Здесь можно найти учебные материалы, которые помогут вам в написании курсовых работ, дипломов, контрольных работ и рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.
Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение оригинальности любого файла в формате MS Word. После такого повышения оригинальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, РУКОНТЕКСТ, etxt.ru. Программа «StudentHelp» работает по уникальной технологии так, что на внешний вид, файл с повышенной оригинальностью не отличается от исходного.
Работа № 85267
Наименование:
Курсовик Проектирование режекторного эллиптического цифрового фильтра
Информация:
Тип работы: Курсовик.
Предмет: Схемотехника.
Добавлен: 02.03.2015.
Год: 2015.
Страниц: 49.
Уникальность по antiplagiat.ru: < 30%
Описание (план):
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «ПОВОЛЖСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ» Кафедра ИВС
Проектирование цифрового фильтра Пояснительная записка к курсовой работе по дисциплине «Цифровая обработка сигналов»
Йошкар-Ола 2015 Техническое задание Данные: 4,5 кГц — частота среза; 5,1 кГц — частота задержания; - 3 дБ — коэффициент усиления на частоте среза; - 60 дБ — коэффициент усиления на частоте задержания; 50 кГц — частота дискретизации; 8,1 кГц — частота полосы прозрачности; 13,05 кГц — частота полосы режекции; Фильтр: Режекторный Тип аппроксимации: Эллиптический; Область использования: Обработка видеоизображений.
Задание: Введение. Использование фильтров в фильтрации изображений. Теоретические основы построения цифровых фильтров I. Синтез ЦФНЧ прототипа заданной аппроксимации. II. Анализ ЦФНЧ прототипа эллиптической аппроксимации (диаграмма нулей и полюсов, структура, ИК). III. Преобразование ЦФНЧ прототипа в режекторный фильтр. IV. Влияние эффектов квантования на характеристики реального фильтра. V. Аппаратная реализация полосового фильтра.
? Введение Цифровая обработка сигналов, базируясь на математике семнадцатого и восемнадцатого столетий, в настоящее время стала важным инструментом во многих областях науки и техники. Методы и применения цифровой обработки стары, как методы Ньютона и Гаусса, и молоды, как цифровые ЭВМ и интегральные схемы. Цифровая обработка сигналов – наука о представлении сигналов в цифровом виде, методах обработки таких сигналов. Она охватывает множество предметных областей, таких как обработка изображений и биомедицинских данных, обработка звука и речи, обработка сигналов с сонаров, радаров и сенсоров, спектральный анализ. Например, при анализе электроэнцефалограмм, электрокардиограмм, а также передаче и распознавании речи требуется выделять некоторые характерные параметры сигнала. Иногда же возникает необходимость отделения помехи типа шума от сигнала или приведения сигнала к виду, который наиболее удобен для пользователя. В качестве другого примера обработки сигналов можно привести случай, когда сигнал, передаваемый по каналу связи, подвергается различным искажениям и приемник компенсирует их. Обрабатываются не только сигналы одной размерности. Так, в случаях, связанных с обработкой изображений, необходимо использовать методы двумерной обработки сигналов. Это нужно для улучшения рентгеновских изображений, улучшения и анализа изображений при аэрофотосъемке для обнаружения лесных пожаров или повреждения посевов, анализе фотографий, полученных с помощью метеорологических спутников, а также для улучшения телевизионных изображений Луны и дальнего космоса. Цифровая обработка видеосигнала применяется для различных изменений, улучшений передачи видеосигнала. Наиболее часто встречаются
применения цифровых фильтров для подавления шума, возникшего при передаче сигнала, для обрезки краёв кадра, для изменения размеров кадра, для увеличения чёткости или сглаживания изображения, а также для цветовой коррекции изображения. Функция изменения размеров изображений является настолько необходимой, что встречается во всех графических редакторах. В обработке сигналов изменение размеров данных называется ресемплированием (от англ. resample). Это означает, что поток данных изменяется до определенной величины, при которой возможно воспроизведение начального потока с разным количеством данных. При обработке изображений стоит задача изменить изображение при сохранении в максимальной степени данных исходного изображения с минимальным использованием памяти и минимальным расходом времени. Основная задача процедуры изменения изображения – это сохранение информации об исходном изображении при меньшем количестве точек. При увеличении изображения необходимо создать новые данные, которые будут заполнять отсутствующие данные в конечном изображении. Для примера можно предположить, что NS – данные исходного изображения, а ND – данные конечного изображения. Рассмотрение будет проходить в одномерном пространстве. Самый простой способ ресемплировать что-нибудь является выбор каждого Floor (NS/ND) пиксел исходных данных. Например, если NS = 10, а ND = 2 (что означает уменьшение исходных данных в NS/ND = 10/5 = 2 раза), то будет необходимо выбрать каждый второй пиксел исходного изображения. Эта операция проста и быстра, но результат далек от идеала. При данном методе теряется очень много данных исходного изображения. Хуже того, при увеличении размера изображения производится выбор одних и тех же данных снова и снова. Если NS = 5, а ND = 20, то один исходный пиксел будет участвовать в создании четырех новых пикселов. При этом появляется эффект "толстого пиксела". Коротко говоря, при использовании данного метода в изображении не появляются никакие новые данные, так как
