งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

Mahanakorn University of Technology

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "Mahanakorn University of Technology"— ใบสำเนางานนำเสนอ:

1 Mahanakorn University of Technology
การประมวลผลสัญญาณขั้นสูง Advanced Digital Signal Processing Chapter 1 Introduction to ADSP Asst. Prof. Dr. Peerapol Yuvapoositanon, PhD,DIC Department of Electronic Engineering and Graduate School of Electrical Engineering Mahanakorn University of Technology

2 Advanced Digital Signal Processing
Course Web page Advanced Digital Signal Processing P. Yuvapoositanon

3 Advanced Digital Signal Processing
What is DSP ? สัญญาณ (Signals) : คือ การแปรรูปของพลังงานที่ทั้งมองเห็นและมองไม่เห็น ได้ยินและไม่ได้ยิน สัมผัสได้และสัมผัสไม่ได้ ให้เป็นปริมาณทางไฟฟ้า สัญญาณเรดาร์ เสียงพูด เสียงเพลง เสียงปลาวาฬ อินฟราเรด คลื่นสัญญาณโทรศัพท์ คลื่นสึนามิ สัญญาณมือของจราจร กลิ่นไวน์ แรงกระแทก และ อื่นๆ อีกมากมาย... Advanced Digital Signal Processing P. Yuvapoositanon

4 Digital Signal Processing v.s. Advanced Digital Signal Processing
Digital Signal Processing = กระบวนการ (Process) ทางดิจิตอลที่ช่วยหาความหมาย ของสัญญาณ (signals) ที่ไม่สามารถเข้าใจได้ด้วย ตา หู จมูก ลิ้น สัมผัส โดยเน้นไปที่สัญญาณเชิงกำหนด (deterministic signals) Advanced Digital Signal Processing = กระบวนการ DSP ที่เน้นไปที่สัญญาณสุ่ม (Random Signals) Advanced Digital Signal Processing P. Yuvapoositanon

5 Advanced Digital Signal Processing
Radar System ระบบเรดาร์ ใช้ในการหาระยะทางของวัตถุ จากการนับการหน่วงเวลา (delay) ของสัญญาณที่รับได้เทียบกับที่ส่งออกไป สัญญาณที่ส่งออกไป สัญญาณที่รับได้ถูกหน่วงเวลา Advanced Digital Signal Processing P. Yuvapoositanon

6 Transmitted and Received Sine Radar Signal
สัญญาณส่งไป 1 รูปคลื่น สัญญาณที่รับได้ถูกหน่วง เวลา กรณีนี้ ง่าย เพราะ ดูด้วยตาเปล่า (จากเครื่องมือวัดเช่น สโคป) ก็เห็นชัดว่าค่าการหน่วง เป็นเท่าใด Advanced Digital Signal Processing P. Yuvapoositanon

7 Received Radar with Noise
สัญญาณข้างบนนี้ มีความหมายที่ซ่อนอยู่ (สัญญาณ) ที่มองไม่ได้ด้วยตาเปล่า แต่เราดึงความหมายของสัญญาณออกมาได้จากการกระทำ (Operation) ต่างๆ ในการประมวลผลสัญญาณดิจิตอล = + Noise Advanced Digital Signal Processing P. Yuvapoositanon

8 Advanced Digital Signal Processing
Correlation การทำ Correlation คือการหา ความคล้ายกัน ของสองสัญญาณ สัญลักษณ์ ของการ Correlation คือ การกระทำ คือ การคูณและบวก (หรือ Integration) A B A A = X C C B B Advanced Digital Signal Processing P. Yuvapoositanon

9 Detected Radar Signal No Noise
เราใช้ Correlation ในการกำหนดระยะทางจากการสะท้อนของสัญญาณเรดาร์ กรณีไม่มี Noise A B Advanced Digital Signal Processing P. Yuvapoositanon

10 Detected Radar Signal With Noise
ผลลัพธ์ของการทำ Correlation คือ การทราบว่าตำแหน่งสูงสุดคือตำแหน่ง delay กรณีไม่มี Noise C A B Advanced Digital Signal Processing P. Yuvapoositanon

11 Advanced Digital Signal Processing
Mobile Communication ระบบโทรศัพท์เคลื่อนที่ สัญญาณวิ่งผ่าน Channel เรียก channel แบบมีหลายๆ เส้นทางว่า Multipath channel 1 2 Advanced Digital Signal Processing P. Yuvapoositanon

12 Advanced Digital Signal Processing
Channel Model เราโมเดลช่องทางสื่อสารด้วยระบบ FIR Multipath Channel (FIR) Simulation: Adaptive_Eq_1.m Advanced Digital Signal Processing P. Yuvapoositanon

13 Equalisation of Signal
ตัวปรับแต่งสัญญาณทำหน้าที่ “ดัด”สัญญาณกลับคืน Multipath Channel Equaliser Advanced Digital Signal Processing P. Yuvapoositanon

