Временная дискретизация сигналов. Кавчук С.В. - 14 стр.

UptoLike

Составители: 

14
дения (точнее, погрешность аппроксимации) достигает заданной величины,
наращивание интервала прекращается и фиксируются длительность участ-
ка аппроксимации и совокупность значений координат. Затем процедура
АВД повторяется.
Наибольшее распространение в технике получили дифференциаль-
ные алгоритмы АВД, предусматривающие слежение за локальными диф-
ференциальными характеристиками сигнала. В основе этих алгоритмов ле-
жит представление сигнала на каждом
участке аппроксимации степенными
неортогональными полиномами Тейлора, Лагранжа и Ньютона. Все извест-
ные дифференциальные алгоритмы АВД можно разбить на три группы:
оценочные (АВД-О), аппроксимационные (АВД-А) и веерные [6].
В основе принципа аппроксимационных алгоритмов АВД лежит непо-
средственное слежение за текущей погрешностью воспроизведения. В об-
щем случае функциональная схема технической реализации
алгоритма
АВД-А представлена на рис.3.4.
Рис.3.4
Процедура сжатия данных по алгоритму АВД-А при равномерном кри-
терии приближения состоит в следующем. Координаты
{}
a
n
k
k
= 0
матема-
тической модели сигнала определяются устройством обработки УО. На ос-
новании этих координат блоком моделирования БМ на каждом участке ап-
проксимации непрерывно моделируется аппроксимирующий полином
S
*
(t).
Сравнивающее устройство СУ устанавливает текущую ошибку аппроксима-
ции
|
δ
(t)|=|S(t)-S
*
(t)| и сопоставляет ее с допустимой погрешностью воспро-
изведения
δ
д
. Момент равенства |
δ
(t)|=
δ
ä
определяет конец интервала ап-
проксимации. При этом открываются ключи К и блок памяти БП фиксирует
(n+1) координату сигнала и время их определения. Действие алгоритма
циклически повторяется.
В классе дифференциальных алгоритмов АВД-А наибольшее распро-
странение получили алгоритмы, ориентированные на моделирование экст-
раполяционного полинома Тейлора. В частности, для случая ступенчатой
Часы
К
S(t)
{a
k
}
n
k=0
К
S
*
(t)=
Σ
a
k
ϕ
k
(t)
БП
СУ
Устройство АВД - А
δ
д
БМ
УО