Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!

Znaleziono wyników: 8

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  bank filtrów
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Artykuł poświęcony jest wykorzystaniu architektury obliczeniowej CUDA, jako efektywnego narzędzia do cyfrowego przetwarzania sygnałów. Analiza zdolności obliczeniowych architektury CUDA zrealizowana została w oparciu o bank filtrów cyfrowych zaimplementowany z wykorzystaniem języka programowania CUDA C/C++. Przedstawione zostały założenia oraz wyniki badań programu realizującego filtrację. Opisane zostały również zastosowane metody, które wpłynęły na zwiększenie wydajności zaimplementowanego programu.
EN
The article describes the use of CUDA computing architecture, as an effective tool for digital signal processing. The analysis of capabilities of CUDA architecture was realized on the basis of a bank of digital filters implemented using the programming language CUDA C/C ++. In this article were presented assumptions and the results of a program that performs filtration. There were also described methods that increased the efficiency of the implemented program.
PL
W artykule zaproponowano algorytm do analizy sygnałów z czujnika nacisku (światłowodowego). Czujniki tego typu stosowane są do pomiaru obecności, prędkości oraz wagi (poprzez pomiar tzw. wagi w locie) pojazdu drogowego lub szynowego. Wykorzystując zespół czujników można wyznaczyć parametry te pod warunkiem prawidłowej rejestracji. Algorytmy detekcji, bazujące na progowaniu, nie są w stanie poradzić sobie z detekcją słabych sygnałów, co ma miejsce, gdy pojazd jest lekki lub nacisk osi zmienia się na skutek nierówności, przykładowo nawierzchni. Bank filtrów pozwala na poprawę pracy zespołu czujników poprzez czasowe i międzyczujnikowe odszumianie sygnału. W artykule przedstawiono i omówiono kilka przypadków, oraz przeprowadzono analizę Monte Carlo wpływu szumu na pomiar prędkości.
EN
The algorithm for analysis of signals from the weigh-in-motion (fiber) sensors is proposed. Such sensors are sued for the detection of the presence, velocity and weigh (weigh-in-motion) of vehicle. Application of the set of sensors allows estimation of such parameters, if the signals are correctly measured. The detection algorithms, like threshold based, are not suitable for small signals. Such signals occurs when the weigh of vehicle is small, or the pressure of axis changes due to road Surface roughness. Filter banks improves signal processing by the temporal and intersensor denoising. A few case studies are shown. Monte Carlo analysis is applied for the robustness of velocity estimation.
EN
This paper presents a novel approach to implementing nonrecursive filter banks and transforms. A domain-specific language has been developed that allows such systems to be described more clearly, more compactly, and faster than with either MATLAB/Simulink or SPL, the existing tools for developing DSP algorithms. Its syntax is aimed at closely linking code to the signal flow graph of a given transform and at allowing the algorithm to be specified in terms of elementary transformations: plane rotations, reflections, lifting steps, delays, etc. Unlike the mentioned platforms, our approach allows to avoid constructing complicated matrix expressions, even though matrix notation is supported via a subset of the MATLAB language. The associated compiler converts system descriptions into quite efficient Java, C++, or C implementations, which can be used to rapidly prototype applications based on subband processing of signals or to prepare objective functions for optimizing coefficients of computational schemes.
PL
W artykule przedstawiono nowatorskie podejście do implementowania nierekursywnych banków filtrów i transformacji. Opracowany został dziedzinowy język, który pozwala opisywać te systemy przejrzyściej, zwięźlej i szybciej niż z użyciem MATLAB/Simulink lub SPL, istniejących narzędzi do rozwijania algorytmów cyfrowego przetwarzania sygnałów. Jego składnia jest ukierunkowana na ścisłe powiązanie kodu z grafem przepływu danych w rozpatrywanej transformacji i na umożliwienie wyspecyfikowania algorytmu w kategoriach transformacji elementarnych: obrotów planarnych, odbić, stopni "lifting", opóźnień itp. W odróżnieniu od wymienionych platform, proponowane podejście pozwala uniknąć konstruowania skomplikowanych wyrażeń macierzowych, choć notacja macierzowa jest dostępna jako podzbiór języka MATLAB. Skojarzony kompilator przekształca opisy systemów w dosyć wydajne implementacje Java, C++ lub C, które mogą być wykorzystywane do szybkiego prototypowania aplikacji, które opierają się na podpasmowej dekompozycji sygnałów, lub do przygotowywania funkcji celu na potrzeby optymalizacji współczynników schematów obliczeniowych.
