Прикладные методы цифровой обработки сигналов в радиотехнических системах
Покупка
Основная коллекция
Тематика:
Теоретическая радиотехника
Издательство:
Южный федеральный университет
Авторы:
Макаров Анатолий Михайлович, Клименко Павел Петрович, Корниенко Владимир Тимофеевич, Геложе Юрий Андреевич, Максимов Александр Викторович
Год издания: 2021
Кол-во страниц: 130
Дополнительно
Вид издания:
Учебное пособие
Уровень образования:
ВО - Бакалавриат
ISBN: 978-5-9275-3802-7
Артикул: 786630.01.99
Доступ онлайн
В корзину
Рассмотрены вопросы построения моделей Matlab систем спектрального анализа в пространстве частот Фурье и Меллина, а также модели прикладных систем обработки сигналов при различных видах скремблирования и шифрования с использованием технологии Matlab. Приведены примеры создания рассмотренных алгоритмов в приложениях систем передачи информации. Предназначено для студентов радиотехнических специальностей для изучения разделов дисциплин «Цифровая обработка сигналов и сигнальные процессоры».
Тематика:
ББК:
УДК:
- 004: Информационные технологии. Вычислительная техника...
- 621: Общее машиностроение. Ядерная техника. Электротехника. Технология машиностроения в целом
ОКСО:
- ВО - Бакалавриат
- 11.03.01: Радиотехника
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов.
Для полноценной работы с документом, пожалуйста, перейдите в
ридер.
МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное автономное образовательное учреждение высшего образования «ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ» Инженерно-технологическая академия ПРИКЛАДНЫЕ МЕТОДЫ ЦИФРОВОЙ ОБРАБОТКИ СИГНАЛОВ В РАДИОТЕХНИЧЕСКИХ СИСТЕМАХ Учебное пособие Ростов-на-Дону Таганрог Издательство Южного федерального университета 2021
УДК 621.37(075.8)+004.056.94(075.8) ББК 32.3я73+32.973я73 К317 Печатается по решению кафедры радиотехнических и телекоммуникационных систем Институра радиотехнических систем и управления Южного федерального университета (протокол № 12 от 10 февраля 2021 г.) Рецензенты: кандидат технических наук, доцент Южного федерального университета А. М. Пилипенко кандидат технических наук, доцент Южного федерального университета Н. Н. Кисель Клименко, П. П. К317 Прикладные методы цифровой обработки сигналов в радиотехни- ческих системах : учебное пособие / П. П. Клименко, В. Т. Корниен- ко, А. М. Макаров, Ю. А. Геложе, А. В. Максимов ; Южный феде- ральный университет. Ростов-на-Дону ; Таганрног : Издательство Южного федерального университета, 2021. 130 с. ISBN 978-5-9275-3802-7 Рассмотрены вопросы построения моделей Matlab систем спектрального анализа в пространстве частот Фурье и Меллина, а также модели прикладных си- стем обработки сигналов при различных видах скремблирования и шифрования с использованием технологии Matlab. Приведены примеры создания рассмотрен- ных алгоритмов в приложениях систем передачи информации. Предназначено для студентов радиотехнических специальностей для изуче- ния разделов дисциплин «Цифровая обработка сигналов и сигнальные процессо- ры». УДК 621.37(075.8)+004.056.94(075.8) ББК 32.3я73+32.973я73 ISBN 978-5-9275-3802-7 © Южный федеральный университет, 2021 © Клименко П. П., Корниенко В. Т., Макаров А. М., Геложе Ю. А., Максимов А. В., 2021 © Оформление. Макет. Издательство Южного федерального университета, 2021
ОГЛАВЛЕНИЕ ВВЕДЕНИЕ ...................................................................................................... 5 1. СПЕКТРАЛЬНЫЙ АНАЛИЗ СИГНАЛОВ в MATLAB ............................ 8 1.1. Периодические сигналы и тригонометрические ряды Фурье ............. 8 1.2. Теорема Парсеваля .............................................................................. 18 1.3. Спектральный анализ на основе интегрального преобразования Фурье ........................................................................................................... 19 1.3.1. Основные свойства интегрального преобразования Фурье ..... 21 1.4. Непрерывно-дискретное преобразование Фурье ............................... 28 1.4.1. Спектры дискретизированных сигналов ................................... 29 1.5. Дискретное преобразование Фурье .................................................... 31 1.6. Построение спектра в Matlab .............................................................. 31 1.7. Влияние конечной длительности реализации на спектр сигнала ..... 40 1.8. Оконный спектральный анализ .......................................................... 43 1.8.1. Характеристики оконных функций ........................................... 43 1.8.2. Некоторые распространенные оконные функции .................... 44 1.8.3. Синтез окон в MatLab ................................................................. 46 1.9. Оконное преобразование Фурье и спектрограмма ............................ 52 2. ОСОБЕННОСТИ ПРИМЕНЕНИЯ ЦИФРОВОГО СПЕКТРАЛЬНОГО АНАЛИЗА В ПРОСТРАНСТВЕ ЧАСТОТ МЕЛЛИНА .............................. 