Что такое синусоидальный сигнал

Синусоидальный сигнал как базис

Синусоидальный сигнал является фундаментальным для описания и обработки сигналов. Почему именно синусоида?

От простого к сложному

Для того чтобы понять, как сложные сигналы могут быть представлены простыми, давайте рассмотрим подобную аналогию.

Конструктор, есть набор стандартных деталей из которых можем собрать весьма сложное изделие, или же мы можем представить себе сложную оркестровую композицию которую можно разделить на отдельные партии.

Простые синусоидальные сигналы мы можем рассматривать, как строительные блоки, из которых мы строим сложный сигнал. Объединение простых сигналов в сложные мы также можем назвать композицией.

Но гораздо важнее в этом принципе декомпозиция, то есть возможность разложения сложного сигнала на элементарные.

Разложение сложных сигналов

Рассмотрим пример разложения сложного сигнала на простые с математической точки зрения. Любой сложный сигнал можно представить, как сумму или суперпозицию, простых сигналов единичной амплитуды, помноженные на определенные весовые коэффициенты. Сумма взвешенных сигналов разной амплитуды, и формирует исходный сложный сигнал.

Простые сигналы единичной амплитуды мы именуем базисом, и если мы рассматриваем различные сложные сигналы в рамках одного базиса, отличаться они друг от друга будут только набором весовых коэффициентов. Для описания разнообразных сложных сигналов очень важно выбрать правильный базис, чтобы элементарный сигнал в нем явно отличались друг от друга.

Процесс получения весовых коэффициентов из отсчетов сигнала мы называем преобразование. И по факту представить сигнал мы можем, как в виде его отчетов, так и в виде его весовых коэффициентов в выбранном базисе.

Преобразование и работа с весовыми коэффициентами используется во многих задачах цифровой обработки сигналов, таких как фильтрация, компрессия, эквализация и так далее.

Для разных задач также используются разные типы преобразований, это могут быть преобразование Фурье, вейвлет преобразование, дискретно-косинусное преобразование.

Источник

Гармонические колебания

На хабре было несколько статей по преобразованию Фурье и о всяких красивостях типа Цифровой Обработки Сигналов (ЦОС), но неискушённому пользователю совершенно не понятно, зачем всё это нужно и где, а главное как это применить.

АЧХ шума.

Лично мне после прочтения этих статей (например, этой ) не стало понятно, что это и зачем оно нужно в реальной жизни, хотя было интересно и красиво.
Хочется не просто поглядеть красивые картинки, а так сказать, ощутить нутром, что и как работает. И я приведу конкретный пример с генерацией и обработкой звуковых файлов. Можно будет и послушать звук, и поглядеть его спектр, и понять, почему это так.
Статья не будет интересна тем, кто владеет теорией функций комплексной переменной, ЦОС и прочими страшными темами. Она скорее для любопытствующих, школьников, студентов и им сочувствующих :).

Сразу оговорюсь, я не математик, и многие вещи могу даже сказать неправильно (поправляйте личным сообщением), и данную статью пишу, опираясь на собственный опыт и собственное понимание текущих процессов. Если вы готовы, то поехали.

Пару слов о матчасти

Если мы вспомним школьный курс математики, то для построения графика синуса мы использовали круг. В общем-то так и получается, что вращательное движение можно превратить в синусоиду (как и любое гармоническое колебание). Самое лучшая иллюстрация этого процесса приведена в википедии

Гармонические колебания

Т.е. фактически график синуса получается из вращения вектора, который описывается формулой:

где A — длина вектора (амплитуда колебаний), φ — начальный угол (фаза) вектора в нулевой момент времени, ω — угловая скорость вращения, которая равна:

ω=2 πf, где f — частота в Герцах.

Как мы видим, что зная частоту сигнала, амплитуду и угол, мы можем построить гармонический сигнал.

Магия начинается тогда, когда оказывается, что представление абсолютно любого сигнала можно представить в виде суммы (зачастую бесконечной) различных синусоид. Иначе говоря, в виде ряда Фурье.
Я приведу пример из английской википедии. Для примера возьмём пилообразный сигнал.

Пилообразный сигнал

Его сумма будет представлена следующей формулой:

Если мы будем по очерёдно суммировать, брать сначала n=1, затем n=2 и т.д., то увидим, как у нас гармонический синусоидальный сигнал постепенно превращается в пилу:

Наверное красивее всего это иллюстрирует одна программа, найденная мной на просторах сети. Выше уже говорилось, что график синуса является проекцией вращающегося вектора, а как же быть в случае более сложных сигналов? Это, как ни странно, проекция множества вращающихся векторов, а точнее их суммы, и выглядит это всё так:

Вектора рисуют пилу.

