디지털 신호 처리

Digital signal processing
여기서 "디지털 변환"을 수정합니다.디지털 테크놀로지가 사회에 미치는 영향에 대해서는, 「디지털 트랜스포메이션」을 참조해 주세요.

디지털 신호 처리(DSP)는 컴퓨터나 보다 전문적인 디지털 신호 프로세서와 같은 디지털 처리를 사용하여 다양한 신호 처리 작업을 수행하는 것입니다.이렇게 처리되는 디지털 신호는 시간, 공간, 주파수 등의 도메인 내 연속 변수의 샘플을 나타내는 일련의 숫자입니다.디지털 전자제품에서 디지털 신호는 일반적으로 트랜지스터의 [3]전환에 의해 생성되는 펄스열로 [1][2]표현된다.

디지털 신호 처리와 아날로그 신호 처리는 신호 처리의 하위 분야입니다.DSP 애플리케이션에는 오디오 및 음성 처리, 소나, 레이더 및 기타 센서 어레이 처리, 스펙트럼 밀도 추정, 통계 신호 처리, 디지털 이미지 처리, 데이터 압축, 비디오 코딩, 오디오 코딩, 화상 압축, 통신용 신호 처리, 제어 시스템, 생물의학 엔지니어링 및 지진학이 포함됩니다.Y, 특히.

DSP에는 선형 또는 비선형 연산이 포함될 수 있습니다.비선형 신호 처리는 비선형 시스템[4] 식별과 밀접하게 관련되어 있으며 시간, 주파수 및 시공간 영역에서 구현될 수 있습니다.

신호 처리에 디지털 연산을 적용하면 데이터 [5]압축뿐만 아니라 전송 시 오류 감지 및 수정과 같은 많은 애플리케이션에서 아날로그 처리보다 많은 이점을 얻을 수 있습니다.디지털 신호 처리도 디지털 통신이나 무선 [6]통신과 같은 디지털 기술의 기본입니다.DSP는 스트리밍 데이터와 정적(저장된) 데이터 모두에 적용할 수 있습니다.

신호 샘플링

주요 기사 : 샘플링 (신호처리)

아날로그 신호를 디지털로 분석 및 조작하려면 아날로그-디지털 변환기(ADC)[7]를 사용하여 디지털화해야 합니다.샘플링은 보통 이산화와 양자화 두 단계로 이루어집니다.이산화는 신호가 동일한 시간 간격으로 분할되는 것을 의미하며, 각 간격은 진폭의 단일 측정으로 표시됩니다.양자화 수단은 각 진폭 측정을 유한 집합으로부터의 값으로 근사한다.실수를 정수로 반올림하는 것이 한 예입니다.

나이키스트-셰넌 샘플링 정리에 따르면 샘플링 주파수가 신호의 최고 주파수 성분보다 2배 이상 클 경우 해당 샘플에서 신호를 정확하게 재구성할 수 있습니다.실제로 샘플링 주파수는 [8]이보다 훨씬 높은 경우가 많습니다.

이론적인 DSP 분석 및 도출은 일반적으로 진폭의 부정확성(양자화 오류)이 없는 이산 시간 신호 모델에 대해 수행되며, 샘플링의 추상 프로세스에 의해 "생성"됩니다.수치적 방법에는 ADC에 의해 생성되는 것과 같은 양자화된 신호가 필요합니다.처리되는 결과는 주파수 스펙트럼 또는 일련의 통계 정보일 수 있습니다.그러나 DAC(Digital-to-Analog Converter)에 의해 아날로그 형식으로 다시 변환되는 또 다른 양자화 신호인 경우가 많습니다.

도메인

DSP 엔지니어는 보통 시간 영역(1차원 신호), 공간 영역(다차원 신호), 주파수 영역 및 웨이브릿 도메인 중 하나에서 디지털 신호를 연구합니다.어떤 도메인이 신호의 본질적 특성을 가장 잘 나타내는지와 이에 적용되는 처리를 가장 잘 나타내는지 정보에 근거한 가정을 함으로써(또는 다른 가능성을 시도함으로써) 신호를 처리할 도메인을 선택합니다.측정장치로부터의 샘플 시퀀스는 시간적 또는 공간적 영역 표현을 생성하는 반면 이산 푸리에 변환은 주파수 영역 표현을 생성한다.

시공간 도메인

시간 영역은 시간에 대한 신호의 분석을 말합니다.마찬가지로 공간 영역은 예를 들어 화상 처리의 경우 픽셀 위치와 관련된 신호의 분석을 참조한다.

