“信号处理”的版本间的差异
(→发展历史) |
|||
第31行: | 第31行: | ||
离散信号处理的概念也是一门理论学科,它为数字信号处理建立了数学基础,不过没有考虑量化噪声。 | 离散信号处理的概念也是一门理论学科,它为数字信号处理建立了数学基础,不过没有考虑量化噪声。 | ||
− | ===数字信号 | + | ===数字信号 Digital Signal=== |
数字信号处理是面向数字化离散时间采样信号的技术。处理过程需要通用计算机或者数字电路,如ASICs(专用集成电路)、FPGA(现场可编程门阵列)或者专门的数字信号处理器(DSP芯片)。典型的算术运算包括不动点和浮点、实值和复值、乘法和加法。需要硬件支持的一些典型操作包括循环缓冲区和查找表。数字信号处理算法包括FFT(快速傅立叶变换)、FIR(有限脉冲响应滤波器)、IIR(无限脉冲响应滤波器)以及自适应滤波器(比如维纳滤波器和卡尔曼滤波器)。 | 数字信号处理是面向数字化离散时间采样信号的技术。处理过程需要通用计算机或者数字电路,如ASICs(专用集成电路)、FPGA(现场可编程门阵列)或者专门的数字信号处理器(DSP芯片)。典型的算术运算包括不动点和浮点、实值和复值、乘法和加法。需要硬件支持的一些典型操作包括循环缓冲区和查找表。数字信号处理算法包括FFT(快速傅立叶变换)、FIR(有限脉冲响应滤波器)、IIR(无限脉冲响应滤波器)以及自适应滤波器(比如维纳滤波器和卡尔曼滤波器)。 |
2020年4月18日 (六) 16:20的版本
信号处理(Signal processing)是电子工程领域的一个分支,致力于分析、加工和合成诸如声音、图像和生物测量等信号。信号处理技术可用于提高传输和存储效率以及信号主观质量,也研究如何提取和检测可测信号中的有效成分。
发展历史
按照奥本海姆 Alan V. Oppenheim和谢弗 Ronald w. Schafer的观点,信号处理的原理可以追溯到17世纪的经典数值分析技术。奥本海姆和谢弗进一步指出,这些数字信号领域的技术改进可以在1940-1950年代的数字控制系统领域中找到。
1948年克劳德香农Claude Shannon在Bell System Technical Journal期刊上发表了非常具有影响力的论文《A Mathematical Theory of Communication》。这篇论文为之后的信息通信系统奠定了基础。与此同时,随着信号处理的出现,信息传输技术也开始飞速发展。
电子信号处理由于MOSFET(金属氧化物半导体场效应管,一般称之为MOS晶体管)的出现而发生了革命性的改变。该晶体管由Mohamed M. Atalla和Dawon Kahng在1959年发明。MOS集成电路技术是20世纪70年代初第一个单片机微处理器和微控制器出现的基础,随之第一个单片信号处理器(DSP)在1979年出现。
分类
模拟信号 Analog Signal
模拟信号处理面向的是那些没有被数字化的信号(包括线性和非线性的电子电路信号),比如传统的无线电、电话、雷达和电视系统(编者注:现在绝大多数电视机均采用数字信号,很多年前的天线采用模拟信号,如今配置机顶盒的电视机基本上都是数字信号)。线性电子电路包括无源滤波器、有源滤波器、附加混频器、积分器和延迟线等。非线性电路包括压控电路、倍增器(频率混合器和压控放大器)、压控滤波器、压控振荡器和锁相环电路。
连续信号 Continuous-time signal
连续时间信号处理(一般也称为连续信号处理)面向随连续域变化而变化的信号(忽略某些单个中断点)。
信号处理一般会从时域、频域和复频域三个角度对信号进行分析。该技术主要讨论线性时不变连续系统的建模、系统零状态响应的积分、系统函数的建立以及确定性信号的连续时间滤波。
离散信号 Discrete time signal
离散时间信号处理(一般也称为离散信号处理)是面向采样信号的,即定义在时间离散点上的信号,因此该信号仅在时间上是量化的,而不对幅度进行量化。
模拟离散时间信号处理是面向持续采样电路、模拟时分复用器、模拟延迟线和模拟反馈移位寄存器等电子器件的技术。这项技术是数字信号处理的前身(见下一部分数字信号),目前仍应用于千兆赫兹信号的高级处理。
离散信号处理的概念也是一门理论学科,它为数字信号处理建立了数学基础,不过没有考虑量化噪声。
数字信号 Digital Signal
数字信号处理是面向数字化离散时间采样信号的技术。处理过程需要通用计算机或者数字电路,如ASICs(专用集成电路)、FPGA(现场可编程门阵列)或者专门的数字信号处理器(DSP芯片)。典型的算术运算包括不动点和浮点、实值和复值、乘法和加法。需要硬件支持的一些典型操作包括循环缓冲区和查找表。数字信号处理算法包括FFT(快速傅立叶变换)、FIR(有限脉冲响应滤波器)、IIR(无限脉冲响应滤波器)以及自适应滤波器(比如维纳滤波器和卡尔曼滤波器)。
非线性信号 Nonlinear Signal
非线性信号处理适用于非线性系统产生信号,可以在时间、频率或时空域内进行。非线性系统可以产生高度复杂的行为,包括分岔、混沌、谐波和分谐波,这些行为无法用线性方法产生和分析。
统计信号 Statistical Signal
统计信号处理是将信号视为随机过程,利用其统计特征来完成信号处理任务的一种方法。统计技术广泛应用于信号处理领域。例如,我们可以为拍摄图像时产生的噪声建立概率分布模型,并基于该模型构造相关的信号处理技术来降低图像中的噪声。
应用领域
- 音频信号处理——用来表示声音的电信号,如语音或者音乐
- 图像处理——应用于数码相机,计算机和各种成像系统中
- 视频信号处理——用于处理电子影像
- 无线通信——波形的形成、调制解调、滤波、均衡
- 数组处理——处理来自传感器列阵的信号
- 过程控制——使用多源信号,包括行业标准等
- 金融数据处理——使用信号处理技术分析财务数据,尤其是用于预测
- 特征提出——用于提取信号特征,主要应用于图像的理解和语音识别。在很多人工智能领域中,这是必不可少的一环。
- 编码——包括音频压缩、图像压缩和视频压缩
典型设备
- 滤波器 ——例如模拟(无源和有源)或数字(FIR、IIR、频域和随机滤波器等)
- 用于信号采集和重建的采样器和模数转换器,包括测量物理信号,将其存储或传输为数字信号,之后再还原为原始信号或其近似值。
- 信号压缩器
- 数字信号处理器(DSP)
相关数学方法
- 微分方程
- 递归关系
- 变换理论
- 时频分析 –用于处理非平稳信号
- 频谱估计 –用于确定时间序列的频谱内容(即功率在频率上的分布)
- 统计信号处理 –根据信号和噪声的随机特性分析和提取信息
- 线性时不变系统理论和变换理论
- 多项式信号处理 –使用多项式分析与输入和输出相关的系统
- 系统识别和分类
- 微积分
- 复杂分析
- 向量空间和线性代数
- 功能分析
- 概率论和随机过程
- 信号检测
- 参数估计
- 优化方法
- 数值方法
- 时间序列
- 数据挖掘 –用于统计分析大量变量之间的关系(代表许多物理信号),以提取未知的有用信息
本中文词条由ZQ参与编译,欢迎在讨论页面留言。
本词条内容源自wikipedia及公开资料,遵守 CC3.0协议。