14 Continuous-Time V.S. Discrete-Time Signals
สัญญาณ Advanced Digital Signal Processing P. Yuvapoositanon

15 Advanced Digital Signal Processing
Sampled Signal เราสร้างสัญญาณ sampled output ได้จากการใช้ “สวิทซ์” Input Sampled Output Advanced Digital Signal Processing P. Yuvapoositanon

16 Advanced Digital Signal Processing
Other Discrete-time Advanced Digital Signal Processing P. Yuvapoositanon

17 DSP System Block Diagram
A/D DSP Processor D/A Advanced Digital Signal Processing P. Yuvapoositanon

18 Advanced Digital Signal Processing
Sampling การสุ่มสัญญาณ x(t) ทำให้ได้สัญญาณ x(n) ผลลัพธ์คือ x(n) เขียนเป็น t สุ่มด้วยความถี่= ... Advanced Digital Signal Processing P. Yuvapoositanon

19 Combination of Sampling
สัญญาณ x(n) = สัญญาณสุ่ม “s(n)” คูณ สัญญาณ “x(t)” S(n) ประกอบจาก อิลีเมนท์ย่อย คือ อิมพัลส์ t n n T Advanced Digital Signal Processing P. Yuvapoositanon

20 Elements of the Sampling Signal
S(n) นั้นประกอบจากส่วนย่อยๆ n + s(n) n = + n T n + n T 2T 3T Advanced Digital Signal Processing P. Yuvapoositanon

21 An Impulse is Delta Function
เขียนเป็น 1 อิมพัลส์ n Advanced Digital Signal Processing P. Yuvapoositanon

22 อิมพัลส์นำมารวมกันได้เป็น s(n) ได้จากการเลื่อนค่า
อิมพัลส์ที่ไม่มีการเลื่อนค่า 1 n 1 อิมพัลส์ที่ถูกเลื่อนไปช่วงเวลา 1 ลำดับ n 1 Advanced Digital Signal Processing P. Yuvapoositanon

23 Summing of Shifted Delta
+ + n + + = n + + n T 2T 3T n Advanced Digital Signal Processing P. Yuvapoositanon

24 Sampling Signals= Summing of Impulses
สัญญาณที่เป็นสัญญาณสุ่มนั้นประกอบด้วย เดลต้าฟังก์ชันที่มีค่าการเลื่อนแตกต่างกัน หรือ เขียนใหม่ในรูปกะทัดรัดได้เป็น Advanced Digital Signal Processing P. Yuvapoositanon

25 Discrete-time Signal x(n)
x(n) สร้างจาก ผลคูณของ x(t) และ s(n) = n X t n Advanced Digital Signal Processing P. Yuvapoositanon

26 System with Delta function
สุ่มด้วยความถี่= ระบบ Advanced Digital Signal Processing P. Yuvapoositanon

27 Advanced Digital Signal Processing
Sampled Signal n + + n + + = n + + n 1 2 3 Advanced Digital Signal Processing P. Yuvapoositanon

28 System with Delayed Delta function
สุ่มด้วยความถี่= ระบบ Advanced Digital Signal Processing P. Yuvapoositanon

29 Advanced Digital Signal Processing
Delayed Signal n=0 + n=1 + + n=2 = + n=3 + + 1 2 3 Advanced Digital Signal Processing P. Yuvapoositanon

30 Advanced Digital Signal Processing
Convolution สัญญาณถูกดัดแปลง หากระบบไม่ใช่เดลต้าฟังก์ชัน เราเรียกการกระทำของระบบว่า Convolution หรือ การประสาน ระบบ Advanced Digital Signal Processing P. Yuvapoositanon

31 Advanced Digital Signal Processing
Convolved Signal n=0 + + n=1 + + = n=2 + + n=3 1 2 3 1 2 3 Advanced Digital Signal Processing P. Yuvapoositanon

32 Advanced Digital Signal Processing
Convolution Effect รวมค่าจากสองกราฟ ผลจาก h(0) + ผลจาก h(1) รวมสัญญาณ สัญญาณไม่เหมือนเดิม Advanced Digital Signal Processing P. Yuvapoositanon

33 Advanced Digital Signal Processing
Nyquist Frequency ความถี่แซมปลิ้งที่เหมาะสมจึงต้องมากกว่า 2 เท่าของแบนด์วิทของสัญญาณ: เมื่อ Fs เป็นความถี่ sampling และ B แบนด์วิทของสัญญาณ 2B เรียก อัตราไนควิสต์ (Nyquist Rate) และ เรียก Fs/2 ว่าเป็น ความถี่ไนควิสต์ (Nyquist Frequency) Fs > 2B Advanced Digital Signal Processing P. Yuvapoositanon

