Это начало новой серии коротких статей, в которых мы собираемся пройтись по теории обработки сигналов. На этом пути будут рассмотрены и обсуждены концепции, математика и вычислительные методы. В проклятии времени эта тема будет пересекаться с алгоритмами машинного обучения и методами искусственного интеллекта.
Пойдем!
Краткое содержание
- Введение (определения)
- Сигналы — 1. Операции; 2. Энергия и мощность.
- Системы.
- Заключение
- Ссылки
1. Введение: связь между полями
Обработка сигналов и машинное обучение — это две области, связанные по цели: извлечение информации из данных. Машинное обучение — это подпространство искусственного интеллекта, которое включает в себя разработку алгоритмов (статистических моделей), которые могут учиться на данных — решения и прогнозы на основе этих данных. Обработка сигналов, с другой стороны, представляет собой область исследований, которая занимается синтезом, модификацией и анализом сигналов. Сигналы — это величины, представляющие всевозможные явления: напряжение на линии передачи, светимость звезды в другой галактике или температура летнего дня. Автор Б.П. Лати в книге «Линейные системы и сигналы» утверждает, что:
Сигнал представляет собой набор данных или информации. Примеры включают телефонный или телевизионный сигнал, ежемесячные продажи корпорации или ежедневные цены закрытия фондового рынка (например, средние индексы Доу-Джонса). Во всех этих примерах сигналы являются функциями независимой переменной времени. Однако это не всегда так. Например, когда электрический заряд распределяется по телу, сигналом является плотность заряда, функция пространства, а не времени.
Алгоритмы машинного обучения полагаются на методы обработки сигналов для извлечения признаков из данных. Свертка и преобразование Лапласа для глубоких нейронных сетей, анализ Фурье для определения формант (энергии вокруг частоты) в голосовом сигнале, фильтр Калмана для прогнозирования данных… обработка сигналов обеспечивает основу для этапа извлечения признаков во многих алгоритмах машинного обучения, в то время как машинное обучение предоставляет мощный инструмент для анализа и прогнозирования на основе извлеченных признаков.
2. Сигналы
Мы только что увидели, что такое сигналы. Этот раздел быстро переходит к математическому анализу сигналов.
2.1 Сигнальные операции
Сигналы представлены в виде функций, и мы можем выполнять над ними некоторые математические операции.
2.1.1 Сумма и умножение
Suppose X1(t) = 5t and X2(t) = 10t >Sum: s(t) = X1(t) + X2(t) s(t) = 5t + 10t s(t) = 15t >Multiplication: m(t) = X1(t) x X2(t) m(t) = 5t x 10t m(t) = 50t^2
2.1.2. Скалярное умножение и деление
С s(t) и m(t) из приведенного выше примера.
>Scalar multiplication: 6s(t) = 6 x 15t = 90t >Scalar division: m(t) / 10 = (50/10)t^2 = 5t^2
2.1.3. Сдвиг времени или перевод
Чтобы сдвинуть сигнал во времени, вы должны добавить константу к независимой переменной, переводя сигнал относительно начала системы координат.
Suppose a signal v(t). To time shift the signal in 10 seconds after time t=0 the argument of the signal is subtracted in 10 seconds: v(t) --> v(t - 10)
2.1.4. Обращение времени или зеркальное отображение вертикальной оси
Suppose signal v(t). To time reverse it, the argument time of v(t) must be passed in reverse: v(t) --> v(-t)
2.1.5. Масштабирование времени или сжатие и расширение
Параметр сигнала — обычно время — может быть расширен или сжат. Это называется масштабированием времени.
Suppose a signal x(t). Compressing signal x(t) by a factor of 2 is: > xc(t) = x(2t) or > xc(t/2) = x(t) What happens in x(t) at t0 also happens in c(t) at t0/2
Чтобы расширить множитель, умножение и деление инвертируются:
Suppose a signal x(t). The expanded signal e(t) is: > e(t) = x(t/2) or > e(2t) = x(t)
2.2. Энергия и мощность сигнала
Понятие энергии сигнала относится к силе сигнала, то есть его амплитуде и продолжительности. Идея не связана с физическим количеством энергии, измеряемым в джоулях [Дж], а является чем-то более абстрактным, что представляет собой общую интенсивность сигнала.
Энергия сигнала может быть измерена как площадь под |x|², интеграл:
Модуль существует, потому что сигнал может быть сложной функцией. Если он имеет реальное значение, он не нужен.
Если амплитуда x(t) не стремится к нулю, когда t стремится к бесконечности (например, периодическая функция), интеграл не будет сходиться. Для преодоления этой проблемы более адекватно вычислить мощность сигнала:
Вы можете видеть, что квадратный корень из Px представляет собой среднеквадратичное значение значения x(t).
3. Системы
Теперь мы знаем, что такое сигналы. Но что такое система? Система – это то, что работает по сигналу. Он получает сигнальную функцию, что-то с ней делает и в качестве результата выдает другой сигнал. Математически система представляет собой преобразование сигнальной функции. Вы можете прочитать первую часть его статьи, чтобы получить некоторое представление о том, что такое преобразование, и о концепции линейности.
Например, линейный регрессор — это линейная система.
3.1 Классификация систем
Существует 6 основных классификаций систем:
- Линейные и нелинейные системы
- Стационарные и нестационарные системы
- Каузальные и некаузальные системы
- Стабильные и нестабильные системы
- Обратимые необратимые системы
- Мгновенные и динамические системы
В этой статье будут рассмотрены их определения.
3.1.1 Линейные системы
Линейные системы — это те, которые подчиняются принципу суперпозиции.
Suppose a system described by the transformation T and real scalars a and b. Superposition principle is satisfied by properties: homogeinity and additivity: Homogeinity: T[ ax(t) ] = aT[ x(t) ] Additivity: T[ x(t) + z(t) ]= T[x(t)] + T[z(t)]
Немедленный анализ подтверждает, что нулевой ввод подразумевает нулевой вывод.
3.1.2 Стационарные системы
Стационарные системы или стационарные системы — это системы, в которых временной сдвиг входного сигнала означает не что иное, как равный временной сдвиг выходного сигнала.
Suppose T [] is a stationary system characteristic transformation. If T [x(t)] = y(t) Then T[x(t+t0)] = y(t+t0)
3.1.3 Причинные системы
Те, в которых фактическое значение y(t) зависит только от текущего и прошлого значений x(t), — они не могут предвидеть никакого значения. Странно, но возможно. Проверьте этот пример:
3.1.4 Стабильные системы
Стабильные системы - это те, в которых вход с конечной амплитудой дает выход с конечной амплитудой. Это правило BIBO: Ограниченный ввод -> Ограниченный вывод.
3.1.5 Инвертируемые системы
Инвертируемая система позволяет восстановить входной сигнал из выходного сигнала. Математически преобразование T[] имеет инвертированное преобразование G[]:
3.1.6. Системы мгновенного действия
Как значение x(t) при t=5 с влияет на y(t) при t=10 с? Если ответ на этот вопрос «нет», система работает мгновенно. В противном случае внутри системы есть какая-то память, в которой предыдущие значения x(t) [или состояние] влияют на будущие значения y(t).
4. Вывод
Как было сказано выше, введение. Мы увидели, что такое сигналы и системы, их понятия, операции и классификации. В следующий раз мы увидим преобразование Лапласа и свертки, как дискретные, так и непрерывные, а также графический анализ.
Спасибо.
Рекомендации
- Линейная система и сигналы, книга Б.П. Лати
- Introdução à Analise de Sinais e Sistemas, книга Ж. Карвалью, Э. Гуржао и Л. Велозу