60 2.1. Введение в теорию и приложения обработки сигналов с использованием преобразования Меллина ............................................... 60 2.2. Интегральные преобразования и теория обработки сигналов .......... 61 2.2.1. Элементы математических основ интегрального преобразования Меллина ................................................................... 61 2.2.2. Свойство масштабной инвариантности модуля преобразования Меллина ................................................................... 62 2.2.3. Энергетические характеристики сигнала в базисе ПМ .......... 64 2.2.4. Представление произвольного сигнала в виде суммы элементарных колебаний в базисе ПМ ............................................ 66 2.3. Спектры Меллина и их основные свойства ....................................... 68 2.4. Спектры Меллина простейших сигналов ........................................... 70 2.5. Аналог теоремы Винера – Хинчина для анализа случайных стационарных процессов и их анализ в пространстве ПМ ................... 72
Оглавление 4 2.6. Основы теории цифровых моделей, порождаемых параметрически периодическими тригонометрически-логарифмическими функциями ядер интегрального преобразования Меллина .......................................... 76 2.7. Свойство параметрически-периодических функций ........................ 81 2.8. Выбор компьютерного «нуля» и «бесконечности» цифровой модели ......................................................................................................... 82 2.9. Особенности площади периодически-параметрических колебаний тригонометрически-логарифмических функций .................... 83 2.10. Основы теории цифровых моделей, порождаемых параметрически периодическими тригонометрически- логарифмическими функциями ядер интегрального преобразования Меллина ....................................................................................................... 86 3. МОДЕЛИ ПРИКЛАДНЫХ СИСТЕМ ПЕРЕДАЧИ ДАННЫХ В MATLAB ..................................................................................................... 94 3.1. Частотные скремблеры речевых сигналов ......................................... 94 3.2. Цифровой скремблер потоковый криптографический шифратор ................................................................................................... 102 3.3. Криптографический шифратор DES ................................................. 110 3.4. Стеганографическая система передачи информации ...................... 122 СПИСОК ЛИТЕРАТУРЫ ............................................................................ 128
ВВЕДЕНИЕ Методы цифровой обработки сигналов реализованы в различных радиотехнических системах: связи, радионавигации, радиолокации, обработки изображений, медицинской диагностики и пр. Наряду с такими базовыми принципами, использующимися в цифровой обработке сигналов, как методы формирования дискретных и цифро- вых сигналов, алгоритмы цифровой фильтрации, способы учета влияния эффектов изменения частоты дискретизации и разрядности представления цифровых данных в процессе обработки сигналов, методы цифровой обра- ботки сигналов в спектральной области, актуальными направлениями яв- ляются: учет особенностей спектров сигналов при их разрешении, обработ- ке в другом, отличном от Фурье, базисе, оптимизация алгоритмов помехо- устойчивого кодирования и декодирования сигналов, учета особенностей передачи цифровых сигналов в защищенных каналах связи. При этом важ- ным аспектом является как получение базовой теоретической подготовки для изучения принципов функционирования и методов проектирования цифровых устройств инфотелекоммуникационных систем, также и практи- ческой реализации алгоритмов цифровой обработки сигналов. С этой це- лью на начальном этапе практического закрепления теоретических основ цифровой обработки сигналов часто используют профессиональные про- граммные средства, такие как MATLAB, LabVIEW, SYSTEMVIEW и др. Многие задачи цифровой обработки сигналов связаны со спектраль- ными характеристиками и методами их эффективного вычисления. Спек- тральные характеристики являются наиболее информативными, поскольку спектр – это единственная характеристика, которая полностью описывает анализируемый сигнал. Именно поэтому спектральные методы – наиболее мощный инструмент анализа. В отличие от вероятностных методов, описы- вающих свойства случайных процессов во временной области, спектраль- ный анализ позволяет охарактеризовать частотный состав сигнала. Преоб- разование Фурье является математической основой данного анализа, так как играет важную роль не только при расчете спектров, но выступает как необходимый промежуточный этап при вычислении преобразовании Гиль- берта, при проведении цифровой фильтрации, при определении ковариаци- онных функций и т.д.