4
Content available remote Non-uniform, non-time decimated filter banks based on recursive FIR structures
EN
This paper presents a solution of non-uniform filter bank without time-domain decimation. The lack of computational efficiency loss was achieved by using recursive FIR structures. In this case a computational burden is independent of the impulse response length of component filters. The construction of basic complementary filter pairs was based on Recursive Fourier Transform algorithm. To improve frequency parameters of the component filters, a triangular window was used and realized in a recursive manner. The way of signal reconstruction was presented. Proposed filter bank has a linear phase response.
PL
Artykuł porusza zagadnienia cyfrowej filtracji i przetwarzania sygnałów. Przedstawiono w nim niejednorodny bank filtrów zrealizowany bez czasowej decymacji sygnału. W obecnych konstrukcjach banków niejednorodnych decymacja jest kluczowym elementem, który umożliwia uzyskiwanie wysokiej efektywności obliczeniowej. Jednak w przypadku modyfikacji stosunków amplitud składowych częstotliwościowych sygnału, a to jest istotą filtracji sygnału, jest też źródłem aliasingu. Brak utraty efektywności obliczeniowej przy rezygnacji z decymacji, został osiągnięty w konstrukcji zaproponowanej w artykule przez wykorzystanie rekursywnych struktur FIR. W odróżnieniu od klasycznych transwersalnych struktur filtrów, w tym przypadku liczba potrzebnych operacji jest niezależna od długości odpowiedzi impulsowych filtrów składowych. Stąd jest możliwe tworzenie banku złożonego z filtrów o różnych długościach odpowiedzi impulsowych i szerokościach pasm bez wpływu na liczbę wymaganych operacji arytmetycznych. Konstrukcję podstawowej, komplementarnej pary filtrów dolnoprzepustowego i górnoprzepustowego oparto bezpośrednio na algorytmie rekursywnej transformaty Fouriera. W celu poprawy ich parametrów częstotliwościowych zastosowano okno trójkątne, które jest realizowane rekursywnie. W artykule przedstawiony został również sposób rekonstrukcji sygnału wyjściowego. Zaproponowane banki filtrów posiadają liniową charakterystykę fazową i właściwość perfekcyjnej rekonstrukcji.
EN
New switched current (SI) finite impulse response (FIR) filter structures are presented in this work [9]. In FIR filters signal samples stored in delay line are multiplied by coefficients and then summed. These basic operations can be realized in different ways for both, digital or analog signals. SI FIR filter structures proposed here operate in current mode, what means that both input and output signals are currents and all analog building blocks work in current mode. Samples are stored in current mode sample-and-hold delay elements, multiplication by coefficients is realized in current mirrors, and summing in output junction. Proposed filters do not use op amps, thus consuming very low power, what is one of main assumptions here. On the basis of proposed structures filter banks can be easily realized. An example 7th-order filter with equal coefficients was realized in CMOS 0.18 um technology and is described in the paper. Parameters of this circuit are very promising: chip area is 5000 µm², power consumption is 150 nW for 0.5 V voltage supply. Novel low-power clock generator is used in the filter. Designed filter works with clock frequency up to 5 MHz. Attenuation in the stopband can be below 40 dB (for several frequencies in designed experimental filter), what is sufficient for many wireless sensor networks (WSN) applications.
PL
Przedstawiono nowe filtry o skończonej odpowiedzi impulsowej (FIR - Finite Impulse Response) pracujące w trybie prądowym (SI - Switched Current) [9]. W filtrach FIR próbki sygnału zapisane w linii opóźniającej są mnożone przez współczynniki, a następnie sumowane. Te podstawowe operacje mogą być realizowane w różny sposób zarówno w przypadku sygnałów analogowych jak i cyfrowych. Zaproponowane filtry FIR pracują w trybie prądowym, co oznacza, że zarówno sygnał wejściowy jak i wyjściowy jest prądem oraz wszystkie analogowe bloki wewnętrzne pracują w trybie prądowym. Próbki są zapisywane w prądowych komórkach pamięci, mnożenie przez współczynniki odbywa się w lustrach prądowych, natomiast sumowanie jest realizowane w węźle wyjściowym. Zaproponowane filtry nie zawierają wzmacniaczy operacyjnych, przez co cechują się bardzo niskim poborem mocy. Na bazie zaproponowanych struktur filtrów można bardzo łatwo realizować banki filtrów. Przykładowy filtr siódmego rzędu został zaimplementowany w technologii CMOS 0,18 µm. Parametry tego filtru są bardzo obiecujące: powierzchnia w układzie scalonym wynosi 5000 µm², pobór mocy ok. 150 nW dla napięcia zasilającego 0,5 V, częstotliwość maksymalna ok. 5 MHz. W filtrze zastosowano nowatorski niskomocowy system zegarowy. Tłumienie osiągalne w paśmie zaporowym (w tym przykładzie tylko dla kilku częstotliwości) jest większe niż 40 dB, co jest wystarczającym parametrem w wielu aplikacjach WSN.
