معالجة الإشارات: المرشحات وأخذ العينات وتحليل التردد

المكاسب:

• القدرة على إنشاء وتطبيق مفاهيم أخذ العينات وNyquist والتعرجات بشكل صحيح بدعم من الذكاء الاصطناعي
• القدرة على ترجمة تحويل فورييه السريع (FFT) وتصميم المرشح وخطوات النوافذ إلى مسودة تعليمات برمجية وحسابات باستخدام الذكاء الاصطناعي
• القدرة على التحقق من نتائج معالجة الإشارات التي ينتجها الذكاء الاصطناعي باستخدام الإشارة المرجعية والتحكم في الوحدة والقياس

معالجة الإشارات هي قلب هندسة الإلكترونيات والاتصالات: فن أخذ موجة الجهد، أو تسجيل الصوت، أو قراءة المستشعر، أو إشارة الراديو واستخراج المعلومات الموجودة فيها، وتنظيف ضوضاءها، وتحويلها. في هذه الوحدة، ستتعرف على كيفية استخدام الذكاء الاصطناعي لتعلم مفاهيم معالجة الإشارات، وإنشاء حسابات التصفية والتحويل، وإجراء التحليل باستخدام كود Python. لكن تحذير من البداية: خطأ مفاهيمي صغير في معالجة الإشارات (تردد أخذ العينات الخاطئ، تخطي النوافذ، وحدة التداخل) سوف يشوه النتيجة تمامًا وبصمت؛ لا يزال الرسم البياني يبدو جيدًا، لكنه خاطئ. ولهذا السبب من الضروري اختبار كل نتيجة ينتجها الذكاء الاصطناعي مقابل إشارة مرجعية معروفة ووحدة تحكم.

أخذ العينات وNyquist: حيث يبدأ كل شيء

لمعالجة إشارة تناظرية (موجة مستمرة) في الكمبيوتر، نقوم بقياسها على فترات زمنية معينة وتحويلها إلى رقم؛ وهذا ما يسمى أخذ العينات. هو تردد أخذ العينات (fs، وحدة هرتز) كم عدد العينات التي نأخذها في الثانية. ينص معيار نيكويست على أنه لاستعادة الإشارة بدقة، يجب أن يكون تردد أخذ العينات على الأقل ضعف أعلى تردد في الإشارة. إذا لم يتم استيفاء هذا الشرط، تبدأ الترددات العالية في الظهور كالترددات المنخفضة؛ وهذا ما يسمى الاسم المستعار وتكون البيانات تالفة بشكل دائم لأنه لا يمكنك التمييز بين هاتين الحالتين.

يشرح الذكاء الاصطناعي هذا المفهوم جيدًا ويمكنه إثباته بالأمثلة. لكن عليك أن تقرر عند اختيار تردد أخذ العينات: ما هو النطاق الترددي الفعلي لإشارتك، هل لديك مرشح تناظري مضاد للتعرج، ما هي السرعة التي يعمل بها ADC (المحول التناظري الرقمي: الشريحة التي تحول الإشارة التناظرية إلى أرقام) فعليًا. قد "يقترح" الذكاء الاصطناعي تردد أخذ العينات، لكن هذا الاقتراح هو تخمين دون قياس الطيف الفعلي لإشارتك.

نصيحة: عند طرح سؤال لأخذ العينات على الذكاء الاصطناعي، حدد أعلى تردد وعرض النطاق الترددي لإشارتك بنفسك. "إذا كان أعلى مكون في إشارتي هو ~4 كيلو هرتز، فكيف يجب أن أختار fs وأين يجب أن أضع مرشح منع التعرج؟" يحب. لا تجعل الذكاء الاصطناعي يخمن الطيف؛ يقيس.

