സിഗ്നൽ പ്രോസസ്സിംഗ്: ഫിൽട്ടറുകൾ, സാമ്പിൾ, ഫ്രീക്വൻസി അനാലിസിസ്

നേട്ടങ്ങൾ:

• AI പിന്തുണയോടെ സാംപ്ലിംഗ്, നൈക്വിസ്റ്റ്, അപരനാമം എന്നിവ ശരിയായി നിർമ്മിക്കാനും പ്രയോഗിക്കാനുമുള്ള കഴിവ്
• FFT, ഫിൽട്ടർ ഡിസൈൻ, വിൻഡോയിംഗ് ഘട്ടങ്ങൾ എന്നിവ ഡ്രാഫ്റ്റ് കോഡിലേക്കും കണക്കുകൂട്ടലുകളിലേക്കും AI ഉപയോഗിച്ച് വിവർത്തനം ചെയ്യാനുള്ള കഴിവ്
• റഫറൻസ് സിഗ്നൽ, യൂണിറ്റ് നിയന്ത്രണം, അളവ് എന്നിവ ഉപയോഗിച്ച് AI നിർമ്മിച്ച സിഗ്നൽ പ്രോസസ്സിംഗ് ഫലങ്ങൾ പരിശോധിക്കാനുള്ള കഴിവ്

സിഗ്നൽ പ്രോസസ്സിംഗ് എന്നത് ഇലക്ട്രോണിക്സ് ആൻ്റ് കമ്മ്യൂണിക്കേഷൻസ് എഞ്ചിനീയറിംഗിൻ്റെ ഹൃദയമാണ്: ഒരു വോൾട്ടേജ് വേവ്, ഒരു സൗണ്ട് റെക്കോർഡിംഗ്, ഒരു സെൻസർ റീഡിംഗ് അല്ലെങ്കിൽ ഒരു റേഡിയോ സിഗ്നൽ എടുത്ത് അതിനുള്ളിലെ വിവരങ്ങൾ വേർതിരിച്ചെടുക്കുക, അതിൻ്റെ ശബ്ദം വൃത്തിയാക്കുക, അതിനെ രൂപാന്തരപ്പെടുത്തുക. ഈ യൂണിറ്റിൽ, സിഗ്നൽ പ്രോസസ്സിംഗ് ആശയങ്ങൾ പഠിക്കുന്നതിനും ഫിൽട്ടർ, ട്രാൻസ്ഫോർമേഷൻ കണക്കുകൂട്ടലുകൾ നിർമ്മിക്കുന്നതിനും പൈത്തൺ കോഡ് ഉപയോഗിച്ച് വിശകലനം നടത്തുന്നതിനും AI എങ്ങനെ ഉപയോഗിക്കാമെന്ന് നിങ്ങൾ കാണും. എന്നാൽ തുടക്കത്തിൽ തന്നെ ഒരു മുന്നറിയിപ്പ്: സിഗ്നൽ പ്രോസസ്സിംഗിലെ ഒരു ചെറിയ ആശയപരമായ പിശക് (തെറ്റായ സാമ്പിൾ ആവൃത്തി, ഒഴിവാക്കിയ വിൻഡോ, ഇടപെടൽ യൂണിറ്റ്) ഫലത്തെ പൂർണ്ണമായും നിശബ്ദമായും വികലമാക്കും; ഗ്രാഫ് ഇപ്പോഴും മികച്ചതായി തോന്നുന്നു, പക്ഷേ അത് തെറ്റാണ്. അതുകൊണ്ടാണ് അറിയപ്പെടുന്ന റഫറൻസ് സിഗ്നലിനും യൂണിറ്റ് നിയന്ത്രണത്തിനുമെതിരെ AI ഉൽപ്പാദിപ്പിക്കുന്ന എല്ലാ ഫലങ്ങളും പരിശോധിക്കേണ്ടത് അത്യന്താപേക്ഷിതമാണ്.