Введение 6 Основными методами спектрального анализа являются такие методы, как фильтровые, бесфильтровые, основанные на дискретном преобразова- нии Фурье, параметрические, скользящего и скачущего анализа [15]. К основным параметрам анализаторов спектра относятся: число ка- налов анализа; время наблюдения и соответствующее ему число отсчетов; полоса анализа, не превышающая для дискретных сигналов основной поло- сы спектра; разрешение по частоте, обратно-пропорциональное времени анализа и соответствующее разности частот двух соседних разрешаемых частотных составляющих сигнала. Для улучшения спектрального разрешения и подавления боковых ле- пестков в вычисляемом спектре сигнала неоспорима важность использова- ния весовой обработки с применением оконного анализа [6]. Для извлечения информации о параметрах сигнала при изменении спектра во времени эффективным к использованию является вычисление спектрограмм сигналов. С целью устранения влияния мешающих факторов при распростра- нении сигналов, например при масштабных преобразованиях, вызванных эффектом Доплера, для спектральной обработки сигналов используют пре- образование Меллина [7, 8]. Для обеспечения защищенности передачи цифровых сигналов ис- пользуются разновидности алгоритмов скремблирования и криптографиче- ского шифрования [913]. В связи с перечисленными прикладными аспектами цифровой обра- ботки сигнлов в данном учебном пособии рассматриваются: в первом раз- деле –оконный спектральный анализ на основе преобразования Фурье, во втором разделе – спектральный анализ в пространстве частот Меллина и в третьем разделе – применение спектральной обработки в частотных скрем- блерах речевых сигналов средств радиосвязи, реализация цифрового скремблирования, блочного шифрования и стеганографического канала связи для обеспечения защищенной передачи сигналов в радиотехнических системах. Структура учебного пособия предполагает для закрепления теорети- ческих знаний по разделам цифровой обработки сигналов выполнение практических примеров в среде Matlab. Для ознакомления с реализацией приведенных примеров требуются основные навыки работы с этим сред- ством проектирования, а также знание основ цифровой схемотехники.
Введение 7 Предлагаемое учебное пособие предназначено для студентов радио- технических специальностей вузов и требует знания основ дисциплин «Дискретная математика», «Прикладная информатика», «Цифровые устройства», а также предназначено для изкучения дисциплин «Основы цифровой обработки сигналов» и формирует базу для изучения разделов в специальных дисциплинах, таких как «Широкополосные системы радио- связи», «Методы и технические средства защиты информации».