PL
Sygnały cyfrowe mogą być łączone i transmitowane w pojedynczym kanale komunikacyjnym. Dla zapewnienia dokładnej rekonstrukcji sygnałów w odbiorniku wymagane jest użycie odpowiednio zaprojektowanych filtrów na wejściu i wyjściu systemu. Niezbędne jest również zastosowanie odpowiedniego nadpróbkowania i podpróbkowania w celu minimalizacji zniekształceń amplitudy i fazy. Przykładowe charakterystyki filtrów systemu przedstawiono na bazie układu o wielu wejściach i wyjściach.
EN
The digital signals are combined into one complex signal for the transmission by a single communications channel. Perfect signal reconstruction at the end of system ensure appropriate designed digital filters in transmitter and receiver. Crosstalk cancellation and elimination of amplitude and phase distortion require special upsampling and downsampling blocks to achive exact reconstruction. Some characteristics of digital filters has been presented.
7
Content available remote Falkowa analiza sygnałów (Encyklopedia PE)
PL
Cechą charakterystyczną analizy falkowej jest to, że związane z nią funkcje falkowe są dobrze zlokalizowane w czasie (przestrzeni) i jednocześnie dobrze opisują sygnał w dziedzinie częstotliwości, ściśle biorąc tzw. skali. Ponadto w odróżnieniu od funkcji sinus i cosinus, które definiują unikalną transformatę Fouriera, nie ma pojedynczego, unikalnego zbioru falkowych funkcji bazowych. Istnieje nieograniczona wręcz liczba możliwych do utworzenia falek. Która z nich jest najlepsza zależy od konkretnej implementacji. Swoją niezwykłą efektywność w zakresie analizy sygnałów, transformata falkowa zawdzięcza szybkiemu algorytmowi piramidy, opracowanemu przez Mallata. Algorytm ten umożliwia w łatwy i szybki sposób uzyskanie dekompozycji sygnału na składowe falkowe.
EN
What makes the wavelet analysis interesting is that individual wavelet functions are quite localized in time scale (or space) and simultaneously in frequency (or characteristic scale). Unlike sine and cosine, which define a unique Fourier transform, there is not one single unique set of wavelets. In fact there are infinite variety of possible sets. Which one is the best it depends on a particular application. Wavelet analysis owes its efficiency to the fast pyramid algorithm described by Mallat. The algorithm enables, in easy way, fast decomposition of a signal into wavelet coefficients.
PL
W artykule opisano prosty system rozpoznawania pojedynczych słów, zaprojektowany i zrealizowany w Instytucie Elektroniki Politechniki Łódzkiej. Do wstępnego przetwarzania sygnału mowy i analizy częstotliwościowej zastosowano bank filtrów S.C. oraz zmodyfikowany przetwornik analogowo cyfrowy. Przedstawiono wyniki przeprowadzonych testów, mających na celu określenie skuteczności rozpoznawania słów, przy uwzględnieniu zmian takich parametrów jak częstotliwość próbkowania oraz rozdzielczość przetwornika A/C. W badaniach uwzględniono wpływ mówców i warunków otoczenia. Wyniki przeprowadzonych w zrealizowanym systemie testów porównano z wynikami symulacji komputerowej w środowisku programu MATLAB. Uzyskane z badań wnioski dostarczają cennych wskazówek, istotnych przy projektowaniu i konstrukcji tego rodzaju systemów.
EN
In this paper a simple word recognition system designed and developed in Institute of Electronics, Technical University of Lodz, is described. The entered speech signal is analysed by means of switched capacitor filter bank and a modified A/D processor. The results of measurement and test are presented. The dependence of sampling frequency and performance of the A/D circuits on the recognition efficiency is discussed. Influence of speaker personality and environment conditions were taken into consideration. The testing results of hardware realisation are compared with the computer simulation using MATLAB programs. The measurement and simulation results have provided important conclusions useful in further works in the field of designing and practical realisation of the mixed hardware-software word recognition systems, popular in many practical applications.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.