സാംപ്ലിംഗും നൈക്വിസ്റ്റും: എല്ലാം ആരംഭിക്കുന്നിടത്ത്

ഒരു കമ്പ്യൂട്ടറിൽ ഒരു അനലോഗ് സിഗ്നൽ (തുടർച്ചയുള്ള തരംഗം) പ്രോസസ്സ് ചെയ്യുന്നതിന്, ഞങ്ങൾ അത് നിശ്ചിത ഇടവേളകളിൽ അളക്കുകയും അതിനെ ഒരു സംഖ്യയാക്കി മാറ്റുകയും ചെയ്യുന്നു; ഇതിനെ സാംപ്ലിംഗ് എന്ന് വിളിക്കുന്നു. നമ്മൾ സെക്കൻഡിൽ എത്ര സാമ്പിളുകൾ എടുക്കുന്നു എന്നത് സാമ്പിൾ ഫ്രീക്വൻസി (fs, യൂണിറ്റ് Hz) ആണ്. ഒരു സിഗ്നൽ കൃത്യമായി വീണ്ടെടുക്കുന്നതിന്, സാമ്പിൾ ഫ്രീക്വൻസി സിഗ്നലിലെ ഏറ്റവും ഉയർന്ന ആവൃത്തിയുടെ ഇരട്ടിയെങ്കിലും ആയിരിക്കണം എന്ന് Nyquist മാനദണ്ഡം പറയുന്നു. ഈ വ്യവസ്ഥ പാലിക്കുന്നില്ലെങ്കിൽ, ഉയർന്ന ആവൃത്തികൾ കുറഞ്ഞ ആവൃത്തികൾ പോലെ കാണപ്പെടുന്നു; ഇതിനെ അപരനാമം എന്ന് വിളിക്കുന്നു, ഈ രണ്ട് സാഹചര്യങ്ങളും തമ്മിൽ വേർതിരിച്ചറിയാൻ കഴിയാത്തതിനാൽ ഡാറ്റ ശാശ്വതമായി കേടായിരിക്കുന്നു.

AI ഈ ആശയം വളരെ നന്നായി വിശദീകരിക്കുകയും ഉദാഹരണങ്ങൾ ഉപയോഗിച്ച് അത് പ്രകടിപ്പിക്കുകയും ചെയ്യുന്നു. എന്നാൽ നിങ്ങളുടെ സാംപ്ലിംഗ് ഫ്രീക്വൻസി തിരഞ്ഞെടുക്കുമ്പോൾ നിങ്ങൾ തീരുമാനിക്കുക: നിങ്ങളുടെ സിഗ്നലിൻ്റെ യഥാർത്ഥ ബാൻഡ്‌വിഡ്ത്ത് എന്താണ്, നിങ്ങൾക്ക് ഒരു ആൻ്റി-അലിയാസിംഗ് അനലോഗ് ഫിൽട്ടർ ഉണ്ടോ, നിങ്ങളുടെ ADC (അനലോഗ്-ഡിജിറ്റൽ കൺവെർട്ടർ: അനലോഗ് സിഗ്നലിനെ നമ്പറിലേക്ക് മാറ്റുന്ന ചിപ്പ്) യഥാർത്ഥത്തിൽ പ്രവർത്തിക്കുന്നു. AI ഒരു സാമ്പിൾ ഫ്രീക്വൻസി "നിർദ്ദേശിച്ചേക്കാം", എന്നാൽ ഈ നിർദ്ദേശം നിങ്ങളുടെ സിഗ്നലിൻ്റെ യഥാർത്ഥ സ്പെക്ട്രം അളക്കാതെയുള്ള ഒരു ഊഹമാണ്.

നുറുങ്ങ്: AI-യോട് ഒരു സാമ്പിൾ ചോദ്യം ചോദിക്കുമ്പോൾ, നിങ്ങളുടെ സിഗ്നലിൻ്റെ ഉയർന്ന ആവൃത്തിയും ബാൻഡ്‌വിഡ്ത്തും സ്വയം വ്യക്തമാക്കുക. "എൻ്റെ സിഗ്നലിൻ്റെ ഏറ്റവും ഉയർന്ന ഘടകം ~4 kHz ആണെങ്കിൽ, ഞാൻ എങ്ങനെ fs തിരഞ്ഞെടുക്കണം, ആൻ്റി-അലിയാസിംഗ് ഫിൽട്ടർ എവിടെ സ്ഥാപിക്കണം?" പോലെ. AI-യെ സ്പെക്ട്രം ഊഹിക്കാൻ പ്രേരിപ്പിക്കരുത്; അളവ്.

