CPS

Co to jest DFT i co reprezentuje wzór X[k] = \sum_{n=0}^{N-1} x[n]* e^(-j *2pi * (k*n)/N?

DFT to Dyskretna Transformata Fouriera. Przekształca skończony ciąg próbek czasu w ciąg prążków częstotliwości. Wzór to suma korelacji sygnału z zespolonymi eksponentami (sinusoidami). Rozkłada sygnał na składowe proste.

Wyjaśnij intuicyjnie mechanizm działania DFT (pojęcia: korelacja, wzorce, dekompozycja).

DFT mnoży badany sygnał przez wzorcowe, wirujące wektory (sinusoidy). To operacja korelacji – mierzymy podobieństwo. Jeśli w sygnale ukryta jest dana częstotliwość, suma iloczynów jest duża. Pozwala to rozbić sygnał na sumę prostych fal składowych.

Co oznacza wynik X[k](liczba zespolona) i jak obliczyć, jakiej częstotliwości odpowiada indeks $k$?

X[k] zawiera amplitudę (moduł) i fazę (argument) danej składowej. Częstotliwość k-tego prążka to f_k = k \cdot \frac{f_s}{N}. Rozdzielczość widma zależy więc od długości sygnału N i próbkowania f_s.

Czym jest FFT i jaką przewagę daje nad zwykłym DFT?

FFT to algorytm ("Dziel i Rządź") do szybkiego liczenia DFT. Redukuje złożoność obliczeniową z kwadratowej $O(N^2)$ do logarytmicznej $O(N \log_2 N)$. Umożliwia to przetwarzanie sygnałów w czasie rzeczywistym.

Jaki warunek musi spełniać długość sygnału $N$ dla klasycznego FFT (Radix-2) i jak radzimy sobie, gdy nie jest spełniony?

musi być potęgą dwójki ($2^p$, np. 1024). Jeśli sygnał jest innej długości, stosuje się Zero Padding – dopisuje się zera na końcu sygnału do najbliższej potęgi 2. Poprawia to też gładkość wizualną widma.

Na czym polega algorytm FFT (Radix-2) i skąd bierze się jego szybkość?

Dzieli próbki ($N=2^p$) na parzyste i nieparzyste. Liczy mniejsze DFT dla $N/2$. Dzięki symetrii czynnika $W_N^k$, wyniki tych mniejszych DFT wykorzystuje dwukrotnie: raz dla $k$ (suma), raz dla $k+N/2$ (różnica). Struktura łączenia to "motylek".

Co to jest STFT i do czego służy? Jaka jest różnica względem zwykłego DFT?

STFT (Krótkoczasowa Transformata Fouriera) służy do analizy sygnałów niestacjonarnych (zmiennych w czasie). Dzieli sygnał na ramki przy użyciu okna przesuwnego i liczy DFT dla każdej z nich. Wynikiem jest spektrogram (czas-częstotliwość).

Co to jest spektrogram i jak interpretować jego osie oraz kolory?

To wizualizacja wyników STFT. Przedstawia sygnał w 3 wymiarach na płaskim wykresie (mapa ciepła). Oś X: Czas. Oś Y: Częstotliwość. Kolor/Jasność: Amplituda (moc) sygnału dla danej chwili i częstotliwości.

Dlaczego w STFT stosujemy overlap (nakładanie się ramek), zazwyczaj 50% lub 75%?

Aby skompensować utratę danych na brzegach ramek spowodowaną oknem (windowing). Okna tłumią sygnał na krańcach; overlap sprawia, że tłumiony brzeg jednej ramki staje się środkiem następnej. Zapewnia to ciągłość analizy w czasie.

Wymień 4 kroki algorytmu tworzenia STFT (spektrogramu).

Pobierz ramkę sygnału (np. 1024 próbki). Pomnóż ramkę przez funkcję okna (np. Hanninga) w dziedzinie czasu. Oblicz FFT z okienkowanej ramki (otrzymasz widmo chwilowe). Przesuń okno (Hop Size) i powtórz. Wyniki ułożone obok siebie tworzą spektrogram

Co oznacza "dobra/słaba rozdzielczość" w kontekście okien i szerokości listka głównego?

To zdolność do rozróżnienia dwóch blisko położonych częstotliwości. Dobra (Wąski listek): Widzimy dwa osobne piki. Słaba (Szeroki listek): Piki zlewają się w jedną "górę". Okna wygładzające (Blackman) pogarszają rozdzielczość (poszerzają pik).

Czym są listki boczne i dlaczego "duży przeciek widma" jest niebezpieczny?

Listki boczne: piki energii wokół sygnału głównego. Przeciek widma: „rozlanie” energii na boki. Zagrożenie: Wysokie listki silnego sygnału mogą zasłonić (zamaskować) słabsze sygnały w pobliżu, uniemożliwiając ich wykrycie.

Opisz okno prostokątne (kształt i widmo). Kiedy jest używane?

