Адаптивная дискретизация

Частота равномерной дискретизации информации рассчитывается по предельным значениям частотных характеристик сигналов. Адаптивная дискретизация ориентирована на динамические характеристики сигнала, что позволяет обеспечивать его восстановление при минимальном числе выборок. В основе принципов адаптивной дискретизации лежит слежение за текущей погрешностью восстановления сигнала. Наиболее широкое применение получили алгоритмы дискретизации с адаптацией по длине интервала аппроксимации. Сущность дискретизации заключается в последовательном наращивании интервала аппроксимации с непрерывным сравнением сигнала s(t) с воспроизводящей функцией s_a(t). При достижении заданного значения s наращивание интервала прекращается, и производится отсчет значения s(t_i), т.е. дискретизация является неравномерной. Для воспроизведения сигналов нерегулярной дискретизации обычно используются степенные алгебраические полиномы нулевой и первой степени в интерполяционном или в экстраполяционном вариантах.

Наиболее простой является техника адаптивной дискретизации с использованием многочлена нулевой степени. На момент t_i начала каждого интервала аппроксимирующий полином s_a(t) принимается равным s(t_i), вычисляется текущая разность L(t) = s(t)-s_a(t) и производится сравнение ее значения с заданным значением s. При фиксировании равенства L(t) = s производится очередной отсчет и начинается следующий интервал.

При использовании аппроксимирующего многочлена первой степени вычисляется значение s_a(t) = s(t_i)+s'(t_i), где s'(t) - производная сигнала. Момент очередного отсчета определяется выполнением равенства s(t)-s(t_i)-s'(t_i) = s. Следует иметь в виду, что данный алгоритм неэффективен при наличии высокочастотных помех, к которым весьма чувствительна операция дифференцирования.

Самыми простыми способами восстановления сигналов при адаптивной дискретизации являются линейная и квадратичная интерполяции, которые выполняются по уравнениям:

f(x)_лин = а₀ + а₁х. f(x)_кв = а₀ + а₁х + а₂х².

Эти уравнения являются частным случаем полиномиальной интерполяции с помощью аппроксимирующего полинома:

f(x) = а₀ + а₁х + а₂х² + … + a_nxⁿ =a_i·xⁱ. (7.13)

Для выполнения полиномиальной интерполяции достаточно по выражению (7.4.1) составить систему линейных уравнений для n последовательных отсчетов и определить n значений коэффициентов a_i. При глобальной интерполяции, по всем N точкам задания функции, степень полинома равна N-1. Глобальная интерполяция обычно выполняется для достаточно коротких (не более 8-10 отсчетов) массивов данных. Пример выполнения глобальной интерполяции приведен на рис. 7.4.

Рис. 7.4. Интерполяция данных

Большие массивы данных интерполируются последовательными локальными частями или в скользящем по массиву данных окне интерполяции, как правило, с нечетным значением N и вычислением требуемых значений сигнала в определенном интервале центральной части окна.

Для практического использования более удобны формулы аппроксимации, не требующие предварительного определения коэффициентов аппроксимирующих полиномов. К числу таких формул относится интерполяционных многочлен по Лагранжу /30/. При аппроксимации функции у(х) многочленом n-ой степени f(x):

f(x) = + +…

…+ . (7.14)

Пример интерполяции по Лагранжу приведен на рис. 7.5.

Рис. 7.5. Интерполяция по Лагранжу

Дата добавления: 2014-01-03