Вообще рекомендую сходить самим по ссылке и попробовать самим поиграться с параметрами, и посмотреть как меняется сигнал. ИМХО более наглядной игрушки для понимания я ещё не встречал.

Ещё следует заметить, что есть обратная процедура, позволяющая получить из данного сигнала частоту, амплитуду и начальную фазу (угол), которое называется Преобразование Фурье.

Разложение в ряд Фурье некоторых известных периодических функций (отсюда)

Я детально на нём останавливаться не буду, но покажу, как это можно применить по жизни. В списке литературы порекомендую то, где можно почитать подробнее о матчасти.

Переходим к практическим упражнениям!

Мне кажется, что каждый студент задаётся вопросом, сидя на лекции, например по матану: зачем мне весь этот бред? И как правило, не найдя ответа в обозримом будущем, к сожалению, теряет интерес к предмету. Поэтому я сразу покажу практическое применение данных знаний, а вы эти знания уже будете осваивать сами :).

Всё дальнейшее я буду реализовывать на сях. Делал всё, конечно, под Linux, но никакой специфики не использовал, по идее программа будет компилироваться и работать под другими платформами.

Для начала напишем программу для формирования звукового файла. Был взят wav-файл, как самый простой. Прочитать про его структуру можно тут.
Если кратко, то структура wav-файла описывается так: заголовок, который описывает формат файла, и далее идёт (в нашем случае) массив 16-ти битных данных (остроконечник) длиной: частота_дискретизации*t секунд или 44100*t штук.

Для формирования звукового файла был взят пример здесь. Я его немного модифицировал, исправил ошибки, и окончательная версия с моими правками теперь лежит на гитхабе тут

Сгенерируем двухсекундный звуковой файл с чистым синусом частотой 100 Гц. Для этого модифицируем программу таким образом:

Обращаю внимание, что формула чистого синуса соответствует той, о которой мы говорили выше. Амплитуда 32000 (можно было взять 32767) соответствует значению, которое может принимать 16-ти битное число (от минус 32767 до плюс 32767).

В результате получаем следующий файл (можно его даже послушать любой звуковоспроизводящей программой). Откроем данный файл audacity и увидим, что график сигнала в действительности соответствует чистому синусу:

Чистый ламповый синус

Поглядим спектр этого синуса (Анализ->Построить график спектра)

График спектра

Виден чистый пик на 100 Гц (логарифмический масштаб). Что такое спектр? Это амплитудно-частотная характеристика. Существует ещё фазочастотная характеристика. Если помните, выше я говорил, что для построения сигнала надо знать его частоту, амплитуду и фазу? Так вот, можно из сигнала получить эти параметры. В данном случае у нас график соответствий частот амплитуде, при чём амплитуда у нас не в реальных единицах, а в Децибелах.

Величина, выраженная в децибелах, численно равна десятичному логарифму безразмерного отношения физической величины к одноимённой физической величине, принимаемой за исходную, умноженному на десять.

В данном случае просто логарифм амплитуды, умноженный на 10. Логарифмический масштаб удобно использовать при работе с сигналами.

Мне, честно говоря, не очень нравится анализатор спектра в этой программе, поэтому я решил написать свой с блекджеком и шлюхами, тем более, что это несложно.

Пишем свой анализатор спектра

Здесь может быть скучно, поэтому можете перейти сразу к следующей главе.

Поскольку я прекрасно понимаю, что тут портянки кода размещать нет смысла, те, кому реально интересно — сами найдут и поковыряют, а тем, кому это неинтересно, будут скучать, то я остановлюсь только на основных моментах написания анализатора спектра wav-файла.

Во-первых, нам wav-файл необходимо читать. Там необходимо прочитать заголовок, чтобы понять, что содержит данный файл. Я не стал реализовывать море вариантов чтения данного файла, а остановился только на одном. Пример чтения файла был взят отсюда практически без изменений, ИМХО — отличный пример. Там же есть реализация на питоне.

Следующее, что нам нужно, это быстрое преобразование Фурье. Это то самое преобразование, которое позволяет получить из конечного набора точек вектора исходных сигналов. Пусть вас пока это не пугает, дальше я объясню.
Опять же, велосипед изобретать не стал, а взял готовый пример отсюда.

Я понимаю, что чтобы объяснить, как работает программа, надо объяснить, что такое быстрое преобразование Фурье, а это как минимум ещё на одну некислую статью.

Для начала алокируем массивы:

Скажу лишь, что в программе мы читаем данные в массив длиной size_array (которое берём из заголовка wav-файла).

Массив для быстрого преобразования Фурье должен представлять собой последовательность , где fft_size=1

Источник

Амплитудно-частотная характеристика (АЧХ). Спектр сигнала.