To brak modyfikacji (wartość 1 w oknie, nagłe cięcie na brzegach). Zaleta: Najwęższy listek główny (najlepsza rozdzielczość częstotliwościowa). Wada: Ogromne listki boczne (duży przeciek widma). Używane rzadko, do rozdzielania bliskich tonów.

Opisz okno Hanninga (kształt i właściwości).

ształt dzwonu (cosinus), łagodnie schodzi do zera na brzegach. Kompromis: Szerszy listek główny niż w prostokącie (gorsza precyzja), ale znacznie niższe listki boczne (mniejszy przeciek). Najpopularniejsze okno ogólnego przeznaczenia.

Opisz okno Blackmana i sytuację, w której warto go użyć.

Bardziej złożony dzwon, agresywnie tłumiący brzegi. Właściwości: Bardzo szeroki listek główny (słaba rozdzielczość), ale ekstremalnie niskie listki boczne (znikomy wyciek). Zastosowanie: Wykrywanie bardzo słabych sygnałów przy silnych zakłóceniach.

Co oznacza skrót FIR i dlaczego te filtry są zawsze stabilne?

FIR = Finite Impulse Response (Skończona Odpowiedź Impulsowa). Wyjście zależy tylko od wejść (brak sprzężenia zwrotnego, brak rekurencji). Są zawsze stabilne, bo odpowiedź impulsowa wygasa do zera po skończonym czasie (nie ma biegunów poza zerem).

Co oznaczają pojęcia liniowości i stacjonarności w kontekście filtru FIR?

Liniowość: Filtr nie generuje nowych częstotliwości; reakcja na sumę sygnałów to suma reakcji. Stacjonarność: Współczynniki filtru są stałe w czasie. Razem tworzą system LTI, który opisujemy splotem.

Kiedy filtr FIR ma liniową charakterystykę fazową i dlaczego jest to ważne?

Gdy jego współczynniki są symetryczne względem środka. Skutek: Stałe opóźnienie grupowe dla wszystkich częstotliwości. Sygnał jest opóźniony, ale jego kształt nie ulega zniekształceniu (brak dyspersji). Ważne w audio i telekomunikacji.

Kroki w metodzie IDFT (próbkowania)

Określ próbki $H(k)$ w częstotliwości. Zapewnij symetrię sprzężoną (by $h[n]$ było rzeczywiste). Policz IDFT, otrzymując $h[n]$. Wykonaj przesunięcie cykliczne o $(N-1)/2$ (dla liniowej fazy). Opcjonalnie: wygładź oknem.

Kiedy używać metody IDFT?

Stosuj, gdy charakterystyka częstotliwościowa jest nietypowa, bardzo skomplikowana lub zadana empirycznie i nie istnieje prosty wzór matematyczny opisujący taki filtr w czasie.

Przyczynowość

Cecha systemu, gdzie wyjście zależy tylko od teraźniejszości i przeszłości. Wymaga, by $h[n]=0$ dla $n<0$. Fizycznie niezbędna do realizacji filtru w czasie rzeczywistym.

Definicja filtru IIR

IIR (Infinite Impulse Response) to filtr o nieskończonej odpowiedzi impulsowej. Jego cechą charakterystyczną jest występowanie sprzężenia zwrotnego – wyjście zależy od wejścia oraz poprzednich wartości wyjściowych.

Równanie różnicowe IIR

Opisuje działanie filtru w czasie. Ma postać: $y[n] = \sum b_k x[n-k] - \sum a_k y[n-k]$. Kluczowy jest drugi człon (zależność od $y$), który odpowiada za rekurencję.

Warunek stabilności IIR

Filtr IIR jest stabilny (BIBO), jeśli wszystkie bieguny jego transmitancji $H(z)$ znajdują się ściśle wewnątrz okręgu jednostkowego na płaszczyźnie zespolonej ($|z| < 1$).

Bieguny na zewnątrz okręgu

Jeśli choć jeden biegun transmitancji znajdzie się poza okręgiem jednostkowym ($|p| > 1$), amplituda sygnału wyjściowego będzie narastać do nieskończoności. Układ jest niestabilny.

Zera i bieguny transmitancji

Zera: pierwiastki licznika $H(z)$. Powodują tłumienie sygnału dla odpowiadających im częstotliwości. Bieguny: pierwiastki mianownika $H(z)$. Powodują wzmocnienie sygnału i decydują o stabilności układu.

Zastosowanie transmitancji

Analizy stabilności (położenie biegunów). Wyznaczania charakterystyki częstotliwościowej (podstawienie $z = e^{j\omega}$). Projektowania filtrów cyfrowych na bazie prototypów analogowych.

Metoda projektowania FIR oknem

1) rodzaj filtru(DP, GP), znormalizowanie Fg, rząd N = N+1 wsp 2) Oblicz analitycznie idealną odp impulsową (np. hdp=2*fg*funkcję sinc) m = -N/2-N/2. 3) Przesuń wynik w czasie, by uzyskać przyczynowość 4) h(n) można przemnożyć przez funkcje okno czasowe

Czym jest transformacja biliniowa?

