MATLAB. F. Rund, A. Novák Katedra radioelektroniky, FEL ČVUT v Praze. Abstrakt

Podobné dokumenty
MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH. Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky

x p [k]y p [k + n]. (3)

Quantization of acoustic low level signals. David Bursík, Miroslav Lukeš

Úvod do zpracování signálů

SOUSTAV. Measurement and analysis of electro-acoustical systems. Petr Kopecký Λ

31SCS Speciální číslicové systémy Antialiasing

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

PSK1-9. Číslicové zpracování signálů. Číslicový signál

Motivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky

SIMULACE ZVUKOVÉHO POLE VÍCE ZDROJŮ

Signál v čase a jeho spektrum

polyfázové filtry (multirate filters) cascaded integrator comb filter (CIC) A0M38SPP - Signálové procesory v praxi - přednáška 8 2

Návrh frekvenčního filtru

Měření doby dozvuku LABORATORNÍ ÚLOHA ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE. Fakulta elektrotechnická. V rámci předmětu:

Lineární a adaptivní zpracování dat. 3. SYSTÉMY a jejich popis ve frekvenční oblasti

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY a SYSTÉMY

základní vlastnosti, používané struktury návrhové prostředky MATLAB problém kvantování koeficientů

Číslicové filtry. Honza Černocký, ÚPGM

NOVÉ METODY HODNOCENÍ OBRAZOVÉ KVALITY

Základní metody číslicového zpracování signálu část I.

Flexibilita jednoduché naprogramování a přeprogramování řídícího systému

Základní metody číslicového zpracování signálu a obrazu část II.

KONVERZE VZORKOVACÍHO KMITOČTU

A7B31ZZS 4. PŘEDNÁŠKA 13. října 2014

Vzorkování. Je-li posloupnost diracových impulzů s periodou T S : Pak časová posloupnost diskrétních vzorků bude:

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY

ADA Semestrální práce. Harmonické modelování signálů

IMPLEMENTACE AUTOMATIZOVANÉHO MĚŘENÍ HRTF V MATLABU

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY

Direct Digital Synthesis (DDS)

Rozprostřené spektrum. Multiplex a mnohonásobný přístup

GUI PRO DEMONSTRACI PRINCIPŮ BINAURÁLNÍ LOKALIZACE ZDROJŮ ZVUKU

VYUŽITÍ MATLABU PRO PODPORU VÝUKY A PŘI ŘEŠENÍ VÝZKUMNÝCH ÚKOLŮ NA KATEDŘE KOMUNIKAČNÍCH A INFORMAČNÍCH SYSTÉMŮ

IMPLEMENTACE AUTOMATIZOVANÉHO MĚŘENÍ HRTF V MATLABU 2

Multimediální systémy

þÿ K o n v e r z e v z o r k o v a c í h o k m i t o t u

Snímání biologických signálů. A6M31LET Lékařská technika Zdeněk Horčík Katedra teorie obvodů

Vlastnosti a modelování aditivního

Vektorové obvodové analyzátory

Měření vlastností datového kanálu

Diskretizace. 29. dubna 2015

Číslicová filtrace. FIR filtry IIR filtry. ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická

Číslicové zpracování signálů a Fourierova analýza.

Abychom se vyhnuli užití diferenčních sumátorů, je vhodné soustavu rovnic(5.77) upravit následujícím způsobem

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně

CW01 - Teorie měření a regulace

Měření neelektrických veličin. Fakulta strojního inženýrství VUT v Brně Ústav konstruování

Modulační parametry. Obr.1

A2B31SMS 2. PŘEDNÁŠKA 9. října 2017 Číslicové signály

APLIKACE ALGORITMŮ ČÍSLICOVÉHO ZPRACOVÁNÍ SIGNÁLŮ 1. DÍL

Teorie elektronických

A/D převodníky - parametry

KTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni

Kapitola 1. Signály a systémy. 1.1 Klasifikace signálů

VY_32_INOVACE_E 15 03

DSY-4. Analogové a číslicové modulace. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

