Systemy liniowe niezmiennicze w czasie (LTI): Różnice pomiędzy wersjami

Z Brain-wiki
(Nie pokazano 21 wersji utworzonych przez 2 użytkowników)
Linia 1: Linia 1:
 +
__TOC__
 +
 
==[[Analiza_sygnałów_-_lecture|AS/]] Systemy liniowe niezmiennicze w czasie (LTI)==
 
==[[Analiza_sygnałów_-_lecture|AS/]] Systemy liniowe niezmiennicze w czasie (LTI)==
 
System opisać można jako "czarną skrzynkę", generującą sygnał
 
System opisać można jako "czarną skrzynkę", generującą sygnał
 
(wyjście) w odpowiedzi na stan wejścia:
 
(wyjście) w odpowiedzi na stan wejścia:
  
wejście <math>\longrightarrow</math> '''SYSTEM''' <math>\longrightarrow</math> wyjście (czyli mierzony sygnał)
+
::wejście <math>\longrightarrow</math> '''SYSTEM''' <math>\longrightarrow</math> wyjście (czyli mierzony sygnał)
  
 
W takim podejściu system będzie równoważny transformacji
 
W takim podejściu system będzie równoważny transformacji
Linia 27: Linia 29:
 
dzisiaj.</ref>. Na tych dwóch założeniach opiera się cała klasyczna
 
dzisiaj.</ref>. Na tych dwóch założeniach opiera się cała klasyczna
 
analiza sygnałów, z której wywodzą się pojęcia widma mocy,
 
analiza sygnałów, z której wywodzą się pojęcia widma mocy,
transmitancji, teoria filtrów i wiele innych fundamentalnych idei.
+
teoria filtrów i wiele innych fundamentalnych idei.
  
  
 
Matematycznie system traktować będziemy jako transformację
 
Matematycznie system traktować będziemy jako transformację
(operator), przekształcającą sygnał wejściowy <math>x(t)</math>
+
(operator), przekształcającą sygnał wejściowy  
 +
<math>x(t)</math>
 
w <math>y(t)</math>:
 
w <math>y(t)</math>:
  
Linia 39: Linia 42:
 
czasie (ang. ''Linear Time-Invariant'', LTI), działających na
 
czasie (ang. ''Linear Time-Invariant'', LTI), działających na
 
sygnałach dyskretnych, czyli:
 
sygnałach dyskretnych, czyli:
 +
 
<math>x[n]  \longrightarrow T\{\cdot\} \longrightarrow T\{x[n]\} = y[n]</math>
 
<math>x[n]  \longrightarrow T\{\cdot\} \longrightarrow T\{x[n]\} = y[n]</math>
  
 
System <math>T</math> jest liniowy, gdy:
 
System <math>T</math> jest liniowy, gdy:
 +
 
<math>
 
<math>
 
T\{a x_1+b x_2\} = a T\{x_1\} + b T\{x_2\} = a y_1 + b y_2
 
T\{a x_1+b x_2\} = a T\{x_1\} + b T\{x_2\} = a y_1 + b y_2
</math>, a niezmienniczy w czasie, gdy  
+
</math>,  
 +
 
 +
a niezmienniczy w czasie, gdy  
 +
 
 
<math>
 
<math>
 
T\{ x(t) \} = y(t) \Rightarrow T\{ x(t + \delta)\} = y(t+\delta)
 
T\{ x(t) \} = y(t) \Rightarrow T\{ x(t + \delta)\} = y(t+\delta)
Linia 71: Linia 79:
  
 
Każdy dyskretny sygnał <math>x</math> możemy przedstawić jako ważoną sumę sekwencji jednostkowych:
 
Każdy dyskretny sygnał <math>x</math> możemy przedstawić jako ważoną sumę sekwencji jednostkowych:
 +
  
 
<math>
 
<math>
Linia 76: Linia 85:
 
