S
s
Guest
Kan DSPs erstatte de fleste af analoge kredsløb fra fortiden gange??Hvad er begrænsninger??Ingen af bits, der anvendes til at repræsentere 1 prøve??samplingfrekvens??
Navigation
Install the app
How to install the app on iOS
Follow along with the video below to see how to install our site as a web app on your home screen.
Note: This feature may not be available in some browsers.
More options
You are using an out of date browser. It may not display this or other websites correctly.
You should upgrade or use an alternative browser.
You should upgrade or use an alternative browser.
P
PaulHolland
Guest
Ja tak!.Da alle elektronik kredsløb kan udtrykkes i mathametics du kan sætte den i en hurtig computer og beregne alle.(DSP denne hurtige computer er) Problemet er, at beregningsmæssige magt er den begrænsende faktor og IKKE ordlængde!.
Paul.
Paul.
T
terminator83
Guest
gode nyheder
C
claudiocamera
Guest
Fyrene, skal du være passe med ordene: Det meste er anderledes af alle.
For at kunne arbejde med et digitalt signal, du normalt skal prøve et analogt signal.Før prøvetagning skal du bestå de analoge signal gennem et antialiasing filter, antialising filter er dette normalt en analog aktiv filter med opamps, så det er en instans, som de fleste er ikke alle!
For at kunne arbejde med et digitalt signal, du normalt skal prøve et analogt signal.Før prøvetagning skal du bestå de analoge signal gennem et antialiasing filter, antialising filter er dette normalt en analog aktiv filter med opamps, så det er en instans, som de fleste er ikke alle!
S
s
Guest
Ja, meget sandt.Ikke alle kan udskiftes som u fortalt.
A
ahmed osama
Guest
faktisk nu dage er der nogle drømme om noget, der hedder antenne til dsp
hvor de ønsker inden for dsp en meget faaaast ADC, som kan konvertere disse RF direkte til digital på dette tidspunkt ADC & PWR vil leveringsstedet være det eneste analoge ct i projektet ...........
smuk drømme
hvor de ønsker inden for dsp en meget faaaast ADC, som kan konvertere disse RF direkte til digital på dette tidspunkt ADC & PWR vil leveringsstedet være det eneste analoge ct i projektet ...........
smuk drømme
S
s
Guest
Wow!Rart at høre, at DSP er teknologien i fremtiden.Jeg tror, efter gennemførelsen af Antenna til DSP design i praktiske kredsløb, Analog kredsløb ville mange blive erstattet af Signal Processing og Alogs i Digital Domain.
M
mizel
Guest
DSPs kan ikke erstatte alle analoge kredsløb.Ikke engang tæt på.Faktisk analog design er lige så stort eller større end det nogensinde var med udbredt brug af RF-elektronik.
Jeg ville elske at se en DSP fungerer som en effektforstærker eller en komplet RF frontend, men det kan bare ikke.Selv mange af de ansøgninger, en DSP kunne bruges til, er typisk ikke ønskeligt, da DSP vil bruge mere strøm end de analoge tilsvarende (eller analog analog :-]).
Laveffektanvendelser er overalt, og strømforbruget er en stigende bekymring.Selvom en DSP kan til tider være at foretrække ud fra et cost perspektiv.
Jeg ville elske at se en DSP fungerer som en effektforstærker eller en komplet RF frontend, men det kan bare ikke.Selv mange af de ansøgninger, en DSP kunne bruges til, er typisk ikke ønskeligt, da DSP vil bruge mere strøm end de analoge tilsvarende (eller analog analog :-]).
Laveffektanvendelser er overalt, og strømforbruget er en stigende bekymring.Selvom en DSP kan til tider være at foretrække ud fra et cost perspektiv.
S
Slayerza
Guest
Yeah, jeg er enig DSP har sin plads, men kan ikke erstatte alle analoge electonics.Udover hvis du virkelig bryde det ned DSP er lavet af transistorer en analog komponent!