GUI PRO SYNTÉZU HRTF A TESTOVÁNÍ VÝSLEDKŮ

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně

[ n. Konvoluce. = 0 jinak. 0 jinak. Užitečné signály (diskrétní verze) Jednotkový skok 1 pro n = 0

ALGORITMY ČÍSLICOVÉHO ZPRACOVÁNÍ SIGNÁLŮ

Měření na výkonovém zesilovači 1kW/144MHz by OK1GTH

r Odvoď te přenosovou funkci obvodů na obr.2.16, je-li vstupem napě tí u 1 a výstupem napě tí u 2. Uvaž ujte R = 1Ω, L = 1H a C = 1F.

Využití neuronové sítě pro identifikaci realného systému

DIGITÁLNÍ KOMUNIKACE S OPTICKÝMI VLÁKNY. Digitální signál bude rekonstruován přijímačem a přiváděn do audio zesilovače.

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Příklady použití tenkých vrstev Jaromír Křepelka

Lineární a adpativní zpracování dat. 3. Lineární filtrace I: Z-transformace, stabilita

VY_32_INOVACE_ENI_2.MA_05_Modulace a Modulátory

Komplexní obálka pásmového signálu

SYNTÉZA AUDIO SIGNÁLŮ

1. Základy teorie přenosu informací

- + C 2 A B V 1 V 2 - U cc

MATLAB PRO PODPORU VÝUKY KOMUNIKAČNÍCH SYSTÉMŮ

MODELOVÁNÍ PŘENOSU ZVUKU

Vyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného)

SIGNÁLY A LINEÁRNÍ SYSTÉMY

SIGNÁLY A LINEÁRNÍ SYSTÉMY

OCHRANA VOJENSKÝCH OBJEKTŮ PROTI ÚČINKŮM VÝKONOVÝCH ELEKTROMAGNETICKÝCH POLÍ, SIMULACE EMC FILTRŮ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV RADIOELEKTRONIKY. OPTICKÝ SPOJ LR-830/1550 Technický popis

Analogově číslicové převodníky

Cíle. Teoretický úvod. BDIO - Digitální obvody Ústav mikroelektroniky Sekvenční logika - debouncer, čítače, měření doby stisknutí tlačítka Student

IMPLEMENTACE OBJEKTIVNÍHO MODELU HODNOCENÍ KVALITY ZVUKU PEMO-Q V PROSTŘEDÍ MATLAB SE ZAHRNUTÝM MODELEM SLUCHOVÉ CESTY A MODELEM CASP

Simulace zpracování optické obrazové informace v Matlabu. Petr Páta, Miloš Klíma, Jaromír Schindler

Experiment s FM přijímačem TDA7000

IMPLEMENTACE VIRTUÁLNÍHO AKUSTICKÉHO ZDROJE NA DSP ZA PODPORY MATLABU

5. A/Č převodník s postupnou aproximací

filtry FIR zpracování signálů FIR & IIR Tomáš Novák

P7: Základy zpracování signálu

Hlavní parametry rádiových přijímačů

Spektrální analyzátory

Vypracoval: Ing. Antonín POPELKA. Datum: 30. června Revize 01

Zvukové rozhraní. Základní pojmy

Numerická stabilita algoritmů

Operační zesilovač, jeho vlastnosti a využití:

Základy a aplikace digitálních. Katedra radioelektroniky (13137), blok B2, místnost 722

Analýza a zpracování signálů

1990 SYNCHRONNÍ FÁZORY NAP

Studium tranzistorového zesilovače

SEMESTRÁLNÍ PRÁCE Z X37SAS Zadání č. 7

Digitalizace převod AS DS (analogový diskrétní signál )

GRAFICKÉ ROZHRANÍ V MATLABU PRO ŘÍZENÍ DIGITÁLNÍHO DETEKTORU PROSTŘEDNICTVÍM RS232 LINKY

Transkript:

PROBLÉM ŠPATNÉ SYNCHRONIZACE VZORKOVACÍCH KMITOČTŮ U MLS SIGNÁLŮ: MODEL V PROSTŘEDÍ MATLAB F. Rund, A. Novák Katedra radioelektroniky, FEL ČVUT v Praze Abstrakt Chceme-li hodnotit kvalitativní stránku zpracování zvukové informace, je nejprve nutné stanovit objektivní parametry systémů pro toto zpracování použitých, jako např. přenosové vlastnosti. Pro měření těchto parametrů se často s výhodou používá tzv. posloupností maximální délky (MLS). Při praktickém použití metod využívajících MLS je možné setkat se s určitými problémy, zvláště je-li nutné generovat měřicí signál jedním zařízením a zaznamenávat a vyhodnocovat ho na jiném zařízení. Tento článek se zabývá vlivem špatné synchronizace vzorkovacích kmitočtů při použití MLS signálů pro měření přenosových vlastností. Problém je zkoumán nejdříve pomocí harmonického signálu a poté pomocí modelování tohoto jevu v prostředí Matlab. Model byl porovnán s výsledky reálného měření. Využití MLS pro měření přenosových vlastností Pro hodnocení kvality zvukové techniky je důležitá znalost přenosových parametrů těchto zařízení. Tyto parametry lze zjistit různými metodami. Jednou z těchto metod je měření pomocí pseudonáhodných posloupností maximální délky (Maximum-Length Sequences MLS). Tato metoda se často používá zejména díky snadnému generování MLS signálů (posuvným registrem) a jejich vlastnostem. Hlavní vlastností MLS, na které stojí využití pro měření, je její periodická autokorelační funkce [], [2], [3]. R pxx [n] = x p [n] x p [n] = δ p [n] L +, () kde operátor vyjadřuje operaci cyklické korelace, x p [n] je periodický MLS signál s délkou periody L a δ p [n] je periodická sekvence dirakových impulzů s toutéž periodou L. Je zřejmé, že při velké délce periody L R pxx [n]. = δ p [n]. (2) Při měření soustavy, která má odezvu h p [n] na signál δ p [n], přivedeme na vstup soustavy periodický MLS signál x p [n], na jejím výstupu obdržíme signál y p [n] = x p [n] h p [n], operátor vyjadřuje operaci cyklické konvoluce. Dalším krokem je výpočet cyklické korelační funkce signálů x p [n] a y p [n], pro který existuje efektivní algoritmus. Po dosazení z předchozích vztahů dostaneme: R pxy [n] = x p [n] y p [n] = R pxx [n] h p [n]. = δ p [n] h p [n]. = h p [n] (3) Při dostatečné délce MLS sekvence tedy dostáváme přímo impulzní odezvu zkoumané soustavy, ze které můžeme snadno spočítat další charakteristiky, především kmitočtovou odezvu [4], [5], [6]. 2 Nesynchronost vzorkovacích kmitočtů Použijeme-li pro měření určité soustavy metodu využívající MLS, kde zdrojem signálu MLS bude jedno zařízení a systémem, jenž zaznamenává a popřípadě rovnou zpracovává odezvu index p označuje periodicitu, v dalších kapitolách budou periodické signály značeny již bez indexu x p[n] = x[n].