To metoda projektowania filtrów cyfrowych IIR poprzez przekształcenie gotowego projektu filtra analogowego w cyfrowy za pomocą podstawienia $s = (z-1)/(z+1)$. Zapewnia stabilność i brak zjawiska aliasingu.

Dlaczego struktura kaskadowa?

Realizacja filtrów wysokiego rzędu wprost jest wrażliwa na błędy zaokrągleń. Struktura kaskadowa (szeregowe połączenie sekcji 2. rzędu) jest znacznie odporniejsza numerycznie i trudniej traci stabilność przy kwantyzacji.

proiektowanie IIR

Określ parametry cyfrowe $H(f)$. 2. Pre-warping: przelicz częstotliwość wzorem $\underline{f} = \frac{1}{\pi} arctg(2\pi f). Zaprojektuj filtr analogowy $H(s)$. 4. Transformacja: podstaw $s = \frac{z-1}{z+1}$, aby otrzymać cyfrowe $H(z)$.

Czym jest kodowanie bezstratne?

To metoda kompresji, która pozwala na odzyskanie 100% oryginalnych danych po dekompresji. Plik wyjściowy jest identyczny z wejściowym bit po bicie. Przykład: ZIP, PNG, FLAC.

Czym jest kodowanie stratne?

Metoda kompresji, która trwale usuwa część danych w celu drastycznego zmniejszenia rozmiaru pliku. Dekompresja nie pozwala na powrót do oryginału. Przykład: JPEG, MP3, MP4.

Transformacja Z i ROC

Transformacja Z to dyskretny odpowiednik Laplace’a. Przekształca ciąg $f[k]$ w funkcję zmiennej zespolonej $z$. Kluczowym pojęciem jest ROC (obszar zbieżności) – zbiór wartości $z$, dla których szereg transformaty jest zbieżny.

Definicja Perfekcyjnej rekonstrukcji

Perfekcyjna rekonstrukcja (PR) to sytuacja, w której sygnał wyjściowy banku filtrów jest identyczny z wejściowym, dopuszczając jedynie stałe opóźnienie i skalowanie: $\hat{x}[n] = c \cdot x[n-k]$.

Definicja entropii

Entropia ($H$) to miara niepewności źródła informacji. Określa średnią ilość informacji (w bitach) przypadającą na jeden symbol. Obliczamy ją jako sumę $-P(x) \log_2 P(x)$ dla wszystkich możliwych zdarzeń.

Splot dyskretny (liniowy)

Suma iloczynów próbek sygnału wejściowego $x(k)$ i przesuniętej odpowiedzi impulsowej $h(n-k)$. Podstawowa operacja w cyfrowym przetwarzaniu sygnałów.

Splot liniowy vs kołowy

Splot liniowy opisuje filtrację rzeczywistą. Splot kołowy wynika z użycia DFT. Aby były równe, sygnały muszą być odpowiednio uzupełnione zerami (padding).

Splot w dziedzinie częstotliwości

Pozwala obliczyć splot szybciej poprzez mnożenie widm (DFT). Wykorzystuje twierdzenie o splocie: operacja splotu w czasie odpowiada mnożeniu w częstotliwości.

Definicja i właściwości splotu liniowego

Definicja: y(n) = \sum x(k)h(n-k). Właściwości: przemienność (x*h = h*x), łączność, rozdzielność względem dodawania. Splot opisuje mechanizm filtracji – sygnał filtrujący h(n) to odpowiedź impulsowa układu.

Definicja i właściwości splotu kołowego

Definicja: Splot wykonywany na sygnałach o tej samej długości $N$, gdzie przesunięcie odbywa się cyklicznie (modulo $N$). Właściwości: jest wynikiem mnożenia widm DFT; każda próbka wyniku zależy od wszystkich próbek wejścia.

Związek splotu liniowego z kołowym

Splot kołowy daje ten sam wynik co liniowy tylko wtedy, gdy długość cyklu $N \ge L + M - 1$. Wymaga to uzupełnienia sygnałów zerami (zero-padding). Jeśli $N$ jest mniejsze, następuje zawijanie (aliasing kołowy) i dane się nakładają.

Splot liczony w częstotliwości (Szybki splot)

Metoda liczenia splotu czasowego poprzez mnożenie widm: $Y(k) = X(k) \cdot H(k)$. Według twierdzenia o splocie, wymnożenie wartości DFT dwóch sygnałów daje (po wykonaniu IDFT) wynik odpowiadający ich splotowi kołowemu w czasie.

Zastosowania splotu w częstotliwości

Główne zastosowanie to szybka filtracja sygnałów (splot sygnału $x$ z odpowiedzią $h$). Dzięki algorytmowi FFT złożoność spada z $O(N^2)$ do $O(N \log N)$, co pozwala procesorom DSP na filtrowanie w czasie rzeczywistym.

Zwiazek z Fourierem (DTFT/DFT)

Z-transformacja to uogolnienie Fouriera. Jesli podstawimy z = exp(j2pif) (czyli sprawdzamy wartosci na okregu jednostkowym), otrzymujemy charakterystyke czestotliwosciowa. DFT to probki Z-transformaty rozlozone rownomiernie na tym okregu.