Содержание к диссертации
Введение
ГЛАВА 1. Атомарные функции в задачах фильтрации и цифровой обработки сигналов 24
1.1. Основные системы атомарных функций 24
1.2. Конструкции весовых функций и улучшение их физических характеристик 27
1.2.1. Весовые функции Кравченко-Кайзера 27
1.2.2. Весовые функции Кравченко-Наттолла 28
1.3. Конструкции КИХ-фильтров на основе атомарных функций 29
1.3.1. Фильтры с линейной фазовой характеристикой
1.3.2. Типы КИХ-фильтров с линейной фазовой характеристикой 31
1.3.3. Разработка КИХ-фильтров 32
1.3.4. Построение фильтра с конечной импульсной характеристикой 32
бщенные ряды отсчетов 37
1.4.1. Обобщенные ряды отсчетов на основе атомарных функций 38
1.4.2. Физический смысл обобщенного ряда отсчетов 40
1.4.3. Весовая функция Кравченко-Котельникова 42
1.4.4. Обобщенная теорема Кравченко-Котельникова для случайных сигналов 46
1.4.5. Анализ частных случаев обобщенных рядов отсчетов 48
1.4.6. Учет погрешностей обобщенной теоремы отсчетов 53
1.4.7. Ядро ряда отсчетов Кравченко-Левитана 55
1.5. Непараметрическое оценивание функции плотности вероятности последовательности случайных величин 57
1.5.1. Допустимые оценки функции плотности вероятности и её производных 59
1.5.2. Численный эксперимент 61
Выводы к главе 1 65
ГЛАВА 2. Применение WA-систем функций в задачах радиофизики 66
2.1. Построение ортогональных WA-систем функций 66
2.1.1. Ортогональные WA-системы функций {ир(t)} 66
2.1.2. Алгоритм построения ортогональных WA-систем функций 73
2.1.3. Построение ортогональных WA-систем функций на основе атомарных функций ha(x) 74
2.2. Ортогональные WA-системы функций в цифровой обработке сигналов и изображений 76
2.2.1. Удаление шума и компрессия одномерных сигналов 76
.2.2. Удаление шума и компрессия изображений 79
Аналитические WA-системы функций 84
2.3.1. Построение комплексных WA-систем функций 84
2.3.2. Функционал качества выбора вейвлетного базиса для анализа сигналов 86
2.3.3. Анализ временных рядов комплексными WA-системами функций 87
Выводы к главе 2 92
ГЛАВА 3. Синтез многомерных цифровых фильтров 93
3.1. Теория R-функций и обратная задача аналитической геометрии 93
3.2. Синтез двумерных цифровых фильтров с нестандартной геометрией опорной области 98
3.2.1. Двумерные цифровые фильтры с конечной импульсной характеристикой 98
3.2.2. Локусы сложной формы и опорные области двумерных цифровых фильтров с конечной импульсной характеристикой 99
.2.2. Построение двумерного фильтра конечной импульсной характеристикой 100
.2.4. Численная реализация алгоритма и анализ физических результатов 102
3.3. Аналитические двумерные WA-системы функций и их физические свойства 114
3.3.1. Построение аналитических двумерных WA-систем функций 114
3.3.2. Физические свойства аналитических двумерных WA-систем функций 117
Выводы к главе 3 121
Глава 4. Обработка радиолокационных сигналов и синтезирование апертуры антенны атомарными функциями 122
4.1. Обработка сигналов в радиоприемном устройстве 122
4.2. Цифровая обработка сигналов в антеннах с синтезированной апертурой при боковом обзоре 1 4.2.1. Геометрия синтезирования апертуры 127
4.2.2. Формула дальности 128
4.2.3. Сигналы в системах синтезирования апертуры 128
4.2.4. Двухэтапная цифровая обработка сигналов РСА
4.3. Применение функций Кравченко-Кайзера к задачам весового усреднения разностной частоты 132
4.4. Обобщение функции неопределенности по времени и частоте на основе семейства атомарных функций применительно к цифровой обработке сигналов в антенных системах 134
4.5. Атомарные и WA-системы функций в корреляционной обработке радиолокационных сигналов 145
