پردازش سیگنال چیست ؟

پردازش سیگنال یک تکنولوژی راهبردی است که به کمک آن نظریه‌های بنیادی، برنامه‌های کاربردی، الگوریتم‌ها، و پیاده‌سازی پردازش و انتقال اطلاعات در فرمت‌های فیزیکی، نمادین و یا انتزاعی را که به عنوان سیگنال شناخته می‌شود را شامل می‌شود. این علم با استفاده از نمایش‌های ریاضی، احتمالی، اکتشافی، زبانشناسی و روش‌هایی برای نمایش مثل مدل کردن، آنالیز، سنتز، اکتشاف، بازیابی و … استفاده می‌کند.

انتقال سیگنال‌های الکترونیکی با استفاده از پردازش سیگنال. مبدل‌ها امواج فیزیکی را به امواج از نوع جریان الکتریکی یا ولتاژ تبدیل می‌کنند، که پس از آن پردازش می‌شوند، و به شکل امواج الکترومغناطیسی دریافت شده و توسط مبدل دیگری به شکل نهایی خود تبدیل میشود .

به طور ساده هر کیمیت متغیر در زمان یا مکان که قابل اندازه گیری باشد را سیگنال می گوییم. به عنوان مثال سرعت کمیتی است که در واحد زمان متغیر بوده و مقدار آن قابل اندازه گیری است. چراکه در بازه های زمانی مشخص می توانید مقدار سرعت را اندازه گیری کرده و ثبت کنید. مجموعه اعدادی که از ثبت سرعت در بازه های زمانی مختلف به وجود می آیند، باهمدیگر تشکیل یک سیگنال می دهند.

کمیت هایی همچون شتاب ، دما ، رطوبت و… نیز در واحد زمان متغیر بوده و همچنین قابل اندازه گیری هستند. بنابراین با نمونه گیری از این کمیت ها در واحد های زمانی مختلف می توان تشکیل یک سیگنال داد. پردازش سیگنال نیز علمی است که به آنالیز سیگنال ها می پردازد. به علت کاربرد گسترده و همچنین قابل لمس بودن سیگنال های صوتی برای خوانندگان ، در ادامه مقالاتی که برای پردازش سیگنال قرار داده ایم ، تمرکز خود را بر روی سیگنال های صوتی و گفتار متمرکز کرده ایم. شکل زیر سیگنال صوتی را نشان می دهد که هنگام فشار دادن کلید ۱ بر روی تلفن تولید می شود

آماده کردن سیگنال ورودی :

   فرض کنید خروجی سنسوری که موجب تولید سیگنال می شود ، ولتاژ باشد. به عنوان مثال زمانی که در میکروفون صحبت می کنید، متناظر با صدای تولید شده توسط شما، خروجی میکرفون نیز در یک بازه مشخص به شکل ولتاژ تغییر می کند. یا به عنوان مثال خروجی سنسوری که برای ضبط نوار قلبی بکار می رود، در بازه های بسیار کوچک ولتاژ ( میلی ولت ) در حال تغییر است.

   در مراحل بعدی عمل دیجیتال کردن زمانی که از مبدل آنالوگ به دیجیتال استفاده می کنیم، عملا نیاز به ولتاژهایی در بازه ( 5..0) ، ( 5-..5 ) یا … ولت نیاز داریم. اما همانطور که دیدیم خروجی برخی از سنسورها ( همانند سنسور نوار قلبی ) در حد میلی ولت است. بنابراین نیاز به روشی داریم که بتوانیم خروجی سنسورها را تقویت کرده و آن ها را برای ورود به مبدل های آنالوگ به دیجیتال آماده کنیم.

   این مرحله از عمل دیجیتال کردن ورودی را آماده سازی سیگنال ورودی می گوییم که در آن از تقویت کننده ها ( آمپلی فایر ) برای افزایش/ کاهش بهره ولتاژ استفاده می کنیم. لازم به ذکر است که امروزه سیستم تقویت کننده سیگنال به شکل توکار بر روی کارت های صوتی وجود دارد و در کارهای معمول خود نیاز به نصب تقویت کننده خارجی به کارت صوتی نداریم.در سیستم عامل ویندوز ضریب بهره آمپلی فایر کارت صوتی توسط Volume Controller خود سیستم عامل تعیین می شود.

