Статьи и вопросы по тегу "цифровая обработка сигналов"

Встретимся на форуме «ЭЛЕКТРИЧЕСКИЕ СЕТИ» (МФЭС) 22-25 ноября в Москве

Что будет представлено?

На стенде команда электроэнергетики представит отечественный программно-аппаратный комплекс реального времени на базе КПМ РИТМ.

Рассмотрены 3 темы по основам цифровой обработки сигналов: активное шумоподавление, создание приложения в MATLAB, обработка на Raspberry Pi.

Рассмотрены 3 темы по основам цифровой обработки сигналов: спектральный анализ, дискретная свёртка, линейные стационарные системы.

Рассмотрены 3 темы по основам цифровой обработки сигналов: приближение сигнала функцией, частотное представление сигнала, преобразование Фурье.

Автор статьи - Jun Kuroda, NEC.

Беспилотные и автономные подводные аппараты все чаще используются для картографирования морского дна, обнаружения подводных объектов и выполнения других подводных задач, для которых требуются гидролокаторы высокого разрешения.

Автор: Акаш Гописетти, MathWorks.

Проекты систем обработки сигналов часто имеют высокую вычислительную сложность из-за задействованных алгоритмов или приложений, требующих большого объема данных. Создание и моделирование таких сложных систем может занять много времени. Функциональное окружение Dataflow в Simulink позволяет сократить время моделирования. Эта функция ускоряет моделирование за счет автоматического разбиения модели на отдельные функциональные группы в Simulink и их параллельное применение с использованием ядер ЦП, доступных на главном компьютере.

В данной статье показано, как настроить Dataflow за три простых шага. Затем продемонстрируем Dataflow в действии на примере радиомодели и сравнивним время моделирования модели с на основе подситемы Dataflow и без неё.

Представляем вашему вниманию пять новы онлайн-курсов по MATLAB (МAOTS).

Четыре курса открыты для всех в свободном доступе, по прохождении которых вам будет выдан сертификат.

Интенсивные разработки устройств сверхширокополосной (СШП) радиоэлектроники велись с середины 1970-х годов, однако их практическая реализация стала возможной только после достижения соответствующего уровня технологии генерации мощных сверхкоротких импульсов с практически неограниченным ресурсом, с высокой стабильностью и большой частотой повторения (лавинно-пролетные транзисторы, диоды с накоплением заряда) и технологии скоростной цифровой обработки больших массивов информации (ОЗУ, ПЛИС, высокоскоростные АЦП).

Сложность работы с СШС заключается в том, что для них неприменимы традиционные методы генерации, излучения, приема и обработки сигналов, соответствующие технические средства, основанные на преобразовании Фурье, использовании резонансных свойств элементов и устройств. В последние годы СШС успешно применяются в различных областях науки и техники. Более того, сегодня сверхширокополосные технологии продолжают бурное и стремительное развитие, о чем свидетельствует как постоянно увеличивающееся количество публикаций, так и продвижение на рынок соответствующих технических изделий и средств.

Также важно отметить, что СШС могут иметь не только искусственное происхождение. Оказывается, многие процессы в природе обладают сверхшироким спектром, а потому для их исследования и описания тоже могут быть полезны методы, применяемые для анализа СШС.

На университетской онлайн-платформе LETIteach открылся онлайн-курс по цифровой обработке сигналов на MATLAB, разработанный доцентом факультета компьютерных технологий и информатики - Дмитрием Михайловичем Клионским.

Этой весной в одном из самых престижных научных издательств Springer Nature Switzerland вышел сборник Advances In Signal Processing.
Четвертую главу сборника открывает совместная работа инженеров ЦИТМ Экспонента и сотрудников кафедры Инфокоммуникаций и Радиофизики ЯрГУ.

В работе рассматривается возможность применения алгоритма автоматического сопровождения для задач определения линейных координат сопровождаемого объекта. Практическая значимость работы заключается в эффективном использовании беспилотных летательных аппаратов для нужд дистанционного зондирования поверхности Земли.

В настоящей статье рассматривается подход к моделированию спектральных классификаторов обнаруженных объектов в локационных системах различного назначения. В спектральных классификаторах в качестве классификационных признаков используются частотные составляющие амплитудных спектров огибающих принятых сигналов. Предложенная моделирующая программа в среде Matlab включает в себя подсистемы предварительной обработки принятых сигналов, формирования базы эталонных спектров, принятия решения о принадлежности объекта классу, визуализации результатов. Предварительная обработка включает в себя адаптивную декорреляцию, получение огибающей со сглаживанием, наложение оконной функции. Эталонные спектры формируются для нескольких сочетаний параметров предварительной обработки сигналов. Архитектура предложенной программы максимально приближена к архитектуре программного обеспечения реальных локационных систем, выпускаемых предприятиями России. В программе имеется возможность обработки как записей реальных сигналов, так и имитационных сигналов, формируемых на основе статистических свойств реальных сигналов. Сигналы от нескольких датчиков подвергаются воздействию помех с заданными свойствами и разбиваются на циклы с заданным количеством отсчетов с учетом объема памяти реальной системы. Исходными данными для моделирующей программы являются координаты взаимного расположения датчиков, параметры стадий предварительной обработки принятого сигнала, объем эксперимента и ряд вспомогательных данных. В качестве результатов работы программы формируются графики принятых сигналов до и после предварительной обработки, графики функций принятия решений о принадлежности объекта к некоторому классу. В качестве числовых результатов выводится относительное количество ошибок отнесения объекта к тому или иному классу для разных объектов. Имеются дополнительные модули, которые позволяют реализовать двухэтапную классификацию, а также принятие решения о принадлежности объекта некоторому дополнительному неизвестному классу. Реализованный в рассматриваемой моделирующей программе алгоритм классификации включен в состав программного обеспечения сейсмической локационной системы «Азимут-1» производства ФГУП ПО «Север» Госкорпорации «Росатом».

Описание плейлиста "Основы ЦОС", содержащего обучающие видео по теории цифровой обработки сигналов, а также практические примеры в MATLAB.

Конспект лекций соответствует основным разделам курса дисциплины «Цифровая обработка сигналов» направления бакалаврской подготовки 09.03.01 и 09.03.04.

Рассмотрены теоретические основы и описания базовых алгоритмов и программ цифровой обработки: быстрого преобразования Фурье, разложения сигналов в действительный и комплексный ряд Фурье, цифровой фильтрации, корреляции, линейной свёртки. Описаны приёмы решения сложных задач путём комбинации нескольких базовых алгоритмов цифровой обработки сигналов. Рассмотрены основы анализа нестационарных сигналов и очистки сигналов от шумов на базе преобразования Гильберта-Хуанга.