Спектральный метод интерполяции

При дискретизации данных с равномерным шагом по аргументу наиболее точную интерполяцию финитных сигналов обеспечивает спектральный метод. При условии, естественно, что в спектре сигнала не содержится частотных составляющих, превышающих частоту Найквиста.

Спектр дискретного сигнала. Допустим, что для обработки задается произвольный аналоговый сигнал s(t), имеющий фурье-образ S(f). Равномерная дискретизация непрерывного сигнала s(t) с частотой F (шаг Dt = 1/F = q) с математических позиций означает умножение функции s(t) на гребневую (решетчатую) функцию Ш_q(t) = d(t-kDt):

s_q(t) = s(t) Ш_q(t) = s(t)d(t-kDt) =s(kDt)d(t-kDt). (14.4.1)

С учетом известного преобразования Фурье гребневой функции Ш_q(t) Û F×Ш_F(f) фурье-образ дискретной функции s_q(t):

S_F(f) = S(f) ③ F×Ш_F(f). (14.4.2)

Ш_F(f) =d(f-nF). (14.4.3)

Отсюда, для спектра дискретного сигнала имеем:

S_F(f) = F×S(f) ③d(f-nF) = FS(f-nF). (14.4.4)

Спектр дискретного сигнала представляет собой непрерывную периодическую функцию с периодом F, совпадающую с функцией F×S(f) непрерывного сигнала s(t) в пределах центрального периода от -f_N до f_N, где f_N = 1/2Dt = F/2 - частота Найквиста. Частота дискретизации сигнала должна быть минимум в два раза выше максимальной частотной составляющей в спектре сигнала (F = 1/Dt ³ 2f_max). Умножая функцию (14.4.2) на прямоугольную весовую функцию П_F(f), равную 1 в пределах главного частотного, получаем непрерывный спектр в бесконечных по частоте границах, равный спектру F×S(f) в пределах главного частотного диапазона:

F×S(f) = F×[S(f) ③ Ш_F(f)] П_F(f). (14.4.5)

Обратное преобразование Фурье этого спектра, с учетом коэффициента F, должно восстанавливать непрерывный сигнал, равный исходному аналоговому сигналу s(t).

Рис. 14.4.1. Спектральный метод интерполяции и экстраполяции.

На рис. 14.4.1 приведен пример интерполяции и экстраполяции равномерных по аргументу дискретных данных в сравнении с сплайн-методом и методом по Лагранжу. Исходная аналоговая кривая дискретизирована корректно (f_max < 1/2Dt) и восстановленная по дискретным данным кривая fS(z) полностью ее повторяет. Близкие результаты к исходному сигналу дает также и сплайн-интерполяция, но доверять сплайн-экстраполяции, особенно по концевой части интервала задания данного сигнала, не приходится. Что касается интерполяции по Лагранжу, то можно видеть существенную погрешность интерполяции на концевых частях интервала сигнала и полную ее непригодность для задачи экстраполяции.

Попутно заметим, что хотя спектр сигнала представляет собой непрерывную кривую, вычисление спектра, учитывая информационную равноценность динамического и спектрального представления сигналов, также может производиться в дискретном варианте с использованием быстрого преобразования Фурье.

При нарушении корректности дискретизации данных погрешности интерполяции возрастают практически во всех методах интерполяции, а не только в спектральном методе. Это можно видеть на рис. 14.4.2, который полностью повторяет рис. 14.4.1 с изменением значения только одного, пятого отсчета (уменьшение с 7.84 до 2), что вызывает подъем высоких частот в спектре данных.

Рис. 14.4.2.

Следует учитывать, что при интерполяции данных, представляющих собой вырезки из сигнальных функций с определенной постоянной составляющей (сигнал не выходит на нулевые значения на концевых участках интервала задания), а равно и любых данных со скачками функций, при спектральном преобразовании на интерполированном сигнале в окрестностях обрезания данных (и скачков) возникает явление Гиббса. Это можно наглядно видеть сравнением рисунков 14.4.1 и 14.4.3. Данные на рис. 14.4.1 в рисунке 14.4.3 подняты на 20 единиц постоянной составляющей.

Рис. 14.4.3.

Для исключения этого эффекта можно рекомендовать перед интерполяцией производить определение линейного тренда данных по концевым значениям отсчетов и вычитать его из данных, с последующим восстановлением после интерполяции.

Интерполяционный ряд Котельникова-Шеннона. Произведем обратное преобразование обеих частей равенства (14.4.5). Умножение непрерывного и бесконечного спектра на П-импульс в пределах главного диапазона отобразится в динамической области сверткой двух функций:

F×s(t) = F×s_q(t) ③ sinc(pFt).

s(t) = sinc(pFt) ③s(kDt)d(t-kDt),

Отсюда, с учетом равенства d(t-kDt) ③ sinc(pFt) = sinc[pF(t-kDt)], получаем:

s(t) =s(kDt) sinc[pF(t-kDt)]. (14.4.6)

Эта формула носит название интерполяционного ряда Котельникова-Шеннона и, по существу, является разложением сигнала по системе ортогональных функций sinc(pF(t-kDt)) = sinc(p(t/Dt – k)). С другой стороны, эта формула представляет собой свертку дискретной функции данных s(kDt) с непрерывной функцией интегрального синуса. Для больших массивов дискретных данных точность восстановления сигнала обычно ограничивается интервалом задания функции интегрального синуса, по которому устанавливается интервал суммирования.

Из совокупности выше приведенных формул следует, что если для частоты дискретизации сигнала справедливо неравенство F ³ 2f_max, где f_max - наибольшая частота в спектре произвольной непрерывной функции s(t), то функция s(t) может представляться в виде числовой последовательности дискретных значений s(kDt), k = 0,1,2,..., и однозначно по этой последовательности восстанавливаться, в пределе - без потери точности. В этом и состоит сущность теоремы отсчетов Котельникова-Шеннона.

На рис. 14.4.4 приведен пример интерполяции входных данных, повторяющих данные рис. 14.4.1. Результаты интерполяции, как и следовало ожидать, абсолютно идентичны. Аналогичным образом влияют на результаты усечение и скачки функций (явление Гиббса).

Рис. 14.4.4. Интерполяция по Котельникову-Шеннону.

Дата добавления: 2014-01-04