4 Скважность,меандр,длительность
Сква́жность (в физике, электронике) — один из классификационных признаков импульсных систем, определяющий отношение его периода следования (повторения) к длительности импульса. Величина, обратная скважности и часто используемая в англоязычной литературе, называется коэффициентом заполнения (англ. Duty cycle).
Таким образом, для импульсного сигнала справедливы следующие соотношения:
,
где S — скважность, D — коэффициент заполнения, T — период импульсов, 
— длительность импульса.
Скважность определяет отношение пиковой мощности импульсной установки (например, передатчика радиолокационной станции) к её средней мощности и таким образом является важным показателем работы импульсных систем. В устройствах и системах дискретной передачи и обработки информации недостаточно высокая скважность может приводить к искажению информации.
У этого термина существуют и другие значения, см. Меандр (значения).
Меа́ндр — бесконечный, периодический сигнал прямоугольной формы, широко используемый в радиотехнике. Длительность импульса и длительность паузы в периоде такого сигнала равны. Другими словами, меандр — бесконечный, периодический прямоугольный сигнал со скважностью, равной 2.
Синтез меандра из набора гармоник периодического сигнала. Чем больше число гармоник, тем ближе к идеальной форма сигнала.
Спектр меандра пропорционален функции sinc(x).
Меандр может быть двухполярным (спектр описывается функцией sinc(x)) и униполярным (sinc(x) + 1). Сигнал такого вида создаётся различными мультивибраторами (на транзисторах, логических элементах, операционных усилителях).Частое применение в практике находит сигнал со скважностью, равной двум — меандр.
Таким образом, можно выделить несколько обобщённых типов импульсных сигналов, несущих непрерывную информацию
Цифровой сигнал, информация в котором, как правило (но не обязательно), содержится в виде кодовых посылок
Аналоговый дискретизированный сигнал в виде квазипериодической последовательности
А
налоговый дискретизированный сигнал в виде импульсных посылок с аналоговым кодированием информации
Четырёхпо́люсник — многополюсник, имеющий четыре точки подключения. Как правило, две точки являются входом, две другие — выходом.Также существуют
Симметричный четырехполюсник — четырехполюсник, у которого схема одинакова относительно его входных и выходных зажимов. Тогда для симметричного четырехполюсника Z11 = Z22. Еще: если при перемене местами источника и приемника энергии их токи не меняются, то такой четырехполюсник называется симметричным.
Пассивный четырехполюсник — это четырехполюсник, который не содержит источников энергии, либо содержит скомпенсированные источники энергии.
Активный четырехполюсник — это четырехполюсник, который содержит нескомпенсированные источники энергии.
Обратимый четырехполюсник — четырехполюсник, у которого выполняется теорема обратимости, то есть передаточное сопротивление входных и выходных контуров не зависят от того, какая пара зажимов входная, а какая выходная: U1/I2=U2/I1
При анализе электрических цепей очень часто бывает удобным выделить фрагмент цепи, имеющий две пары зажимов. Поскольку электрические (электронные) цепи очень часто связаны с передачей энергии или обработкой и преобразованием информации, одну пару зажимов обычно называют «входными», а вторую — «выходными». На входные зажимы подаётся исходный сигнал, с выходных снимается преобразованный.
Такими четырёхполюсниками являются, например, трансформаторы, усилители, фильтры, стабилизаторы напряжения, телефонные линии, линии электропередачи и т. д.
Однако математическая теория четырёхполюсников не предполагает никаких преопределённых потоков энергии/информации в цепях, поэтому названия «входные» и «выходные» являются данью традиции и с этой оговоркой будут использоваться далее.
Состояния входных и выходных зажимов определяются четырьмя параметрами: напряжением и током во входной (U1, I1) и выходной (U2, I2) цепях. В этой системе параметров линейный четырёхполюсник описывается системой из двух линейных уравнений, причём два из четырёх параметров состояния являются исходными, а два остальные — определяемыми. Для нелинейных четырёхполюсников зависимость может носить более сложный характер. Например, выходные параметры через входные можно выразить системой
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:
f(x) = A sin (ωt + φ),
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
это массив комплексных чисел. Я даже боюсь представить, где используется комплексное преобразование Фурье, но в нашем случае мнимая часть у нас равна нулю, а действительная равна значению каждой точке масива.
Ещё одна особенность именно быстрого преобразования Фурье, что оно обсчитывает массивы, кратные только степени двойки. В результате мы должны вычислить минимальную степень двойки:
Логарифм от количество байт в данных, делённых на количество байт в одной точке.
После этого считаем поворотные множители:
И скармливаем наш считанный массив в преобразователь Фурье:
На выходе мы получаем комплексные числа вида
Вектор на комплексной плоскости
Обратите внимание, что size_array=2^p2. Первая точка массива соответствует частоте 0 Гц (постоянная), последняя точка соответствует частоте дискретизации, а именно 44100 Гц. В результате мы должны рассчитать частоту, соответствующей каждой точке, которые будут отличаться на частоту дельта:
Алокируем массив амплитуд:
И смотрим на картинку: амплитуда — это длина вектора. А у нас есть его проекции на действительную и мнимую ось. В результате у нас будет прямоугольный треугольник, и тут мы вспоминаем теорему Пифагора, и считаем длину каждого вектора, и сразу пишем её в текстовый файл:
В результате получаем файл примерно такого вида:
Окончательная версия программы обитает на гитхабе вот тут:
github.com/dlinyj/fft
Пробуем!