</math>
 
</math>
  
Gdzie <math>x[k]</math>, czyli wartość sygnału <math>x</math> w punkcie k, przyjmuje rolę
+
 
liczby mnożącej funkcje <math>\delta[n-k]</math>. Jeśli <math>T</math> jest systemem liniowym, to
+
Gdzie <math>x[k]</math>, czyli wartość sygnału <math>x</math> w punkcie <math>k</math>, przyjmuje rolę
 +
liczby mnożącej funkcje <math>\delta[n-k]</math>. Jeśli <math>T</math> jest systemem liniowym, to  
 +
 
  
 
<math>
 
<math>
 
y[n] = T\left\{ \sum_k x[k]\delta[n-k] \right\} =\sum_k x[k] T\left\{\delta[n-k]\right\} = \sum_k x[k] h_k[n]  
 
y[n] = T\left\{ \sum_k x[k]\delta[n-k] \right\} =\sum_k x[k] T\left\{\delta[n-k]\right\} = \sum_k x[k] h_k[n]  
 
</math>
 
</math>
 +
 +
 +
(<math>x[k]</math> traktujemy jak liczbę).
 +
  
 
Jeśli system jest niezmienniczy w czasie, to odpowiedź na sekwencję jednostkową
 
Jeśli system jest niezmienniczy w czasie, to odpowiedź na sekwencję jednostkową
 
<math>T\{\delta[n-k]\} = h_k[n]</math> będzie niezależna od <math>k</math>: <math>T\{\delta[n-k]\} = h[n-k]</math>.  
 
<math>T\{\delta[n-k]\} = h_k[n]</math> będzie niezależna od <math>k</math>: <math>T\{\delta[n-k]\} = h[n-k]</math>.  
 +
  
 
Wtedy
 
Wtedy
 +
 +
 
<equation id="eq:12">
 
<equation id="eq:12">
 
<math>
 
<math>
Linia 92: Linia 110:
 
</math>
 
</math>
 
</equation>
 
</equation>
 +
 +
 
gdzie <math>\star</math> oznacza splot<ref>Jak widać z równania
 
gdzie <math>\star</math> oznacza splot<ref>Jak widać z równania
 
<xr id="eq:12"> %i</xr>, splot sygnałów <math>x[n]</math> i <math>y[n]</math> wyraża się
 
<xr id="eq:12"> %i</xr>, splot sygnałów <math>x[n]</math> i <math>y[n]</math> wyraża się
Linia 98: Linia 118:
 
podstawieniem <math>\sum_k \rightarrow \sum_j,</math> gdzie <math>j=n+k</math>. Wyobrazić sobie splot najłatwiej na przykładzie "długiego" sygnału <math>y</math> i "krótkiego".
 
podstawieniem <math>\sum_k \rightarrow \sum_j,</math> gdzie <math>j=n+k</math>. Wyobrazić sobie splot najłatwiej na przykładzie "długiego" sygnału <math>y</math> i "krótkiego".
 
<math>x</math>: każdy punkt (<math>n</math>) sygnału <math>y</math> zastępujemy ważoną sumą jego
 
<math>x</math>: każdy punkt (<math>n</math>) sygnału <math>y</math> zastępujemy ważoną sumą jego
sąsiednich punktów. Wagami są odpowiednie wartości <math>x</math>. Dla intuicyjnego zrozumienia splotu warto pobawić się dostępnymi w Sieci apletami, które znaleźć można wyszukująć np. hasło "convolution demo" -- np. http://jhu.edu/~signals/convolve/ czy http://www.isip.piconepress.com/projects/speech/software/demonstrations/applets/util/convolution/current/</ref>.
+
sąsiednich punktów. Wagami są odpowiednie wartości <math>x</math>. Dla intuicyjnego zrozumienia splotu warto pobawić się dostępnymi w Sieci apletami, które znaleźć można wyszukująć np. hasło "convolution demo" -- np.  
 +
https://phiresky.github.io/convolution-demo/</ref>
  
 
Otrzymaliśmy w ten sposób pierwszy ważny wynik:
 
Otrzymaliśmy w ten sposób pierwszy ważny wynik:
Linia 108: Linia 129:
 