FFT, ഫ്രീക്വൻസി വിശകലനം

FFT (ഫാസ്റ്റ് ഫോറിയർ ട്രാൻസ്ഫോം) എന്നത് ഒരു സിഗ്നലിനെ സമയ അക്ഷത്തിൽ നിന്ന് ഫ്രീക്വൻസി അക്ഷത്തിലേക്ക് പരിവർത്തനം ചെയ്യുന്ന ഒരു ഫാസ്റ്റ് അൽഗോരിതം ആണ്. അതിനാൽ "ഈ സിഗ്നലിൽ എന്ത് ആവൃത്തികളുണ്ട്, എത്ര ശക്തിയുണ്ട്?" എന്ന ചോദ്യത്തിന് ഉത്തരം നൽകുന്നു. FFT നടപ്പിലാക്കുന്നതും ഫലങ്ങൾ വ്യാഖ്യാനിക്കുന്നതും പൈത്തൺ കോഡ് (numpy/scipy) എഴുതുന്നതും എങ്ങനെയെന്ന് AI നന്നായി ചെയ്യുന്നു. എന്നാൽ FFT-യിൽ പൊതുവായ പിശകുകൾ ഉണ്ട്, AI കോഡിന് അവ നിശബ്ദമായി ഉൾപ്പെടുത്താൻ കഴിയും:

• ഫ്രീക്വൻസി ആക്സിസ് സ്കെയിലിംഗ്: എഫ്എഫ്ടി ഔട്ട്പുട്ടിൻ്റെ ഫ്രീക്വൻസി അക്ഷം സാമ്പിൾ ഫ്രീക്വൻസിയെ ആശ്രയിച്ചിരിക്കുന്നു. fs തെറ്റായി നൽകിയാൽ, എല്ലാ ആവൃത്തികളും തെറ്റായി ഔട്ട്പുട്ട് ചെയ്യുന്നു, പക്ഷേ ഗ്രാഫ് സാധാരണമായി കാണപ്പെടുന്നു.
• വിൻഡോ: പരിമിതമായ ഒരു സിഗ്നൽ ലഭിക്കുമ്പോൾ, അരികുകളിൽ വിച്ഛേദനം സംഭവിക്കുകയും സ്പെക്ട്രത്തിൽ കപട വ്യാപനം (സ്പെക്ട്രൽ ലീക്കേജ്) നിരീക്ഷിക്കുകയും ചെയ്യുന്നു. ഹാൻ, ഹാമിംഗ് തുടങ്ങിയ വിൻഡോകൾ ഇത് കുറയ്ക്കുന്നു. AI കോഡ് വിൻഡോസ് ഒഴിവാക്കുകയാണെങ്കിൽ, ഫലം തെറ്റിദ്ധരിപ്പിക്കുന്നതായിരിക്കും.
• ആംപ്ലിറ്റ്യൂഡ് നോർമലൈസേഷൻ: എഫ്എഫ്ടി ഔട്ട്പുട്ടിൻ്റെ ആംപ്ലിറ്റ്യൂഡ് യഥാർത്ഥ ഫിസിക്കൽ മൂല്യത്തിലേക്ക് പരിവർത്തനം ചെയ്യുന്നതിന് സ്കെയിലിംഗും വിൻഡോ തിരുത്തലും ആവശ്യമാണ്. ഒഴിവാക്കിയാൽ, ആംപ്ലിറ്റ്യൂഡുകൾ തെറ്റായിരിക്കും.

