Question |
Answer |
|
start learning
|
|
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.
|
|
|
Czym jest FFT i jaką przewagę daje nad zwykłym DFT? start learning
|
|
FFT to algorytm ("Dziel i Rządź") do szybkiego liczenia DFT. Redukuje złożoność obliczeniową z kwadratowej do logarytmicznej. Umożliwia to przetwarzanie sygnałów w czasie rzeczywistym
|
|
|
Na czym polega algorytm FFT (Radix-2) i skąd bierze się jego szybkość? start learning
|
|
Dzieli próbki 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"
|
|
|
Wymień 4 kroki algorytmu tworzenia STFT (spektrogramu). start learning
|
|
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
|
|
|
Opisz okno Hanninga (kształt i właściwości). start learning
|
|
Kształt 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. start learning
|
|
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
|
|
|
Opisz okno prostokątne (kształt i widmo). Kiedy jest używane? start learning
|
|
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.
|
|
|
Co oznaczają pojęcia liniowości i stacjonarności w kontekście filtru FIR? start learning
|
|
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? start learning
|
|
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.
|
|
|
|
start learning
|
|
Cecha systemu, gdzie wyjście zależy tylko od teraźniejszości i przeszłości. Wymaga, by $h[n]=0$ dla $n
|
|
|
|
start learning
|
|
Filtr IIR jest stabilny (BIBO), jeśli wszystkie bieguny jego transmitancji $H(z)$ znajdują się ściśle wewnątrz okręgu jednostkowego na płaszczyźnie zespolonej ($|z| < 1$).
|
|
|
Czym jest transformacja biliniowa? start learning
|
|
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.
|
|
|
Kompresja bezstratna (Entropowa) start learning
|
|
Wykorzystuje statystyke zrodla. Polega na reprezentacji komunikatow za pomoca sredniej liczby bitow bliskiej Entropii (H = -sum p_m * log2 p_m). Nie usuwa informacji, a jedynie redundancje (nadmiarowosc). Przyklad: kodowanie Huffmana lub RLE.
|
|
|
Kompresja stratna (Percepcyjna) start learning
|
|
suwa dane nieistotne (niezauwazalne dla czlowieka). Wykorzystuje transformacje (np. DCT) do dekorelacji oraz modele psychoakustyczne (maskowanie). Pozwala na drastyczne zmniejszenie pasma kosztem aproksymacji sygnalu (szum kwantyzacji).
|
|
|
|
start learning
|
|
średnia ważona ilości informacji niesionej przez pojedynczą wiadomość, gdzie wagami są prawdopodobieństwa nadania poszczególnych wiadomości
|
|
|
Splot dyskretny (liniowy) start learning
|
|
Suma iloczynów próbek sygnału wejściowego $x(k)$ i przesuniętej odpowiedzi impulsowej $h(n-k)$. Podstawowa operacja w cyfrowym przetwarzaniu sygnałów.
|
|
|
|
start learning
|
|
Splot liniowy opisuje filtrację rzeczywistą. Splot kołowy wynika z użycia DFT. Aby były równe, sygnały muszą być odpowiednio uzupełnione zerami (padding)
|
|
|
Definicja i właściwości splotu liniowego start learning
|
|
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 start learning
|
|
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.
|
|
|