bude zařízení druhé, můžeme se dostat do značných problémů daných nepatrně rozdílnými vzorkovacími kmitočty. Problému bychom se pochopitelně mohli vyhnout za předpokladu použití externí synchronizace, ale ne vždy lze přístroje externě synchronizovat. Následující kapitola pojednává o nežádoucích jevech vznikajících při použití dvou odlišných vzorkovaních kmitočtů. Pro upřesnění je třeba dodat, že pojmem odlišný vzorkovací kmitočet je myšlen kmitočet, jenž by teoreticky měl být shodný, ovšem z důvodů nedokonalosti generátorů kmitočtů se o něco liší od standartní hodnoty. Příkladem může být CD přehrávač o vzorkovacím kmitočtu f s = 44. khz propojený analogovou cestou s CD rekordérem opět se vzorkovacím kmitočtem f s2 = 44. khz, ovšem z důvodů uvedených výše může být skutečnost nepatrně jiná, např: f s = 44. khz a f s2 = 44.99 khz. Jelikož se jedná o problém vzorkovacích kmitočtů, budeme jako první zařízení uvažovat pouze DA-převodník a jako druhé zařízení pouze AD-převodník. Celá situace je naznačena na obrázku. ANALOG x[n] DAC h(t) ADC y[n] Obrázek : Schéma pro měření analogové soustavy 2. Problém synchronizace na sinovém modelu Pro jednodušší vysvětlení celé problematiky využijeme pro začátek sinového signálu místo MLS signálu. Uvažujme sinový signál na vstupu soustavy, jehož kmitočet bude odpovídat jedné čtvrtině vzorkovacího kmitočtu následujícího D/A převodníku. Signál x[n] lze tedy zapsat jako x[n] = A sin(2πf n f s ) (4) a při použití kmitočtu rovného čtvrtině vzorkovacího f = f s /4 dojdeme následující úpravou k hodnotám samotných vzorků digitálního signálu x[n]: x[n] = A sin(2π f s 4 = A sin(2π n 4 ) = A sin(π n 2 ) n f s ) = {...,, A,, A,, A,, A,...}. Kmitočet f = f s /4 byl zvolen úmyslně, aby byly vidět rozdíly po špatné synchronizaci na druhé straně řetězce. Následující obrázek znázorňuje výše popsaný harmonický signál. Obrázek 2: Harmonický signál o f = f s /4 s vyneseným vzorkováním f s

Projde-li takovýto signál pouze DA převodníkem a soustavou s jednotkovým přenosem, jak je znázorněno na obrázku 3, a poté AD převodníkem, dojde kromě průchodu antialiazingovým filtrem též k nepatrnému posunu vzorků, způsobeným právě zmíněnou nesynchroností vzorkovacích kmitočtů AD a DA převodníku. Výstupní signál z takové soustavy pak může vypadat podle obrázku 4. Na tomto příkladu je posun vzorkovacího kmitočtu mnohem větší než ve skutečnosti pouze z důvodu názornosti. ANALOG x(t) DAC ADC y(t) Obrázek 3: Schéma pro měření analogové soustavy Obrázek 4: Harmonický signál o f = f s /4 s vyneseným vzorkováním f s2 > f s Ačkoliv měla soustava jednotkový přenos a i kdybychom uvažovali DA převodník jako ideální interpolátor a AD převodník jako ideální vzorkovací obvod, samotné vychýlení kmitočtu způsobí posun vzorků, jenž může hrát ve výpočtech s MLS signály významnou roli. Na obrázcích 5a a 5b je pak vynesena stejná situace, pouze s delší časovou osou. Ačkoliv se jedná o harmonické signály, tak obrázek 5b obsahuje okem patrné zázněje, jenž jsou pouze důsledkem zobrazení jednotlivých vzorků. V obou případech se jedná o signál obsahující jednu jedinou harmonickou složku. (a) vzorkování f s (b) vzorkování f s2 > f s Obrázek 5: Harmonický signál o f = f s /4