ഫിൽട്ടർ ഡിസൈൻ

ഒരു സിഗ്നലിൽ നിന്ന് അനാവശ്യ ആവൃത്തികൾ വേർതിരിച്ചെടുക്കുന്ന ഒരു സർക്യൂട്ട് അല്ലെങ്കിൽ അൽഗോരിതം ആണ് ഫിൽട്ടർ. നാല് അടിസ്ഥാന തരങ്ങളുണ്ട്: ലോ-പാസ് (കുറഞ്ഞ ആവൃത്തികൾ കടന്നുപോകുന്നു), ഹൈ-പാസ്, ബാൻഡ്-പാസ്, ബാൻഡ്-പാസ് (നോച്ച്). ഡിജിറ്റൽ ഫിൽട്ടറുകളുടെ രണ്ട് വലിയ കുടുംബങ്ങളുണ്ട്: FIR (ഫിനിറ്റ് ഇംപൾസ് പ്രതികരണം, സ്ഥിരവും രേഖീയവുമായ ഘട്ടം), IIR (അനന്തമായ പ്രേരണ പ്രതികരണം, കുത്തനെയുള്ള പരിവർത്തനം, കുറഞ്ഞ കണക്കുകൂട്ടൽ, എന്നാൽ സ്ഥിരത, ഘട്ടം അപകടസാധ്യത).

AI ഒരു ഫിൽട്ടറിൻ്റെ ഡിസൈൻ ഘട്ടങ്ങൾ (കട്ട്ഓഫ് ഫ്രീക്വൻസി, പാസ്‌ബാൻഡ്, സ്റ്റോപ്പ്‌ബാൻഡ് അറ്റന്യൂവേഷൻ, ഓർഡർ സെലക്ഷൻ) വിശദീകരിക്കുകയും കോഫിഫിഷ്യൻ്റ് ജനറേറ്റിംഗ് കോഡ് സ്‌സിപ്പി ഉപയോഗിച്ച് എഴുതുകയും ചെയ്യുന്നു. എന്നാൽ നിങ്ങൾ രൂപകൽപ്പന ചെയ്ത ഫിൽട്ടറിൻ്റെ കട്ട്ഓഫ് ഫ്രീക്വൻസി നോർമലൈസ് ചെയ്തിരിക്കുന്നു (Nyquist ഫ്രീക്വൻസിയുമായി ബന്ധപ്പെട്ട്), കൂടാതെ ഇവിടെ fs തെറ്റായി നൽകുന്നത് വളരെ സാധാരണമായ തെറ്റാണ്. കൂടാതെ, IIR ഫിൽട്ടറുകളിൽ സ്ഥിരതയും ഘട്ടം വികൃതവും ഒരു പ്രശ്നമായിരിക്കാം, തത്സമയ സിസ്റ്റങ്ങളിൽ ലേറ്റൻസി ഒരു പ്രശ്നമായിരിക്കാം. ഫ്രീക്വൻസി റെസ്‌പോൺസ് ഗ്രാഫും അറിയപ്പെടുന്ന ടെസ്റ്റ് സിഗ്നലും ഉപയോഗിച്ച് AI- ജനറേറ്റഡ് ഫിൽട്ടർ പരിശോധിച്ചുറപ്പിക്കുന്നത് ഉറപ്പാക്കുക.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - ഓവർലാപ്പിംഗ് വൈബ്രേഷൻ. ഒരു എഞ്ചിനീയർ 1 kHz-ൽ ഒരു മോട്ടോറിൻ്റെ വൈബ്രേഷൻ സാമ്പിൾ ചെയ്യുകയും FFT-ൽ 300 Hz-ൽ ശക്തമായ ഒരു കൊടുമുടി കാണുകയും ചെയ്യുന്നു. എഞ്ചിൻ രൂപകൽപ്പനയുമായി പൊരുത്തപ്പെടാത്ത ഈ കൊടുമുടി ആശയക്കുഴപ്പമുണ്ടാക്കുന്നു. എഞ്ചിനിൽ യഥാർത്ഥത്തിൽ 1300 Hz-ൽ ഒരു യഥാർത്ഥ ഘടകം ഉണ്ട്; ഇതിന് 1 kHz സാമ്പിൾ അപര്യാപ്തമാണ് (Nyquist 500 Hz) കൂടാതെ 1300 Hz ഓവർലാപ്പ് ചെയ്ത 300 Hz. "ഈ കൊടുമുടി യഥാർത്ഥമാണോ അതോ അപരനാമമാണോ" എന്ന് AI-യുമായി ചർച്ച ചെയ്ത് സാമ്പിൾ ഫ്രീക്വൻസി 5 kHz ആയി വർദ്ധിപ്പിച്ച ശേഷം, കൊടുമുടി 1300 Hz-ൽ ശരിയായ സ്ഥലത്ത് ദൃശ്യമാകുന്നു. പാഠം: സംശയാസ്പദമായ കുന്നിൻ മുകളിൽ, ആദ്യ ചോദ്യം സാമ്പിൾ പര്യാപ്തത.