시간 또는 공간 영역에서 가장 일반적인 처리 방법은 필터링이라고 불리는 방법을 통한 입력 신호의 강화입니다.디지털 필터링은 일반적으로 입력 또는 출력 신호의 현재 샘플 주위에 있는 다수의 주변 샘플의 선형 변환으로 구성됩니다.주변 샘플은 시간 또는 공간과 관련하여 식별될 수 있습니다.임의의 입력에 대한 선형 디지털 필터의 출력은 입력 신호를 임펄스 응답으로 변환하여 계산할 수 있습니다.

주파수 영역

주요 기사:주파수 영역

신호는 보통 푸리에 변환을 통해 시간 또는 공간 영역에서 주파수 영역으로 변환됩니다.푸리에 변환은 시간 또는 공간 정보를 각 주파수의 크기 및 위상 성분으로 변환합니다.일부 애플리케이션에서는 주파수에 따라 위상이 어떻게 달라지는지가 중요한 고려사항이 될 수 있습니다.위상이 중요하지 않은 경우 푸리에 변환은 종종 각 주파수 성분의 제곱 크기인 전력 스펙트럼으로 변환됩니다.

주파수 영역에서 신호 분석의 가장 일반적인 목적은 신호 특성 분석입니다.엔지니어는 스펙트럼을 연구하여 입력 신호에 존재하는 주파수와 누락된 주파수를 판단할 수 있습니다.주파수 영역 분석은 스펙트럼 또는 스펙트럼 분석이라고도 한다.

특히 비실시간 작업에서의 필터링은 주파수 영역에서 이루어지며 필터를 적용한 후 시간 영역으로 다시 변환할 수 있습니다.이는 효율적인 구현이 될 수 있으며 기본적으로 벽돌벽 필터에 대한 근사치를 포함하여 모든 필터 응답을 제공할 수 있습니다.

일반적으로 사용되는 주파수 영역 변환이 몇 가지 있습니다.예를 들어, 캡스트럼은 푸리에 변환을 통해 신호를 주파수 영역으로 변환하고 로그를 취한 다음 다른 푸리에 변환을 적용합니다.이것은 원래 스펙트럼의 조화 구조를 강조한다.

Z 평면 분석

디지털 필터에는 IIR 타입과 FIR 타입이 있습니다.FIR 필터는 항상 안정된 반면 IIR 필터에는 불안정해지고 진동할 수 있는 피드백루프가 있어요Z 변환은 디지털 IIR 필터의 안정성 문제를 분석하기 위한 도구를 제공합니다.아날로그 IIR 필터를 설계 및 분석하는 데 사용되는 Laplace 변환과 유사합니다.

자기회귀분석

신호는 이전 샘플의 선형 조합으로 표시됩니다.조합의 계수를 자기 회귀 계수라고 합니다.이 방법은 주파수 분해능이 높고 푸리에 [9]변환에 비해 짧은 신호를 처리할 수 있습니다.Prony의 방법을 사용하여 [10][9]신호 성분의 위상, 진폭, 초기 위상 및 붕괴를 추정할 수 있습니다.성분은 복잡한 붕괴 [10][9]지수로 가정한다.

시간 빈도 분석

신호의 시간 주파수 표현은 해석된 신호의 시간적 진화와 주파수 구조를 모두 포착할 수 있다.시간 분해능과 주파수 분해능은 불확실성의 원리에 의해 제한되고 균형은 분석 창의 폭에 의해 조정된다.단시간 푸리에 변환, 웨이브릿 변환, 필터 뱅크,[11] 비선형(Wigner-Ville 변환[10] 등) 및 자기 회귀 방법(예: 세그먼트 프론 방법)[10][12][13]과 같은 선형 기법이 시간 주파수 평면에서의 신호 표현에 사용된다.비선형 및 세그먼트 Prony 방법은 더 높은 분해능을 제공할 수 있지만 바람직하지 않은 아티팩트를 생성할 수 있습니다.시간 주파수 분석은 보통 비정상 신호의 분석에 사용됩니다.예를 들어, RAPT 및 PEFAC와[14] 같은 기본 주파수 추정 방법은 윈도우 스펙트럼 분석에 기초한다.

