رساله دکترای مهندسی برق دارید؟ ما همراه تخصصی شما هستیم!
از انتخاب موضوع،
مرور ادبیات،
شبیهسازی (متلب/سیمولینک)،
تحلیل داده
تا نگارش و چاپ مقاله در ژورنالهای معتبر
—متخصصین ما در تمامی گرایشهای مهندسی برق آماده ارائه خدمات جامع هستند.
تضمین کیفیت، رعایت استانداردهای دانشگاهی و تحویل فوری!
همین امروز با ما تماس بگیرید!
telegram: powerelectronic4u
Email:
Instagram:powerelectronic4u
پایاننامه یا مقاله مهندسی برق گرایش مخابرات دارید؟ ما همراه تخصصی شما هستیم!
از طراحی آنتن، پردازش سیگنال، شبکههای 5G و ارتباطات ماهوارهای
تا شبیهسازی با MATLAB/Simulink و تحلیل داده
—متخصصین ما در تمامی زمینههای مخابراتی آماده ارائه خدمات جامع نگارش، ویرایش و مشاوره آکادمیک هستند.
تضمین کیفیت، رعایت استانداردهای دانشگاهی و تحویل فوری!
کلمات کلیدی: پایاننامه مخابرات، مقاله مهندسی برق، شبکههای بیسیم، پردازش سیگنال، طراحی آنتن، ارتباطات ماهوارهای، مشاوره آکادمیک."
همین امروز با ما تماس بگیرید!
telegram: powerelectronic4u
Email:
Instagram:powerelectronic4u
پردازش سیگنال دیجیتال (DSP) با نمایش سیگنال به وسیله توالی اعداد یا نشانههای پردازش چنین سیگنالی در ارتباط است. پردازش سیگنال دیجیتال (گسسته) و پردازش سیگنال پیوسته، زیرمجموعههایی از پردازش سیگنال هستند. از کاربردهای عملی DSP میتوان به پردازش صوت و پردازش سیگنال صحبت، پردازش سیگنال سونار و رادار، پردازش آرایههای حسگر، پردازش سیگنال آماری، پردازش تصویر دیجیتال، پردازش سیگنال های مخابراتی، کنترل سیستمها، پردازش سیگنال های بیولوژیک اشاره کرد.
هدف DSP، معمولاً اندازهگیری، فیلتر و فشرده سازی سیگنالهای پیوسته (آنالوگ) دنیای واقعی است. اولین قدم در این راه تبدیل سیگنال از شکل آنالوگ به دیجیتال است، که به وسیله نمونه برداری توسط مبدل آنالوگ به دیجیتال (ADC) انجام میشود. وظیفه مبدل مذکور تبدیل سیگنال آنالوگ به رشتهای از اعداد است. اما، از آنجا که معمولاً سیگنال خروجی در سیستم مورد نظر باید به صورت یک سیگنال آنالوگ باشد، در آخرین گام پردازش، به یک مبدل دیجیتال به آنالوگ نیاز خواهیم داشت. حتی اگر این پردازش از پردازش آنالوگ بسیار پیچیدهتر باشد، کاربرد قدرت محاسباتی در پردازش سیگنال دیجیتال، مزایای بسیاری را نسبت به پردازش آنالوگ در زمینههای مختلف به ارمغان میآورد؛تشخیص و تصحیح خطا در انتقال و همچنین فشردهسازی داده مثال هایی از برتری استفاده از روش های پردازش سیگنال گسسته هستند.[۱]
الگوریتمهای DSP مدت زیادی است که در کامپیوترهای استاندارد همه منظوره، یا بر روی پردازشگرهای معروف به پردازشگرهای سیگنال دیجیتال (DSP) یا با استفاده از سختافزارهای خاص مثل مدارهای مجتمع با کاربرد خاص (ASIC) اجرا میشوند. امروزه تکنولوژیهای دیگری نیز برای پردازش سیگنال دیجیتال مورد استفاده قرار میگیرند که شامل میکروپروسسورهای چندمنظوره قدرتمند، افپیجیای (FPGA)، کنترلکننده سیگنال دیجیتال (بیشتر برای کاربردهای صنعتی مثل کنترل موتور) هستند.[۲]
در DSP، مهندسین معمولاً به مطالعه سیگنال دیجیتال در یکی از حوزه ها زیر میپردازند: حوزه زمان (سیگنالهای یک بعدی)، حوزه فضایی (سیگنالهای چندبعدی)، حوزه فرکانس، حوزه خودهمبستگی، و حوزه موجک. برای پردازش این سیگنال ها، حوزهای انتخاب میشود که در آن بتوان خصوصیات اصلی سیگنال را به بهترین شکل نمایش داد و با استفاده از اطلاعات حاضر، به بهترین صورت، سیگنال را پردازش کرد. توالی نمونههایی که از اندازهگیری خروجی یک وسیله به دست میآید یک نمایش در حوزه زمان یا حوزه فضا را تشکیل میدهد، در حالی که تبدیل فوریه گسستهزمان، اطلاعات را در حوزه فرکانس تولید میکند (همان طیف فرکانسی). همبستگی خودکار را همبستگی متقابل سیگنال با خودش بر روی فاصلههای متغیر زمان یا فضا تعریف میکنند.