കേസ് 2 - ഒഴിവാക്കിയ വിൻഡോ. ഒരു ഇൻ്റേൺ AI-യിൽ നിന്ന് ഒരു FFT കോഡ് അഭ്യർത്ഥിക്കുകയും അത് നടപ്പിലാക്കുകയും ചെയ്യുന്നു. ഒരൊറ്റ ഫ്രീക്വൻസി ടെസ്റ്റ് ടോൺ അവൻ പ്രതീക്ഷിക്കുന്നു, പക്ഷേ സ്പെക്ട്രത്തിലുടനീളം വിശാലമായ വ്യാപനം കാണുന്നു. കോഡ് വിൻഡോയിംഗ് (സ്പെക്ട്രൽ ലീക്കേജ്) ചെയ്യുന്നില്ല എന്നതാണ് പ്രശ്നം. "ഹാൻ വിൻഡോ ചേർക്കുക, ആംപ്ലിറ്റ്യൂഡ് തിരുത്തൽ പ്രയോഗിക്കുക" എന്ന് AI-യോട് പറയുക, ഔട്ട്‌പുട്ട് പ്രതീക്ഷിക്കുന്ന മൂർച്ചയുള്ള കൊടുമുടിയിലേക്ക് മടങ്ങുന്നു. പാഠം: അറിയപ്പെടുന്ന സിംഗിൾ-ഫ്രീക്വൻസി സിഗ്നൽ ഉപയോഗിച്ച് FFT കോഡ് പരിശോധിക്കുക; ചോർച്ചയുണ്ടെങ്കിൽ വിൻഡോ പരിശോധിക്കുക.

കേസ് 3 - തെറ്റായ fs. ഒരു എഞ്ചിനീയർ റെക്കോർഡറിൽ നിന്നുള്ള ഡാറ്റ വിശകലനം ചെയ്യുന്നു. ഉപകരണം 48 kHz-ൽ രേഖപ്പെടുത്തി, എന്നാൽ സ്ഥിരസ്ഥിതി 44.1 kHz AI കോഡിൽ നൽകി. എല്ലാ ആവൃത്തികളും 8% മാറ്റുന്നു; ഒരു 1000 Hz ടോൺ 1088 Hz-ൽ ദൃശ്യമാകുന്നു. അളക്കുന്ന ഉപകരണങ്ങളുടെ യഥാർത്ഥ എഫ്എസ് പരിശോധിക്കുമ്പോൾ പിശക് കണ്ടെത്തി. പാഠം: വിശകലന ശൃംഖലയിലെ ഏറ്റവും നിർണായകമായ ഒറ്റ സംഖ്യയാണ് സാമ്പിൾ ഫ്രീക്വൻസി; ഉറവിടത്തിൽ നിന്ന് സ്ഥിരീകരിക്കണം.

പകർത്താവുന്ന പ്രോംപ്റ്റ് ടെംപ്ലേറ്റുകൾ

FFT സജ്ജീകരണ ടെംപ്ലേറ്റ്"പൈത്തണിൽ (numpy/scipy) ഒരു FFT വിശകലന കോഡ് എഴുതുക. ഇൻപുട്ട്: samplingfrequency fs=[value] Hz, 'x' എന്ന സിഗ്നൽ സ്ട്രിംഗ്. കോഡ് ഇനിപ്പറയുന്നവ ചെയ്യട്ടെ: (1) ഹാൻ വിൻഡോ പ്രയോഗിക്കുക, (2) FFT ആപേക്ഷികമായി ആപേക്ഷികമായി FFT, fxi 4 സ്കെയിൽ നേടുക axi കോഡിൻ്റെ ഓരോ ഘട്ടത്തിലും ഏകപക്ഷീയമായ ആംപ്ലിറ്റ്യൂഡ് സ്പെക്‌ട്രം "നിങ്ങൾ ഏത് അനുമാനമാണ് ഉണ്ടാക്കുന്നതെന്ന് ദയവായി കമൻ്റ് ലൈനിൽ പ്രസ്താവിക്കുക, അതിനാൽ എനിക്ക് അത് പരിശോധിക്കാനാകും."