4.5.1. Фильтрация корреляционной функции с помощью атомарных и WA-систем функций 151
Выводы к главе 4 159
Заключение 160
Список литературы
- Конструкции весовых функций и улучшение их физических характеристик
- Алгоритм построения ортогональных WA-систем функций
- Локусы сложной формы и опорные области двумерных цифровых фильтров с конечной импульсной характеристикой
- Применение функций Кравченко-Кайзера к задачам весового усреднения разностной частоты
Конструкции весовых функций и улучшение их физических характеристик
В современных радиофизических задачах стоит вопрос построения систем фильтров, обладающих хорошей частотной избирательностью и минимизирующих ошибки, связанные с цифровой обработкой сигналов. В данном разделе предлагаются новые конструкции цифровых фильтров [1-4,8], построенных на основе АФ [8,20-22]. Они определяются через обобщенные теоремы отсчетов Кравченко-Котельникова (КК) и Кравченко-Левитана (КЛ) [20,31-35].
Одним из важнейших свойств КИХ-фильтров [1-4,31] является возможность получения точной линейной фазовой характеристики. При прохождении сигнала через фильтр модификации подвергается амплитуда и/или фаза данного сигнала. Природа и величина изменения сигнала зависят от амплитудной и фазовой характеристик фильтра. Удобной мерой модификации фазовой характеристики сигнала является фазовая или групповая задержка фильтра. Если сигнал состоит из нескольких частотных компонентов (например, речевой или модулированный сигнал), фазовая задержка фильтра — это величина временной задержки, которую испытывает каждый частотный компонент сигнала при прохождении через фильтр. Групповая задержка — это средняя временная задержка составного сигнала. Фазовая и групповая задержки определяются так Тр=-в(ш)/ш, Tg=-de(uj)/du).
Фильтр с нелинейной фазовой характеристикой искажает фазу проходящего через него сигнала так как частотные компоненты задерживаются на величину не пропорциональную частоте. Это нарушает их гармоническую связь. Подобное явление нежелательно во многих ситуациях (передача данных, анализ сигналов при дистанционном зондированием, корреляционная обработка и др.) и его можно избежать, используя фильтры с линейными фазовыми характеристиками в рабочем диапазоне частот.
Глава 1. Атомарные функции в задачах фильтрации и цифровой обработки сигналов Фильтр с линейной фазовой характеристикой удовлетворяет одному из следующих соотношений: q(w) =-aw (1.16) или q(w} = b — aw, (1.17) где a и b — некоторые константы. Если фильтр удовлетворяет условию (1.16), у него постоянны групповая и фазовая задержки. Условие (1.17) удовлетворяется, если импульсная характеристика фильтра обладает положительной симметрией. Фазовая характеристика в этом случае является функцией длины фильтра h(n) = h(N-n-1), л = 0,1,...,[(ЛГ-1)/2], a = (N-1)/2. Условие (19) удовлетворяется, когда фильтр имеет только постоянную групповую задержку. В этом случае импульсная характеристика фильтра имеет отрицательную симметрию h(n) =-h(N-n-1), a = (N-1)/2, b = p2. КИХ-фильтры с линейной фазовой характеристикой являются важны классом в семействе фильтров и обладают свойствами, положительно влияющими на их разработку и реализацию.
Можно выделить четыре типа КИХ-фильтров [31] с линейной фазовой характеристикой, отличающихся четностью N и типом симметрии h ( nj (положительная или отрицательная).
Частотная характеристика типа 2 (положительно-симметричные коэффициенты и четная длина) всегда равна нулю при половине частоты дискретизации (/ = 0.5), т.к. все частоты нормированы на частоту дискретизации.