Men fremskridtene er automatisering, missiler, fly, robot vision etc er alle afhængige af fremskridt i DSP.Skål
H
Men fremskridtene er automatisering, missiler, fly, robot vision etc er alle afhængige af fremskridt i DSP.Skål
H
A
arno_a_boy
Guest
dsp er meget nyttigt, men det skal analog kredsløb for at få & prøve indgangssignalet.
indgangssignaler er alle analog form (eks. tale image video) så analoge kredsløb er bare nødvendig for at modtage, prøve og håndtere det analoge indgangssignal.
efter, at diskrete DSP algoritmer med en DSP processor kan bruges til at behandle diskret signal for eksempel at indkode prøver i en specifik standard.
indgangssignaler er alle analog form (eks. tale image video) så analoge kredsløb er bare nødvendig for at modtage, prøve og håndtere det analoge indgangssignal.
efter, at diskrete DSP algoritmer med en DSP processor kan bruges til at behandle diskret signal for eksempel at indkode prøver i en specifik standard.
M
matthewliao
Guest
Den digitale kredsløb kan erstatte de fleste af de analoge kredsløb, når signalet skal vi bare have kun digital signal.Nu kan DSP ikke erstatte de fleste af analoge kredsløb, bare fordi vi har brug filtrene til at få analoge signaler fra de digitale signaler.
B
Bauer
Guest
Digital signalbehandling (DSP) er studiet af signaler i en digital repræsentation og forarbejdningsmetoder af disse signaler.DSP og analog signalbehandling er delfelter til signalbehandling.DSP har mindst tre store delfelter: audio signalbehandling, digital billedbehandling og behandling af tale.
Da målet med DSP er normalt at måle eller filter løbende virkelige verden analoge signaler, er det første skridt som regel at konvertere signalet fra en analog til digital form, ved hjælp af en analog til digital konverter.Ofte kræves udgangssignal er en anden analog udgangssignal, som kræver en digital til analog konverter.
De algoritmer der kræves for DSP er undertiden udføres ved hjælp af specialiserede computere, der gør brug af specialværktøj mikroprocessorer kaldet digital signal-processorer (også forkortet DSP).Disse proces signaler i realtid og er generelt dertil indrettede ASICs.
Indhold
[Skjul]
* 1 DSP domæner
* 2 Signal prøvetagning
* 3 Tid og rum domæner
* 4 Frekvens domæne
* 5 Ansøgninger
* 6 Teknikker
* 7 Relaterede felter
* 8 Referencer
* 9 Eksterne links
[Redigér]
DSP domæner
I DSP, normalt ingeniører undersøgelse digitale signaler i en af følgende områder: tid domæne (en-dimensionelle signaler), fysisk domæne (multidimensional signaler), frekvens domæne, autokorrelation domæne, og wavelet domæner.De vælger det domæne til at behandle et signal ved at gøre et kvalificeret gæt (eller ved at prøve forskellige muligheder), hvilke domæne bedst repræsenterer de væsentlige karakteristika af signalet.En sekvens af prøver fra en måleanordning producerer en tid eller rum domæne repræsentation, mens en diskret Fouriertransformation producerer frekvens domæne information, det er det frekvensspektrum.Autokorrelation er defineret som cross-korrelation af signalet med sig selv over varierende intervaller tid eller rum.
[Redigér]
Signal prøvetagning
Uddybende artikel: Stikprøver (signalbehandling)
Med den stigende brug af computere brugen og behovet for digital signalbehandling er steget.For at bruge en analog signal på en computer det skal digitaliseres, med en analog til digital konverter (ADC).Prøveudtagningen foregår normalt i to faser, diskretisering og kvantisering.I diskretisering fase, plads af signaler er opdelt i ækvivalensklasser og diskretisering foretages ved at erstatte signalet med repræsentative signal for den tilsvarende ækvivalens klasse.I kvantisering fase repræsentant signal værdier er estimeres ved værdier fra en endelig sæt.
