytganda, uning harmonikasining amplitudasi chastotani ikki barobarga oshirganda 3 db ga tushadi. Ko'k shovqinda energiya aksincha chastota bilan o'sadi. Boshqa shovqin turlari ham mavjud, ammo ular uchun ta'riflar turli sohalarda farq qilishi mumkin.
Biz manba va pseudotonized tasvirlardagi farqga teng bo'lgan tasvirni kvant xato deb ataymiz.
Pseudotonizatsiya qilingan tasvirlarda tasvir-xatolar spektri imkon qadar past chastotali va o'rta chastotali komponentlarni o'z ichiga olmaydi. Bunday holda, xato inson ko'ziga kamroq ko'rinadi. Misol uchun, pushti shovqin bilan dittering paytida, xato spektri ham ochiq pushti rangga yaqin va natijada olingan tasvir sezilarli darajada buzilgan ko'rinadi (shakl. 15). Oq shovqin bilan dittering paytida xato spektri oq rangda. Shuning uchun olingan tasvir yaxshi ko'rinadi. Xato diffuziyasi bilan dittering paytida xato spektri ko'k shovqinga yaqin, ya'ni. kam chastotali komponentlarni o'z ichiga oladi. Natijada ko'zni yoqimli tasvir.
Ko'k shovqin bilan faqat dittering kerakli natijaga olib kelmasligini ko'rish qiyin emas kvant xatosi bir vaqtning o'zida juda ko'p past chastotali va o'rta chastotali komponentlarni o'z ichiga olgan spektrga ega. Ulardan qutulish uchun siz recursive filtrni qo'llashingiz kerak. Ushbu pseudotonizatsiya usuli xato tarqalishi (xato diffusion) deb ataladi. Uning fikri shundaki, bu pikselni kvant berishda yuzaga kelgan kvant xatosi qo'shni piksellarga teskari belgi bilan tarqaladi va shuning uchun kompensatsiya qilinadi.