با گسترش استفاده از رایانه، نیاز و استفاده از پردازش سیگنال دیجیتال نیز گسترش یافتهاست. برای استفاده از سیگنال آنالوگ در یک رایانه، ابتدا باید سیگنال توسط مبدیل دیجیتال دیجیتال شود.
نمونهبرداری معمولاً در دو مرحله انجام میشود : گسستهسازی و مدرج کردن. در مرحله گسستهسازی، فضای سیگنال (فضایی که سیگنال در آن وجود دارد) به کلاسهاس همارز افراز میشود و مدرج کردن نیز با جایگزینی سیگنال اصلی با سیگنال متناظر در کلاسهای همارز انجام میپذیرد.
در مرحله مدرج کردن، مقادیر سیگنال نماینده (به انگلیسی: Representative Signal) توسط مقادیر زیر مجموعه یک مجموعه متناهی تقریب زده میشوند.
قضیه نمونهبرداری نایکوئیست-شنون بیان میکند که سیگنال را میتوان از روی سیگنال نمونهبرداری شده به طور دقیق بازسازی کرد، اگر فرکانس نمونهبرداری بزرگتر از دو برابر بالاترین مؤلفه فرکانسی سیگنال باشد. در عمل، غالباً فرکانس نمونهبرداری را بزرگتر از دو برابر پهنای باند لازم در نظر میگیرند.
یک مبدل دیجیتال به آنالوگ به منظور تبدیل معکوس سیگنال به حالت آنالوگ مورد استفاده قرار میگیرد. استفاده از یک کامپیوتر دیجیتال مقوله کلیدی در سیستمهای کنترل دیجیتال است.
متداول ترین تکنیک پردازش سیگنال در حوزه ی زمان و فضا (مکان)، بهسازی (بهبود) سیگنال از طریق فیلترینگ است. فیلترینگ دیجیتال عبارت از اعمال تبدیل های خطی بر نمونه هایی از سیگنال است که در همسایگی نمونه ی فعلی در سیگنال ورودی یا خروجی واقع شده اند. به روش های مختلفی میتوان این فیلترها را دسته بندی نمود:
فیلترها را میتوان به روشهای مختلفی بازنمایی کرد: 1- با استفاده از دیاگرام بلوکی برای نشان دادن مراحل مختلف الگوریتم به منظور ایجاد یک دستورالعمل برای پیاده سازی سخت افزاری فیلتر. 2- با توصیف فیلتر با استفاده از معادلات تفاضلی یا به کمک مجموعه ی قطب ها و صفرهای سیستم. برای فیلترهای FIR، میتوان از پاسخ های ضربه یا پله نیز برای توصیف فیلتر استفاده کرد.
خروجی یک فیلتر دیجیتال خطی به یک ورودی خاص، از کانولوشن سیگنال ورودی با پاسخ ضربه ی فیلتر، حاصل میشود.
با استفاده از تبدیل فوریه میتوان سیگنال ها را از حوزه ی زمان (مکان) به حوزه ی فرکانس منتقل نمود. تبدیل فوریه، اطلاعات سیگنال را به دامنه (اندازه) و فاز مؤلفه های فرکانسی موجود در سیگنال، تبدیل میکند. در عمل، اغلب، از تبدیل برای فوریه برای محاسبه ی طیف توان سیگنال استفاده میشود که مربع دامنه ی (اندازه) هر مؤلفه ی فرکانسی است.