34 Advanced Digital Signal Processing
Aliasing หากการสุ่มไม่เป็นไปตามทฤษฎีการสุ่มจะเกิด แอลิแอส มัวร์ แพทเทิร์น (moire pattern) เป็นผลของแอลิแอส ในเรื่อง Image processing Another example is shown to the right in the brick patterns. The top image shows the effects when the sampling theorem's condition is not satisfied. When software rescales an image (the same process that creates the thumbnail shown in the lower image) it, in effect, runs the image through a low-pass filter first and then downsamples the image to result in a smaller image that does not exhibit the Moiré pattern. The top image is what happens when the image is downsampled without low-pass filtering: aliasing results. The top image was created by zooming out in GIMP and then taking a screenshot of it. The likely reason that this causes a banding problem is that the zooming feature simply downsamples without low-pass filtering (probably for performance reasons) since the zoomed image is for on-screen display instead of printing or saving. The application of the sampling theorem to images should not be made without care. For example, the sampling process in any standard image sensor (CCD or CMOS camera) is relatively far from the ideal sampling which would measure the image intensity at a single point. Instead these devices have a relatively large sensor area at each sample point in order to obtain sufficient amount of light. Also, it is not obvious that the analog image intensity function which is sampled by the sensor device is bandlimited. It should be noted, however, that the non-ideal sampling is itself a type of low-pass filter, although far from one that ideally removes high frequency components. Despite images having these problems in relation to the sampling theorem, the theorem can be used to describe the basics of down and up sampling of images. เกิดมัวร์แพทเทิร์น ไม่เกิดมัวร์แพทเทิร์น Advanced Digital Signal Processing P. Yuvapoositanon

35 Signal Reconstruction
การคืนรูปสัญญาณทำได้โดยการใช้กรอง (filter) เอาเพียงแต่ copy เดียว จึงเหลือเพียงหนึ่ง copy ของสัญญาณ filtering f f Advanced Digital Signal Processing P. Yuvapoositanon

36 Fourier Transform Pair
sinc(t) Rectangular(f) FT f t sinc(f) Rectangular(t) FT f t Advanced Digital Signal Processing P. Yuvapoositanon

37 DFT : Discrete Fourier Transform
บางครั้งองค์ประกอบเชิงความถี่ของสัญญาณ ก็เป็นเรื่องสำคัญในการวิเคราะห์ Fourier Transform เป็นการแปลงสัญญาณโดเมนเวลา (t) ไปเป็นโดเมนความถี่ (f) FT t ความถี่ เวลา Advanced Digital Signal Processing P. Yuvapoositanon

38 Time Domain Signal and its Frequency
Advanced Digital Signal Processing P. Yuvapoositanon

39 DFTs of Various Functions
แปลง DC จะได้ อิมพัลส์ แปลง อิมพัลส์ จะได้ DC แปลงความถี่ แปลง sine แปลงพัลส์ Advanced Digital Signal Processing P. Yuvapoositanon

40 Advanced Digital Signal Processing
DFT Fundamental ผลการแปลง FT ได้ความถี่แบบต่อเนื่อง DFT เป็น FT แบบดิจิตอล--ได้ความถี่แบบไม่ต่อเนื่อง x(t) FT t f x(n) DFT n k Advanced Digital Signal Processing P. Yuvapoositanon

41 Advanced Digital Signal Processing
DFT Frequency ตัวแปรเชิงความถี่ radians f Fs/2 Fs Hz fnorm 1/2 1 Advanced Digital Signal Processing P. Yuvapoositanon

42 Advanced Digital Signal Processing
Number of Points in DFT ผลการแปลง DFT ให้หน่วยของ ความถี่ในรูป ลำดับ k N เป็น จำนวนจุด (N-point) ของ DFT 4-point 1 2 3 k = ผลการแปลง DFT ของ x(n) = ผลการแปลง FT Advanced Digital Signal Processing P. Yuvapoositanon

43 Advanced Digital Signal Processing
8-point DFT เมื่อใช้จำนวนจุดเพิ่มขึ้นเป็น 8 จุด จะได้แซมเปิ้ลมากขึ้น 8-point k 1 2 3 = ผลการแปลง DFT ของ x(n) = ผลการแปลง FT Advanced Digital Signal Processing P. Yuvapoositanon

44 Advanced Digital Signal Processing
16-point DFT เมื่อใช้จำนวนจุดเพิ่มขึ้นเป็น 16 จุด จะได้แซมเปิ้ลมากขึ้น แต่ไม่เพิ่ม resolution 16-point 15 k 8 = ผลการแปลง DFT ของ x(n) = ผลการแปลง FT Advanced Digital Signal Processing P. Yuvapoositanon

45 FFT: Fast Fourier Transform
FFT เป็นกรรมวิธีที่ช่วยให้ DFT ทำงานเร็วขึ้น โดยอาศัยการซ้ำกันของค่าสัมประสิทธิ์ อย่าลืมว่า… ดังนั้นใน Matlab และ Simulink จะไม่มีคำสั่งหรือ บล็อกสำหรับทำ DFT จะมีแต่ของ FFT FFT = DFT Advanced Digital Signal Processing P. Yuvapoositanon

46 Advanced Digital Signal Processing
Fourier Series จากทฤษฎีของฟูริเยร์ (Fourier) ที่มีใจความสำคัญว่า สัญญาณที่เป็นคาบเวลา (periodic) ใดๆ นั้น เกิดขึ้นจากองค์ประกอบของฟังก์ชันพื้นฐานทางตรีโกณมิติ คือ Sine และ Cosine ที่ต่างค่าความถี่และขนาด ทฤษฎีนี้เป็นที่รู้จักกันว่าเป็น อนุกรมฟูริเยร์ (Fourier Series) Advanced Digital Signal Processing P. Yuvapoositanon

