- •1. Роль и место цос и в современной радиоэлектронике. Преимущества и эффективность цос. Последовательность операций цос.
- •2. Дискретные линейные системы. Представление дискретных последова-тельностей. Нормированное время.
- •3.Дискретизация и квантование сигналов. Способы отсчета значений сигнала. Нормированная частота.
- •4. Теорема дискретизации Найквиста-Котельникова. Выбор интервала дискретизации для нестационарных процессов.
- •5. Дискретные системы. Примеры: идеальная система задержки; система без запоминания.
- •6. Дискретные линейные стационарные системы. Примеры: сумматор, система с запоминанием.
- •7. Дискретные линейные системы с постоянными параметрами. Уравнение циклической свертки.
- •11. Нерекурсивные линейные дискретные системы. Пример. Схема.
- •9. Линейные разностные уравнения с постоянными параметрами. Пример.
- •10. Рекурсивные линейные дискретные системы. Пример. Схема.
- •12. Представление дискретных систем и сигналов в частотной области. Комплексная частотная характеристика дискретных систем. Пример.
- •13. Представление кчх дискретных систем в алгебраической и в показательной форме. Расчет кчх. Пример.
- •14. Импульсная характеристика дискретных систем. Импульсная характеристика рекурсивной линейной дискретной системы. Пример.
- •15. Свойства преобразования Фурье. Теорема о периодической свертке
- •16. Расчет комплексной частотной характеристики рекурсивной системы. Пример.
- •17. Дискретизированное по времени преобразование Фурье.
- •18. Выбор подходящего класса дискретных фильтров. Сравнение бих и ких-фильтров.
- •19. Идеальные частотно-избирательные фильтры. Спецификация требований фильтра. Преимущества цф. Формула
- •20. Дискретный фильтр с конечной импульсной характеристикой. Вычисление коэффициентов ких-фильтра.
- •21. Метод весовых функций. Расчет частотной характеристики прямоугольного окна. Эффект Гиббса.
- •23. Структурная схема ких-фильтра.
- •24. Импульсная характеристика идеального фнч.
- •25. Дискретные экспоненциальные функции. Свойства функций дэф
- •26. Метод окон. Стандартные весовые функции (окна). Пример вычисления коэффициентов импульсной характеристики ких – фильтра нч.
- •27. Дискретное преобразование Фурье. Свойства дпф. Теорема о корреляции.
- •28. Соотношения двойственности преобразования Фурье.
- •29. Дпф. Свойства. Инвариантность дпф относительно сдвига по времени и частоте.
- •30.38 Вычислительнаясложностьдискретныхпреобразований: дпф, дпх, дпу-a, дкп.
- •31. Алгоритм быстрого преобразования Фурье. Алгоритм разделения входной последовательности на части. Посмотреть48
- •32. Дискретное преобразование Уолша-Адамара. Свойства.
- •33.Ортогональные преобразования. Базисные функции ядра унітарного преобразования Хартли
- •34.Цифровая корреляционная функция. Корреляционное декодирование кодових последовательностей. Пример.
- •36. Дисперсионная фильтрация сигналов и изображений. Пример.
- •37. Вычисление циклической дискретной автосвертки последовательности с помощью дпф.
- •30.38. Вычисление двумерных преобразований. Вычислительная сложность двумерных преобразований. Пример.
- •39.Фурье-образ прямоугольного окна. Пример.
- •41. Устойчивость линейных дискретных систем.
- •43. Дискретное преобразование Фурье. Свойства. Симметричность дпф. Теорема о свертке.
- •44. Сжатие изображений. Статистические характеристики изображений.
- •45. Пороговая фильтрация коэффициентов преобразования Уолша-Адамара. Пример.
- •46. Описание границ объектов на изображениях посредством преобразований. Пример.
- •47. Оценка вычислительной сложности бпф. Выигрыш в вычислительной сложности бпф.
- •48. Структурная схема процессора для вычисления n-мерного сигнала. Пример бпф с прореживанием по времени
- •49. Дисперсионный принцип фильтрации трансформант. Пример.
- •50.Алгоритс бпф с прореживанием по времени.
- •51. Вычисление двумерной функции распределения трансформант.
- •52. Компрессия изображений посредством дкп. Пример.
52. Компрессия изображений посредством дкп. Пример.
Существуют два вида алгоритмов сжатия (компрессии) визуальной информации (изображений): сжатие без потерь информации (неразрушающая компрессия); сжатие с потерями (разрушающая компрессия). Первыми для архивации изображений стали применяться неразрушающие алгоритмы сжатия, которые из-за низкой степени сжатия в дальнейшем перестали удовлетворять требованиям, предъявляемым к системам архивации визуальной информации. Поэтому в настоящее время в основном применяются алгоритмы с потерями информации. При этом в каждом конкретном сдучае задача сжатия решается в результате компромисса между степенью сжатия и качеством сжатых изображений.
Дискретное косинусное преобразование (ДКП) непосредственно связано с дискретным преобразованием Фурье. Недостаток ДПФ заключается в том, что спектральные коэффициенты носят комплексный характер. Однако можно осуществить такое преобразование множества отсчетов сигнала {Х(n)}, в котором используется только реальная часть ядра преобразования ДПФ, т.е. только члены, связанные с cos. Используя запись ДПФ, получаем выражение ДКП:
Обратное ДКП выглядит так:
где
Прямое ДКП в матричном виде запишется как
где:
[φ(k, n)]-квадратная матрица ДКП размером (NхN):
Обратное ДКП в матричном виде запишется как
Прямое двухмерное преобразование ДКП в матричной форме имеет вид:
[C(
)]
=
Обратное преобразование в матричной форме записывается как