   فیلتر کردن سیگنال

   خطوط تلفن دیجیتال قابلیت حمل سیگنال هایی در بازه 0 تا 3400 هرتز را دارند. از اینرو سیگنال هایی که فرکانسی خارج از این محدوده دارند، باید قبل از دیجیتال شدن فیلتر شوند. این عمل نیز با طراحی فیلترهایی امکان پذیر است. در واقع پس از آنکه سیگنال ورودی آماده شد ( تقویت گردید ) وارد سیتم فیلترینگ می گردد تا سیگنال های خارج از محدوده فرکانسی آن کاربرد ، از سیستم حذف گردند.

   طراحی فیلترها

   از اهمیت ویژه ای برخوردار است چراکه اگر سیگنال به شکل صحیح فیلتر نشود، دچار اختلال هایی خواهد شد. با توجه به اینکه طراحی فیلترهای آنالوگ خارج از حیطه تخصصی ما می باشد، بنابراین از ذکر مطالب در مورد آن ها خودداری می کنیم. با این حال زمانی که نحوه طراحی فیلترهای دیجیتال را شرح می دهیم، پارمترهایی را که برای طراحی یک فیلتر مناسب باید در نظر گرفت ، نشان خواهیم داد.

   نمونه برداری کردن

   پس از آنکه سیگنال ورودی آماده شد و فیلترکردن آن نیز انجام پذیرفت، دیجیتال کردن سیگنال آنالوگ آغاز می شود. نمونه برداری بدین مفهوم است که در بازه های زمانی مشخص مقدار سیگنال ورودی را خوانده و برای چندی شدن به مرحله بعد انتقال دهیم. به عنوان مثال زمانی که می خواهیم در هر ثانیه 44000 نمونه از سیگنال ورودی برداریم، باید در بازه های زمانی 0.00002 ثانیه مقدار سیگنال آنالوگ را خوانده و به مرحله بعد منتقل کنیم. به عنوان مثال زمانی که در میکروفون صحبت می کنید، با فرض اینکه نرخ نمونه برداری 44000 نمونه در ثانیه باشد، سیستم دیجیتال کننده هر 0.00002 ثانیه یکبار ولتاز خروجی میکروفون را – که تقویت و فیلتر شده است – خوانده و مقدار آن را به چندی کننده ارسال می کند.

   چندی کردن سیگنال

   در مرحله نمونه برداری دیدیم که یک نمونه از سیگنال به شکل ولتاژ نمونه برداری شد. در این مرحله ولتاز نمونه برداری شده باید به شکل دیجیتالی ( عدد باینری ) تبدیل شود. برای این منظور نیز از مبدل های آنالوگ به دیجیتال استفاده می کنیم. به عنوان مثال یک مبدل انالوگ به دیجیتال 8 بیتی به ازای ورودی خود عددی بین 0 تا 255 تولید می کند. فرض کنید ورودی مبدل در بازه 0 تا 5 ولت باشد. این بدان معناست که به ازای ورودی 0 ولت ، خروجی مبدل عدد باینری 0 و به ازای ورودی 5 ولت خروجی مبدل عدد باینری 255 خواهد بود. بدیهی است که افزایش تعداد بیت های مبدل موجب افزایش دقت چندی شدن خواهد شد

کاربردهای پردازش سیگنال دیجیتال

کاربردهای DSP شامل پردازش سیگنال های صوتی، فشرده سازی صوتی، پردازش تصویر دیجیتال، فشرده سازی ویدیو، پردازش گفتار، شناسایی گفتار، مخابرات دیجیتال، ترکیب کننده های ساز دیجیتال، پردازش سیگنال های رادار و سونار، پردازش سیگنال های مالی، لرزه شناسی و زیست دارو است. مثال های خاص شامل کدگذاری گفتار و انتقال آن در موبایل های دیجیتال، اصلاح صوتی اتاق در کاربردهای تقویت صوت و hi-fi، پیش بینی آب و هوا، پیش بینی اقتصادی، پردازش داده های لرزه نگاری، آنالیز و کنترل فرایندهای صنعتی، تصویربرداری پزشکی مثل اسکن های CAT و MRI، فشرده سازی MP3، گرافیک کامپیوتری، دستکاری تصویر، تداخل صوتی و اکولایزر، و واحدهای جلوه های صوتی است.