в построении конечного изображения принимают участие исходные данные. Другой метод изменения размера изображения – метод бикубического ресемплирования. Этот метод схож с алгоритмом билинейной интерполяции в том, что используются исходные данные для усреднения значения в конечном массиве пикселов. Билинейная интерполяция это создание прямой линии между двумя точками, которая будет использоваться для восстановления изображения. В бикубической интерполяции будет создаваться кривая вида x^3 + x^2 + x + c. Результат получается гораздо лучше. В линейном ресемплировании используются две точки для получения информации об одной новой, в то время как бикубическое ресемплирование использует 4 точки для восстановления информации об одной точке. В результате каждая точка в конечном массиве пикселов восстанавливается в два раза большим количеством исходных пикселов и кубической сглаживание позволяет выполнять математическое восстановление изображения гораздо лучше. Изображения, полученные после обработки с помощью бикубической интерполяции (т.е. кубическая интерполяция, проведенная по обоим направлениям X и Y), являются более четкими, так как восстановление изображения проходит более точно при использовании кривой по трем точкам и в создании конечных пикселов принимает участие большое количество исходных пикселов. С другой стороны, при реализации данного метода затрачивается большое количество времени для проведения математических расчетов. Самым простым фильтром для обработки цифровых изображений является фильтр, выполняющий поэлементное преобразование. Ниже приведен перечень основных поэлементных операций. Усиление контраста, или сигнала яркости (Y). Эта операция одновременно управляет усилением по трем основным каналам и, следовательно, не влияет на цветовую информацию. Усиление сигнала Y соответствует поэлементному умножению значений всех пикселов изображения на один и тот же положительный или отрицательный коэффициент усиления g (n1, n2) = af (n1,n2) (1) где a – постоянный множитель. Изменение яркости, или уровня черного в сигнале Y. Эта операция позволяет управлять величиной смещения или сдвига, применяемого ко всем значениям яркости пикселов, что приводит к повышению или понижению яркости изображения в целом. Поскольку неверное значение уровня постоянной составляющей (уровня черного) слишком часто является проблемой в случае реальных изображений. Обычно предоставляется возможность управления данным уровнем как в положительном, так и в отрицательном направлении. Если до обработки изображение выглядит слишком светлым, оператору нужно внести отрицательную поправку по уровню постоянной составляющей сигналаY, чтобы скомпенсировать повышенные значения яркости изображения. Изменение яркости соответствует поэлементному суммированию значений всех пикселов изображения с одним и тем же положительным или отрицательным коэффициентом g(n1,n2 ) = f (n1,n2 ) + b, (2) где b – постоянное смещение. Коэффициенты a и b называются константным оператором. Изменение насыщенности и цветового тона или усиление цветоразностных сигналов синего (B-Y) и красного (R-Y) цветов. Регулировки усиления составляющих B-Y и R-Y воздействуют по отдельности на значения цветности пикселов изображения. B-Y –усиление влияет на увеличение или уменьшение значений цветности вдоль цветовой оси синий – желтый. R-Y -усиление влияет на увеличение или уменьшение значений цветности вдоль цветовой оси красный – зеленый. Оси B-Y и R-Y являются цветовыми и используются при кодировании и декодировании телевизионного изображения. Как следствие, они подвержены всевозможным искажениям, вносимым данной аппаратурой. Именно такие скалярные искажения цветового тона исправляются этими регулировками. Усиление сигнала B-Y соответствует поэлементному умножению значений отсчетов сигнала B-Y на один и тот же положительный или отрицательный коэффициент усиления. Усиление сигнала R-Y соответствует поэлементному умножению значений отсчетов сигнала R-Y на один и тот же положительный или отрицательный коэффициент усиления. Одновременное умножение всех значений отсчетов сигналов B-Y и R-Y на один и тот же положительный или отрицательный коэффициент усиления приводит к изменению насыщенности цвета изображения. Оконные операции, или операции над группами точек, сложнее, чем точечные, так как в них значения отдельного пикселя вычисляются на основе значений пикселов расположенных в его окрестности. Обобщенное представление фильтра окна 3х3 приведено на рис.1. Процесс, который выполняется для вычисления нового значения пиксела по значениям других элементов, называется сверткой...
Выход
Графики показывают имитацию работы стартового комплекса по обработке входного сигнала. На графиках показаны спектры входного и выходного сигналов соответственно. По спектру выходного сигнала видно, что искажения на выходе уменьшились. С момента своего появления DSP нашли разнообразное применение в бытовой технике, промышленности, медицине и других областях современной электроники. Одним из примеров реализации системы обработки изображений на основе DSP является выходной контроль печатных плат. Система работает на основе сравнения изображений платы-эталона и вновь произведенной платы, когда она проходит перед видеокамерой. В настоящее время почти все производители микроконтроллеров и даже ПЛИС приступили к выпуску DSP. Для решения сложных задач можно выбрать варианты микросхем с реализацией нескольких DSP на одном кристалле.
? Текст программы, реализующей режекторный фильтр Эллиптической аппроксимации на процессоре DSP56000
Список литературы 1. Алексеенко С.С., Верещагин А.В. Аналоговые и цифровые фильтры – СПб.: БГТУ, 1997. 2. Антонью А. Цифровые фильтра: анализ и проектирование – М.: Радио и связь, 1983. 3. Введение в цифровую фильтрацию/ под ред. Богнера: Пер. с англ. – М.: Мир, 1976. 4. Гольденберг Л.М. Цифровая обработка сигналов. Учеб. пособие – М.: РИСВ, 1990. 5. Глинченко А.С. Цифровая обработка сигналов. 6. Карташев В.Г. Основы теории дискретных сигналов и цифровой фильтрации – М.: Высшая школа, 1982. 7. Сергиенко А. Б. Цифровая обработка сигналов. - СПб.: Питер, 2002 8. В.П. Дьяконов. Matlab 6.5 SP1/7 + Simulink 5/6. Обработка сигналов и проектирование фильтров. М.: СОЛОН-Пресс, 2005. - 576с.
* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.