با انتقال سیگنال از حوزه ی زمان به حوزه ی فرکانس، میتوان شدت و ضعف مؤلفه های فرکانسی موجود در سیگنال را شناسایی و ارزیابی کرد. در حوزه ی فرکانس، علاوه بر دامنه ی مؤلفه های فرکانسی، فاز آنها و نیز چگونگی تغییر فاز با تغییر فرکانس، میتواند حاوی اطلاعات مهمی باشد.
فیلترینگ سیگنال، به ویژه در کابردهای غیر زمان واقعی (non- real time)،میتواند با انتقال سیگنال به حوزه ی فرکانس و اعمال یک فیلتر مناسب بر آن و سپس برگرداندن سیگنال حاصل به حوزه ی زمان انجام شود. این عملیات، سریع بوده (زمان اجرا متناسب است با (n log n) ) و می توان فیلتر را با تقریب خوبی به شکلهای مختلف طراحی نمود.
در حوزه ی فرکانس، تبدیل های متداولی وجود دارند که از میان آنها میتوان به cepstrum اشاره نمود. در این تبدیل، ابتدا با استفاده از تبدیل فوریه، سیگنال، به حوزه ی فرکانس منتقل میشود و سپس لگاریتم آن محاسبه میگردد. در نهایت، با اعمال تبدیل معکوس فوریه، سیگنال حاصل به حوزه ی زمان بازگردانده میشود. این عملیات، ساختار هارمونیکی طیف اصلی را نشان میدهد.
تحلیل حوزه ی فرکانس با عنوان تحلیل طیف نیز شناخته میشود.
در حالی که فیلترهای آنالوگ معمولاً در صفحه تحلیل میشوند، فیلترهای دیجیتال در صفحه
یا حوزه دیجیتال و با استفاده از تبدیل
تحلیل میشوند.
بسیاری از فیلترها را میتوان در حوزه (یک فرامجموعه از اعداد مختلط در حوزه فرکانس) توسط تابع تبدیلشان تحلیل کرد. یک فیلتر میتواند توسط مجموعه مشخصهاش شامل صفرها و قطبها در حوزه
تحلیل شود.
بیشترین کاربردهای DSP شامل پردازش سیگنال صوتی، فشردهسازی دادههای صوتی، پردازش تصویر دیجیتال، فشردهسازی ویدیو، پردازش صدا، تشخیص صدا، ارتباط دیجیتال، رادار، سونار، زلزلهشناسی و داروسازی است. مثالهای خاص شامل فشردهسازی صحبت و انتقال در تلفن همراه، همنواسازی مطابق اتاق برای صدا در کاربردهای شباهت زیاد به اصل و تقویت صدا، پیش بینی وضع هوا، پیشبینی اقتصادی، پردازش داده زلزله، تحلیل و کنترل روالهای صنعتی، انیمیشنهای تولید شده توسط رایانه در فیلمها، عکسبرداری پزشکی مثل پویشهای CAT و MRI، فشردهسازی MP3، دستکاری تصویر، همنواسازی و همگذری بلندگوهای با کیفیت بالا، و افکت صوتی برای تقویتکننده (الکترونیک) گیتار برقی است.
پیاده سازی این بلوک، با استعانت از مدارات مبدل سیگنالهای آنالوگ به دیجیتال یا همان ADCها و به هر روشی امکان پذیر اس
هدف :
در این دوره فرد ضمن آشنایی با مفاهیم اولیه پردازش سیگنال و سیستم دیجیتال وی را با روش های پیاده سازی سیستم های دیجیتال FIR آشنا کرده ودر انتها انتظار داریم کارآموز بتواندبا روشی مناسب پردازش دیجیتال خود را به انجام برساند
پیش نیاز ها :
1) دانش مختصر در مورد کامپیوتر
2) آشنایی با FPGA و زبان VHDL یا Verilog
3) آشنایی با نرم افزار MATLAB
4) آشنایی با نرم افزار ISE یا vivado
5) آشنایی با تبدیلات زمان – فرکانس (تبدیل فوریه و...)