پیاده سازی پردازش سیگنال دیجیتال

الگوریتم های DSP را میتوان روی کامپیوترهای معمولی و پردازشگرهای سیگنالی دیجیتال اجرا کرد. الگوریتم های DSP همچنین روی سخت افزارهای تخصصی مثل مدارهای مجتمع کاربرد خاص (application-specific integrated circuit) (ASIC) پیاده سازی میشوند. فناوری های بیشتر برای پردازش سیگنال دیجیتال شامل ریزپردازنده های قدرتمندتر همه منظوره، مدارهای مجتمع دیجیتال برنامه پذیر (Field-programmable gate array)(FPGA)، کنترلگرهای سیگنال دیجیتال (عمدتاً برای کاربردهای صنعتی مثل کنترل موتور) و پردازشگرهای جریان هستند.

برای سیستم هایی که نیاز به رایانش همزمان (real time) ندارند و داده های سیگنالی (چه ورودی چه خروجی) در دیتا فایل ها قرار دارند، میتوان پردازش را با یک کامپیوتر معمولی بطور مقرون به صرفه انجام داد. این عمل الزاماً هیچ فرقی با هیچ نوع پردازش داده ای ندارد، جز اینکه تکنیک های ریاضی DSP (از قبیل FFT یا تبدیل فوریه سریع) مورد استفاده قرار میگیرند، و معمولاً فرض میشود داده ها بطور یکنواخت در فضا یا زمان نمونه گیری شده اند. نمونه ای از این کاربرد، پردازش عکس های دیجیتال با نرم افزاری مثل فوتوشاپ است.

هنگامی که کاربرد مورد نیاز، همزمان است، DSP اغلب با پردازشگرها یا ریزپردازنده های تخصصی یا اختصاصی پیاده سازی میشود، گاهی اوقت با استفاده از چند پردازنده یا چند هسته پردازنده. این پردازشگرها ممکن است داده ها را با حساب نقطه ثابت یا ممیز شناور پردازش کنند. برای کاربردهای سنگین تر میتوان از FPGAها استفاده کرد. برای بیشتر کاربردهای سنگین یا محصولات حجم بالا، ASICها را میتوان بطور خاص برای کاربرد مورد نظر طراحی کرد.

کاربردهای پردازش سیگنال دیجیتال

کاربردهای DSP شامل پردازش سیگنال های صوتی، فشرده سازی صوتی، پردازش تصویر دیجیتال، فشرده سازی ویدیو، پردازش گفتار، شناسایی گفتار، مخابرات دیجیتال، ترکیب کننده های ساز دیجیتال، پردازش سیگنال های رادار و سونار، پردازش سیگنال های مالی، لرزه شناسی و زیست دارو است. مثال های خاص شامل کدگذاری گفتار و انتقال آن در موبایل های دیجیتال، اصلاح صوتی اتاق در کاربردهای تقویت صوت و hi-fi، پیش بینی آب و هوا، پیش بینی اقتصادی، پردازش داده های لرزه نگاری، آنالیز و کنترل فرایندهای صنعتی، تصویربرداری پزشکی مثل اسکن های CAT و MRI، فشرده سازی MP3، گرافیک کامپیوتری، دستکاری تصویر، تداخل صوتی و اکولایزر، و واحدهای جلوه های صوتی است.

در DSP، مهندسین معمولاً سیگنال های دیجیتال را در یکی از حوزه های زیر مطالعه میکنند: حوزه زمان (سیگنال های تک بعدی)، حوزه مکان (سیگنال های چند بعدی)، حوزه فرکانس و حوزه موجک. آنها حوزه مورد نظر برای پردازش را با فرضی آگاهانه (یا با امتحان حالت های مختلف) انتخاب میکنند که کدام حوزه، خواص اساسی سیگنال و پردازش مورد استفاده روی آن را به بهترین شکل ارائه میکند. دنباله ای از نمونه ها از یک دستگاه نمونه گیری، نمایشی زمانی یا فضایی تولید میکنند در حالیکه تبدیل فوریه گسسته، نمایش حوزه فرکانسی را به دست میدهد.