Атомарные функции в задачах фильтрации и цифровой обработки сигналов Фильтры типов 3 и 4 (отрицательно-симметричные коэффициенты) вводят сдвиг фазы на 90, а частотная характеристика таких фильтров всегда равна нулю при нулевой частоте. Частотная характеристика фильтров третьего типа всегда равна нулю при / = 0.5. Фильтры первого типа наиболее универсальны. Фильтры третьего и четвертого типов часто используются при проектировании дифференциаторов и фильтров, реализующих преобразования Гильберта, поскольку могут давать сдвиг фазы на 90.
Алгоритм построения ортогональных WA-систем функций
С помощью полосового разложения (1.51) оценивается формации, содержащейся в модулированных сигналах. Д) Обобщенная теорема отсчетов для амплитудно- и частотно- модулированных сигналов. Известно, что амплитудная модуляция (АМ) — это изменение во времени A\t), спектр которой A(coJ содержит максимальную частоту Q = 2TTF. Ширина спектра сигнала S(t) равна А/AM = 2F. В пределах этой полосы спектр S(m) симметричен относительно Q0. Интервал г между отсчетами АІкт) должен быть не более 1/А/AM ,т. е. таким же, как и при дискретизации исходного сигнала (модулирующей функции). При AM фазу Q0t + e(t) передавать нет необходимости. AM сигнал определяется отсчётами своей амплитуды, которые дискретизова-ны с шагом 1/А/AM , где А/AM/2 — верхняя частота в спектре модулирующей функции (передаваемого сообщения). Другими словами, число степеней свободы AM сигнала такое же, как и число степеней свободы модулирующей функции. Рассмотрим частотно-модулированный (ЧМ) сигнал :: dt частоты fD F S ( t ) = A0cos\not + e( t ) dd(t) г:: : котором мгновенная частота w ( t ) налом. При этом максимальная промодулирована тем же сиг
Атомарные функции в задачах фильтрации и цифровой обработки сигналов Тогда ширину полосы частот модулированного колебания можно приравнять A/4M=2/fl. (1.54) Это случай широкополосной частотной модуляции. При ЧМ передавать Л0 нет необходимости. Тогда достаточно отсчетов фазы в(кт}, к = 0,±1,±2,..., дис-кретизованной с шагом r 12fD . Для длительности сигнала 27 число отсчетов фазы при ЧМ равно КФ=А/ЧМ2Т = 4/0Т, (1.55) а количество отсчетов огибающей при AM KA=Af4M2T = 4FT. (1.56) При одном и том же передаваемом сигнале (информационном сообщении) ЧМ сигнал обладает в /i = /4M/F раз большим числом степеней свободы, чем AM сигнал. На приемном конце канала связи после частотного детектирования можно создать напряжение, имеющее спектр исходного сигнала. Таким образом, при одной и той же ширине спектра 2 информационное содержание ЧМ сигнала выше.
Теорема отсчетов имеет дело с дискретными выборками, то в моменты взятия отсчетов численные значения ряда и сигнала должны быть равны [1, 20, 25]. На практике взятие отсчета всегда сопровождается ошибками.
Погрешности представления сигнала рядом отсчетов обуславливается следующими причинами: ошибкой измерения отсчета, квантованием по времени и уровню, искажением спектра в переходной области частотной характеристики, а также пренебрежением спектральными составляющими, частоты которых превышают значение UJ .
Оценим влияние погрешности взятия отсчетов при представлении сигнала рядом Котельникова.