സാമ്പിളിംഗ് കൺട്രോൾ ടെംപ്ലേറ്റ് "എൻ്റെ സിഗ്നലിൻ്റെ ഏറ്റവും ഉയർന്ന ആവൃത്തി ഏകദേശം [X] Hz ആണ്. ഒരു സാമ്പിൾ ഫ്രീക്വൻസി തിരഞ്ഞെടുക്കുമ്പോൾ Nyquist മാർജിൻ, ആൻ്റി-അലിയാസിംഗ് ഫിൽട്ടറിൻ്റെ ആവശ്യകത, സുരക്ഷയുടെ പ്രായോഗിക മാർജിൻ എന്നിവ വിശദീകരിക്കുക. ഒരു ശ്രേണി നിർദ്ദേശിക്കുക എന്നാൽ സിഗ്നലിൻ്റെ യഥാർത്ഥ സ്പെക്ട്രം അളന്ന് ഞാൻ ഇത് സ്ഥിരീകരിക്കണമെന്ന് ഊന്നിപ്പറയുക."

ഫിൽട്ടർ ഡിസൈൻ ടെംപ്ലേറ്റ് "സ്കൈപ്പി ഉപയോഗിച്ച് ഒരു [കുറഞ്ഞ/ഉയർന്ന/ബാൻഡ്] പാസ് ഡിജിറ്റൽ ഫിൽട്ടർ രൂപകൽപ്പന ചെയ്യുക. കട്ട്ഓഫ് ഫ്രീക്വൻസി [X] ഹെർട്സ്, സാമ്പിൾ ഫ്രീക്വൻസി fs=[Y] Hz. FIR, IIR ഓപ്ഷനുകൾ താരതമ്യം ചെയ്യുക (സ്ഥിരത, ഘട്ടം, കാലതാമസം, കമ്പ്യൂട്ടേഷണൽ ലോഡ്).

ഫലത്തിൻ്റെ മൂല്യനിർണ്ണയ ടെംപ്ലേറ്റ് "താഴെയുള്ള സിഗ്നൽ പ്രോസസ്സിംഗ് കോഡ് പരിശോധിക്കുക, നിശബ്ദ പിശകുകളുടെ ഉറവിടങ്ങൾ ഫ്ലാഗ് ചെയ്യുക: തെറ്റായ fs, ഒഴിവാക്കിയ വിൻഡോ, യൂണിറ്റ് ക്രോസ്‌സ്റ്റോക്ക് (Hz/kHz,V/mV), നോർമലൈസേഷൻ്റെ അഭാവം, ഒറ്റ/ഇരട്ട-വശങ്ങളുള്ള സ്പെക്‌ട്രം ക്രോസ്‌സ്റ്റോക്ക്. ഞാൻ എങ്ങനെ പരീക്ഷിക്കണമെന്ന് നിർദ്ദേശിക്കുക (ഓരോ കോഡ്:

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ നിർദ്ദേശം: "ഈ സിഗ്നലിൻ്റെ ആവൃത്തി കണ്ടെത്തുക."

ശക്തമായ നിർദ്ദേശം: "എനിക്ക് 10 kHz സാമ്പിൾ ഫ്രീക്വൻസി ഉള്ള ഒരു സിഗ്നൽ അറേ ഉണ്ട്. FFT ഉപയോഗിച്ച് പ്രബലമായ ഫ്രീക്വൻസി ഘടകങ്ങൾ കണ്ടെത്തുന്ന ഒരു പൈത്തൺ കോഡ് എഴുതുക; ഹാൻ വിൻഡോയും ആംപ്ലിറ്റ്യൂഡ് തിരുത്തലും ഉപയോഗിക്കുക, fs അനുസരിച്ച് ഫ്രീക്വൻസി അച്ചുതണ്ട് സ്കെയിൽ ചെയ്യുക. കോഡിൻ്റെ അവസാനം, സിന്തറ്റിക് 1 സിഗ്നൽ പരിശോധിച്ചാൽ, kHz സിഗ്നൽ ശരിയാണെങ്കിൽ ഒരു മൂല്യനിർണ്ണയ ബ്ലോക്ക് ചേർക്കുക."