1. СПЕКТРАЛЬНЫЙ АНАЛИЗ СИГНАЛОВ в MATLAB 1.1. Периодические сигналы и тригонометрические ряды Фурье Многие методы анализа сигналов построены на замене исходного сигнала суммой других сигналов, математическая обработка которых более проста или представление которых более полно раскрывает какой-либо информационный аспект исходного сигнала. Среди многообразия детерми- нированных сигналов выделяют периодические сигналы и непериодиче- ские сигналы. В соответствии с теоремой Фурье, любой сложный сигнал x(t), явля- ющийся T – периодическим x(t) = x(t+nT), где n – любое целое число, во временной области можно представить суммой синусоидальных и коси- нусных сигналов с частотами, кратными основной частоте исходного сиг- нала ω0 = 2π/T, если он удовлетворяет условиям Дирихле: функция x(t) не- прерывна (или имеет конечное число точек разрыва первого рода на перио- де); не существует разрывов второго рода; число экстремумов конечно. Ряд Фурье можно записать разными способами, одним из которых является Тригонометрическая форма ряда Фурье, представляющая собой разложение сигнала по базису синусов и косинусов кратной частоты: x(t) = a0/2 + ∑ 𝑎 ∞ 𝑛=1 n cos(nω0t) + ∑ 𝑏 ∞ 𝑛=1 n sin(nω0t) = = a0/2 + ∑ 𝑎 ∞ 𝑛=1 n cos((n2𝜋/Т)t) + ∑ 𝑏 ∞ 𝑛=1 n sin((n2𝜋/Т)t), где n − целое число; ω0 = 2π/T − основная частота (циклическая частота первой гармони- ки), определяемая периодом T исходной функции сигнала. В приведенном выражении слагаемое a0/2 для k = 0 вынесено из под знака суммы, а коэфициенты ряда Фурье a0, an, и bn зависят от формы сиг- нала x(t) и могут быть рассчитаны по формулам с использованием свойства ортогональности гармонического базиса: a0 = 1 𝑇 ∫ x 𝑇 0 (t)dt, an = 2 𝑇 ∫ x 𝑇 0 (t) cos(nω0t)dt = 2 𝑇 ∫ x 𝑇 0 (t) cos((n2𝜋/Т)t)dt, bn = 2 𝑇 ∫ x 𝑇 0 (t) sin(nω0t)dt = 2 𝑇 ∫ x 𝑇 0 (t) sin((n2𝜋/Т)t)dt,
1.1. Периодические сигналы и тригонометрические ряды Фурье 9 где а0 – постоянная составляющая; x(t) – сигнал во временной области; n – номер гармоники колебания; T = 2π/ω0 – период. Интервал интегрирования по времени равен периоду T, но для ис- ключения неопределенности в радиоэлектронике используют интервал – 𝑇 2 < t < 𝑇 2. Отсюда общепринятые выражения для коэффициентов Фурье: a0 = 2 𝑇 ∫ x 𝑇/2 –𝑇/2 (t)dt, an = 2 𝑇 ∫ x 𝑇/2 –𝑇/2 (t) cos(nω0t)dt = 2 𝑇 ∫ x 𝑇/2 –𝑇/2 (t) cos((n2𝜋/Т)t)dt, bn = 2 𝑇 ∫ x 𝑇/2 –𝑇/2 (t) sin(nω0t)dt = 2 𝑇 ∫ x 𝑇/2 –𝑇/2 (t) sin((n2𝜋/Т)t)dt. Если функция, раскладываемая в ряд Фурье, обладает свойством четности или нечетности, то в вышеприведенных формулах один из интегралов будет равен нулю. Четные функции раскладываются по косинусам, нечетные функции – по синусам. Таким образом, периодическую функцию можно интегрировать по любому отрезку с длиной, равной ее периоду, не заботясь о расположении отрезка на числовой оси. Если функция, которую раскладывают в ряд Фурье, имеет разрывы первого рода, то в точках разрыва ряд сходится к полусумме значений функции слева и справа от точки разрыва. Если оставить в сумме конечное число слагаемых, т. е. выполнять приближение функции тригонометрическим полиномом, то в окрестности точки разрыва будут наблюдаться осци- ляции. Этот эффект называется эффектом Гиббса – особенностью поведе- ния частичных сумм SN(t) ряда Фурье в окрестности точки разрыва функции x(t). Для прямоугольного импульса длительностью Tи, повторяющегося с периодом T: x(t) = {1, 0 < 𝑡 < 𝑇и 0, 𝑇и < 𝑡 < 𝑇,. коэффициенты разложения имеют следующий вид: a0 = 2 𝑇 ∫ x 𝑇и 0 (t)dt = 2𝑇и 𝑇 ;