حوزه های پردازش سیگنال دیجیتال

حوزه های فضا و زمان

متداول ترین روش پردازش در حوزه زمان یا فضا، تقویت سیگنال به روشی موسوم به فیلترینگ است. فیلترینگ دیجیتال عموماً متشکل از چند تبدیل خطی گرفته شده از تعدادی نمونه مجاور نمونه فعلی از سیگنال ورودی یا خروجی است. روش های مختلفی برای مشخص سازی فیلترها وجود دارد، برای مثال:

یک فیلتر خطی، تبدیلی خطی از نمونه های ورودی است؛ سایر فیلترها غیرخطی هستند. فیلترهای خطی در اصلِ همایش صدق میکنند، یعنی اگر ورودی، ترکیب خطی وزنداری از سیگنال های مختلف باشد، خروجی نیز بطور مشابه ترکیب خطی وزندار سیگنال های خروجی متناظر است.

یک فیلتر عِلّی فقط از نمونه های قبلی ورودی یا خروجی استفاده میکند؛ در حالیکه یک فیلتر غیرعلّی از نمونه های آینده ورودی استفاده میکند. یک فیلتر غیرعّلی را معمولاً میتوان با اضافه کردن یک تاخیر، به فیلتر علّی تبدیل کرد.

 یک فیلتر زمان-ناوردا طی زمان، خواص ثابتی دارد؛ ثایر فیلترها مثل فیلترهای وقفی طی زمان تغییر میکنند.

 یک فیلتر پایدار، خروجی ای تولید میکند که با گذر زمان به مقداری ثابت همگرا میشود، یا در بازه ای کراندار، متناهی باقی میماند. یک فیلتر ناپایدار ممکن است با یک ورودی کراندار یا حتی صفر، خروجی ای تولید کند که بیکران رشد کند.

یک فیلتر پاسخ ضربه متناهی (Finite Impulse Response)(FIR) تنها از سیگنال های ورودی استفاده میکند، درحالیکه یک فیلتر پاسخ ضربه نامتناهی (Infinite Impulse Response)(IIR) هم از سیگنال ورودی و نمونه های قبلی سیگنال خروجی استفاده میکند. فیلترهای FIR همواره پایدار هستند درحالیکه فیلترهای IIR ممکن است ناپایدار باشند.

فیلتر را میتوان با یک بلوک دیاگرام نمایش داد که از آن میتوان برای استخراج یک الگوریتم پردازش نمونه جهت پیاده سازی فیلتر با دستورالعمل های سخت افزاری استفاده کرد. فیلتر را همچنین میتوان به عنوان یک معادله تفاضل (رابطه بازگشتی) توصیف کرد که مجموعه ای از صفر ها و قطب ها یا یک پاسخ ضربه یا پاسخ پله است.

خروجی یک فیلتر دیجیتال خطی به هر وردی را میتوان با پیچش (convolution) سیگنال ورودی با پاسخ ضربه بدست آورد.

حوزه فرکانس

سیگنال ها را معمولاً با تبدیل فوریه از حوزه زمان یا مکان به حوزه فرکانس منتقل میکنند. تبدیل فوریه، اطلاعات زمانی یا مکانی را به مولفه های دامنه و فاز هر فرکانس تبدیل میکند. در برخی کاربردها، چگونگی تغییرات فاز نسبت به فرکانس میتواند حائز اهمیت باشد. هنگامی که فاز بی اهمیت باشد، اغلب تبدیل فوریه به طیف قدرت تبدیل میشود، که عبارت است از توان دوم بزرگی هر مولفه فرکانسی.

متداول ترین هدف برای آنالیز سیگنال ها در حوزه فرکانس، آنالیز خواص سیگنال است. مهندس میتواند با مطالعه طیف فرکانسی، مشخص کند کدام فرکانس ها در سیگنال ورودی حضور دارند و کدام ها غایب هستند. آنالیز حوزه فرکانس را آنالیز طیف یا آنالیز طیفی نیز مینامند.