For at kunne prøve en analog signal Nyquist-Shannon prøvetagning sætning skal være opfyldt.Kort sagt, prøveudtagningsfrekvensen skal være større end to gange den båndbredde af signalet (forudsat det er filtreret passende).En digital til analog konverter (DAC) bruges til at konvertere det digitale signal tilbage til analog.Brugen af en digital computer er en vigtig ingrediens i digitale styresystemer.
[Redigér]
Tid og rum domæner
De mest almindelige behandling tilgang i tid eller rum domæne er styrkelse af indgangssignalet gennem en metode, der kaldes filtrering.Filtrering generelt består af nogle transformation af en række af de omkringliggende prøver omkring den aktuelle prøve af input eller output signal.Der er forskellige måder at karakterisere filtrene, for eksempel:
* En "lineære" filter er en lineær transformation af input prøver andre filtre er "non-lineær."Lineær filtre opfylder superposition betingelse, hvis et input er et vægtet lineær kombination af forskellige signaler, output er en lige stor vægt lineær kombination af den tilsvarende output signaler.
* En "kausal" filter kun bruger tidligere prøver af input eller output-signaler, mens et "non-kausal" filter bruger fremtid input prøver.En ikke-kausal filter kan normalt ændres til en kausal filter ved at tilføje en forsinkelse til det.
* En "time-invariant" filter har konstant egenskaber over tid; andre filtre såsom adaptive filtre ændre sig med tiden.
* Nogle filtre er "stabil", mens andre er "ustabile".En stabil filter giver en output, der konvergerer mod en konstant værdi med tiden, eller forbliver afgrænset inden for en begrænset interval.En ustabil filter producerer output, der afviger.
* En "finite impuls respons" (FIR) filter bruger kun indgangssignalet, mens en "uendelig impuls respons" filter (IIR) bruger både indgangssignalet og tidligere prøver af udgangssignalet.FIR filtre er altid stabil, mens IIR filtre kan være ustabil.
De fleste filtre kan beskrives i Z-domæne (supersæt af frekvens-domæne) ved deres overførsel funktioner.Et filter kan også beskrives som en forskel ligning, en samling af nuller og pæle eller, hvis det er en FIR filter, en impuls respons eller trin svar.Produktionen af en FIR filter til en given input kan beregnes ved convolving indgangssignalet med impuls respons.Filtre kan også være repræsenteret ved blokdiagrammer som derefter kan anvendes til at udlede en prøve behandling algoritme til at gennemføre filter ved hjælp af hardware instruktioner.
[Redigér]
Frekvens domæne
Signaler er konverteret fra tid eller rum domæne til hyppigheden domæne normalt gennem Fouriertransformation.Den Fouriertransformation konverterer signalet oplysninger til en størrelsesorden og fase af de enkelte frekvens.Ofte Fouriertransformation er konverteret til effektspektrum, som er størrelsen af hver frekvens komponent potens.
De mest almindelige formål til analyse af signaler i frekvensområdet domæne analyse af signal egenskaber.Ingeniøren kan studere det spektrum for at få oplysninger, som frekvenser er til stede i input-signalet, og som mangler.
Der er nogle almindeligt anvendte frekvens domæne transformationer.For eksempel, cepstrum konverterer et signal til frekvens domænet gennem Fouriertransformation, tager logaritmen, så gælder en anden Fouriertransformation.Dette understreger den hyppighed komponenter med mindre størrelsesorden og samtidig bevare rækkefølgen af omfanget af frekvens komponenter.
[Redigér]
Ansøgninger
De vigtigste anvendelsesområder for DSP er audio signalbehandling, audio komprimering, digital billedbehandling, video kompression, talebehandling, talegenkendelse og digital kommunikation.Konkrete eksempler er tale kompression og transmission i digital mobiltelefoner, udligning af lyd i Hifi-udstyr, vejrudsigter, økonomiske prognoser, seismiske data behandling, analyse og styring af industrielle processer, computer-genereret animationer i film, medicinsk billedbehandling såsom CAT scanninger og MR, image manipulation, og lydeffekter til brug sammen med elektrisk guitar forstærkere.En ny ansøgning er meget lav frekvens (VLF) modtagelse med en PC lydkort [1].