Атомарные функции в задачах фильтрации и цифровой обработки сигналов Таким образом, погрешности представления сигнала рядом (1.57) обуславливается следующими причинами: ошибками измерения отсчета, квантованием по времени и уровню, искажением спектра в переходной области частотной характеристики {—cos,—coc)u(coc,cosj, а также пренебрежением спектральными составляющими вне полосы пропускания (—ею,— ws )u(a;s,oo) . Представим {/( nAt ) в виде суммы U(nAt) = ср0 (nAt) + cpcs (nAt) + cps (nAt), где 0 ( nAt ) - дискретные отсчеты, функции со спектром строго ограниченным полосой частот [—coc,cocj, (p1(nAt) - дискретные отсчеты, функции со спектром ограниченным частотами [—cos,— coc)u(coc,cosj, cp2(nAt) - дискретные отсчеты, функции со спектром строго ограниченным полосой частот (—ею,— со s)u (со s,oo), причем U(t) = p0(t) + pcs(t) + ps(t). Выражение (67) примет вид ОО оо ( _ U1(t) = ( p0(nAt) + pa(nAt) + ps(nAt))f[smc - (t-nAt) . (1.58) n=-oo ]=1 \l\CL Пусть значения дискретных выборок U ( nAt ) определены с ошибкой ALf(nAt) и составляет величину U (nAt) учетом (1.58] и (1.593 запишется так ОО U2(t)= J2 (v0(nAt) + ipcs(nAt) + ips(nAt) + AU(nAt))x ОО ] [sinc ]=1 con Da ( t-nAt ) ОО ОО CO TV Daj U1(t) + J2 U{nAt)Ylsinc —p1(t-nAt) =U1(t) + N(t), ;=1 где N ( t ) - погрешность, учитывающая ошибку взятия отсчета. Вычислив ср„ _„УЮ 0ШИ6КУ еосстаноеления „(,) поеле „решение
Весовая функция wKJI(t) также как и wKK(t) зависит от трех параметров: М, г, А, входящих в (1.62). Изменяя их последовательно, получим весовые функции (окна) с различными физическими характеристиками. На рис. 1.21 представлены весовые функции Кравченко-Левитана для разных значений Миг при А = 0.5. Ряд (1.61) имеет несколько лучшую сходимость по сравнению с (1.23). Это объясняется тем, что в (1.61) функция sinc ( t ) возводится в степень 2г + 2, г = 0,1,2,.... В табл. 1.5 приведены физические характеристики весовых функций Кравченко-Котельникова и Кравченко-Левитана, из которых видно, что они обладают хорошими временными и частотными свойствами.
Локусы сложной формы и опорные области двумерных цифровых фильтров с конечной импульсной характеристикой
Ортогональные WA-системы функций {haM}, построенные на основе АФ h (x) обладают гладким преобразованием Фурье [6-8, 26]. Это позволяет обеспечить лучшую временную локализацию по сравнению с вейвлетами Котель-никова-Шеннона. Их построение осуществляется с помощью сопряженных зеркальных фильтров (см. (2.2)), с нормировкой m0 (o) = v2 принадлежащих С". Учитывая свойства АФ ha ( x ) , можно упростить вывод функции масштабирования /Т10 ( ) . Для этого модифицируем функцию Ла(х) согласно условиям.
Вне интервала [Гі,Гб] она равна нулю, а на интервале [Гз,Г4] принимает постоянное значение (имеет плоскую вершину). В общем случае для выполнения условий 2.1-2.3 используются линейные комбинации сдвигов и сжатий АФ \(х) для разложения единицы на заданном интервале. Кроме того, в частном случае можно применить модифицированную функцию \(х) без дополнительных преобразований, как это делается, например, в случае с вейвлетами Мейера [3,4,8]. Для формирования функции ф(ш) , удовлетворяющей условиям 2.1-2.3 и Теоремам 2.1-2.3, воспользуемся общим подходом. Частичная сумма ряда разложения единицы по функциям \(х) этом случае необходимо выполнение условий 2.1-2.3 для линейной комбинации функций ha ( x ) . Для случая формирования частичной суммы для произвольного M носителем является отрезок
Применение WA-систем функций в задачах радиофизики Модифицированная функция удовлетворяет условиям 1-3. Получаем вы-ражения спектров для масштабирующей и оейвлетных функций
В табл. 2.4 приведены результаты вычисления констант неопределенности построенных WA-систем функций для различных значений а, а также вейвлетов Мейера, Котельникова-Шеннона на носителе [—8;8]. Более подробный их анализ дан в [8,26].