فیلترینگ، به ویژه در کارهای غیر همزمان (non-real time)، در حوزه فرکانسی نیز قابل دستیابی است، به این صورت که فیلتر در حوزه فرکانسی اعمال میشود سپس نتیجه حاصل به حوزه زمان (یا مکان/فضا) برگردانده میشود. این کار میتواند یک پیاده سازی اثربخش باشد و الزاماً به هر فیلتری پاسخ دهد، از جمله تقریباتی عالی از فیلترهای دیوار آجری.

تعدادی تبدیل پرمصرف در حوزه فرکانس وجود دارد. برای مثال، کِپسترام، یک سیگنال را توسط تبدیل فوریه به حوزه فرکانس میبرد، از آن لگاریتم میگیرد سپس یک تبدیل فوریه دیگر میگیرد. این عمل، ساختار همساز طیف اولیه را مشخص میکند.

آنالیز صفحه Z

فیلترهای دیجیتال در هر دو نوع FIR و IIR هستند. درحالیکه فیلترهای FIR همواره پایدار هستند، فیلترهای IIR حلقه های بازخوردی (فیدبک) دارند که ممکن است ناپایدار شوند و نوسان کنند. تبدیل Z ابزاری را جهت آنالیز مسئله پایداری فیلترهای IIR بدست میدهد. این تبدیل شبیه تبدیل لاپلاس است، که برای طراحی و آنالیز فیلترهای آنالوگ IIR مشابه استفاده میشود.

موجک (Wavelet)

در آنالیز عددی و آنالیز تابعی، یک تبدیل موجک گسسته (Discrete Wavelet Transform) (DWT) هر تبدیل موجکی است که برای آن موجک ها بطور گسسته نمونه گیری شده اند. مثل سایر تبدیلات موجک، مزیت کلیدی آن نسبت به تبدیل فوریه، تفکیک پذیری زمانی آن است: این تبدیل هم اطلاعات فرکانسی و هم اطلاعات مکانی را دریافت میکند. دقت تفکیک پذیری زمان-فرکانسی طبق اصل عدم قطعیت در حوزه های زمان-فرکانس، محدود است.

زمینه های کاربرد

 لرزه ای پردازش سیگنال

پردازش سیگنال صوتی – برای سیگنال های الکتریکی که نمایانگر صدا ، مثل صحبت یا موسیقی اند.

پردازش سیگنال دیجیتال

پردازش گفتار – پردازش و تفسیر کلمات گفتاری

پردازش تصویر – در دوربین های دیجیتال, کامپیوتر و انواع سیستم های تصویربرداری

پردازش ویدئو – برای تفسیر تصاویر متحرک

ارتباطات بی سیم – تولید ، فیلتر کردن ، برابر سازی و دمدوله کردن موج ها

سیستم های کنترل

پردازش آرایه – پردازش سیگنال از آرایه ای از سنسورهای

کنترل فرایند

زلزله شناسی

پردازش سیگنال مالی – تجزیه و تحلیل داده های مالی با استفاده از تکنیک های پردازش سیگنال به خصوص برای پیش بینی اهداف.

استخراج ویژگی مانند بینایی رایانه ای و تشخیص گفتار.

بهبود کیفیت مانند کاهش نویزه، بهبود تصویر افزایش، و لغو اکو.

(برنامه نویسی) از جمله فشرده سازی صدا ، فشرده سازی تصویر و فشرده سازی ویدئو.

ژنومیک ، پردازش سیگنال ژنومیک

در سیستم های ارتباطی پردازش سیگنال ممکن است در زمینه های زیر رخ دهد:

مدل اتصال متقابل سامانه های باز، ۱ در هفت لایه مدل OSI ، لایه فیزیکی (مدولاسیون،برابر سازی ، هم تافتنو غیره.);

OSI لایه ۲ لایه پیوند داده ای ;

OSI 6، لایه لایه نمایش ( برنامه نویسی از جمله تبدیل آنالوگ به دیجیتالو فشرده سازی سیگنال).