ദുർബലമായ പ്രോംപ്റ്റ് ഒരു സന്ദർഭ രഹിത പ്രതികരണം സൃഷ്ടിക്കുകയും fs അനുമാനിക്കുകയും ചെയ്യുന്നു; ഇത് ശക്തമായ പ്രോംപ്റ്റ് പാരാമീറ്ററുകൾ നൽകുകയും സ്വയം പരിശോധിച്ചുറപ്പിക്കുന്ന ടെസ്റ്റ് ബ്ലോക്കിനായി ആവശ്യപ്പെടുകയും ചെയ്യുന്നു.

സിഗ്നൽ പ്രോസസ്സിംഗിലെ യൂണിറ്റുകളുടെയും അനുമാനങ്ങളുടെയും പട്ടിക

ആശയം

പതിവ് തെറ്റ്

സ്ഥിരീകരണം

സാമ്പിൾ ആവൃത്തി (എഫ്എസ്)

ഉപകരണത്തിൻ്റെ യഥാർത്ഥ FS-ന് പകരം ഡിഫോൾട്ട്

റെക്കോർഡർ ക്രമീകരണത്തിൽ നിന്നുള്ള സ്ഥിരീകരണം

ആവൃത്തി അക്ഷം

fs തെറ്റാണെങ്കിൽ മുഴുവൻ അക്ഷവും മാറുന്നു

അറിയപ്പെടുന്ന ഫ്രീക്വൻസി ടെസ്റ്റ് ടോൺ

ജാലകം

ഒഴിവാക്കുമ്പോൾ സ്പെക്ട്രൽ ലീക്ക്

മോണോടോൺ സിഗ്നലിൽ പീക്ക് വീതി

വ്യാപ്തി

നോർമലൈസേഷൻ/തിരുത്തൽ കാണുന്നില്ല

അറിയപ്പെടുന്ന ആംപ്ലിറ്റ്യൂഡ് സിഗ്നലുമായുള്ള താരതമ്യം

ഫിൽട്ടർ കട്ട്

fs അനുസരിച്ച് പിശക് സാധാരണമാക്കുക

ഫ്രീക്വൻസി പ്രതികരണ ഗ്രാഫ്

മുന്നറിയിപ്പ്: ഒരു FFT ഗ്രാഫ് സുഗമവും വിശ്വസനീയവുമാണെന്ന് തോന്നുന്നത് കൊണ്ട് അത് കൃത്യമാണെന്ന് അർത്ഥമാക്കുന്നില്ല. ഫ്രീക്വൻസി അക്ഷം തെറ്റായി സ്കെയിൽ ചെയ്തിട്ടുണ്ടെങ്കിൽ, എല്ലാ കൊടുമുടികളും തെറ്റായ സ്ഥലത്താണ്, പക്ഷേ ഗ്രാഫ് മികച്ചതായി തോന്നുന്നു. അറിയപ്പെടുന്ന ഒരു റഫറൻസ് ഉപയോഗിച്ച് എല്ലായ്പ്പോഴും കാലിബ്രേറ്റ് ചെയ്യുക.