웨이브릿

JPEG2000에서 사용되는 2D 이산 웨이브릿 변환의 예.원본 이미지는 하이패스 필터링되어 3개의 큰 이미지가 생성되며, 각각 원본 영상의 로컬 밝기 변화(세부 정보)를 나타냅니다.그런 다음 로우패스 필터링 및 다운스케일을 적용하여 근사 이미지를 생성합니다. 이 이미지는 하이패스 필터링을 통해 3개의 작은 상세 이미지를 생성하고 로우패스 필터링을 통해 왼쪽 상단에 최종 근사 이미지를 생성합니다.

수치해석 및 함수해석학에서 이산 웨이브릿 변환은 웨이브릿이 이산적으로 샘플링되는 웨이브릿 변환이다.다른 웨이브릿 변환과 마찬가지로 푸리에 변환에 비해 이 변환이 갖는 주요 장점은 주파수 및 위치 정보를 모두 캡처하는 시간 분해능입니다.공동 시간 주파수 분해능의 정확도는 시간 주파수의 불확실성 원리에 의해 제한된다.

경험적 모드 분해

경험적 모드 분해는 고유 모드 함수(IMF)로의 분해 신호에 기초한다.IMF는 [15]신호에서 추출되는 준조화 진동이다.

실행

DSP 알고리즘은 범용 컴퓨터 및 디지털 신호 프로세서에서 실행할 수 있습니다.DSP 알고리즘은 Application-Specific Integrated Circuit(ASIC; 특정 용도용 집적회로) 등의 전용 하드웨어에도 구현됩니다.디지털 신호 처리를 위한 추가 기술에는 보다 강력한 범용 마이크로프로세서, 그래픽 처리 장치, 필드 프로그래밍 가능한 게이트 어레이(FPGA), 디지털 신호 컨트롤러(주로 모터 제어와 같은 산업용) 및 스트림 [16]프로세서가 포함됩니다.

실시간 컴퓨팅 요건이 없고 신호 데이터(입력 또는 출력)가 데이터 파일에 존재하는 시스템의 경우 범용 컴퓨터로 경제적으로 처리할 수 있습니다.이는 기본적으로 다른 데이터 처리와 다르지 않지만 DSP 수학적 기법(DCT 및 FFT 등)이 사용되고 샘플링된 데이터는 일반적으로 시간 또는 공간에서 균일하게 샘플링되는 것으로 가정됩니다.그러한 애플리케이션의 예로는 포토샵과 같은 소프트웨어로 디지털 사진을 처리하는 것이 있다.

애플리케이션 요건이 실시간인 경우 DSP는 전문 또는 전용 프로세서 또는 마이크로프로세서를 사용하여 구현되는 경우가 많으며, 경우에 따라서는 여러 프로세서 또는 여러 프로세서의 코어를 사용합니다.이들은 고정 소수점 산술 또는 부동 소수점을 사용하여 데이터를 처리할 수 있습니다.요구가 까다로운 애플리케이션에는 FPGA를 사용할 [17]수 있습니다.가장 요구가 까다로운 애플리케이션 또는 대용량 제품의 경우 ASIC는 해당 애플리케이션 전용으로 설계될 수 있습니다.

네이티브 처리는 DSP 또는 선외기 처리가 아닌 컴퓨터의 CPU에 의해 이루어집니다.이 처리는 확장 카드, 외장 하드웨어 박스 또는 랙에 있는 추가 서드파티제의 DSP 칩에 의해 이루어집니다.Logic Pro, Cubase, Digital Performer, Pro Tools LE 등의 많은 디지털 오디오 워크스테이션은 네이티브 프로세싱을 사용합니다.Pro Tools HD, Universal Audio의 UAD-1 및 TC Electronic의 Powercore와 같은 다른 제품들은 DSP 처리를 사용합니다.

적용들

디지털 신호의 일반적인 적용 영역은 다음과 같습니다.

구체적인 예로는 디지털 휴대폰에서의 음성 코딩 및 전송, 하이파이 및 사운드 강화 애플리케이션에서의 음향의 룸 보정, 산업 공정의 분석 및 제어, CAT 스캔 및 MRI와 같은 의료 영상, 오디오 크로스 서버 및 등화, 디지털 신시사이저 및 오디오 효과 [18]유닛 등이 있습니다.