</blockquote>
 
</blockquote>
  
 +
==Splot i przyczynowość==
 +
Powyższe sumy przebiegają po całym zakresie <math>k</math>
 +
 +
 +
<math>
 +
y[n]=\sum_{k=-\infty}^{\infty} h[k] x[n-k]
 +
</math>
 +
 +
 +
Dla systemu przyczynowego, y[n] może zależeć wyłącznie od bieżącej i poprzednich wartości wejścia x[n], nie od przyszłych. Rozpisując explicite dostajemy
 +
 +
 +
<math>
 +
y[n]=\sum_{k=-\infty}^{\infty} h[k] x[n-k] =
 +
\sum_{k=-\infty}^{-1} h[k] x[n-k] +
 +
\sum_{k=0}^{\infty} h[k] x[n-k]
 +
</math>
 +
 +
 +
Dla zapewnienia przyczynowości kładziemy h[n] = 0 dla n<0, i zostaje tylko drugi człon
 +
 +
 +
<math>
 +
y[n]=
 +
\sum_{k=0}^{\infty} h[k] x[n-k]
 +
</math>
 +
 +
 +
==Własności systemów LTI==
  
 
Następnym krokiem w badaniu własności matematycznych przekształceń
 
Następnym krokiem w badaniu własności matematycznych przekształceń
Linia 113: Linia 163:
 
przekształcenie LTI wykładniczej funkcji
 
przekształcenie LTI wykładniczej funkcji
 
zespolonej<ref>Przypomnijmy wzór Eulera:
 
zespolonej<ref>Przypomnijmy wzór Eulera:
 +
 +
 
<math>
 
<math>
 
e^{ix}=\cos x + i\sin x \quad \Rightarrow  
 
e^{ix}=\cos x + i\sin x \quad \Rightarrow  
Linia 120: Linia 172:
 
</math></ref>
 
</math></ref>
 
<math>e^{i\omega n}</math>; z <xr id="eq:12">(%i)</xr>
 
<math>e^{i\omega n}</math>; z <xr id="eq:12">(%i)</xr>
 +
 +
 
<equation id="eq:13">
 
<equation id="eq:13">
 
<math>
 
<math>
Linia 126: Linia 180:
 
</math>
 
</math>
 
</equation>
 
</equation>
 +
  
 
Przed znak sumy wyciągneliśmy podlegającą transformacji zespoloną
 
Przed znak sumy wyciągneliśmy podlegającą transformacji zespoloną
Linia 143: Linia 198:
 
</math>
 
</math>
 
działanie systemów LTI ograniczałoby się do łatwo obliczalnych
 
działanie systemów LTI ograniczałoby się do łatwo obliczalnych
modyfikacji współczynników <math>a_k</math>. Następne rozdziały odpowiadają na
+
modyfikacji współczynników <math>a_k</math>. Jak pokazaliśmy wcześniej, rozkłady takie realizują szereg i transformata Fouriera.
pytanie, czy jest to możliwe. Rozważania te będzie łatwiej prowadzić w
+
 
przestrzeni funkcji ciągłych, stąd na pewnien czas dyskretny sygnał
 
<math>s[n]</math> zastąpimy ciągłym <math>s(t)</math>. Zacznijmy od prostszego przypadku
 
sygnałów okresowych<ref>Okresowość jest w matematyce silnym i
 
ściśle zdefiniowanym wymogiem: <math>\forall t \, s(t + T) =
 
s(t)</math>.</ref>.
 
 
<references/>
 
<references/>

Wersja z 08:40, 5 lis 2021

AS/ Systemy liniowe niezmiennicze w czasie (LTI)

System opisać można jako "czarną skrzynkę", generującą sygnał (wyjście) w odpowiedzi na stan wejścia:

wejście [math]\longrightarrow[/math] SYSTEM [math]\longrightarrow[/math] wyjście (czyli mierzony sygnał)

W takim podejściu system będzie równoważny transformacji (przekształceniu) sygnału. Nie tracimy przy tym na ogólności, gdyż rzadko interesują nas sygnały generowane przez systemy całkowicie izolowane, czyli pozbawione wejścia. W skrajnym przypadku możemy założyć, że wejściem systemu jest szum (jak np. w modelu AR).