FFT وتحليل التردد

FFT (تحويل فورييه السريع) هو خوارزمية سريعة تقوم بتحويل الإشارة من محور الوقت إلى محور التردد. إذن "ما الترددات الموجودة في هذه الإشارة وما مقدار الطاقة؟" يجيب على السؤال. يعمل الذكاء الاصطناعي بشكل جيد جدًا في كيفية تنفيذ FFT وتفسير النتائج وكتابة كود Python (numpy/scipy). ولكن هناك أخطاء شائعة في FFT، ويمكن أن يتضمنها كود الذكاء الاصطناعي بصمت:

• تحجيم محور التردد: يعتمد محور التردد لمخرج FFT على تردد أخذ العينات. إذا تم إدخال FS بشكل غير صحيح، فسيتم إخراج كافة الترددات بشكل غير صحيح، ولكن الرسم البياني يبدو طبيعيا.
• النوافذ: عند استقبال قطعة محدودة من الإشارة، يحدث انقطاع عند الحواف ويلاحظ انتشار زائف (تسرب طيفي) في الطيف. تعمل النوافذ مثل Hann وHamming على تقليل ذلك. إذا تخطى كود الذكاء الاصطناعي عملية النوافذ، فستكون النتيجة مضللة.
• تطبيع السعة: يلزم القياس وتصحيح النافذة لتحويل سعة إخراج FFT إلى القيمة المادية الفعلية. إذا تم حذفها، فإن السعات تكون غير صحيحة.

تصميم الفلتر

المرشح عبارة عن دائرة أو خوارزمية تستخرج الترددات غير المرغوب فيها من الإشارة. هناك أربعة أنواع أساسية: التمرير المنخفض (يمر بترددات منخفضة)، والتمرير العالي، والتمرير النطاقي، والتمرير النطاقي (الشق). هناك مجموعتان كبيرتان من المرشحات الرقمية: FIR (استجابة نبضية محدودة، طور مستقر وخطي) وIIR (استجابة نبضية لا نهائية، انتقال حاد مع حسابات أقل ولكن استقرار ومخاطر طورية).

يشرح الذكاء الاصطناعي خطوات تصميم المرشح (تردد القطع، نطاق التمرير، تخفيف نطاق التوقف، اختيار الطلب) ويكتب رمز توليد المعامل باستخدام scipy. لكن تردد القطع للمرشح الذي صممته يتم تطبيعه (بالنسبة لتردد Nyquist)، وإدخال fs بشكل غير صحيح هنا هو خطأ شائع جدًا. بالإضافة إلى ذلك، قد يمثل الاستقرار وتشويه الطور مشكلة في مرشحات IIR، وقد يكون زمن الوصول مشكلة في أنظمة الوقت الفعلي. تأكد من التحقق من المرشح الذي تم إنشاؤه بواسطة الذكاء الاصطناعي باستخدام رسم بياني لاستجابة التردد وإشارة اختبار معروفة.

ثلاث حالات صغيرة

الحالة 1 - الاهتزاز المتداخل. يقوم أحد المهندسين باختبار اهتزاز محرك عند تردد 1 كيلو هرتز ويرى ذروة قوية في تحويل فورييه السريع عند تردد 300 هرتز. وهذه الذروة، التي لا تتناسب مع تصميم المحرك، تثير الحيرة. يوجد في الواقع مكون حقيقي في المحرك يبلغ تردده حوالي 1300 هرتز؛ أخذ العينات بمقدار 1 كيلو هرتز غير كافٍ لهذا (Nyquist 500 هرتز) و1300 هرتز متداخل مع 300 هرتز. وبعد المناقشة مع الذكاء الاصطناعي "هل هذه الذروة حقيقية أم مستعارة" وزيادة تردد أخذ العينات إلى 5 كيلو هرتز، تظهر الذروة في المكان الصحيح عند 1300 هرتز. الدرس: على تلة مشكوك فيها، السؤال الأول حول مدى كفاية أخذ العينات.

الحالة 2 - تخطي النافذة. يطلب المتدرب رمز FFT من الذكاء الاصطناعي ويقوم بتنفيذه. إنه يتوقع نغمة اختبار تردد واحدة ولكنه يرى انتشارًا واسعًا عبر الطيف. المشكلة هي أن الكود لا يقوم بعمل النوافذ (التسرب الطيفي). أخبر الذكاء الاصطناعي "أضف نافذة هان وقم بتطبيق تصحيح السعة" وسيعود الإخراج إلى الذروة الحادة المتوقعة. الدرس: اختبار كود FFT بإشارة أحادية التردد معروفة؛ افحص النافذة إذا كان هناك تسرب.

