Pythonda raqamli signalni qayta ishlash dsp haqida o'ylang

4.4. Pushti shovqin
10
10
10
10
Chastota (Hz)
10
10
10
10
0 10
10
oq
pushti
qizil
Machine Translated by Google

---

0
200
200
0
3
2
100
2
3
Oddiy namuna
100
Oddiy namuna
1 0
1 0
200
4
1
200
1
2
100
2
3
100
3
4
4
4
4.5 Gauss shovqini
pink_filter spektrning har bir elementini f b/2 ga ajratadi. Kuchdan beri
"korrelyatsiya" va "ko'proq tasodifiy".
Bu kuzatuvga qaytib, men nimani nazarda tutayotganimni aniqroq tushunaman
self.hs /= denom
denom[0] = 1
lekin hech bo'lmaganda vizual ravishda ko'proq tasodifiy ko'rinadi. Keyingi bobda biz kelamiz
ketma-ket qiymatlar o'rtasidagi korrelyatsiyani taklif qiladigan tarzda yuqoriga va pastga,
denom = self.fs ** (beta/2.0)
uning spektri barcha chastotalarda teng kuchga ega, o'rtacha UU shovqin
def pink_filter(self, beta=1,0):
4.6-rasmda hosil bo'lgan to'lqin shakli ko'rsatilgan. Braun shovqini kabi, u aylanib yuradi
Biz o'zaro bog'liq bo'lmagan yagona (UU) shovqin bilan boshladik va buni ko'rsatdik, chunki
Spektr pushti_filtrni taqdim etadi:
signal, biz baribir 0 ga o'rnatamiz.
46
0 ga bo'linishdan saqlaning va qisman bu element ning tarafkashligini ifodalaydi
Gauss shovqin spektri.
4-bob. Shovqin
bir xil log-log shkalasi. Ko'rsatkich, b va qiyalik o'rtasidagi munosabat
4.8-rasm: ning haqiqiy va xayoliy qismlari uchun normal ehtimollik grafigi
. U f = 0 dagi komponentni qisman maxsus holat sifatida ko'rib chiqadi
Ushbu rasmda spektrning aniq ko'rinishi.
amplituda kvadrati, bu operatsiya har bir komponentdagi quvvatni f b ga bo'ladi.
Nihoyat, 4.7-rasmda oq, pushti va qizil shovqinlarning spektri ko'rsatilgan
Am
p
l
it
u
da
model
model
haqiqiy
tasvir
Machine Translated by Google

---

np.random.normal Gauss taqsimotidan NumPy qiymatlar massivini qaytaradi, bu
holda o'rtacha 0 va standart og'ish self.amp bilan. Nazariy jihatdan qiymatlar
diapazoni manfiydan musbat cheksizgacha bo'ladi, lekin biz qiymatlarning taxminan
99% -3 dan 3 gacha bo'lishini kutamiz.
ys = np.random.normal(0, self.amp, len(ts)) ys qaytaradi
def evaluate (self, ts):
Oddiy ehtimollik chizmasidagi to'g'ri chiziq ma'lumotlarning Gauss taqsimotidan kelib
chiqqanligini ko'rsatadi. Extremesdagi ba'zi tasodifiy o'zgarishlardan tashqari, bu
chiziqlar to'g'ri, bu UG shovqin spektri UG shovqin ekanligini ko'rsatadi.
4.8-rasmda natijalar ko'rsatilgan. Kulrang chiziqlar ma'lumotlarga mos keladigan chiziqli modelni
ko'rsatadi; qorong'u chiziqlar ma'lumotlarni ko'rsatadi.
Thinkdsp UG shovqinini amalga oshirishni ta'minlaydi:
sinf UncorrelatedGaussianNoise(_Noise):
NormalProbabilityPlot bu kitob uchun omborga kiritilgan thinkstats2 tomonidan
taqdim etilgan. Agar siz oddiy ehtimollik syujetlari bilan tanish bo'lmasangiz, ular
haqida http: //thinkstats2.com saytidagi Think Stats 5-bobida o'qishingiz mumkin.
Ammo odamlar "oq shovqin" haqida gapirganda, ular har doim ham UU shovqinini
anglatmaydi. Aslida, ular ko'pincha o'zaro bog'liq bo'lmagan Gauss (UG) shovqinini anglatadi.
oq.
thinkstats2.NormalProbabilityPlot(spectrum.real)
thinkstats2.NormalProbabilityPlot(spectrum.imag)
signal = thinkdsp.UcorrelatedGaussianNoise() to'lqin =
signal.make_wave(davomiylik=0,5, kadr tezligi=11025) spektr =
wave.make_spectrum()