Известно, что базисные вейвлет-функции обладают широкими возможностями как в цифровой обработке данных, так и в задачах физического моделирования. Однако наибольшее распространение вейвлет-анализ получил в цифровой обработке сигналов (сжатие, кодирование, фильтрация, контурный анализ, распознавание, обнаружение и т.д.). Рассмотрим применение построенных ортогональных вейвлетов для удаления шума из сигнала. Он позволяет выявить преимущества и недостатки базисных вейвлет-функций. Модель за-шумленного сигнала имеет вид s(n) = fs(n) + ae(n), (2.27) где f (п) — полезный сигнал; а— уровень шума; е{п) — шум. Глава 2. Применение WA-систем функций в задачах радиофизики Задача состоит в том, чтобы подавить шумовую часть е{п) и восстановить fs(n). Для анализа сигнала необходимо осуществить вейвлет преобразование зашумленных данных. При этом сигналы раскладываются по вейвлет-базисам на аппроксимирующие коэффициенты cAj, которые представляют собой сглаженный сигнал и детализирующие коэффициенты cDj, описывающие колебания и неоднородности. Следовательно, шумовая составляющая больше отражается в cDj, поэтому при удалении шума необходимо обрабатывать детализирующие коэффициенты. Как правило, шумовая компонента представляет собой сигнал меньший по модулю, чем основной. Простейший способ удаления шума состоит в том, чтобы сделать нулевыми значения коэффициентов, которые меньше некоторого порогового значения го. Следовательно, осуществляется пороговая обработка коэффициентов - трешолдинг. Различают жесткий и мягкий трешолдинг.
При решении задачи шумоподавления необходимо оценить спектральный состав шумовой компоненты, выбрать тип пороговой обработки и критерий расчета самого порога то. От выбора порогового уровня зависит качество удаления шума в данных, оцениваемое в виде отношения сигнал/шум. При малых значениях порога в коэффициентах детализации сохраняется шум, что приводит к незначительному увеличению отношения сигнал/шум. При больших значениях порога теряются коэффициенты, несущие важную информацию, поэтому необходимо найти такое значения го, которое при наименьшем смещении восстановленного сигнала обеспечивает наибольшее значение отношения сигнал/шум. Качество шумоподавления зависит от способа применения пороговой обработки: значение го используется на всех уровнях разложения; го изменяется от уровня к уровню; го не только изменяется в зависимости от уровня разложения, но и зависит от позиции коэффициентов детализации. Пример 2.1. Рассмотрим характериный пример фильтрации сильнозашум ленного сигнала с помощью вейвлетов {haM} и Мейера. Полезный сигнал представляет собой сумму двух гармонических колебаний sin 10 3px px sin М = На вход фильтра подается смесь полезного сиг нала с шумом у1 (х) = у(х) + п(х) , причем мощность шума составляет 121 % от мощности полезного сигнала. На рис. 2.3 представлены входной и эталонный
Применение функций Кравченко-Кайзера к задачам весового усреднения разностной частоты
Проблемы, связанные с синтезом функции неопределенности (ФН) и автокорреляционной функции (АвФ) в задачах синтезирования апертуры антенн рассматривались в [1-4] на основе семейства атомарных функций [4-8]. Известно, что практическая реализация современных радиолокационных систем (РЛС) представляет собой сложную задачу [8-15]. При их разработке и проектировании необходимо учитывать различные физические характеристики с целью улучшения качества работы систем. Поэтому основу цифровой обработки многомерных сигналов должны составлять многопараметрические алгоритмы, позволяющие варьировать физическими характеристиками и режимом работы РЛС в целом. Эффективность РЛС в основном определяется видом используемых в ней зондирующих сигналов (ЗС), выбор которых зависит от конкретных требований к системе по дальности действия, разрешающей способности, качеству обнаружения, а также точности оценивания координат и параметров целей. Одной из таких физических характеристик ЗС РЛС является ФН, впервые введенная Вилле [10]. Ее также называют ФН Вудворда, так как ему принадлежат первые работы, в которых были рассмотрены основные свойства ФН [11]. Затем функция неопределенности получила широкое развитие в работах как отечественных, так и зарубежных специалистов.
