Cyfrowa Filtracja Sygnałów Biomedycznych z Wykorzystaniem Matlab
- Szczegóły
Artykuł ten poświęcony jest cyfrowej filtracji sygnałów biomedycznych z użyciem programu Matlab. Przedstawione zostaną podstawy teoretyczne, algorytmy oraz praktyczne przykłady implementacji filtrów cyfrowych.
1. Wprowadzenie do Sygnałów i Ich Parametrów
Na początek omówimy podstawowe pojęcia związane z sygnałami, ich klasyfikację oraz parametry.
- Pojęcia podstawowe: Definicja sygnału i jego reprezentacja.
- Klasyfikacja sygnałów: Podział na sygnały deterministyczne i losowe.
1.1. Sygnały Deterministyczne
Sygnały deterministyczne charakteryzują się tym, że ich wartość w każdym momencie czasu można dokładnie określić. Omówimy parametry tych sygnałów, takie jak amplituda, częstotliwość i faza.
- Parametry: Amplituda, częstotliwość, faza.
- Przykłady: Sygnał sinusoidalny, sygnał prostokątny.
- Sygnały zespolone: Reprezentacja sygnałów za pomocą liczb zespolonych.
- Rozkład sygnałów na składowe: Analiza harmoniczna.
- Funkcja korelacji własnej i wzajemnej: Mierzenie podobieństwa między sygnałami.
- Splot sygnałów: Operacja matematyczna łącząca dwa sygnały.
- Transformacja Fouriera: Rozkład sygnału na składowe częstotliwościowe.
1.2. Sygnały Losowe
Sygnały losowe, w przeciwieństwie do deterministycznych, mają charakter stochastyczny. Omówimy zmienne losowe, procesy losowe oraz ich funkcje korelacji i kowariancji.
- Zmienne losowe: Definicja i rodzaje zmiennych losowych.
- Procesy losowe, stacjonarność, ergodyczność: Właściwości procesów losowych.
- Funkcje korelacji i kowariancji, gęstość widmowa mocy: Charakterystyki statystyczne sygnałów losowych.
- Estymatory parametrów i funkcji: Metody szacowania parametrów sygnałów losowych.
- Filtracja sygnałów losowych: Usuwanie zakłóceń z sygnałów losowych.
1.3. Ćwiczenie Komputerowe
Przykład ćwiczenia komputerowego w Matlabie, ilustrującego podstawowe operacje na sygnałach.
Przeczytaj także: DokuWiki i filtracja cyfrowa
2. Podstawy Matematyczne Analizy Sygnałów Deterministycznych
Ważnym aspektem jest matematyczne podłoże analizy sygnałów deterministycznych. Omówimy przestrzenie sygnałów, dyskretne reprezentacje sygnałów ciągłych oraz przekształcenia całkowe.
- Przestrzenie sygnałów deterministycznych.
- Dyskretne reprezentacje ciągłych sygnałów deterministycznych.
- Ciągłe reprezentacje ciągłych sygnałów deterministycznych - przekształcenia całkowe.
- Reprezentacje sygnałów dyskretnych - przestrzenie wektorowe.
Przykład ćwiczenia komputerowego związanego z analizą sygnałów deterministycznych.
3. Szereg Fouriera
Szereg Fouriera pozwala na rozkład sygnału na sumę funkcji sinusoidalnych. Omówimy ortogonalne funkcje bazowe, harmoniczne zespolone i rzeczywiste funkcje bazowe.
- Ortogonalne funkcje bazowe.
- Harmoniczne zespolone funkcje bazowe.
- Harmoniczne rzeczywiste funkcje bazowe.
Przykład obliczeniowy i ćwiczenie komputerowe związane z szeregiem Fouriera.
Szereg Fouriera sygnałów dyskretnych - dyskretne przekształcenie Fouriera.
Przeczytaj także: Kluczowe aspekty Filtracji Cyfrowej DTFT
4. Całkowe Przekształcenie Fouriera
Całkowe przekształcenie Fouriera jest narzędziem do analizy widmowej sygnałów. Omówimy definicję, podstawowe właściwości oraz transformaty Fouriera wybranych sygnałów.
- Definicja.
- Podstawowe właściwości.
- Transformaty Fouriera wybranych sygnałów.
- Widmo iloczynu i splotu dwóch sygnałów.
- Twierdzenie o próbkowaniu.
- Widmo sygnału spróbkowanego.
Przykład ćwiczenia komputerowego związanego z całkowym przekształceniem Fouriera.
5. Układy Analogowe
Omówimy analogowe układy LTI (liniowe, niezmienne w czasie), transmitancję układu, zera i bieguny oraz przekształcenie Laplace'a.
- Analogowe układy LTI.