Теперь скармливаем получившейся программе тот звуковой файл синуса
И получаем текстовый файл АЧХ. Строим его график с помощью гнуплота
Скрипт для построения:
Обратите внимание на ограничение в скрипте на количество точек по X: set xrange [1:22050]. Частота дискретизации у нас 44100, а если вспомнить теорему Котельникова, то частота сигнала не может быть выше половины частоты дискретизации, следовательно сигнал выше 22050 Гц нас не интересует. Почему так, советую прочитать в специальной литературе.
Итак (барабанная дробь), запускаем скрипт и лицезреем:
Спектр нашего сигнала
Обратите внимание на резкий пик на частоте 100 Гц. Не забывайте, что по осям — логарифмический масштаб! Шерсть справа, как я думаю, ошибки преобразования Фурье (тут на память приходят окна).
А давайте побалуем?
А давайте! Давайте поглядим спектры других сигналов!
Вокруг шум…
Для начала построим спектр шума. Тема про шумы, случайные сигналы и т.п. достойна отдельного курса. Но мы её коснёмся слегка. Модифицируем нашу программу генерации wav-файла, добавим одну процедуру:
она будет генерировать случайное число в заданном диапазоне. В результате main будет выглядеть так:
Сгенерируем файл, (рекомендую к прослушиванию). Поглядим его в audacity.
Сигнал в audacity
Поглядим спектр в программе audacity.
Спектр
И поглядим спектр с помощью нашей программы:
Наш спектр
Хочу обратить внимание на очень интересный факт и особенность шума — он содержит в себе спектры всех гармоник. Как видно из графика, спектр вполне себе ровный. Как правило, белый шум используется для частотного анализа пропускной способности, например, аудиоаппаратуры. Существуют и другие виды шумов: розовый, синий и другие. Домашнее задание — узнать, чем они отличаются.
А компот?
А теперь давайте посмотрим другой интереснейший сигнал — меандр. Я там выше приводил табличку разложений различных сигналов в ряды Фурье, вы поглядите как раскладывается меандр, выпишите на бумажку, и мы продолжим.
Для генерации меандра с частотой 25 Гц мы модифицируем в очередной раз наш генератор wav-файла:
В результате получим звуковой файл (опять же, советую послушать), который сразу надо посмотреть в audacity
Его величество — меандр или меандр здорового человека
Не будем томиться и поглядим его спектр:
Спектр меандра
Пока не очень что-то понятно, что такое… А давайте поглядим несколько первых гармоник:
Первые гармоники
Совсем другое дело! Ну-ка поглядим табличку. Смотрите-ка, у нас есть только 1, 3, 5 и т.д., т.е. нечётные гармоники. Мы так и видим, что у нас первая гармоника 25 Гц, следующая (третья) 75 Гц, затем 125 Гц и т.д., при этом у нас амплитуда постепенно уменьшается. Теория сошлась с практикой!
А теперь внимание! В реальной жизни сигнал меандра у нас имеет бесконечную сумму гармоник всё более и более высокой частоты, но как правило, реальные электрические цепи не могут пропускать частоты выше какой-то частоты (в силу индуктивности и ёмкости дорожек). В результате на экране осциллографа можно часто увидеть вот такой сигнал:
Меандр курильщика
Эта картинка прям как картинка из википедии, где для примера меандра берутся не все частоты, а только первые несколько.
Сумма первых гармоник, и как меняется сигнал
Меандр так же активно используется в радиотехнике (надо сказать, что — это основа всей цифровой техники), и стоит понимать что при длинных цепях его может отфильтровать так, что, родная мама не узнает. Его так же используют для проверки АЧХ различных приборов. Ещё интересный факт, что глушилки телевизоров работали именно по принципу высших гармоник, когда сама микросхема генерировала меандр десятки МГц, а его высшие гармоники могли иметь частоты сотни МГц, как раз на частоте работы телевизора, и высшие гармоники успешно глушили сигнал вещания телевизора.
Вообще тема подобных экспериментов бесконечная, и вы можете теперь сами её продолжить.
Рекомендации по прочтению
Книга
Для тех, кто нифига не понял, что мы тут делаем, или наоборот, для тех, кто понял, но хочет разобраться ещё лучше, а так же для студентам, изучающим ЦОС, крайне рекомендую эту книгу. Это ЦОС для чайников, которым является автор данного поста. Там доступным даже для ребёнка языком рассказываются сложнейшие понятия.
Заключение
В заключении хочу сказать, что математика — царица наук, но без реального применения многие люди теряют к ней интерес. Надеюсь, данный пост подстегнёт вас к изучению такого замечательного предмета, как обработка сигналов, и вообще аналоговой схемотехнике (затыкайте уши, чтобы не вытекали мозги!). 🙂
Удачи!