2.2 Problém synchronizace na modelu s MLS Ke stejnému jevu pochopitelně může dojít u všech typů signálu, stejně tak u MLS. Těch se navíc hojně využívá k měření. Stejný myšlenkový postup, jako byl uveden v odstavci 2. bude nyní použit na MLS. Opět máme soustavu DA AD převodník, jenž je na obrázku 3. Jako vstupní signál nyní uvažujeme MLS, jehož malá část je uvedena na obrázku 6a. Po průchodu DA převodníkem, soustavou s jednotkovým přenosem a AD převodníkem, jehož vzorkovací kmitočet se nepatrně liší od kmitočtu DA převodníku dojde k posunutí původních vzorků, výsledek je na obrázku 6b. (a) správně vzorkovaný na f s (b) chybně vzorkovaný na f s2 > f s Obrázek 6: MLS signál před a po průchodu DA, AD soustavou s různými f s Obrázek 7: MLS signál: zeleně správné vzorkování, modře posunuté vzorkování Na obrázku 7 jsou vykresleny oba signály přes sebe, zeleně je označen správný původní MLS signál, obsahující pouze úrovně a, modře jsou vyneseny vzorky posunuté v důsledku nesynchronovanosti AD a DA převodníku. Pro výpočet dané soustavy a jejího přenosu však bude třeba použit výstupní (modrý) signál. Výpočet však počítá s dokonalou synchronností, respektive se bere vektor hodnot nezávislých na okamžicích kdy byly odebrány a jsou podrobeny korelaci s původním MLS signálem. Na obrázku 8 je proto naznačeno jak budou vzorky brány pro výpočet korelace. Ve skutečnosti tedy dojde k zpětnému posunu vzorků na své původní pozice, ovšem s hodnotami, jenž byly odebrány při vzorkování a tak dojde k chybnému výpočtu.

Obrázek 8: Dva signály MLS, zeleně originál, modře po průchodu DA, AD soustavou 3 Simulace v prostředí Matlab Simulace špatné synchronizace byla v prostředí Matlab r provedena pomocí funkcí pro převzorkování signálu. Pomocí příkazu interp byla nejprve provedena simulace převodu na analogový signál a po té příkazem decimate simulace zpětného převodu na digitální signál. Pro nepatrnou změnu kmitočtu byla prováděna interpolace hodnotou 2 a decimace hodnotou 99. Na obrázcích 9a a 9b jsou pak vyneseny výsledné impulzové odezvy vypočtené způsobem uvedeným v odstavci. V tomto připadě byl použit MLS délky 255, kdy jsou chyby ve výsledné impulsové odezvě patrnější. Na obrázcích a a b jsou pak vynesena spektra jednotlivých impulsových odezev. Je patrné, že při špatné synchronizaci dojde též k chybnému výpočtu spektra. V tomto případě jde opět o posun vzorkovacích kmitočtů ve velkém poměru 2 ku 99. (a) správná synchronizace (b) špatná synchronizace Obrázek 9: Vypočtená impulsová odezva z korelační funkce 4 Měření provedená s a bez synchronizace V Příloze jsou uvedeny výsledky získané při třech různých měřeních. Ve všech případech šlo o měření pomocí MLS signálu, jednou byla použita soustava se synchronizovanými kmitočty, další

(a) správná synchronizace (b) špatná synchronizace Obrázek : Přenosová funkce vypočtená z impulsové odezvy měření byla provedena na nesynchronizovaných soustavách. Při měření na nesynchronizovaných soustavách byl použit jednou přímý MLS signál a podruhé signál filtrovaný dolní propustí pod hranicí poloviny vzorkovacího kmitočtu, aby byla prokázána nezávislost použití filtrovaného MLS signálu na tomto jevu. Z výsledků uvedených v Příloze je patrný důsledek nesynchronizovaného měřicího systému. Ve vypočtené impulsové odezvě se objevuje šum, jehož hodnota dosahuje v daných měřeních dvou desetin procenta maximální hodnoty, což představuje odstup signálu od šumu řádově 5 db. Nutno podotknout, že toto měření bylo provedeno s MLS signálem délky 65535 vzorků, při kratších periodách by se chyba uplatnila více. 5 Závěry V tomto článku byla prezentována problematika vlivu nesynchronosti vzorkovacích kmitočtů na měření odezev soustav pomocí MLS. Rozbor problematiky byl proveden pomocí harmonického signálu, analytický rozbor MLS signálu by byl velmi obtížný. Proto byl k ověření závěrů sestavených pro harmonický signál využit model v prostředí Matlab r. Výsledky modelu v prostředí Matlab r napovídají, že v případě i nepatrně odlišného vzorkovacího kmitočtu na vysílací a přijímací straně dojde k ovlivnění výsledků měření. Důsledkem toho je vznik šumu, který se objeví ve vypočtené impulzní odezvě (obr 9) a tudíž i v přenosové funkci (obr ). Výsledky předpovězené modelem byly ověřeny pomocí měření na reálném systému, jak je dokumentováno na obrázcích v Příloze. Při tomto měření bylo také ověřeno, že popsaný problém nesouvisí s použitím antialiasingového filtru. Popsanému problému se lze vyhnout pravděpodobně pouze použitím synchronizovaných zařízení, což je velmi omezující podmínka. Velikost artefaktů souvisejících s tímto problémem klesá s rostoucí délkou periody použité MLS, avšak pro přesná měření je nutná synchronizace. Poděkování Tato práce byla podporována grantem GA ČR č.2/5/254 Kvalitativní aspekty zpracování audiovizuální informace v multimediálních systémech.