الحالة 3 - خ الخطأ. يقوم المهندس بتحليل البيانات من المسجل. سجل الجهاز عند 48 كيلو هرتز، ولكن تم إدخال الرقم الافتراضي 44.1 كيلو هرتز في كود الذكاء الاصطناعي. يتم إزاحة كافة الترددات بنسبة 8%؛ تظهر نغمة 1000 هرتز عند 1088 هرتز. تم العثور على خطأ عند التحقق من القيمة الثابتة الفعلية لمعدات القياس. الدرس المستفاد: تكرار أخذ العينات هو الرقم الأكثر أهمية في سلسلة التحليل؛ يجب التأكد من المصدر .

قوالب سريعة قابلة للنسخ

FFT SETUP TEMPLATE"اكتب رمز تحليل FFT في Python (numpy/scipy). الإدخال: تردد أخذ العينات fs = [القيمة] هرتز، سلسلة الإشارة 'x'. دع الكود يقوم بما يلي: (1) تطبيق نافذة Hann، (2) احصل على FFT، (3) مقياس دقيق لمحور التردد بالنسبة إلى fs، (4) ارسم طيف السعة من جانب واحد مع تصحيح النافذة. في كل خطوة من الكود "يرجى ذكر ذلك في التعليق سطر الافتراض الذي تقوم به حتى أتمكن من التحقق منه."

نموذج التحكم في أخذ العينات "أعلى تردد مهم لإشارتي هو حوالي [X] هرتز. اشرح هامش Nyquist، والحاجة إلى مرشح مضاد للتعرجات، وهامش الأمان العملي عند اختيار تردد أخذ العينات. اقترح نطاقًا ولكن أكد أنه يجب عليّ التحقق من ذلك عن طريق قياس الطيف الحقيقي للإشارة."

قالب تصميم المرشح "صمم مرشحًا رقميًا [منخفض/مرتفع/نطاق] مع scipy. تردد القطع [X] هرتز، تردد أخذ العينات fs=[Y] هرتز. قارن بين خيارات FIR وIIR (الاستقرار، الطور، التأخير، الحمل الحسابي). أظهر بوضوح في الكود كيف يتم تطبيع تردد القطع إلى fs. قم أيضًا بتضمين الكود الذي يتحقق من صحة المرشح باستخدام رسم بياني لاستجابة التردد."

نموذج التحقق من النتيجة "افحص كود معالجة الإشارة أدناه وقم بوضع علامة على مصادر الأخطاء الصامتة: fs الخاطئة، النوافذ المتخطية، الحديث المتبادل للوحدة (هرتز/كيلو هرتز، فولت/م فولت)، نقص التطبيع، الحديث المتبادل الطيفي أحادي/مزدوج الجانب. اقترح كيفية اختبار (بأي إشارة مرجعية) لكل منها. الكود: [لصق]."

موجه ضعيف / موجه قوي

مطالبة ضعيفة: "ابحث عن تردد هذه الإشارة."

مطالبة قوية: "لدي مصفوفة إشارة بتردد أخذ عينات يبلغ 10 كيلو هرتز. اكتب كود Python الذي يجد مكونات التردد السائدة باستخدام FFT؛ استخدم نافذة Hann وتصحيح السعة، وقم بقياس محور التردد وفقًا لـ fs. في نهاية الكود، أضف كتلة تحقق مع إشارة اختبار اصطناعية تبلغ 1 كيلو هرتز fs ومعرفة ما إذا كان القياس صحيحًا."

تنتج المطالبة الضعيفة استجابة خالية من السياق وتفترض fs؛ تقوم بإرجاع معلمات مطالبة قوية وتطالب بكتلة اختبار للتحقق الذاتي.