47 Fourier Series of Square Wave
กรณีสัญญาณเป็น สี่เหลี่ยม เราได้ว่า จากอนุกรมฟูริเยร์ ฮาร์โมนิก สัมประสิทธิ์ Advanced Digital Signal Processing P. Yuvapoositanon

48 Fourier Series of Sawtooth
สัญญาณอื่นๆ ก็สร้างได้เช่นเดียวกัน ตย. เช่น ผลรวมเป็นสัญญาณฟันเลื่อย(Sawtooth) Advanced Digital Signal Processing P. Yuvapoositanon

49 Part II Digital Filters Design

50 Advanced Digital Signal Processing
Digital Filters ตัวกรองดิจิตอล (Digital Filters) คือ อุปกรณ์ที่ทำหน้าที่ “ดัดแปลง” สัญญาณ ทั้งเชิงความถี่ และ เชิงเวลา ตัวกรองดิจิตอลมีทั้ง Finite Impulse Response (FIR) และ Infinite Impulse Response (IIR) ตัวกรองดิจิตอล ประกอบด้วย อุปกรณ์การบวก ตัวคูณ ตัวหน่วงเวลา และ สัมประสิทธิ์ FIR ไม่มีส่วนของ feedback IIR มีส่วน feedback Advanced Digital Signal Processing P. Yuvapoositanon

51 Finite Impulse Response (FIR)
FIR ไม่มีส่วนของ feedback Delay Advanced Digital Signal Processing P. Yuvapoositanon

52 Infinite Impulse Response (IIR)
IIR มีส่วนของ feedback Feedback Advanced Digital Signal Processing P. Yuvapoositanon

53 Advanced Digital Signal Processing
Transfer Function I ฟังก์ชันถ่ายโอน (transfer function) คือ อัตราส่วนระหว่างค่า การแปลง z ของเอาท์พุท เทียบกับอินพุท การแปลง z =การแปลงสมการให้อยู่ในรูป z -Transform สังเกตว่า การหน่วงเวลา k ถูกเปลี่ยนเป็น z-k Advanced Digital Signal Processing P. Yuvapoositanon

54 Transfer Function VS Frequency Response
ฟังก์ชันถ่ายโอน โดยทั่วไปฟังก์ชันถ่ายโอนจะอยู่ในรูป เศษส่วน = ซีโร่ (zero) (o) = โพล (pole) (x) Advanced Digital Signal Processing P. Yuvapoositanon

55 Advanced Digital Signal Processing
Z-Transform การแปลงแซด เป็นค่าความถี่เชิงมุม เป็นเวคเตอร์ขนาดหนึ่งหน่วย Advanced Digital Signal Processing P. Yuvapoositanon

56 Frequency Response from Poles and Zeros
ขนาดผลตอบสนองความถี่เป็น ขนาดจากซีโร่ ไปยังวงกลมหนึ่งหน่วย หารด้วย ขนาดจากโพลไปยังวงกลมหนึ่งหน่วย ณ ความถี่หนึ่ง B A ขนาดที่ Advanced Digital Signal Processing P. Yuvapoositanon

57 Example for Frequency Response
สมมติว่า โพล = .8 ซีโร่ =0 ความถี่ต่ำ ความถี่กลางๆ ความถี่สูง B A B A A B B > A B = A B < A = มาก = กลางๆ = น้อย Advanced Digital Signal Processing P. Yuvapoositanon

58 Example for Frequency Response
B ความถี่ต่ำ ความถี่กลางๆ ความถี่สูง ความถี่ Advanced Digital Signal Processing P. Yuvapoositanon

59 Advanced Digital Signal Processing
Basic Filter Topology Lowpass filter (LPF ) Highpass filter (HPF) Bandpass filter (BPF) Bandstop filter (BSF) Advanced Digital Signal Processing P. Yuvapoositanon

60 Advanced Digital Signal Processing
FIR Filter Design Ideal lowpass = Advanced Digital Signal Processing P. Yuvapoositanon

61 FIR Filter Design Parameters
Ideal แถบผ่าน แถบ เปลี่ยน แถบหยุด Advanced Digital Signal Processing P. Yuvapoositanon

62 FIR Design with Window Method
แต่ปัญหาคือ Sinc Function นั้นสร้างไม่ได้จริงเพราะมีสัญญาณ –inf ถึง +inf และมีค่าเวลาเป็นค่าลบ n<0 ด้วย Sinc function Inverse FT f Advanced Digital Signal Processing P. Yuvapoositanon

63 Advanced Digital Signal Processing
Realizable Filter ทำตัวกรองจริงได้โดยการ คูณ sinc และ ฟังก์ชัน “หน้าต่าง” w(n) Sinc function 1 x f n N-1 h(n) สัญญาณที่ใช้งานได้ มีจำนวนแซมเปิ้ลที่จำกัด n N-1 Advanced Digital Signal Processing P. Yuvapoositanon