Droga do matematycznego opisu rzeczywistości prowadzi przez modele oparte na pewnych upraszczających je założeniach. Często właśnie wybór właściwych założeń (czyli uproszczeń) decyduje o sukcesie danego podejścia, jak np. w przypadku przestrzeni Banacha w analizie matematycznej. W przypadku teorii systemów szczególną rolę spełniają dwa założenia: liniowości[1] i niezmienniczości w czasie[2]. Na tych dwóch założeniach opiera się cała klasyczna analiza sygnałów, z której wywodzą się pojęcia widma mocy, teoria filtrów i wiele innych fundamentalnych idei.


Matematycznie system traktować będziemy jako transformację (operator), przekształcającą sygnał wejściowy [math]x(t)[/math] w [math]y(t)[/math]:

[math]x \longrightarrow[/math] [math]T\{\cdot\}[/math] [math]\longrightarrow T\{x\} = y[/math]

Będziemy się zajmować klasą systemów liniowych niezmienniczych w czasie (ang. Linear Time-Invariant, LTI), działających na sygnałach dyskretnych, czyli:

[math]x[n] \longrightarrow T\{\cdot\} \longrightarrow T\{x[n]\} = y[n][/math]

System [math]T[/math] jest liniowy, gdy:

[math] T\{a x_1+b x_2\} = a T\{x_1\} + b T\{x_2\} = a y_1 + b y_2 [/math],

a niezmienniczy w czasie, gdy

[math] T\{ x(t) \} = y(t) \Rightarrow T\{ x(t + \delta)\} = y(t+\delta) [/math].


Rozważmy działanie systemu na sekwencję jednostkową

[math] \delta[n]=\left\{ \begin{matrix} 1 \;\mathrm{dla} \; n=0\\ 0 \;\mathrm{dla} \; n\ne 0 \end{matrix} \right . [/math]

Niech [math]h_k(n)[/math] - odpowiedź systemu [math]T[/math] na impuls jednostkowy w punkcie [math]k[/math]:

[math] h_k[n] = T\{\delta[n-k]\} [/math]

Klasyczna rys 1.jpg


Każdy dyskretny sygnał [math]x[/math] możemy przedstawić jako ważoną sumę sekwencji jednostkowych:


[math] x[n] = \sum_k x[k] \delta[n-k] [/math]


Gdzie [math]x[k][/math], czyli wartość sygnału [math]x[/math] w punkcie [math]k[/math], przyjmuje rolę liczby mnożącej funkcje [math]\delta[n-k][/math]. Jeśli [math]T[/math] jest systemem liniowym, to


[math] y[n] = T\left\{ \sum_k x[k]\delta[n-k] \right\} =\sum_k x[k] T\left\{\delta[n-k]\right\} = \sum_k x[k] h_k[n] [/math]


([math]x[k][/math] traktujemy jak liczbę).


Jeśli system jest niezmienniczy w czasie, to odpowiedź na sekwencję jednostkową [math]T\{\delta[n-k]\} = h_k[n][/math] będzie niezależna od [math]k[/math]: [math]T\{\delta[n-k]\} = h[n-k][/math].


Wtedy


[math] y[n]=\sum_k x[k] h[n-k] = x[n] \star h[n] = h[n] \star x[n] = \sum_k h[k] x[n-k] [/math]


gdzie [math]\star[/math] oznacza splot[3]

Otrzymaliśmy w ten sposób pierwszy ważny wynik:

Znając odpowiedź systemu liniowego niezmienniczego w czasie na sekwencję jednostkową, możemy obliczyć jego odpowiedź na dowolny sygnał. Tak więc funkcja odpowiedzi impulsowej systemu LTI stanowi jego kompletny opis.