جدول الوحدات والافتراضات في معالجة الإشارات

مفهوم

خطأ متكرر

التحقق

تردد أخذ العينات (خ)

الافتراضي بدلاً من FS الفعلي للجهاز

التأكيد من إعداد المسجل

محور التردد

إذا كانت fs خاطئة فإن المحور بأكمله ينزاح

نغمة اختبار التردد المعروفة

النوافذ

تسرب طيفي عند تخطيه

عرض الذروة في إشارة رتيبة

السعة

التطبيع/التصحيح مفقود

مقارنة مع إشارة السعة المعروفة

قطع التصفية

تطبيع الخطأ وفقا لFS

الرسم البياني لاستجابة التردد

تحذير: إن كون الرسم البياني FFT يبدو سلسًا وقابلاً للتصديق لا يعني أنه دقيق. إذا تم قياس محور التردد بشكل غير صحيح، فإن جميع القمم تكون في المكان الخطأ ولكن الرسم البياني يبدو مثاليًا. قم دائمًا بالمعايرة باستخدام مرجع معروف.

الأخطاء الشائعة

• عدم التحقق من تكرار أخذ العينات من المصدر. FS الخاطئ يغير جميع الترددات.
• انتهاك Nyquist وعدم ملاحظة التعرجات. على التلال المشبوهة، عليك أولاً أن تسأل عن مدى كفاية العينات.
• تخطي النوافذ في FFT. التسرب الطيفي يبدو وكأنه ذروة حقيقية.
• نسيان تطبيع السعة. تظل السعات بدون مقياس للقيمة المادية.
• تطبيع تردد قطع المرشح بشكل غير صحيح إلى fs. يتم قطع الفلتر في مكان مختلف عن المتوقع.

في ملخص

في هذه الوحدة، قمت بوضع الذكاء الاصطناعي باعتباره أداة مساعدة قوية في تعلم مفاهيم معالجة الإشارات، وكتابة كود التحويل السريع (FFT) وكود التصفية، وإنشاء التحليل. ولكن في معالجة الإشارات، يمكن أن تكون النتائج مشوهة بصمت: تردد أخذ العينات الخاطئ، أو تخطي النوافذ، أو حجم التداخل، أو عدم التسوية يجعل الرسم البياني جميلًا ولكنه غير دقيق. لذا، اختبر كل كود ينتجه الذكاء الاصطناعي مقابل إشارة مرجعية معروفة، وتحقق من تردد أخذ العينات من المصدر، واختبر كل نتيجة من حيث الوحدة والمعقولية المادية. تحقق من مفهوم Nyquist والاسم المستعار في بداية كل تحليل.

مهمة التطبيق

أنشئ إشارة اختبار تركيبية في لغة بايثون: مجموع ترددين معروفين (على سبيل المثال 1 كيلو هرتز و3 كيلو هرتز)، fs=10 كيلو هرتز. اطلب رمز التحليل من الذكاء الاصطناعي باستخدام قالب "إعداد FFT" وتأكد من ظهور القمم عند الترددات الصحيحة. ثم أدخل عمدًا fs بشكل غير صحيح (على سبيل المثال 8 كيلو هرتز) ولاحظ كيفية تحول القمم. وأخيرا، قم بإزالة النوافذ وشاهد التسرب الطيفي. اكتب نتائج كل تجربة في جملة واحدة.

قائمة مرجعية

• [ ] لقد تحققت من تردد أخذ العينات (fs) من الإعداد الفعلي للمسجل.
• [ ] لقد قمت بفحص معيار Nyquist وقمت بتقييم مخاطر التعرجات.
• [ ] لقد تأكدت من تنفيذ تصحيح النوافذ والسعة في كود FFT.
• [ ] لقد اختبرت الكود باستخدام إشارة مرجعية ذات تردد معروف.
• [ ] لقد تحققت من خلال الاستجابة المرئية من أن تردد قطع المرشح قد تم تطبيعه بشكل صحيح إلى fs.
• [ ] لقد جعلت جميع الوحدات (هرتز/كيلو هرتز، V/mV) متسقة.