64 Advanced Digital Signal Processing
Different Windows หน้าต่างแบบต่างๆ ให้ประสิทธิภาพแตกต่างกัน 1 1 1 n n n N-1 N-1 N-1 Rectangular Hamming Kaiser Advanced Digital Signal Processing P. Yuvapoositanon

65 Advanced Digital Signal Processing
Windows Performance n N-1 1 n N-1 1 Big sidelobes Narrow transition Small sidelobes Broad transition n N-1 1 Advanced Digital Signal Processing P. Yuvapoositanon

66 Analogue Filter Prototypes
ตัวกรองแบบแอนะลอกนั้นมีทฤษฎีการออกแบบมาอย่างดีแล้ว เราเรียกว่าต้นแบบแอนะลอก เราใช้ต้นแบบแอนะลอกในการออกแบบตัวกรองดิจิตอล ตัวอย่างเช่น Butterworth, Chebychev, Elliptic Advanced Digital Signal Processing P. Yuvapoositanon

67 Advanced Digital Signal Processing
IIR Filter Design 0 dB -3 dB อัตราการลดทอน ที่ Cutoff Frequency Attenuation Frequency Advanced Digital Signal Processing P. Yuvapoositanon

68 Filter Design and Analysis (FDA) Tool
เราใช้ FDA Tool ใน Signal Processing Toolbox ของ MATLAB เพื่อการออกแบบ digital filter ที่สะดวกรวดเร็ว >>fdatool Advanced Digital Signal Processing P. Yuvapoositanon

69 Advanced Digital Signal Processing
FIR Design by FDA Tool ตัวอย่าง การออกแบบ FIR แบบฟังก์ชันหน้าต่าง เปลี่ยนพารามิเตอร์เพื่อดูผลลัพธ์ ชนิดหน้าต่าง อันดับ (order) Advanced Digital Signal Processing P. Yuvapoositanon

70 Advanced Digital Signal Processing
FIR Design by FDA Tool Realize Filter Realize Filter Advanced Digital Signal Processing P. Yuvapoositanon

71 Frequency Response of Filter
Lowpass + + + + Lowpass + + Advanced Digital Signal Processing P. Yuvapoositanon

72 Two ways to find Freq. Resp.
ใช้สัญญาณที่ความถี่ปรับต่อเนื่อง --- Chirp Signal ใช้สัญญาณที่มีทุกๆ ความถี่ --- White Noise Lowpass Chirp Lowpass f f Advanced Digital Signal Processing P. Yuvapoositanon

73 Advanced Digital Signal Processing
White Noise Generator เราสร้างสัญญาณที่ประกอบด้วยทุกความถี่เท่าๆ กัน จาก Random Source time frequency Advanced Digital Signal Processing P. Yuvapoositanon

74 Advanced Digital Signal Processing
Lab 4: Filter Testing Chirp Signal input สำหรับตัวกรอง IIR Advanced Digital Signal Processing P. Yuvapoositanon

75 Advanced Digital Signal Processing
Lab 4: Filter Testing Advanced Digital Signal Processing P. Yuvapoositanon

76 Advanced Digital Signal Processing
Lab 4: Filter Testing Impulse response ของระบบ FIR Advanced Digital Signal Processing P. Yuvapoositanon

77 Advanced Digital Signal Processing
Lab 4: Filter Testing ทดลองใช้ Random Source และ Digital Filter Short-Time FFT White noise Generator รวมกราฟ FFT ทฤษฎี Advanced Digital Signal Processing P. Yuvapoositanon

78 Advanced Digital Signal Processing
Lab 4: Filter Testing ผลการทดลอง สังเกตความเข้ากันได้ของผลจากการทดลองและทฤษฎี Advanced Digital Signal Processing P. Yuvapoositanon

79 Lab 5: FIR Design by Fdatool
ทดลองออกแบบตัวกรอง FIR ด้วย fdatool Advanced Digital Signal Processing P. Yuvapoositanon

80 Lab 5: FIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

81 Lab 5: FIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

82 Lab 5: FIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

83 Lab 5: FIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

84 Lab 5: FIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

85 Lab 5: FIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

86 Lab 5: FIR Design by Fdatool
การ export ค่าจะได้อยู่ในรูปบล็อก simulink Advanced Digital Signal Processing P. Yuvapoositanon

87 Lab 5: FIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

88 Lab 5: FIR Design by Fdatool
ต่อบล็อก sine wave และ scope เพิ่ม Advanced Digital Signal Processing P. Yuvapoositanon

89 Lab 5: FIR Design by Fdatool
แยกแสดงผล Advanced Digital Signal Processing P. Yuvapoositanon

90 Lab 5: FIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

91 Lab 5: FIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

92 Lab 5: FIR Design by Fdatool
10,800 Hz -6 dB (0.5V) Advanced Digital Signal Processing P. Yuvapoositanon

93 Lab 5: FIR Design by Fdatool
15,100 Hz -20 dB (0.1 V) Advanced Digital Signal Processing P. Yuvapoositanon

94 Lab 5: FIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

95 Lab 5: FIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

96 Lab 5: FIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

97 Lab 5: FIR Design by Fdatool
10.8 kHz -6 dB Advanced Digital Signal Processing P. Yuvapoositanon

98 Lab 6: IIR Design by Fdatool
IIR design โดยใช้ต้นแบบ Butterworth Advanced Digital Signal Processing P. Yuvapoositanon

99 Lab 6: IIR Design by Fdatool
เราสามารถเลือก order ได้เอง -3 dB @Fc Advanced Digital Signal Processing P. Yuvapoositanon