[Redigér]
Teknikker
* Bilinear omdanne
* Diskret Fouriertransformation
* Diskret-tid Fouriertransformation
* Filter design
* LTI system teori
* Minimum fase
* Transfer funktion
* Z-transform
* Goertzel algoritme
[Redigér]
Beslægtede områder
* Automatisk kontrol
* Datalogi
* Datakomprimering
* Elektrisk ingeniørarbejde
* Information teori
* Seismiske Databehandling
* Telekommunikation
Da målet med DSP er normalt at måle eller filter løbende virkelige verden analoge signaler, er det første skridt som regel at konvertere signalet fra en analog til digital form, ved hjælp af en analog til digital konverter.Ofte kræves udgangssignal er en anden analog udgangssignal, som kræver en digital til analog konverter.
De algoritmer der kræves for DSP er undertiden udføres ved hjælp af specialiserede computere, der gør brug af specialværktøj mikroprocessorer kaldet digital signal-processorer (også forkortet DSP).Disse proces signaler i realtid og er generelt dertil indrettede ASICs.
Indhold
[Skjul]
* 1 DSP domæner
* 2 Signal prøvetagning
* 3 Tid og rum domæner
* 4 Frekvens domæne
* 5 Ansøgninger
* 6 Teknikker
* 7 Relaterede felter
* 8 Referencer
* 9 Eksterne links
[Redigér]
DSP domæner
I DSP, normalt ingeniører undersøgelse digitale signaler i en af følgende områder: tid domæne (en-dimensionelle signaler), fysisk domæne (multidimensional signaler), frekvens domæne, autokorrelation domæne, og wavelet domæner.De vælger det domæne til at behandle et signal ved at gøre et kvalificeret gæt (eller ved at prøve forskellige muligheder), hvilke domæne bedst repræsenterer de væsentlige karakteristika af signalet.En sekvens af prøver fra en måleanordning producerer en tid eller rum domæne repræsentation, mens en diskret Fouriertransformation producerer frekvens domæne information, det er det frekvensspektrum.Autokorrelation er defineret som cross-korrelation af signalet med sig selv over varierende intervaller tid eller rum.
[Redigér]
Signal prøvetagning
Uddybende artikel: Stikprøver (signalbehandling)
Med den stigende brug af computere brugen og behovet for digital signalbehandling er steget.For at bruge en analog signal på en computer det skal digitaliseres, med en analog til digital konverter (ADC).Prøveudtagningen foregår normalt i to faser, diskretisering og kvantisering.I diskretisering fase, plads af signaler er opdelt i ækvivalensklasser og diskretisering foretages ved at erstatte signalet med repræsentative signal for den tilsvarende ækvivalens klasse.I kvantisering fase repræsentant signal værdier er estimeres ved værdier fra en endelig sæt.
For at kunne prøve en analog signal Nyquist-Shannon prøvetagning sætning skal være opfyldt.Kort sagt, prøveudtagningsfrekvensen skal være større end to gange den båndbredde af signalet (forudsat det er filtreret passende).En digital til analog konverter (DAC) bruges til at konvertere det digitale signal tilbage til analog.Brugen af en digital computer er en vigtig ingrediens i digitale styresystemer.
[Redigér]
Tid og rum domæner
De mest almindelige behandling tilgang i tid eller rum domæne er styrkelse af indgangssignalet gennem en metode, der kaldes filtrering.Filtrering generelt består af nogle transformation af en række af de omkringliggende prøver omkring den aktuelle prøve af input eller output signal.Der er forskellige måder at karakterisere filtrene, for eksempel:
* En "lineære" filter er en lineær transformation af input prøver andre filtre er "non-lineær."Lineær filtre opfylder superposition betingelse, hvis et input er et vægtet lineær kombination af forskellige signaler, output er en lige stor vægt lineær kombination af den tilsvarende output signaler.
