DSP (Digital Signal Processing) – Souhrnný tahák a příprava na test

Tento dokument slouží jako komplexní, jednotný a vysoce strukturovaný přehled celé látky DSP pro přípravu na test. Obsahuje veškeré klíčové definice, vzorce, matematické rovnice, terminologii a oblasti praktického využití.


1. ÚVOD DO DSP A HISTORIE

  • Definice: DSP (Digital Signal Processing) je odvětví počítačové vědy zabývající se manipulací se signály (úprava, filtrování, analýza, komprimace) po jejich A/D převodu do digitální podoby.
  • Historické kořeny (60. a 70. léta): Kvůli drahým počítačům omezeno na kritické oblasti:
    • Radar a sonar (ochrana národní bezpečnosti)
    • Průzkum ložisek ropy (vysoký finanční přínos, seismická data)
    • Průzkum vesmíru (nenahraditelná data)
    • Lékařské snímkování (záchrana životů)
  • Počítačová revoluce (80. a 90. léta): Rozšíření do komerční sféry (mobilní telefony, CD přehrávače, hlasový email).

Hlavní oblasti využití a technické parametry:

  1. Telekomunikace:
    • Multiplexing: Převedení audia do sériového toku. T-carrier system přenáší 24 hlasových kanálů (vzorkování 8 kb/s, 8b logaritmická komprese / složený AD převod, 64 kb/s na kanál, celkem 1.544 Mb/s) přes kroucený měděný dvoudrát až na 1,8 km.
    • Komprimace: Redukce redundance (ze 64 kb/s na 32 kb/s bez ztráty; 8 kb/s pro telefonní sítě; ~2 kb/s pro armádu/podmořskou komunikaci).
    • Echo control: Potlačení ozvěn měřením vráceného signálu a generováním antisignálu. Odstranění akustické zpětné vazby ve sluchátkách.
  2. Audio Processing:
    • Hudba: Vícestopý záznam, mix down. Artificial reverberation (umělá dozvuková simulace: prodleva 100s ms = katedrála; 10-20 ms = střední posluchárna).
    • Syntéza řeči: Digitální záznam (1 hodina = ~3 MB) vs. simulace hlasového ústrojí (hláskové zvuky – periodické pulzy hlasivek, a sykavkové zvuky – šumová turbulence štěrbinou).
    • Rozpoznávání řeči: Tvarová extrakce (excitace a rezonance) + tvarové srovnávání (porovnání s databází).
  3. Echolokace:
    • Radar: Rádiové pulzy (us), měření času a směru antény. Trade-off mezi energií pulzu a přesností. DSP provádí pulzní komprimaci a filtraci šumu (vzorkování až 100 MHz).
    • Sonar: Aktivní (2–40 kHz, dosah 10–100 km) vs. pasivní (poslech pod vodou, dosah tisíce km). Využívá beamforming (řízené směrování pole elementů).
    • Odrazová seismologie: Zkoumání zemské kůry (>10 km) explozemi, oddělení primárních a sekundárních odrazů.
  4. Image Processing:
    • Obrazy jako signály v prostoru (místo času), obrovský objem dat (10 MB/s pro TV).
    • Lékařství: CT (Computed Tomography) skener (1971, řezy těla z rentgenu) a MRI (Magnetic Resonance Imaging) (magnetické pole + rádiové vlny, rezonance jader).
    • Vesmír & Komerce: Korekce snímků sond, komprese obrazu pro masový trh (DVB-T, mobilech).

2. TERMINOLOGIE GRAFŮ A ZÁKLADNÍ STATISTIKA

  • Spojitý signál: Plynulá řada hodnot v přírodě (analogové napětí).
  • Diskrétní signál: Vzniká A/D převodníkem (kvantování v čase i amplitudě, např. 12bit, 1000 vzorků/sec).
  • Osy v grafu:
    • Vertikální osa (Y): Amplituda, závislá proměnná (yy), rozsah, ordináta.
    • Horizontální osa (X): Nezávislá proměnná (xx), doména (časová, frekvenční, prostorová), abscissa, číslo vzorku / index NN (v DSP obvykle od 00 do N−1N-1).

