کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
6952196 1451755 2014 5 صفحه PDF 12 صفحه WORD دانلود کنید
عنوان انگلیسی مقاله ISI
Recursive sliding discrete Fourier transform with oversampled data
ترجمه فارسی عنوان
پردازش سیگنال دیجیتال
کلمات کلیدی
تبدیل فوریه گسسته، تبدیل فوریه گسسته بازگشتی تبدیل، تبدیل فوریه گسسته کشویی ، تبدیل فوریه در حال اجرا ، به روز رسانی طیفی
فهرست مطالب مقاله
چکیده
مقدمه
تبدیل فوریه گسسته بازگشتی کشویی
مقدار نهایی چند نمونه ای
تصحیح خطا
ضریب پردازشجدول 1 : ضرایب رشته های محاسباتی برای k=1,2,4,8 . تمامی زمان های پردازشی نشان داده شده مربوط به k=1 است و نشان دهنده افزایش بیش از حد در زمان محاسبه جفت نمونه ها است .شکل 1 : دیاگرام نرخ نمونه برداری برای k=1,2,4 . نقاط تو پر نمایش دهنده نمونه برداری با نرخ k=1 است . نقاط تو خالی نمایش دهنده نمونه های اضافی بدست آمده برای k=2,4 است .
بهره پهنای باندشکل 2 : نمایش فرکانس – زمان سه سیگنال تولید شده برای k=1,2,4 . هر نمودار نرخ نمونه برداری و پهنای باند متفاوتی را نشان می دهد .
نسبت بهره به ضریب پهنای باند سیگنالجدول 2 : بهره پهنای باند نسبت به تعداد نمونه ورودی تعریف شده توسط k . هر قدر k افزایش یابد مقادیر بیش از حد اضافی محدودیت نمونه برداری را ایجاد می کنند که موجب جلوگیری از مقیاس خطی نرخ نمونه برداری می شود .
نتیجه گیری
ترجمه چکیده
تبدیل فوریه گسسته (DFT) نقش اساسی برای تحلیل سیگنال بازی می کند . برای مثال یک کاربرد متداول عبارت است از تبدیل فوریه سریع برای محاسبه تجزیه طیف در روش بلوک به بلوک . هر چند استفاده از تکنیک تبدیل فوریه گسسته بازگشتی که به نوبه خود محاسبه وضوح خوب فرکانس زمان را میسر می کند بدست آوردن نمونه به نمونه را فعال می نماید . خروجی طیف موجود در روش نمونه به نمونه با استفاده از ترکیب خصوصیات شیفت زمان فوریه تفاوت بین جدیدترین نمونه ورودی و خروجی در زمان استفاده طول بازه محدود بدست آمده است . همانگونه که با پردازش تاخیر در هر نمونه ورودی بیشترین نرخ نمونه برداری را مشخص خواهد کرد برای حفظ روش نمونه برداری در فرآیند هماهنگ سازی ، محدودیت نمونه برداری بر روی سخت افزار نهایی اجرا می شود . این کار رویکرد بازگشتی را یک قدم به جلوتر می برد و پردازش نمونه های متعدد اکتسابی را در نمونه برداری بیش از حد برای یدست آوردن طیف خروجی میسر می کند . این کار نشان می دهد که محاسبه تجزیه ریز به ریز طیف در هنگام افزایش پهنای باند سیگنال قابل استفاده با نرخ نمونه برداری بالاتر امکان پذیر است . نتایج نشان می دهند که پردازش بالا با فاکتور های بهبود یافته پهنای باند سیگنال تا 6.7x با پردازش 8 نمونه در هر تکرار زیر خطی را افزایش می دهد .
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر پردازش سیگنال
چکیده انگلیسی
The Discrete Fourier Transform (DFT) has played a fundamental role for signal analysis. A common application is, for example, an FFT to compute a spectral decomposition, in a block by block fashion. However, using a recursive, discrete, Fourier transform technique enables sample-by-sample updating, which, in turn, allows for the computation of a fine time–frequency resolution. An existing spectral output is updated in a sample-by-sample fashion using a combination of the Fourier time shift property and the difference between the most recent input sample and outgoing sample when using a window of finite length. To maintain sampling-to-processing synchronisation, a sampling constraint is enforced on the front–end hardware, as the processing latency per input sample will determine the maximum sampling rate. This work takes the recursive approach one step further, and enables the processing of multiple samples acquired through oversampling, to update the spectral output. This work shows that it is possible to compute a fine-grained spectral decomposition while increasing usable signal bandwidths through higher sampling rates. Results show that processing overhead increases sub-linearly, with signal bandwidth improvement factors of up to 6.7× when processing 8 samples per iteration.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Digital Signal Processing - Volume 25, February 2014, Pages 275–279
نویسندگان
, ,