عنوان فایل ترجمه فارسی: تبدیل فوریه گسسته متحرک بازگشتی با داده های نمونه برداری شده.
عنوان نسخه انگلیسی: Recursive sliding discrete Fourier transform with oversampled data
مرتبط با رشته های : برق و الکترونیک
تعداد صفحات مقاله فارسی: ۱۳ صفحه
این فایل ترجمه شده به صورت ورد word است و دارای امکان ویرایش می باشد.
و دریافت رایگان متون لاتین در قسمت پایین با فرمت pdf آمده دانلود است.
تبدیل فوریه گسسته (DFT) نقش اساسی برای تحلیل سیگنال بازی می کند .
برای مثال یک کاربرد متداول عبارت است از تبدیل فوریه سریع برای محاسبه
تجزیه طیف در روش بلوک به بلوک . هر چند استفاده از تکنیک تبدیل فوریه
گسسته بازگشتی که به نوبه خود محاسبه وضوح خوب فرکانس زمان را میسر می کند
بدست آوردن نمونه به نمونه را فعال می نماید. خروجی طیف موجود در روش نمونه
به نمونه با استفاده از ترکیب خصوصیات شیفت زمان فوریه تفاوت بین جدیدترین
نمونه ورودی و خروجی در زمان استفاده طول بازه محدود بدست آمده است
.همانگونه که با پردازش تاخیر در هر نمونه ورودی بیشترین نرخ نمونه برداری
را مشخص خواهد کرد برای حفظ روش نمونه برداری در فرآیند هماهنگ سازی ،
محدودیت نمونه برداری بر روی سخت افزار نهایی اجرا می شود . این کار رویکرد
بازگشتی را یک قدم به جلوتر می برد و پردازش نمونه های متعدد اکتسابی را
در نمونه برداری بیش از حد برای یدست آوردن طیف خروجی میسر می کند . این
کار نشان می دهد که محاسبه تجزیه ریز به ریز طیف در هنگام افزایش پهنای
باند سیگنال قابل استفاده با نرخ نمونه برداری بالاتر امکان پذیر است .
نتایج نشان می دهند که پردازش بالا با فاکتور های بهبود یافته پهنای باند
سیگنال تا ۶٫۷x با پردازش ۸ نمونه در هر تکرار زیر خطی را افزایش می دهد .
کلیدواژه: تبدیل فوریه گسسته، تبدیل فوریه گسسته بازگشتی، تبدیل فوریه گسسته متحرک، پیاده سازی تبدیل فوریه، بروزرسانی طیفی
مقدمه:
تبدیل فوریه گسسته نقشی اساسی برای تحلیل سیگنال بازی می کند . بطور
مرسوم نمونه ها در روش بلوک پردازشی بدست می آیند و پردازش می شوند بطوری
که تعداد نمونه ها در هر طیف بدست آمده تابعی از تفکیک طیفی مطلوب است .
نتیجه ، خروجی تاخیر دار با جزئیات زمان معین توسط کنترل بلوک و نرخ
پردازشی است .
قسمتی از متن انگلیسی:
Using this formula, an updated output can
be computed for each DFT point based on the difference between the
incoming and outgoing samples. A further advantage of this technique is
each DFT point can compute an update independently (select frequencies
of interest can be computed if desired), and only minimal data (new
sample) needs to be transferred to the processing elements used for each
DFT point. An FFT could be performed prior to using the recursive DFT
(if block data available), or given a data sequence f [n], the output is
already known at time t = 0 (F [u] = 0 ∀u). Prior to any data entering
the system, it can be assumed that the resulting output F [u] is zero,
and therefore can be used as the initial state for the recursive DFT. At
the point where t = N, the resulting output matches the DFT output F
[u] for window of length N. Further samples can now be added and the
resulting updated output computed. If the recursive DFT were implemented
sequentially, the cost would be in the order of O(N2), however if
concurrency were exploited by using many smaller processing elements,
the cost reduces to O(N), for computing a DFT of length N, if N
processing elements are used [9].
جهت مشاهده ادامه این مقاله بر روی متن زیر کلیک نمایید.