Для повышения надежности обнаружения слабых сигналов на фоне помех используются сложные ЗС. При этом они должны обладать ФН определенного вида, а также обеспечивать низкий уровень боковых лепестков и высокую разрешающую способность по задержке и частоте. Применение теории АФ позволяет проводить многопараметрический анализ и синтез ЗС, в частности получить обобщение ФН по времени и частоте на основе АФ [4-7].
Функция неопределенности (ФН) по времени и частоте является двумерной автокорреляционной функцией ЗС. Ее основные свойства приведены в [8-11]. Запишем ее следующим образом: x(r,F ) = Їf\t + 1- f t- exp ( i2irFt ) dt, (4.21) — oo где символ « » означает комплексное сопряжение. Используя [5-6], введем в подынтегральное выражение (4.21) весовую функцию (ВФ) (окно) Кравченко, построенную на основе АФ.
В этом можно убедиться, заменяя т, F в числителе на — т, —F, а также проведя замену переменной интегрирования s = t — r. Вынося после этого множитель exp (/27rFr) с единичным модулем за знак интеграла, мы перейдем от функции xK(-F,a) к функции xK(T F a)-Свойство 2. Единичный объем тела неопределенности причем, имея в виду измерения, это свойство называют принципом неопределенности в радиолокации.
При заданном параметре обнаружения q степень спадания функции XK{r,F,a ) в окрестности максимума т = 0, F = 0 характеризует точность измерения времени задержки tz и девиацию частоты д. Боковые выбросы определяют возможную неоднозначность измерения. Согласно (4.24) уменьшить объем тела неопределенности нельзя.
Вертикальное сечение ФНК плоскостью нулевого временного рассогласования характеризует модуль оконного фурье-преобразования квадра огибающей амплитуд \f(t)\ сигнала
Таким образом, получено новое пространственно-временное преобразование: функция неопределенности по времени и частоте Кравченко, которое дополнительно зависит от весовой функции в (t) и параметра а. Проведенный численный эксперимент, а также анализ физических результатов для различных весовых функций [7, 9, 10] показал, что для анализа и синтеза радиолокационных сигналов ФНК является эффективной.
Рассмотрим влияние АФ fupw(t) и параметра а на формирование ФНК на следующих примерах. Пример 4.1. Прямоугольный импульс без частотной модуляции. Сигнал /(t) = step(t) - прямоугольный импульс, a #(t) = fup3(t), step(t) (4.27) 1, при t 1, 0, при t 1. На рис. 4.2 приведены графики функций f(t) (сплошная линия) и в(Х) (пунктирная линия), а на рис. АЗа-в поведение ФНК для разных значений параметра а. ФН сигнала f(t) изображены на рис. 2,2. Рис. 4.2. Графики временной зависимости функции /(t) (сплошная линия) и 0(t) = fup3(t) (пунктирная линия). Глава 4. Обработка радиолокационных сигналов и синтезирование апертуры антенны атомарными функциями 136 a] б] т т в) г] Рис. 4.3. Срезы ФН xK(T F a) плоскостями: а] а = 0; б] а = 0,5; в] а = 1; г] #х (t) 1. Пример 4.2. Прямоугольный импульс с линейной частотной модуляцией. Сигнал f(t) = step(t)exp(i57rt2). На рис. 4.4 изображены графики изменения закона модуляции, а также действительной (сплошная линия] и мнимой (пунктирная линия] частей сигнала с линейной частотной модуляцией (ЛЧН].