- Transmitancja układu analogowego, zera i bieguny.
- Przekształcenie Laplace'a, transmitancja Laplace'a.
- Wykresy Bodego.
- Złożone układy analogowe LTI.
- Analiza matematyczna wybranych układów.
Przykłady projektowania i ćwiczenie komputerowe związane z układami analogowymi.
6. Analogowe Filtry Butterwortha i Czebyszewa
Szczegółowo omówimy projektowanie filtrów Butterwortha i Czebyszewa, transformację częstotliwości oraz sprzętową implementację filtrów analogowych.
Przeczytaj także: Sygnały pomiarowe i ich filtracja
- Ogólne zasady projektowania filtrów analogowych.
- Transformacja częstotliwości.
- Filtry Butterwortha.
- Filtry Czebyszewa typu I.
- Filtry Czebyszewa typu II.
- Sprzętowa implementacja filtrów analogowych.
7. Dyskretyzacja Sygnałów Analogowych
Proces dyskretyzacji sygnałów analogowych jest kluczowy w przetwarzaniu cyfrowym. Omówimy podstawy, przetworniki analogowo-cyfrowe i cyfrowo-analogowe oraz tor przetwarzania sygnałów.
- Podstawy.
- Przetworniki analogowo-cyfrowe.
- Przetworniki cyfrowo-analogowe.
- Tor przetwarzania analogowo-cyfrowego i cyfrowo-analogowego.
8. Analiza Częstotliwościowa Sygnałów Dyskretnych
Analiza częstotliwościowa sygnałów dyskretnych jest niezbędna do zrozumienia ich właściwości. Omówimy widmo Fouriera, dyskretne transformaty Fouriera oraz dyskretne okna czasowe.
- Widmo Fouriera sygnałów dyskretnych.
- Przykłady dyskretnych transformat Fouriera sygnałów.
- Interpretacja dyskretnego przekształcenia Fouriera.
- Tor przetwarzania sygnałów podczas analizy częstotliwościowej.
- Dyskretne okna czasowe.
Przykłady analizy częstotliwościowej z wykorzystaniem funkcji okien.
Szybkie wyznaczanie funkcji autokorelacji i funkcji gęstości widmowej mocy.
9. Algorytmy Wyznaczania Dyskretnej Transformacji Fouriera
Przedstawimy różne algorytmy obliczania dyskretnej transformacji Fouriera, w tym metodę bezpośrednią, algorytm Goertzela oraz szybką transformację Fouriera (FFT).
- Metoda bezpośrednia.
- Algorytm Goertzela.
- Rekurencyjne wyznaczanie sekwencji dyskretnych transformat Fouriera.
- Transformacja świergotowa - lupa w dziedzinie częstotliwości.
- Szybka transformacja Fouriera - algorytmy radix-2.
Szybka transformacja Fouriera dla sygnałów rzeczywistych.
Dwuwymiarowa dyskretna transformacja Fouriera.
Wyznaczanie DCT metodą szybkiej transformacji Fouriera.
10. Układy Dyskretne
Omówimy układy dyskretne LTI, algorytm filtracji sygnałów za pomocą tych układów oraz transformację Z.
- Układy dyskretne LTI.
- Algorytm filtracji sygnałów za pomocą dyskretnych układów LTI.
- Transformacja Z.
- Odwrotna transformacja Z.
- Właściwości transformacji Z.
- Transmitancja układów dyskretnych.
Przykłady projektowania układów dyskretnych metodą "zer i biegunów".
Przykład ćwiczenia komputerowego związanego z układami dyskretnymi.
11. Projektowanie Rekursywnych Filtrów Cyfrowych
Przedstawimy metody projektowania rekursywnych filtrów cyfrowych, takie jak metoda Yule’a-Walkera, metoda niezmienności odpowiedzi impulsowej oraz metoda transformacji bilinearnej.
- Wymagania stawiane filtrom cyfrowym.
- Metoda Yule’a-Walkera.
- Metoda niezmienności odpowiedzi impulsowej.
- Metoda dopasowanej transformacji Z.
- Metoda transformacji bilingowej.
Przykłady projektowania filtrów w języku Matlak.
Przykład ćwiczenia komputerowego związanego z projektowaniem filtrów rekursywnych.
12. Projektowanie Nierekursywnych Filtrów Cyfrowych
Omówimy metody projektowania nierekursywnych filtrów cyfrowych, takie jak metoda próbkowania w dziedzinie częstotliwości, metoda optymalizacji średniokwadratowej oraz metoda okien.
- Wprowadzenie.
- Metoda próbkowania w dziedzinie częstotliwości.
- Metoda optymalizacji średniokwadratowej.
- Metoda aproksymacji Czebyszewa (algorytm Remeza).
