Pythonda raqamli signalni qayta ishlash dsp haqida o'ylang

9.4 Integratsiya
qarang.
9.4. Integratsiya
Xususan, 10-bobda keltirilgan chiziqli, vaqt o'zgarmas tizimlarni tahlil qilish uchun
foydalidir.
def integrate(self): self.hs /
= PI2 * 1j * self.fs
9.3-rasmda (o'ngda) ushbu filtr log-y shkalasida ko'rsatilgan, bu esa uni osonlashtiradi
Differensial tenglamalarni echishda spektral usullarning asosi sanab chiqinglar
uchun DFT dan foydalanish hisoblanadi (qarang: http://en.wikipedia.org/wiki/
Spectral_method).
Biz bu filtrni quyidagicha hisoblashimiz
mumkin: integ_filter = close.make_spectrum()
integ_filter.hs = 1 / (PI2 * 1j * integ_filter.fs)
9.5-rasm: Asl vaqt seriyasi va integral hosilani solishtirish.
111
Oldingi bo'limda biz vaqt sohasidagi farqlanish chastota sohasidagi oddiy filtrga mos
kelishini ko'rsatdik: u har bir komponentni 2pi f ga ko'paytiradi. Integrasiya
differensiallanishga teskari bo‘lgani uchun u oddiy filtrga ham mos keladi: u har bir
komponentni 2pi f ga bo‘ladi.
Spectrum integratsiya filtrini qo'llaydigan usulni taqdim etadi: # sinf
Spektr:
yopilish narxlari
integratsiyalangan lotin
N
ar
xi
(
$)
Machine Translated by Google

---

spektrni to'lqinga aylantirish:
Oldin bu qiymatni 0 ga o'rnatish orqali biz bu muammoni qisman hal qilishimiz mumkin
element noma'lum.
NaN, bu "raqam emas" ni ifodalovchi maxsus suzuvchi nuqta qiymati.
uni tiklay olmaydi. Qaysidir ma'noda f = 0 da NaN bizga buni bildiradi
umuman olganda, farqlash tarafkashlik va integratsiya haqida ma'lumotni yo'qotadi
Lekin e'tibor bering, f = 0 bo'lsa, biz 0 ga bo'linamiz. NumPy-dagi natija
integ_spectrum.integrate()
pastga siljidi. Muammo shundaki, biz f = 0 komponentini yopib qo'yganimizda, biz
signalning moyilligini 0 ga qo'ydik. Lekin bu ajablanarli emas;
seriya. Ular deyarli bir xil, ammo integral lotin bo'lgan
integ_spectrum = deriv_spectrum.copy()
Biz hozirgina hisoblagan hosilaning spektri:
9.5-rasmda ushbu integral lotin asl vaqt bilan birga ko'rsatilgan