기술

관련 필드

추가 정보

Wikibooks는 디지털 신호 처리라는 주제에 관한 책을 가지고 있습니다.
  • Ahmed, Nasir; Rao, Kamisetty Ramamohan (7 August 1975). Orthogonal Transforms for Digital Signal Processing. New York: Springer-Verlag. doi:10.1109/ICASSP.1976.1170121. ISBN 978-3540065562. LCCN 73018912. OCLC 438821458. OL 22806004M. S2CID 10776771.
  • 조나단 M. 블랙리지, 마틴 터너:디지털 신호 처리: 수학 및 계산 방법, 소프트웨어 개발 및 응용 프로그램, Horwood Publishing, ISBN 1-898563-48-9
  • 제임스 D.Broesch: 디지털 신호 처리 상세, Newnes, ISBN 1-878707-16-7
  • Dyer, Stephen A.; Harms, Brian K. (13 August 1993). "Digital Signal Processing". In Yovits, Marshall C. (ed.). Advances in Computers. Vol. 37. Academic Press. pp. 59–118. doi:10.1016/S0065-2458(08)60403-9. ISBN 978-0120121373. ISSN 0065-2458. LCCN 59015761. OCLC 858439915. OL 10070096M.
  • Paul M. Embree, Damon Danieli:디지털 신호 처리를 위한 C++ 알고리즘, 프렌티스 홀, ISBN 0-13-179144-3
  • Hari Krishna Garg: 디지털 신호 처리 알고리즘, CRC Press, ISBN 0-8493-7178-3
  • P. Gaydecki:디지털 신호 처리의 기반: 이론, 알고리즘 및 하드웨어 설계, 전기기술자협회, ISBN 0-85296-431-5
  • Ashfaq Khan: 디지털 신호 처리의 기초, Charles River Media, ISBN 1-58450-281-9
  • Sen M. Kuo, Wun-Seng Gan: 디지털 신호 프로세서: 아키텍처, 구현 및 응용 프로그램, 프렌티스 홀, ISBN 0-13-035214-4
  • 폴 A. 린, 볼프강 푸어스트:컴퓨터 애플리케이션에서의 디지털 신호 처리 입문 (John Wiley & Sons, ISBN 0-471-97984-8)
  • Richard G. Lyons:디지털 신호 처리의 이해, 프렌티스 홀, ISBN 0-13-108989-7
  • 비제이 마디세티, 더글라스 B윌리엄스:디지털 신호 처리 핸드북, CRC 프레스, ISBN 0-8493-8572-5
  • 제임스 H. 매클렐런, 로널드 W. 쉐퍼, 마크 AYoder: 신호처리 우선, 프렌티스 홀, ISBN 0-13-09099-8
  • 버나드 멀그루, 피터 그랜트, 존 톰슨:디지털 신호 처리 – 개념 및 응용 프로그램, Palgrave Macmillan, ISBN 0-333-96356-3
  • Boaz Porat: 디지털 신호 처리 과정, Wiley, ISBN 0-471-14961-6
  • 존 G. 프로아키스, 디미트리스 마놀라키스:디지털 신호 처리: 원리, 알고리즘 및 응용 프로그램, Pearson 제4판, 2006년 4월, ISBN 978-0131873742
  • 존 G. 프로아키스:디지털 신호 처리를 위한 자체 학습 가이드, 프렌티스 홀, ISBN 0-13-143239-7
  • 찰스 A.슐러: 디지털 신호 처리: 핸즈온 어프로치, McGraw-Hill, ISBN 0-07-829744-3
  • Doug Smith: 디지털 신호 처리 기술: 통신 혁명의 요점, 미국 라디오 중계 리그, ISBN 0-87259-819-5
  • Smith, Steven W. (2002). Digital Signal Processing: A Practical Guide for Engineers and Scientists. Newnes. ISBN 0-7506-7444-X.
  • Stein, Jonathan Yaakov (2000-10-09). Digital Signal Processing, a Computer Science Perspective. Wiley. ISBN 0-471-29546-9.
  • Stergiopoulos, Stergios (2000). Advanced Signal Processing Handbook: Theory and Implementation for Radar, Sonar, and Medical Imaging Real-Time Systems. CRC Press. ISBN 0-8493-3691-0.
  • Van De Vegte, Joyce (2001). Fundamentals of Digital Signal Processing. Prentice Hall. ISBN 0-13-016077-6.
  • Oppenheim, Alan V.; Schafer, Ronald W. (2001). Discrete-Time Signal Processing. Pearson. ISBN 1-292-02572-7.
  • Hayes, Monson H. 통계 디지털 신호 처리 및 모델링.John Wiley & Sons, 2009.(MATLAB 스크립트 사용)