Literatura [] KADLEC, F., Zpracování akustických signálů. Praha : 2588-8 ČVUT, 22, pp. 89. ISBN 8-- [2] Kadlec, F.: Measurement of Distributed Acoustic Systems Using Maximum-Length Sequences. In: th Convention of the Audio Engineering Society, Copenhagen, Denmark, May - 4, 996, Preprint 4269. [3] Kadlec, F.: The Measurement of Acoustical and Electroacoustical Systems by Means of Pseudorandom Signals. In: Proc. of 7th International Congress on Sound and Vibration, Garmisch - Partenkirchen, 4-7 July, 2, pp. 3345-3352. [4] RIFE, D. D., VANDERKOOY, J. Transfer-Function Measurement with Maximum- Length Sequences. J. Audio Eng. Soc. June 989, Vol. 37, No. 6, s. 49-443. [5] VANDERKOOY, J. Aspects of MLS Measuring Systems. J. Audio Eng. Soc. April 994, Vol. 42, No. 4, s. 29-23. [6] Rife, D. D. - Vanderkooy, J.: Transfer-function measurement with maximum-length sequences. J. Audio Engineering Society, June 989, Vol. 37, No. 6, p. 49-443. František Rund tel. 22435 28, e-mail: xrund@fel.cvut.cz Katedra radioelektroniky, FEL ČVUT Praha, Technická 2, 66 27, Praha 6 Antonín Novák tel. 22435 2, e-mail: novaka4@fel.cvut.cz Katedra radioelektroniky, FEL ČVUT Praha, Technická 2, 66 27, Praha 6

Příloha.2.8.8.6.4.2.6.4.2.2.2 2 3 4 5 6 7 x 4.4 2 3 4 5 6 7 x 4 (a) celé zobrazení 65535 vzorků.8.6.4.2.2 58 59 5 5 52 53 54.8.6.4.2.2 58 59 5 5 52 53 54 (b) detail odezvy.5.5...5.5.5.5...5 2 3 4 5 6 x 4.5 2 3 4 5 6 x 4 (c) detail nízké úrovně Obrázek : Impulsové odezvy vypočítané z měřených dat. Vlevo špatná, vpravo správná synchronizace. MLS signál řádu 6, L = 65535

.8.6.4.2.5..5.5.2..4 2 3 4 5 6 7 x 4.5 2 3 4 5 6 x 4 (a) celé zobrazení 65535 vzorků (b) detail nízké úrovně Obrázek 2: Impulsová odezva po špatné synchronizaci (filtrovaný MLS signál řádu 6, L = 65535) (a) neupravovaný signál (b) signál po průchodu soustavou (filtrem) (c) signál po průchodu soustavou a po špatné synchronizaci (d) filtrovaný MLS signál po průchodu soustavou a po špatné synchronizaci Obrázek 3: Měřený MLS signál řádu 6, L = 65535, 3 periody