* En "kausal" filter kun bruger tidligere prøver af input eller output-signaler, mens et "non-kausal" filter bruger fremtid input prøver.En ikke-kausal filter kan normalt ændres til en kausal filter ved at tilføje en forsinkelse til det.
* En "time-invariant" filter har konstant egenskaber over tid; andre filtre såsom adaptive filtre ændre sig med tiden.
* Nogle filtre er "stabil", mens andre er "ustabile".En stabil filter giver en output, der konvergerer mod en konstant værdi med tiden, eller forbliver afgrænset inden for en begrænset interval.En ustabil filter producerer output, der afviger.
* En "finite impuls respons" (FIR) filter bruger kun indgangssignalet, mens en "uendelig impuls respons" filter (IIR) bruger både indgangssignalet og tidligere prøver af udgangssignalet.FIR filtre er altid stabil, mens IIR filtre kan være ustabil.
De fleste filtre kan beskrives i Z-domæne (supersæt af frekvens-domæne) ved deres overførsel funktioner.Et filter kan også beskrives som en forskel ligning, en samling af nuller og pæle eller, hvis det er en FIR filter, en impuls respons eller trin svar.Produktionen af en FIR filter til en given input kan beregnes ved convolving indgangssignalet med impuls respons.Filtre kan også være repræsenteret ved blokdiagrammer som derefter kan anvendes til at udlede en prøve behandling algoritme til at gennemføre filter ved hjælp af hardware instruktioner.
[Redigér]
Frekvens domæne
Signaler er konverteret fra tid eller rum domæne til hyppigheden domæne normalt gennem Fouriertransformation.Den Fouriertransformation konverterer signalet oplysninger til en størrelsesorden og fase af de enkelte frekvens.Ofte Fouriertransformation er konverteret til effektspektrum, som er størrelsen af hver frekvens komponent potens.
De mest almindelige formål til analyse af signaler i frekvensområdet domæne analyse af signal egenskaber.Ingeniøren kan studere det spektrum for at få oplysninger, som frekvenser er til stede i input-signalet, og som mangler.
Der er nogle almindeligt anvendte frekvens domæne transformationer.For eksempel, cepstrum konverterer et signal til frekvens domænet gennem Fouriertransformation, tager logaritmen, så gælder en anden Fouriertransformation.Dette understreger den hyppighed komponenter med mindre størrelsesorden og samtidig bevare rækkefølgen af omfanget af frekvens komponenter.
[Redigér]
Ansøgninger
De vigtigste anvendelsesområder for DSP er audio signalbehandling, audio komprimering, digital billedbehandling, video kompression, talebehandling, talegenkendelse og digital kommunikation.Konkrete eksempler er tale kompression og transmission i digital mobiltelefoner, udligning af lyd i Hifi-udstyr, vejrudsigter, økonomiske prognoser, seismiske data behandling, analyse og styring af industrielle processer, computer-genereret animationer i film, medicinsk billedbehandling såsom CAT scanninger og MR, image manipulation, og lydeffekter til brug sammen med elektrisk guitar forstærkere.En ny ansøgning er meget lav frekvens (VLF) modtagelse med en PC lydkort [1].
[Redigér]
Teknikker
* Bilinear omdanne
* Diskret Fouriertransformation
* Diskret-tid Fouriertransformation
* Filter design
* LTI system teori
* Minimum fase
* Transfer funktion
* Z-transform
* Goertzel algoritme
[Redigér]
Beslægtede områder
* Automatisk kontrol
* Datalogi
* Datakomprimering
* Elektrisk ingeniørarbejde
* Information teori
* Seismiske Databehandling
* Telekommunikation