레퍼런스

  1. ^ B. SOMANATHAN NAIR (2002). Digital electronics and logic design. PHI Learning Pvt. Ltd. p. 289. ISBN 9788120319561. Digital signals are fixed-width pulses, which occupy only one of two levels of amplitude.
  2. ^ Joseph Migga Kizza (2005). Computer Network Security. Springer Science & Business Media. ISBN 9780387204734.
  3. ^ 2000 Solved Problems in Digital Electronics. Tata McGraw-Hill Education. 2005. p. 151. ISBN 978-0-07-058831-8.
  4. ^ Billings, Stephen A. (Sep 2013). Nonlinear System Identification: NARMAX Methods in the Time, Frequency, and Spatio-Temporal Domains. UK: Wiley. ISBN 978-1-119-94359-4.
  5. ^ Broesch, James D.; Stranneby, Dag; Walker, William (2008-10-20). Digital Signal Processing: Instant access (1 ed.). Butterworth-Heinemann-Newnes. p. 3. ISBN 9780750689762.
  6. ^ Srivastava, Viranjay M.; Singh, Ghanshyam (2013). MOSFET Technologies for Double-Pole Four-Throw Radio-Frequency Switch. Springer Science & Business Media. p. 1. ISBN 9783319011653.
  7. ^ Walden, R. H. (1999). "Analog-to-digital converter survey and analysis". IEEE Journal on Selected Areas in Communications. 17 (4): 539–550. doi:10.1109/49.761034.
  8. ^ Candes, E. J.; Wakin, M. B. (2008). "An Introduction To Compressive Sampling". IEEE Signal Processing Magazine. 25 (2): 21–30. Bibcode:2008ISPM...25...21C. doi:10.1109/MSP.2007.914731. S2CID 1704522.
  9. ^ a b c Marple, S. Lawrence (1987-01-01). Digital Spectral Analysis: With Applications. Englewood Cliffs, N.J: Prentice Hall. ISBN 978-0-13-214149-9.
  10. ^ a b c d Ribeiro, M.P.; Ewins, D.J.; Robb, D.A. (2003-05-01). "Non-stationary analysis and noise filtering using a technique extended from the original Prony method". Mechanical Systems and Signal Processing. 17 (3): 533–549. Bibcode:2003MSSP...17..533R. doi:10.1006/mssp.2001.1399. ISSN 0888-3270. Retrieved 2019-02-17.
  11. ^ So, Stephen; Paliwal, Kuldip K. (2005). "Improved noise-robustness in distributed speech recognition via perceptually-weighted vector quantisation of filterbank energies". Ninth European Conference on Speech Communication and Technology.
  12. ^ Mitrofanov, Georgy; Priimenko, Viatcheslav (2015-06-01). "Prony Filtering of Seismic Data". Acta Geophysica. 63 (3): 652–678. Bibcode:2015AcGeo..63..652M. doi:10.1515/acgeo-2015-0012. ISSN 1895-6572. S2CID 130300729.
  13. ^ Mitrofanov, Georgy; Smolin, S. N.; Orlov, Yu. A.; Bespechnyy, V. N. (2020). "Prony decomposition and filtering". Geology and Mineral Resources of Siberia (2): 55–67. doi:10.20403/2078-0575-2020-2-55-67. ISSN 2078-0575. S2CID 226638723. Retrieved 2020-09-08.
  14. ^ Gonzalez, Sira; Brookes, Mike (February 2014). "PEFAC - A Pitch Estimation Algorithm Robust to High Levels of Noise". IEEE/ACM Transactions on Audio, Speech, and Language Processing. 22 (2): 518–530. doi:10.1109/TASLP.2013.2295918. ISSN 2329-9290. S2CID 13161793. Retrieved 2017-12-03.
  15. ^ Huang, N. E.; Shen, Z.; Long, S. R.; Wu, M. C.; Shih, H. H.; Zheng, Q.; Yen, N.-C.; Tung, C. C.; Liu, H. H. (1998-03-08). "The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis". Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences. 454 (1971): 903–995. Bibcode:1998RSPSA.454..903H. doi:10.1098/rspa.1998.0193. ISSN 1364-5021. S2CID 1262186. Retrieved 2018-06-05.
  16. ^ Stranneby, Dag; Walker, William (2004). Digital Signal Processing and Applications (2nd ed.). Elsevier. ISBN 0-7506-6344-8.
  17. ^ JPFix (2006). "FPGA-Based Image Processing Accelerator". Retrieved 2008-05-10.
  18. ^ Rabiner, Lawrence R.; Gold, Bernard (1975). Theory and application of digital signal processing. Englewood Cliffs, NJ: Prentice-Hall, Inc. ISBN 978-0139141010.