Меандр (радиотехника)
В статье описаны некоторые типовые применения операцио́нных усили́телей (ОУ) в аналоговой схемотехнике.
При включении биполярного транзистора по схеме с общим эмиттером (ОЭ) входной сигнал подаётся на базу относительно эмиттера, а выходной сигнал снимается с коллектора относительно эмиттера. При этом выходной сигнал инвертируется относительно входного (для гармонического сигнала фаза выходного сигнала отличается от входного на 180°). Данное включение транзистора позволяет получить наибольшее усиление по мощности, потому что усиливается и ток, и напряжение.
Виды электрических сигналов
Что такое сигнал? На этот вопрос даже маленький ребёнок скажет, что это «такая штука, с помощью которой можно что-нибудь сообщить». Например, с помощью зеркала и солнца можно передавать сигналы на расстояние прямой видимости. На кораблях, сигналы когда-то передавали с помощью флажков-семафоров. Занимались этим специально обученые сигнальщики. Таким образом с помощью таких флажков передавалась информация. Вот как можно передать слово «сигнал»:
В природе существует огромное множество сигналов. Да по сути что угодно может быть сигналом: оставленная на столе записка, какой-нибудь звук — могут служить сигналом к началу определённого действия.
Ладно, с такими сигналами всё понятно поэтому перейду к электрическим сигналам, которых в природе не меньше чем любых других. Но их хотя бы можно как-то условно разбить на группы: треугольный, синусоидальный, прямоугольный, пилообразный, одиночный импульс и т.д. Все эти сигналы названы так за то, как они выглядят, если их изобразить их на графике.
Сигналы могут быть использованы как метроном для отсчета тактов (в качестве тактирующего сигнала), для отсчета времени, в качестве управляющих импульсов, для управления двигателями или для тестирования оборудования и передачи информации.
Характеристики эл. сигналов
В некотором смысле электрический сигнал — это график, отражающий изменение напряжения или тока с течением времени. Что по-русски означает: если взять карандаш и по оси Х отметить время, а по Y напряжение или ток, и отметить точками соответствующие значения напряжения в конкретные моменты времени, то итоговое изображение будет показывать форму сигнала:
Электрических сигналов очень много, но их можно разбить на две большие группы:
- Однонаправленные
- Двунаправленные
Т.е. в однонаправленных ток течет в одну сторону (либо не течет вообще), а в двунаправленных ток является переменным и протекает то «туда», то «сюда».
Все сигналы, независимо от типа, обладают следующими характеристиками:
- Период — промежуток времени, через который сигнал начинает повторять себя. Обозначается чаще всего T
- Частота— обозначает сколько раз сигнал повториться за 1 секунду. Измеряется в герцах. К примеру 1Гц = 1 повторение в секунду. Частота является обратным значением периода ( ƒ = 1/T )
- Амплитуда — измеряется в вольтах или амперах (в зависимости от того какой сигнал: ток или напряжение). Амплитуда обозначает «силу» сигнала. Как сильно отклоняется график сигнала от оси Х.
Виды сигналов
Синусоида
Думаю, что представлять функцию, чей график на картинке выше нет смысла — это хорошо тебе известная sin(x). Её период равен 360 o или 2pi радиан (2pi радиан =360 o ).
А если разделить поделить 1 сек на период T, то ты узнаешь сколько периодов укалдывается в 1 сек или, другими словами, как часто период повторяется. То есть ты определишь частоту сигнала! Кстати, она указывается в герцах. 1 Гц = 1 сек / 1 повтор в сек
Частота и период обратны друг другу. Чем длинней период, тем меньше частота и наоборот. Связь между частотой и периодом выражается простыми соотношениями:
| Суфикс | Полное значение | Сокращение | Обозначает время |
| Кило | Тысяча (Килогерц) | КГц | 1 миллисекунда (10 -3 ) |
| Мега | Миллион (Мегагерц) | МГц | 1 микросекунда (10 -6 ) |
| Гига | Миллиард (Гигагерц) | ГГц | 1 наносекунда (10 -9 ) |
| Тера | Триллион (Терагерц) | ТГц | 1 пикосекунда (10 -12 ) |
Меандр
Сигналы, которые по форме напоминают прямоугольники, так и называют «прямоугольные сигналы». Их условно можно разделить на просто прямоугольне сигналы и меандры. Меандр — это прямоугольный сигнал, у которого длительность импульса и паузы равны. А если сложить длительность паузы и импульса, то получим период меандра.
Прямоугольный сигнал
Обычный прямоугольный сигнал отличается от меандра тем, что имеет разную длительность импульса и паузы (отсутствие импульса). Смотри картинку ниже — она скажет лучше тысячи слов.
Кстати, для прямоугольных сигналов существует еще два термина, которые следует знать. Они обратны друг другу (как период и частота). Это скажность и коээффициент заполнения. Скажность (S)равняется отношению периода к длительности импульса и наоборот для коэфф. заполнения.
Таким образом меандр — это прямоугольный сигнал со скважностью равной 2. Так как у него период в два раза больше длительности импульса.
S — скважность, D — коэффициент заполнения, T — период импульсов, 