Klíčové statistické vzorce:

  1. Střední hodnota (μ\mu – DC složka): μ=1N∑i=1Nxi\mu = \frac{1}{N} \sum_{i=1}^{N} x_i
  2. Standardní odchylka (σ\sigma – AC složka): σ=1N−1∑i=1N(xi−μ)2\sigma = \sqrt{\frac{1}{N-1} \sum_{i=1}^{N} (x_i - \mu)^2} (Ve jmenovateli je N−1N-1 kvůli eliminaci statistické chyby a správnému odhadu procesu na pozadí).
  3. Variance (Rozptyl – σ2\sigma^2): Mocnina standardní odchylky vyjadřující výkonové účinky šumu.
  4. Efektivní hodnota (RMS): Měří AC i DC složku současně: RMS=1N∑i=1Nxi2\text{RMS} = \sqrt{\frac{1}{N} \sum_{i=1}^{N} x_i^2}
  5. Poměr signál-šum (SNR) a koeficient změny (CV): SNR=μσ,CV=σμ×100 %\text{SNR} = \frac{\mu}{\sigma}, \quad \text{CV} = \frac{\sigma}{\mu} \times 100\,\%
  6. Running statistics (Průběžná statistika): Průběžný výpočet ze 3 parametrů (počet vzorků, suma hodnot, suma mocnin) bez nutnosti opětovného průchodu daty.

3. SIGNÁL VERSUS PROCES NA POZADÍ

  • Stacionární vs. nestacionární proces: Stacionární proces má konstantní pravděpodobnost (odchylky jsou jen šum). Nestacionární proces mění střední hodnotu/odchylku v čase (drift) – nutno rozdělit na úseky.
  • Histogram (HiH_i): Počet vzorků nabývajících hodnoty ii (koše / biny). Celkový počet vzorků je N=∑HiN = \sum H_i. Výpočet statistik přímo z histogramu je až 10x rychlejší (klíčové pro obrázky).
  • Pmf (Probability Mass Function): Váhová funkce pravděpodobnosti pro diskrétní data. Hodnoty v ⟨0,1⟩\langle 0, 1 \rangle, součet je roven 1 (∑pmf=1\sum \text{pmf} = 1).
  • Pdf (Probability Distribution Function): Ekvivalent pmf pro spojité signály (hustota pravděpodobnosti). Pravděpodobnost v intervalu je dána integrálem (plochou pod křivkou): P=∫pdf(x) dxP = \int \text{pdf}(x) \, dx, celková plocha = 1.
  • Binning: Seskupování hodnot do pevného počtu intervalů (bins) při plovoucí řádkové čárce (kompromis mezi rozlišením X a Y).

4. NORMÁLNÍ ROZLOŽENÍ A SYNTÉZA ŠUMU

  • Gaussovo rozložení (Gaussian / normální rozložení): Zvonovité pdf popsané střední hodnotou μ\mu a odchylkou σ\sigma: pdf(x)=1σ2πexp⁡(−(x−μ)22σ2)\text{pdf}(x) = \frac{1}{\sigma \sqrt{2\pi}} \exp\left( -\frac{(x - \mu)^2}{2\sigma^2} \right)
  • Pravidla pro Gaussovo rozložení:
    • ±1σ→68%\pm 1\sigma \rightarrow 68\% hodnot
    • ±2σ→95%\pm 2\sigma \rightarrow 95\% hodnot
    • ±3σ→99.75%\pm 3\sigma \rightarrow 99.75\% hodnot
  • CDF (Kumulativní distribuční funkce): Integrál pdf, značí se Φ\Phi, vyjadřuje kumulativní pravděpodobnost.

Syntéza digitálního šumu:

  • RND generátor: Rovnoměrné rozdělení v ⟨0,1⟩\langle 0, 1 \rangle (střední hodnota 0.5, σ=0.29\sigma = 0.29).
  • Seed a pseudo-náhodná čísla: R=(a⋅S+b)(modc)R = (a \cdot S + b) \pmod c. Možnost reseeding nebo použití RTG (Real-Time Generator).
  • Centrální limitní věta (Central Limit Theorem): Součet většího množství nezávislých náhodných čísel konverguje ke Gaussovu rozložení.
    • Praktický postup (součet 12 RND): X=∑112RND−6X = \sum_{1}^{12} \text{RND} - 6, vynásobit požadovanou σ\sigma a přičíst μ\mu.

5. PRECISION VS. ACCURACY (PŘESNOST MĚŘENÍ)

VlastnostAccuracy (Správnost / Kalibrace)Precision (Opakovatelnost / Rozptyl)
DefinicePosun střední hodnoty od skutečnostiŠířka rozložení hodnot (σ\sigma, SNR, CV)
PříčinaSystematické chyby (špatná kalibrace)Náhodné chyby (šum měření)
Vliv zprůměrováníNeodstraní ji (zprůměrování nepomůže)Vždy ji zlepší (redukuje šum)
Jak ověřitOdstraní ji nová kalibraceZlepší se průměrováním vícero měření
Built with LogoFlowershow