При обсуждении переменного тока в одной из предыдущих статей (ссылка) мы познакомились с понятием гармонической (синусоидальной) функции. А бывают ли негармонические функции и сигналы и как с ними работать? В этом нам и предстоит сегодня разобраться 🙂 Кроме того, мы рассмотрим важнейшее понятие — амплитудно-частотную характеристику (АЧХ) сигналов.

Гармонические и негармонические сигналы.

Здесь A — амплитуда сигнала, w — циклическая частота, а \phi — начальная фаза. Вы спросите — а как же синус? Разве синусоидальный сигнал не является гармоническим? Конечно, является, дело в том, что sin\alpha = cos(\frac<\pi><2>\medspace-\medspace \alpha) — то есть сигналы отличаются начальной фазой, соответственно, синусоидальный сигнал не противоречит определению, которое мы дали для гармонических колебаний 🙂

Вторым подклассом периодических сигналов являются негармонические колебания. Вот пример негармонического сигнала:

Как видите, несмотря на «нестандартную» форму, сигнал остается периодическим, то есть его форма повторяется через интервал времени, равный периоду.

Для работы с такими сигналами и их исследования существует определенная методика, которая заключается в разложении сигнала в ряд Фурье. Суть методики состоит в том, что негармонический периодический сигнал (при выполнении определенных условий) можно представить в виде суммы гармонических колебаний с определенными амплитудами, частотами и начальными фазами. Важным нюансом является то, что все гармонические колебания, которые участвуют в суммировании, должны иметь частоты, кратные частоте исходного негармонического сигнала. Возможно это пока не совсем понятно, так что давайте рассмотрим практический пример и разберемся чуть подробнее 🙂 Для примера используем сигнал, который изображен на рисунке чуть выше. Его можно представить следующим образом:

Давайте изобразим все эти сигналы на одном графике:

В этой формуле U_k — амплитуда, а \phi_k — начальная фаза k-ой гармоники. Как мы уже упомянули чуть ранее, частоты всех гармоник кратны частоте первой гармоники, собственно, это мы и видим в этой формуле 🙂 U_0 — это нулевая гармоника, ее частота равна 0, она равна среднему значению функции за период. Почему среднему? Смотрите — среднее значения функции синуса за период равно 0, а значит при усреднении в этой формуле все слагаемые, кроме U_0 будут равны 0.

Амплитудный спектр сигнала.

Совокупность всех гармонических составляющих негармонического сигнала называют спектром этого сигнала. Различают фазовый и амплитудный спектр сигнала:

Давайте рассмотрим амплитудный спектр поподробнее. Для визуального изображения спектра используют диаграммы, представляющие из себя набор вертикальных линий определенной длины (длина зависит от амплитуды сигналов). На горизонтальной оси диаграммы откладываются частоты гармоник:

По горизонтальной оси могут откладываться как частоты в Гц, так и просто номера гармоник, как в данном случае. А по вертикальной оси — амплитуды гармоник, тут все понятно. Давайте построим амплитудный спектр сигнала для негармонического колебания, которое мы рассматривали в качестве примера в самом начале статьи. Напоминаю, что его разложение в ряд Фурье выглядит следующим образом:

У нас есть две гармоники, амплитуды которых равны, соответственно, 2 и 1.5. Поэтому на диаграмме две линии, длины которых соответствуют амплитудам гармонических колебаний. Фазовый спектр сигнала строится аналогично, за той лишь разницей, что используются начальные фазы гармоник, а не амплитуды.

Итак, с построением и анализом амплитудного спектра сигнала мы разобрались! Давайте перейдем к следующей теме сегодняшней статьи — к понятию амплитудно-частотной характеристики.

Амплитудно-частотная характеристика (АЧХ).

АЧХ является важнейшей характеристикой многих цепей и устройств — фильтров, усилителей звука и т. д. Даже простые наушники имеют свою собственную амплитудно-частотную характеристику. Что же она показывает?

АЧХ — это зависимость амплитуды выходного сигнала от частоты входного сигнала. Как мы выяснили в первой части статьи, негармонический периодический сигнал можно разложить в ряд Фурье. Но нас сейчас интересует, в первую очередь, аудио-сигнал, и выглядит он следующим образом:

Как видите, ни о какой периодичности здесь не идет и речи! Но, к счастью, существуют специальные алгоритмы, которые позволяют представить звуковой сигнал в виде спектра входящих в него частот. Мы сейчас не будем подробно разбирать эти алгоритмы, это тема для отдельной статьи 🙂 Просто примем тот факт, что они позволяют нам осуществить такое преобразование с аудио-сигналом.