6) آشنایی اولیه با مفاهیم نمونه برداری
7) آشنایی اولیه با A/D و D/A
8) آشنایی اولیه با انواع فیلتر ها و چرایی هرکدام
مباحث دوره :
1) مفاهیم اولیه : در این بخش به مباحث زیر می پردازیم :
ü مروری بر مفاهیم نمونه برداری و قضیه شانون و اعوجاج و اغتشاش و نویزو تداخل
ü نمونه برداری از سیگنال پایین گذر
ü نمونه برداری از سیگنال میان گذر
ü چند نمونه کاربردی از نمونه برداری میان گذر
2) فیلتر های FIR : در این بخش به مباحث زیر می پردازیم :
تعریف فیلتر FIR
کانولوشن در فیلتر های FIR
شبیه سازی فیلتر FIRمتوسط گیر توسط نرم افزار MATLABو همچنین FPGA
طراحی فیلتر FIR پایین گذر
طراحی فیلتر FIR میان گذر
روش طراحی فیلتر FIR با تبدیل پارکز– مککلان
فیلترهای FIR نیمباند
پاسخ فاز فیلترهای FIR
توصیف کلی کانولوشن گسسته
تجزیه و تحلیل فیلترهای FIR
3) تبدیل نرخ نمونهبرداری : در این بخش به مباحث زیر می پردازیم :
کاهش نمونه
ü کاهش نمونه دو مرحلهای
ü ویژگیهای کاهش نرخ نمونهبرداری
ü درونیابی
ü ترکیب کاهش نمونه و درونیابی
ü فیلترهای چند فاز
ü تبدیل نرخ نمونهبرداری با ضرایب گویا
ü تبدیل نرخ نمونهبرداری با فیلترهای نیمباند
ü تبدیل نرخ نمونهبرداری با فیلترهای IFIR
ü ترکیب سری فیلترهای انتگرالگیر-شانهای
4) ترفندهای پردازش سیگنالهای دیجیتال: در این قسمت به مباحث زیر می پردازیم:
ü انتقال فرکانسی بدون ضرب
ü تقریب سرعت-بالای اندازه بردار
ü پنجره بندی حوزه فرکانس
ü ضرب سریع اعداد مختلط
ü اجرای کارآمد FFT دنبالههای حقیقی
ü محاسبه FFT معکوس با استفاده از FFT مستقیم
ü ساختار ساده شده فیلتر FIR
ü کاهش نویز گسستهسازی مبدل A/D
ü روشهای سنجش مبدل A/D
ü فیلترسازیFIR سریع با استفاده از FFT
ü تولید داده تصادفی با توزیع نرمال
ü فیلترسازی فاز صفر
ü فیلترهای FIR تیز
ü درونیابی سیگنال میانگذر
ü الگوریتم موقعیت قله طیف
ü محاسبه ضرایب انتقال در FFT
ü شناسایی تن واحد
ü DFT کشویی
ü FFT بزرگنمایی
ü تحلیلگر طیفی عملی
ü یک تقریب کارآمد از تانزانت معکوس
ü الگوریتمهای دمدولاسیون فرکانس
ü حذف DC
ü بهبود فیلترهای CIC سنتی
ü مسطحسازی نویز ضربه
ü ارزیابی چندجملهای کارآمد
ü طراحی فیلترهای FIR با مرتبه بسیار بالا
ü درونیابی حوزه زمان با استفاده از FFT
ü تبدیل فرکانسی با استفاده از کاهش نرخ
ü کنترل بهره خودکار( AGC)
ü آشکارسازی تقریبی پوش
ü یک نوسانساز متعامد
ü میانگینگیر نمایی خاص
ü فیلترسازی نویز باند باریک با استفاده از صفرهای فیلتر
ü محاسبه کارآمد واریانس سیگنال
ü محاسبات زمان-حقیقی میانگین و واریانس سیگنال
ü ساخت تبدیلات هیلبرت از فیلترهای نیمباند
ü دوران بردار مختلط با تانژانت معکوس
ü یک شبکه مشتقگیر کارآمد
ü فیلتر حذف DC فاز-خطی
ü اجتناب از سرریز در محاسبات اندازه
ü درونیابی خطی کارآمد
ü روشهای جایگزین برای تبدیل کاهشی مختلط
ü شناسایی ناحیه گذر سیگنال
ü محاسبات زمان-حقیقی میانگین و واریانس سیگنال
ü ساخت تبدیلات هیلبرت از فیلترهای نیمباند
ü دوران بردار مختلط با تانژانت معکوس
ü یک شبکه مشتقگیر کارآمد
ü فیلتر حذف DC فاز-خطی
ü اجتناب از سرریز در محاسبات اندازه
ü درونیابی خطی کارآمد
روشهای جایگزین برای تبدیل کاهشی مختلط
شناسایی ناحیه گذر سیگنال
5) ارایه سایت ها مفید داخلی و خارجی و آشنایی کاربر به طور کلی با بورد های پردازشی شرکت و همچنین بازار کار هدف