مجموعه آموزش پردازش سیگنال

یکی از علوم پایه در رشته های مهندسی به ویژه مهندسی های برق و کامپیوتر، مباحث مرتبط با تجزیه و تحلیل سیگنال های آنالوگ یا دیجیتال و سیستم های مرتبط با آن ها است. در این فرادرس، با روش شیوا و روان، با ذکر مثال هایی ملموس و عملی مباحث و سر فصل های اصلی تجزیه و تحلیل سیگنال ها و سیستم ها، آموزش داده می شود. هدف فرادرس این است که کاربران، علاوه بر بهره مندی از تئوری ها، به سمت عملی استفاده نمودن از این دانش نیز ترقیب شوند و آن را به دیگر دوستان خود نیز انتقال داده یا حداقل معرفی نمایند.

در این آموزش سعی شده است که با ارائه کامل تمامی موارد اساسی به صورت عملی و به کمک مثال های کاربردی، آموزشی جامع و همچنین قابل درک ارائه شود. به علاوه، با استفاده از ده ها نمونه کد آماده و دفترچه راهنمای مربوط به این کدها می توان از گنجینه مناسبی برای تثبیت آموخته ها و تسریع در کاربردهای بعدی بهره برد.

در این آموزش تلاش شده است تا با استفاده از داده های واقعی کلیه مراحل پردازش سیگنال در متلب از فراخوانی داده ها گرفته تا پیش پردازش، استخراج ویژگی، حذف ویژگی های نامناسب از لحاظ آماری، طبقه بندی و ارزیابی طبقه بندهای مختلف مورد استفاده قرار گیرد تا دانشجویان به طور کامل کلیه مراحل را فرا گیرند. تمرکز ابتدایی این آموزش بر نحوه فراخوانی داده های واقعی با فرمت های مختلف و همچنین ارائه راهکار برای فراخوانی تعداد فایل های زیاد به یکباره در متلب و به صورت اتوماتیک است. آموزش نحوه صحیح ارائه نتایج و شکل ها در پایان نامه ها و مقالات نیز مورد توجه قرار گرفته است و به چندین شکل مختلف بر نحوه های مختلف نشان دادن نتایج و تست کردن راه حل ها تاکید شده است.

از جمله کاربردهای پردازش سیگنال می توان به: تشخیص گفتار و پردازش زبان طبیعی در هوش مصنوعی، سونار (Sonar) و رادار، مخابرات و تحلیل داده های دریافت شده از بدن بیمار اشاره نمود. استفاده از زبان برنامه نویسی پایتون (Python)، همواره مورد توجه اهداف پژوهشی و نیز صنعتی بوده است، به گونه ای که این زبان برنامه نویسی به یکی از محبوب ترین زبان های سطح بالا در حوزه مهندسی و تحلیل داده های آماری تبدیل شده است. در پایان این فرادرس، مخاطب قادر خواهد بود تا در پایتون با کمک توابع و کتابخانه های مختلف، به تحلیل سیگنال ها پرداخته و داده های مورد نیاز خود را استخراج نماید. پیش نیاز این آموزش، آشنایی مقدماتی با پایتون است.

هدف این فرادرس، ارائه مقدمه ای بر مباحث پردازش صوت با تکیه بر استفاده از نرم افزار متلب است. در این فرادرس سعی شده است که مباحث مستقل از منابع دیگر تهیه شود که دانشجو درک مقدماتی دقیقی دریافت کند و زمانی که تشخیص داده شده است که مبحثی از پردازش سیگنال نیاز به یادآوری دارد، بصورت گذرا ارائه شده است. هر چند به دانشجو توصیه شده است که حتماً به مراجع پایه پردازش سیگنال دیجیتال مراجعه کند. این فرادرس بخش اول از سلسله درس های پردازش صوت است که برای دانشجوی فاقد مطالعه در این زمینه، تهیه شده است.

در این آموزش، ابتدا مختصری در مورد روش های موجود برای تشخیص محتوای زمان-فرکانسی سیگنال ارائه شده و سپس جایگاه روش EMD در این بین مشخص می شود. در ادامه الگوریتم EMD به زبانی ساده و در چندین مرحله با مثال تصویری توضیح داده می شود. سپس یک کد در محیط MATLAB برای پیاده سازی الگوریتم EMD نوشته شده در ادامه نیز با ذکر چند مثال کاربردی مراحل کار الگوریتم شرح داده می شود. در نهایت نیز روش EMD با روش Wavelet مقایسه شده و ضعف ها و نقاط قوت هر روش مختصرا بحث می گردد.