Соответственно, мы можем построить диаграмму амплитудного спектра звукового сигнала. А пройдя через какую-либо цепь (к примеру, через наушники при воспроизведении звука) сигнал будет изменен. Так вот амплитудно-частотная характеристика как раз и показывает, какие изменения будет претерпевать входной сигнал при прохождении через ту или иную цепь. Давайте обсудим этот момент чуть поподробнее…

Итак, на входе мы имеем ряд гармоник. Амплитудная-частотная характеристика показывает, как изменится амплитуда той или иной гармоники при прохождении через цепь. Рассмотрим пример АЧХ:

Разберемся поэтапно, что же тут изображено… Начнем с осей графика АЧХ. По оси y мы откладываем величину выходного напряжения (или коэффициента усиления, как на данном рисунке). Коэффициент усиления мы откладываем в дБ, соответственно величина, равная 0 дБ, соответствует усилению в 1 раз, то есть амплитуда сигнала остается неизменной.

По оси x откладываются частоты входного сигнала. Таким образом, в рассматриваемом случае для всех гармоник, частоты которых лежат в интервале от 100 до 10000 Гц, амплитуда не изменится. А сигналы всех остальных гармоник будут ослаблены.

Практические примеры АЧХ аудио-устройств.

Частотный диапазон аудио-устройств обычно разбивают на низкие, средние и высокие частоты. Приблизительно это выглядит так:

Именно такую терминологию обычно можно встретить в разных программах-эквалайзерах, используемых для настройки звука. Теперь вы знаете, что красивые графики из таких программ являются именно амплитудно-частотными характеристиками, с которыми мы познакомились в сегодняшней статье 🙂

В завершении статьи посмотрим на пару АЧХ, полученных в программном эквалайзере:

Здесь мы можем видеть амплитудно-частотную характеристику усилителя. Причем усилены будут преимущественно средние частоты диапазона.

А здесь ситуация совсем другая — низкие и верхние частоты усиливаются, а в области средних частот для гармоник с частотой 500 Гц мы наблюдаем значительное ослабление.

А здесь усиливаются только низкие частоты. Аудио-аппаратура с такой АЧХ будет обладать высоким уровнем басов 🙂

На этом мы заканчиваем нашу сегодняшнюю статью… Спасибо за внимание и ждем вас на нашем сайте снова!

Источник

Что такое синусоидальный сигнал

1.1. Периодические синусоидальные сигналы.
Синусоидальным сигналом называется гармонический сигнал, описываемый уравнением вида:

, [B] для напряжения или

[A] для тока.

— угловая частота изменения сигнала;

измеряется в радианах за секунду [рад/с].

частота изменения сигнала, измеряется в Герцах [Гц];

Т – период функции измеряется в секундах [с];

или — начальная фаза сигнала измеряется в радианах [рад].

Графическое изображение синусоидального сигнала представлено на рис. 2.

Эти функции называются временными функциями изменения электрического сигнала.

Основными характеристиками периодических синусоидальных сигналов являются:

· Действующее значение сигнала:

· Среднее значение сигнала

Действующее значение сигнала за период определяется уравнением:

;

Коэффициент называется коэффициентом амплитуды.

Среднее значение сигнала за период определяется уравнением:

;

Отношение действующего значения сигнала к его среднему значению называется коэффициентом формы:

; (справедливо только для синусоиды).

Источник

Синусоидальный сигнал

Синусоидальный сигнал представляет собой непрерывный сигнал ( волны ), амплитуда которого, наблюдается в определенном месте, является синусоидальной функцией времени.

Резюме

Примеры

Амплитуда сигнала может соответствовать давлению ( звук ), смещению (вибрирующая струна), количеству перемещаемых электронов ( электрический ток ) или даже электромагнитной волне.

Характеристики синусоидального сигнала

Пульсация, частота и период связаны отношениями:

При сравнении двух сигналов одной частоты необходимо указать, на сколько они смещены. Сигналы «синфазны», если они наложены, в противном случае имеется фазовый сдвиг.

Сигналы сдвинуты по фазе на 90 °, что называется «квадратурной фазой».

Сигналы сдвинуты по фазе на 180 °, так называемое «противофазное противостояние».

Фазовый сдвиг выводится по простому правилу 3 из временного сдвига, разделяющего два сигнала.

Действительно, 0 ° (или 0 радиан) соответствует 0 секундам фазового сдвига, а 360 ° (или 2π радиан) соответствуют сигналам, сдвинутым на один период ( T ), тогда они снова находятся в фазе. Если мы назовем τ временным сдвигом между сигналами, мы можем написать:

Арифметические операции с синусоидальными величинами

Источник