1. Спектральный анализ сигналов в Matlab 10 an = 2 𝑇 ∫ x 𝑇и 0 (t) cos(nω0t)dt = 2 𝑇 ∫ 1 𝑇и 0 cos((n2𝜋/Т)t)dt = 1 𝜋𝑛 sin((n2𝜋ТИ/Т); bn = 2 𝑇 ∫ x 𝑇и 0 (t) sin(nω0t)dt = 2 𝑇 ∫ 1 𝑇и 0 sin((n2𝜋/Т)t)dt = = 1 𝜋𝑛 [1 cos((n2𝜋ТИ/Т)]. Листинг программы, приведенной ниже, позволяет построить четыре графика, как показано на рис.1.1: в одной системе координат исходный импульс и два восстановленных: первый – по 3 гармоникам, второй – по 7, а на графике справа – импульс, восстановленный по 50-ти гармоникам. Листинг программы на языке Matlab для демонстрации эффекта Гиббса Clear, clc, close all T = 10; % период повторения импульсов tau = 5; % длительность импульса N1 = 3; % количество оставленных гармоник N2 = 7; % другое количество оставленных гармоник N3 = 50; t = 0: T/2 %max([N1 N2 N3]):T; % вектор с моментами времени x = t < tau; % прямоугольный импульс длительностью tau k = 1:N1; k2 = 1:N2; k3 = 1:N3; % коэффициенты разложения a0 = 2*tau/T; % для первого случая N1 коэффициентов a1 = sin(2*pi*k1*tau/T)/pi./k1; b1 = (1-cos(2*pi*k1*tau/T)/pi./k1; % для второго случая N2 коэффициентов a2 = sin(2*pi*k2*tau/T)/pi./k2; b2 = (1-cos(2*pi*k2*tau/T)/pi./k2; % для третьего случая N3 коэффициентов a3 = sin(2*pi*k3*tau/T)/pi./k3; b3 = (1-cos(2*pi*k3*tau/T)/pi./k3; % сумма для первого случая
1.1. Периодические сигналы и тригонометрические ряды Фурье 11 x1(1:length(t)) = a0/2; for n = 1:N1 x1 = x1+a1(n) cos(2*pi*n*t/T) + b1sin(2*pi*n*t/T); end % сумма для второго случая x2(1:length(t)) = a0/2; for n = 1:N2 x2 = x2+a2(n) cos(2*pi*n*t/T) + b2sin(2*pi*n*t/T); end % сумма для третьего случая x3(1:length(t)) = a0/2; for n = 1:N3 x3 = x3+a3(n) cos(2*pi*n*t/T) + b3sin(2*pi*n*t/T); end subplot (1,2,1) plot (t, x,’k’,t, x1, ‘k - -‘, t, x2,’k:’) % сравнение результатов legend (‘x(t)’, ‘x_1(t)’,’x_2(t)’) xlabel (‘t’) ylabel (‘x(t) , x_1(t), x_2(t)’) subplot (1,2,2) plot (t, x3,’k’) xlabel (‘t’) ylabel (‘x_3(t)’) Следующим способом представления ряда Фурье является его Вещественная форма. В тригонометрическом ряде Фурье, описанном выше и традиционно используемом в математике, гармоническое колебание с частотой nω может быть представлено суммой квадратурных составляющих с коэффициентами an и bn. Для того тобы коэффициенты при квадратурных составляющих можно было выразить через амплитуду и начальную фазу следующим образом: an = An cos(Фn), bn = − An sin(Фn), необходимо воспользоваться тригонометрическим равенством: A cos(ωt + Ф) = A (cos(Ф) cos(ωt) – sin(Ф) sin(ωt) = a cos(ωt) +b sin(ωt).
1. Спектральный анализ сигналов в Matlab 12 Рис. 1.1. Эффект Гибса Отсюда можно получить выражение для амплитуды и фазы через ко- эффициенты при квадратурных составляющих: An = √𝑎𝑛2 + 𝑏𝑛2, Фn= − arctg (𝑏𝑛/𝑎𝑛), которые позволяют найти амплитудный и фазовый спектры через коэффи- циенты Фурье. Теперь ряд Фурье для сигнала x(t) можно записать по гармоническим колебаниям кратных частот в виде x(t) = ∑ 𝐴 ∞ 𝑛=1 n cos(nω0t + Фn). Гармоническое колебание на частоте nω0 называют n-ой гармоникой, а частоте ω0 = 0 соответствует постоянная составляющая сигнала, которая находится интегрированием на интервале периода и представляет среднее за период значение сигнала:
Доступ онлайн
В корзину