Splot i przyczynowość

Powyższe sumy przebiegają po całym zakresie [math]k[/math]


[math] y[n]=\sum_{k=-\infty}^{\infty} h[k] x[n-k] [/math]


Dla systemu przyczynowego, y[n] może zależeć wyłącznie od bieżącej i poprzednich wartości wejścia x[n], nie od przyszłych. Rozpisując explicite dostajemy


[math] y[n]=\sum_{k=-\infty}^{\infty} h[k] x[n-k] = \sum_{k=-\infty}^{-1} h[k] x[n-k] + \sum_{k=0}^{\infty} h[k] x[n-k] [/math]


Dla zapewnienia przyczynowości kładziemy h[n] = 0 dla n<0, i zostaje tylko drugi człon


[math] y[n]= \sum_{k=0}^{\infty} h[k] x[n-k] [/math]


Własności systemów LTI

Następnym krokiem w badaniu własności matematycznych przekształceń bywa poszukiwanie punktów stałych, czyli niezmienników. Rozważmy przekształcenie LTI wykładniczej funkcji zespolonej[4] [math]e^{i\omega n}[/math]; z (1)


[math] T\left\{e^{i\omega n}\right\} = \sum_k h[k]\, e^{i\omega (n-k)} = e^{i\omega n} \sum_k h[k]\, e^{-i\omega k} [/math]


Przed znak sumy wyciągneliśmy podlegającą transformacji zespoloną funkcję wykładniczą [math]e^{i\omega n}[/math]. Wartość sumy [math]\sum_k h[k]\,e^{-i\omega k}[/math] zależy od funkcji odpowiedzi impulsowej systemu [math]h[k][/math] i częstości [math]\omega[/math][5]. Tak więc odpowiedź systemu LTI na funkcję [math]e^{i\omega n}[/math] polega na wymnożeniu tej funkcji przez liczbę, czyli inaczej mówiąc funkcje zespolone od argmentu urojonego są wektorami własnymi przekstałceń LTI, a odpowiadające im wartości własne to [math]\sum_k h[k]\,e^{-i\omega k}[/math].

Gdybyśmy potrafili dowolną funkcję rozłożyć na sumę zespolonych funkcji wykładniczych, np. w postaci [math] s[n] = \sum_k a_k e^{i k n}, [/math] działanie systemów LTI ograniczałoby się do łatwo obliczalnych modyfikacji współczynników [math]a_k[/math]. Jak pokazaliśmy wcześniej, rozkłady takie realizują szereg i transformata Fouriera.

  1. Liniowość oznacza, że odpowiedź systemu na sumę dwóch sygnałów będzię sumą odpowiedzi tego systemu na każdy z sygnałów podanych osobno, czyli dodanie do wejścia drugiego sygnału nie zakłóci przetwarzania w tym samym czasie pierwszego z nich. Cecha taka jest pożądana np. w przypadku sprzętu audio, gdy nie chcemy, aby smyczki w kwartecie były odtwarzane inaczej niż w partii solowej.
  2. Niezmienniczość w czasie np. charakterystyk wzmacniacza zagwarantuje, że ta sama partia skrzypiec odtwarzana jutro będzie brzmiała tak samo jak dzisiaj.
  3. Jak widać z równania %i 1, splot sygnałów [math]x[n][/math] i [math]y[n][/math] wyraża się wzorem [math]\sum_k x[k] y[n-k].[/math] Symetryczność splotu sekwencji nieskończonych względem zamiany [math]x[/math] i [math]y[/math] możemy udowodnić prostym podstawieniem [math]\sum_k \rightarrow \sum_j,[/math] gdzie [math]j=n+k[/math]. Wyobrazić sobie splot najłatwiej na przykładzie "długiego" sygnału [math]y[/math] i "krótkiego". [math]x[/math]: każdy punkt ([math]n[/math]) sygnału [math]y[/math] zastępujemy ważoną sumą jego sąsiednich punktów. Wagami są odpowiednie wartości [math]x[/math]. Dla intuicyjnego zrozumienia splotu warto pobawić się dostępnymi w Sieci apletami, które znaleźć można wyszukująć np. hasło "convolution demo" -- np. https://phiresky.github.io/convolution-demo/
  4. Przypomnijmy wzór Eulera: [math] e^{ix}=\cos x + i\sin x \quad \Rightarrow \begin{cases}\cos x = \frac12(e^{ix}+e^{-ix})\\ \sin x = \frac12(e^{ix}-e^{-ix}) \end{cases} [/math]
  5. Po lekturze rozdziału o szeregu Fouriera sumę tę skojarzymy z transformatą Fouriera odpowiedzi impulsowej