100 Lab 6: IIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

101 Lab 6: IIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

102 Lab 6: IIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

103 Lab 6: IIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

104 Lab 6: IIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

105 Lab 6: IIR Design by Fdatool
เราสามารถเปลี่ยนโครงสร้างของตัวกรองเป็นแบบอื่นๆได้ Advanced Digital Signal Processing P. Yuvapoositanon

106 Lab 6: IIR Design by Fdatool
Lattice Advanced Digital Signal Processing P. Yuvapoositanon

107 Lab 6: IIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

108 Lab 6: IIR Design by Fdatool
ใช้การแปลง sos2tf ใน MATLAB Advanced Digital Signal Processing P. Yuvapoositanon

109 Lab 6: IIR Design by Fdatool
Advanced Digital Signal Processing P. Yuvapoositanon

110 Lab 6: IIR Design by Fdatool
12 kHz -3 dB Advanced Digital Signal Processing P. Yuvapoositanon

111 Part III Fundamental of Random Signals

112 Advanced Digital Signal Processing
Random Signals สัญญาณโดยทั่วไปนั้นอยู่ในรูปสัญญาณที่ไม่แน่นอน เรียกสัญญาณที่มีความไม่แน่นอนนั้นว่าสัญญาณสุ่ม (Random Signal) สัญญาณรบกวน เสียงพูดว่า Matlab Advanced Digital Signal Processing P. Yuvapoositanon

113 Advanced Digital Signal Processing
Statistics Values เราไม่สามารถ ใช้ spectrum ในการหาความหมายของสัญญาณสุ่ม ได้ เราใช้ ค่าสถิติ (Statistics) ค่าเฉลี่ย (Mean) ค่า Correlation Advanced Digital Signal Processing P. Yuvapoositanon

114 Advanced Digital Signal Processing
Expectation Value ค่าเฉลี่ยของสัญญาณ (mean) แสดง ปริมาณกลางของสัญญาณ E{x(n)} = ค่าคาดหวัง (expected value) ของสัญญาณ Advanced Digital Signal Processing P. Yuvapoositanon

115 Advanced Digital Signal Processing
Correlation ค่า correlation นั้นได้เป็นการบอกว่าสัญญาณมีความเหมือนกันหรือไม่? ที่เวลาการหน่วงเท่าใด? คำนวณจากค่าเฉลี่ยเชิงสถิติของผลคูณของสองสัญญาณ ค่าเฉลี่ยเชิงสถิติดังกล่าวเรียกว่า ค่าคาดหวัง (expectation value) ตัวอย่างค่า correlation ของ A และ B มี สัญลักษณ์ A B = E{A*B} Cross-correlation A A = E{A*A} Auto-correlation E{ } =Expectation operator Advanced Digital Signal Processing P. Yuvapoositanon

116 Auto and Cross correlation
Autocorrelation Cross-correlation A C A A D B Advanced Digital Signal Processing P. Yuvapoositanon

117 Advanced Digital Signal Processing
Random Signal สมมติว่า สัญญาณสุ่ม (เช่น เสียงพูด) เป็นดังรูป Advanced Digital Signal Processing P. Yuvapoositanon

118 Advanced Digital Signal Processing
AutoCorrelation เราทำการหา autocorrelation ของ สัญญาณสุ่ม A A Advanced Digital Signal Processing P. Yuvapoositanon

119 Advanced Digital Signal Processing
Different Signals หากมีสัญญาณสุ่ม B ที่ ไม่เหมือน A Advanced Digital Signal Processing P. Yuvapoositanon

120 Different Random Signals
ความแตกต่าง A A A B A-A A-B Advanced Digital Signal Processing P. Yuvapoositanon

121 Advanced Digital Signal Processing
Cross Correlation คุณสมบัติสัญญาณสุ่มนั้นไม่สามารถดูได้ (หรือดูได้ยาก) จาก “ตาเปล่า” แต่สามารถใช้ cross correlation ตรวจสอบได้ A B Advanced Digital Signal Processing P. Yuvapoositanon

122 Advanced Digital Signal Processing
Cross Correlation สำหรับสัญญาณที่ไม่เหมือนกัน ไม่มี crosscorrelation A C Advanced Digital Signal Processing P. Yuvapoositanon