در این آموزش سعی شده است تا تست های کنکور سراسری تجزیه و تحلیل سیگنال ها و سیستم ها تا سال ۹۶ حل شوند و در بعضی قسمت ها، تست های کنکور آزاد نیز حل شده است. همچنین تا حد ممکن، فرمول های استفاده شده به همراه اثبات آنها برای حل تست ها به کار برده شده است، به گونه ای که بعد از مشاهده این آموزش، روش حل کردن سؤالات را بدون نیاز به حفظ کردن فرمول های جانبی، خواهید آموخت.

امروزه پردازش سیگنال در معنای گسترده آن یکی از پر کاربردترین راهبردها جهت استخراج اطلاعات مفید از سوژه های مختلف است. کاربرد پردازش سیگنال تنها به سامانه های مکانیکی محدود نمی شود و اکنون در حوزه ی کاربردهای سامانه های زیستی نیز از اهمیت بسیار زیادی برخوردار هستند و کاربردهای فراوانی نیز دارند. این آموزش می تواند ایده های خوبی برای دانشجویان تحصیلات تکمیلی در زمینه انتخاب موضوع پژوهش های خود و همچنین نحوه تجزیه و تحلیل داده های مربوطه را پرورش می دهد.

مدل کردن جهان حقیقی، امری بسیار مشکل است. دانشمندان و مهندسان، محیط‌ های مختلفی را مورد مطالعه قرار داده اند و راهکارهایی جهت مدل‌ کردن آن ها ارائه‌ نموده اند. به عنوان نمونه سیگنال دریافتی را می‌ توان با استفاده از دو پدیده متعادل‌ سازی سیگنال دریافتی و بررسی اثر نویز شرح داد. در ادامه به معرفی برخی از مدل‌ ها و کاربرد آن ها می پردازیم. در این آموزش سعی می کنیم انتشار سیگنال در محیط‌ های مختلف را بررسی کنیم. در ادامه به منظور شبیه‌ سازی تاثیرات ناشی از پراش، بازتاب و پراکندگی سیگنال توسط سازه های اطراف در یک محیط شهری و شبیه‌ سازی محوشدگی رایلی (Rayleigh) و رایسین (Rician)، به سراغ مدل‌ های مطرح شده می رویم و به شبیه سازی آن ها در MATLAB می پردازیم.

.

در زمینه پردازش سیگنال دیجیتالی، جداسازی سیگنال های مرکب دریافتی و استخراج اطلاعات مورد نظر از آن ها، اهمیت ویژه ای دارد. از آن جایی که اطلاعات کافی از نحوه ترکیب سیگنال ها با یکدیگر در دسترس نیست و سیگنال های منبع غیرقابل مشاهده هستند، مساله جداسازی کور سیگنال ها را پیش رو خواهیم داشت که یکی از مهم ترین مسائل شاخه پردازش سیگنال های دیجیتالی محسوب می شود.

از مباحث بسیار مهم در علوم مهندسی برق، مساله طراحی سیستم های پردازش سیگنال الکتریکی است. این سیستم ها شامل: رادار، سونار، سیستم های مخابراتی، کنترل، پزشکی و … می باشند. هدفی که در تمامی این سیستم ها دنبال می شود، توانایی تصمیم گیری در زمان وقوع یک پدیده و تعیین اطلاعات مربوط به آن است. به عبارتی در همه این سیستم ها ما با مساله تصمیم گیری مبتنی بر مشاهدات، مواجه هستیم. مساله تصمیم گیری با نام های تئوری آشکارسازی، تئوری تصمیم گیری و فرضیه آماری شناخته می شود.

پردازش سیگنال‌های دیجیتال (Digital Signal Processing)، به فرایند اعمال تکنیک‌های ریاضی به سیگنال‌های دیجیتال به منظور آنالیز مشخصه‌ها و تغییر کیفیت آن گفته می‌شود. برای آشنایی با اهمیت پردازش سیگنال‌های دیجیتال می‌توان به کاربرد آن در سیستم‌های کنترل فعال نویز اشاره کرد که در هدفون‌های امروزی از این تکنولوژی برای افزایش کیفیت صوت استفاده می‌شود. در این سیستم‌ها به منظور حذف نویز محیط از تکنیک‌های پردازش سیگنال استفاده می‌شود. کاربردهای مهم دیگر DSP شامل: پردازش صوت و گفتار، بازشناسی و دسته‌بندی صوت، عیب‌یابی سیستم‌ها، مخابرات، رادار و سونار (Sonar)، پردازش تصویر، پردازش داده‌های پزشکی و هزاران کاربرد دیگر است.