- Metoda okien.
Filtry specjalne: Filtr Gilberta, Filtr różniczkujący, Filtr interpolatora i decymatora cyfrowego.
Przykład ćwiczenia komputerowego związanego z projektowaniem filtrów nierekursywnych.
Synchronizacja próbek wejściowych i wyjściowych filtra.
13. Algorytmy Filtracji Cyfrowej
Przedstawimy klasyczne struktury filtrów cyfrowych, strukturę zmiennych stanu oraz algorytmy szybkiego splotu sygnałów dyskretnych.
- Klasyczne struktury filtrów cyfrowych.
- Struktura zmiennych stanu.
- Inne struktury filtrów cyfrowych.
- Splot liniowy i kołowy.
- Algorytmy szybkiego splotu sygnałów dyskretnych.
- Algorytmy sekcjonowanego szybkiego splotu sygnałów dyskretnych.
Przykład ćwiczenia komputerowego związanego z algorytmami filtracji cyfrowej.
14. Filtry Adaptacyjne
Omówimy filtry adaptacyjne, filtrację optymalną (filtr Wienera) oraz gradientowe filtry adaptacyjne (LMS, RLS).
- Wprowadzenie.
- Podstawy filtracji adaptacyjnej.
- Filtracja optymalna - filtr Wienera.
- Gradientowe filtry adaptacyjne.
- Filtry adaptacyjne LSM - bez pamięci.
- Filtry adaptacyjne LS (RLS) - filtry z pamięcią.
Przykłady zastosowań filtrów adaptacyjnych.
Przykład ćwiczenia komputerowego - filtr adaptacyjny (N)LMS.
15. Liniowa Estymacja Rekursywna
Przedstawimy metodę najmniejszych kwadratów, filtry RLS i WRLS oraz metodę minimalno-średniokwadratową (filtr Kalmana).
- Metoda najmniejszych kwadratów. Filtry RLS i WRLS.
- Metoda minimalno-średniokwadratowa. Filtr Kalmana.
16. Zaawansowane Metody Analizy Częstotliwościowej Sygnałów
Omówimy modelowanie parametryczne AR, MA i ARMA oraz metody podprzestrzeni (Pisarenki, MUSIC, EV, MV, ESPRIT).
- Wprowadzenie.
- Modelowanie parametryczne AR, MA i ARMA.
- Metody podprzestrzeni.
Przykład ćwiczenia komputerowego związanego z zaawansowanymi metodami analizy częstotliwościowej.
17. Metody Czasowo-Częstotliwościowej Analizy Sygnałów
Przedstawimy transformację Gabora, krótkoczasową transformację Fouriera (STFT), transformację falkową oraz transformację Wignera-Ville’a.
- Problem analizy czasowo-częstotliwościowej.
- Transformacja Gabora.
- Krótkoczasowa transformacja Fouriera STFT.
- Transformacja falkowa.
- Transformacja Wignera-Ville’a.
- Reprezentacje czasowo-częstotliwościowe z klasy Cohena.
Przykłady zastosowań metod czasowo-częstotliwościowej analizy sygnałów.
Przykład ćwiczenia komputerowego związanego z analizą czasowo-częstotliwościową.
18. Zespoły Filtrów
Omówimy pojęcia podstawowe związane z zespołami filtrów, takie jak decymator, interpolator, dekompozycja polifazowa sygnałów oraz warunek perfekcyjnej rekonstrukcji.
- Wprowadzenie.
- Pojęcia podstawowe.
- Opis matematyczny zespołu filtrów.
- Zespoły filtrów z modulacją zespoloną.
- Zespoły filtrów z modulacją kosinusową.
Implementacja programowa zespołu filtrów standardu MPEG audio.
19. Projekt LPC-10: Podstawy Kompresji i Rozpoznawania Sygnału Mowy
Przedstawimy model generacji sygnału mowy, układ decyzyjny "mowa dźwięczna/bezdźwięczna" oraz algorytm kodera i dekodera mowy standardu LPC-10.
- Wprowadzenie.
- Model generacji sygnału mowy.
- Układ decyzyjny "mowa dźwięczna/bezdźwięczna".
- Wyznaczanie filtra traktu głosowego.
- Algorytm kodera i dekodera mowy standardu LPC-10.
Przykład programu komputerowego.
Od kodowania do rozpoznawania mowy.
20. Projekt LPC-10: Kompresja Sygnału Mowy - Metody Zaawansowane
Omówimy metodę Durbina-Levinsona oraz filtry kratowe.
- Metoda Durbina-Levinsona.
- Filtry kratowe.
Przykładowy program komputerowy.
tags: #cyfrowa #filtracja #sygnałów #biomedycznych #matlab #przykłady