123 Advanced Digital Signal Processing
Communication Signal สัญญาณในการสื่อสารดิจิตอล เช่น โทรศัพท์มือถือนั้นจะเป็นสัญญาณที่เป็นข้อมูลข่าวสาร (information) ตามทฤษฎีข้อมูล (Information Theory) ของ C.E. Shannon นั้น ยิ่งสัญญาณมีความเป็นข้อมูลมาก ก็ยิ่งมีความเป็นสัญญาณสุ่มมากด้วย 1 1 1 1 1 1 1 ข้อมูลข่าวสาร = สัญญาณสุ่ม Advanced Digital Signal Processing P. Yuvapoositanon

124 Cross Correlation Application Code Division Multiple Access (CDMA)
ใช้การเข้ารหัส DATA 1 1 …. 1 1 1 1 X Modulation Code Chip “1” 1 1 1 1 1 1 1 1 …. Bit 1 Bit 2 Advanced Digital Signal Processing P. Yuvapoositanon

125 Advanced Digital Signal Processing
CDMA Receiver Chip Bit 2 Bit 1 “1” 1 1 1 1 1 1 1 1 …. 1 1 1 1 X Correlation Code Integration 1 1 Advanced Digital Signal Processing P. Yuvapoositanon

126 Advanced Digital Signal Processing
Simulink Model of CDMA Note: ในทางปฏิบัติ เราใช้ +1 และ -1 แทนข้อมูล 1 และ 0 ตามลำดับ Advanced Digital Signal Processing P. Yuvapoositanon

127 Advanced Digital Signal Processing
Decoding สัญญาณ mod สัญญาณ Demod Code ถูกต้อง สัญญาณ mod สัญญาณ Demod Code ไม่ถูกต้อง Advanced Digital Signal Processing P. Yuvapoositanon

128 Adaptive Signal Processing
ความต้องการคือ การหักล้างผลที่ไม่ต้องการ เช่น ผลของ channel ในเรื่อง Equalisation ผลของ room ในเรื่องของ Echo Cancellation ผลของ transfer function ของผิวหนังในการวัด ecg Advanced Digital Signal Processing P. Yuvapoositanon

129 Advanced Digital Signal Processing
Channel Equalisation Multipath Channel I) ไม่มี multipath 1 1 1 มี multipath II) 1 2 1 ? ? Advanced Digital Signal Processing P. Yuvapoositanon

130 Advanced Digital Signal Processing
Transfer Function เมื่อแปลงผลของ channel ด้วยการทำการแปลง z กรณีไม่มี multipath H(z) =1 Multipath ทำให้เกิดการผิดเพี้ยนทางโดเมนเวลา เราแก้ไขง่ายกว่าหากแก้ Multipath ทางโดเมนความถี่ H(z)=1 1 ไม่มี multipath z f t มี multipath 1 H(z)=? z 2 t f Advanced Digital Signal Processing P. Yuvapoositanon

131 Advanced Digital Signal Processing
Basic Equalisation I เราใช้ Equaliser ในการดัดแปลง channel ให้ มีค่า H(z) เป็น 1 ด้วยการทำ inverse Channel Equaliser H(z) 1/H(z) * Advanced Digital Signal Processing P. Yuvapoositanon

132 Advanced Digital Signal Processing
Basic Equalisation II กรณีที่ ไม่ทราบ channel H(z) เราต้องอาศัยการปรับค่าเองจาก error d + x y Channel e Adaptive Equaliser - + H(z) 1/H(z) * Advanced Digital Signal Processing P. Yuvapoositanon

133 Advanced Digital Signal Processing
Adaptive Algorithm ค่าผิดพลาด error= d-y ค่าใหม่ = ค่าเดิม + สเกล * ค่าผิดพลาด*อินพุท Algorithm w(n)=w(n-1) + mu*e(n)*x(n) For n=1:N end e(n)= d(n)-y(n) เรียกว่า Least-Mean Square (LMS) algorithm Advanced Digital Signal Processing P. Yuvapoositanon

134 Advanced Digital Signal Processing
LMS Algorithm Block บล็อก LMS Normalization Advanced Digital Signal Processing P. Yuvapoositanon

135 Adaptive Equalisation
ตัวอย่างการใช้บล็อก LMS สร้างระบบ Adaptive Equaliser Advanced Digital Signal Processing P. Yuvapoositanon

136 Advanced Digital Signal Processing
Noise Cancellation สัญญาณรบกวนเป็นสิ่งที่เราไม่ต้องการ วิธีการที่ง่ายที่สุดก็คือ แก้ด้วย หูฟังแบบพิเศษ Advanced Digital Signal Processing P. Yuvapoositanon

137 Basic of Noise Cancellation
การสร้างสัญญาณกลับเฟสทำให้เกิดบริเวณเงียบ Active Noise Canceller สร้างสัญญาณกลับเฟสด้วยอัลกอริธึม DSP n บริเวณเงียบ -n Loudspeaker n Pilot Mic สัญญาณรบกวน Feedback ANC Advanced Digital Signal Processing P. Yuvapoositanon

138 Active Noise Cancellation Headphones
การใช้งาน ANC ที่ได้ผลดี คือ ใน Headphones LX-18 Active Noise Cancelling Headphones Advanced Digital Signal Processing P. Yuvapoositanon

139 Diagram of Active Noise Cancellation Headphones
Quiet Zone Pilot Mic n 1 n 2 1. สัญญาณเข้า n ที่ Ext.Mic 2. n ถูกดัดแปลงเป็น n จาก H(z) ที่ Pilot Mic. 3. ANC พยายามสร้าง y เป็น n ที่กลับเฟส (คือ –n) H(z) Ext.Mic 3 y H(z) เป็นโมเดลทาง Acoustic Advanced Digital Signal Processing P. Yuvapoositanon

140 Advanced Digital Signal Processing
แปลงโมเดล n Pilot Mic Loudspeaker Exterior Mic FIR n y + e Algorithm ANC Advanced Digital Signal Processing P. Yuvapoositanon

141 Advanced Digital Signal Processing
ANC Simulink Model Dspanc_win32.mdl Advanced Digital Signal Processing P. Yuvapoositanon

142 Adaptive Time Delay Estimation
+ d x y Adaptive Equaliser - error Delay + + Noise Advanced Digital Signal Processing P. Yuvapoositanon

143 Advanced Digital Signal Processing
ADTE: Simulink Model lmsadte.mdl ค่าสัมประสิทธิ์ตัวกรอง แสดงตำแหน่งของการหน่วง 9 9 Advanced Digital Signal Processing P. Yuvapoositanon

144 Advanced Digital Signal Processing
ECG Measurement สัญญาณ ECG เป็นสัญญาณที่สำคัญ เพื่อตรวจสอบอาการผิดปกติต่างๆ ของ หัวใจ Advanced Digital Signal Processing P. Yuvapoositanon

145 Advanced Digital Signal Processing
ECG Signal ใช้ Matlab ในการสร้าง ecg Advanced Digital Signal Processing P. Yuvapoositanon

146 Advanced Digital Signal Processing
ECG Measuring Circuit บล็อกไดอะแกรมของวงจรสำหรับการวัด ECG Advanced Digital Signal Processing P. Yuvapoositanon

147 Diagram of ECG Measurement with Noise
3 ECG ผิวหนัง ขนาดและเฟสของ 220 V ถูกเปลี่ยนแปลงด้วย H(z) 1 2 ECG Sensor H(z) 50 Hz 220 Vac 50Hz H(z) เป็นTransfer Function ของผิวหนัง 50 Hz 4 Advanced Digital Signal Processing P. Yuvapoositanon

148 Advanced Digital Signal Processing
50Hz Notch Filtering เราจะทำการตัดสัญญาณ 50 Hz ด้วย Notch filter From ECG Sensor Filtered ECG Notch Filter 50 Hz 50 Hz f Advanced Digital Signal Processing P. Yuvapoositanon

149 Lab 7: 50Hz Canceling in ECG
ออกแบบ Notch filter ด้วย Fdatool บล็อกใน Simulink Fpass2 55 Hz Fpass1 40 Hz Fstop2 60 Hz 50Hz Fstop1 45 Hz 50 Hz f Advanced Digital Signal Processing P. Yuvapoositanon

150 Lab 7: 50Hz Canceling in ECG
ระบบ 50Hz Canceling ด้วย Notch filter Notch Filter Advanced Digital Signal Processing P. Yuvapoositanon

151 Lab 7: 50Hz Canceling in ECG
Advanced Digital Signal Processing P. Yuvapoositanon

152 Lab 7: 50Hz Canceling in ECG
กรณีสัญญาณเข้ามาเป็นมี distortion เช่น สัญญาณไม่เป็น sine แท้จริง เช่น มีการ clipping Transfer Functionของผิวหนัง Nonlinear Wave Advanced Digital Signal Processing P. Yuvapoositanon

153 Lab 7: 50Hz Canceling in ECG
ฮาร์โมนิกไม่ลด Advanced Digital Signal Processing P. Yuvapoositanon

154 Lab 7: 50Hz Canceling in ECG
ทดลองสร้าง adaptive filter ด้วยบล็อก nLMS Advanced Digital Signal Processing P. Yuvapoositanon

155 Lab 7: 50Hz Canceling in ECG
ฮาร์โมนิก ลดลง Advanced Digital Signal Processing P. Yuvapoositanon

156 Advanced Digital Signal Processing
Conclusion Matlab และ Simulink เหมาะสมในการศึกษาและทดสอบระบบ DSP ทั้งระดับพื้นฐานและการทำงาน DSP BLockset มีทั้งฟังก์ชันทั่วไปและฟังก์ชันระดับสูงทาง DSPให้เลือกใช้ การใช้ DSP ด้วย Matlab Simulink และ DSP BLockset นั้นสามารถใช้งานได้ง่าย โดยผู้ใช้งานสามารถเลือกบล็อกใช้งานได้อย่างสะดวก แต่การทำงาน DSP อย่างจริงจังต้องอาศัยความเข้าใจทางทฤษฎีด้วย Advanced Digital Signal Processing P. Yuvapoositanon

157 Thank You


ดาวน์โหลด ppt Mahanakorn University of Technology

งานนำเสนอที่คล้ายกัน


Ads by Google