സാധാരണ തെറ്റുകൾ

• ഉറവിടത്തിൽ നിന്ന് സാമ്പിൾ ആവൃത്തി പരിശോധിക്കുന്നില്ല. തെറ്റായ fs എല്ലാ ആവൃത്തികളെയും മാറ്റുന്നു.
• Nyquist ലംഘിക്കുകയും അപരനാമം ശ്രദ്ധിക്കാതിരിക്കുകയും ചെയ്യുന്നു. സംശയാസ്പദമായ കുന്നുകളിൽ, ആദ്യം സാമ്പിൾ പര്യാപ്തത ചോദ്യം ചെയ്യുക.
• FFT-യിൽ വിൻഡോ ചെയ്യൽ ഒഴിവാക്കുന്നു. സ്പെക്ട്രൽ ചോർച്ച ഒരു യഥാർത്ഥ കൊടുമുടി പോലെ കാണപ്പെടുന്നു.
• ആംപ്ലിറ്റ്യൂഡ് നോർമലൈസേഷൻ മറക്കുന്നു. ആംപ്ലിറ്റ്യൂഡുകൾ ഭൌതിക മൂല്യത്തിലേക്ക് അനിയന്ത്രിതമായി തുടരുന്നു.
• ഫിൽട്ടർ കട്ട്ഓഫ് ഫ്രീക്വൻസി fs-ലേക്ക് തെറ്റായി നോർമലൈസ് ചെയ്യുന്നു. പ്രതീക്ഷിച്ചതിലും വ്യത്യസ്തമായ സ്ഥലത്താണ് ഫിൽട്ടർ മുറിക്കുന്നത്.

ചുരുക്കത്തിൽ

ഈ യൂണിറ്റിൽ, സിഗ്നൽ പ്രോസസ്സിംഗ് ആശയങ്ങൾ പഠിക്കുന്നതിനും FFT, ഫിൽട്ടർ കോഡ് എന്നിവ എഴുതുന്നതിനും വിശകലനം നിർമ്മിക്കുന്നതിനുമുള്ള ശക്തമായ സഹായമായി നിങ്ങൾ AI യെ സ്ഥാപിച്ചു. എന്നാൽ സിഗ്നൽ പ്രോസസ്സിംഗിൽ, ഫലങ്ങൾ നിശബ്ദമായി വളച്ചൊടിക്കാൻ കഴിയും: തെറ്റായ സാമ്പിൾ ഫ്രീക്വൻസി, ഒഴിവാക്കിയ വിൻഡോ, തടസ്സപ്പെടുത്തുന്ന വോളിയം അല്ലെങ്കിൽ നോർമലൈസേഷൻ്റെ അഭാവം എന്നിവ ഗ്രാഫിനെ മനോഹരമാക്കുന്നു, പക്ഷേ കൃത്യമല്ല. അതിനാൽ, അറിയപ്പെടുന്ന ഒരു റഫറൻസ് സിഗ്നലിനെതിരെ AI നിർമ്മിക്കുന്ന എല്ലാ കോഡുകളും പരിശോധിക്കുക, ഉറവിടത്തിൽ നിന്നുള്ള സാമ്പിൾ ഫ്രീക്വൻസി പരിശോധിക്കുക, യൂണിറ്റിനും ഫിസിക്കൽ പ്ലാസിബിലിറ്റിക്കും ഓരോ ഫലവും പരിശോധിക്കുക. ഓരോ വിശകലനത്തിൻ്റെയും തുടക്കത്തിൽ നൈക്വിസ്റ്റിൻ്റെയും അപരനാമത്തിൻ്റെയും ആശയം പരിശോധിക്കുക.

ആപ്ലിക്കേഷൻ ടാസ്ക്

പൈത്തണിൽ ഒരു സിന്തറ്റിക് ടെസ്റ്റ് സിഗ്നൽ സൃഷ്ടിക്കുക: അറിയപ്പെടുന്ന രണ്ട് ഫ്രീക്വൻസികളുടെ ആകെത്തുക (ഉദാ. 1 kHz, 3 kHz), fs=10 kHz. "FFT സജ്ജീകരണം" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് AI-യിൽ നിന്ന് വിശകലന കോഡ് അഭ്യർത്ഥിക്കുകയും ശരിയായ ആവൃത്തികളിൽ കൊടുമുടികൾ ദൃശ്യമാകുന്നത് പരിശോധിക്കുകയും ചെയ്യുക. തുടർന്ന് മനഃപൂർവ്വം തെറ്റായി fs നൽകുക (ഉദാ. 8 kHz) ഒപ്പം കൊടുമുടികൾ മാറുന്നത് എങ്ങനെയെന്ന് നിരീക്ഷിക്കുക. അവസാനമായി, വിൻഡോ നീക്കം ചെയ്ത് സ്പെക്ട്രൽ ചോർച്ച കാണുക. ഓരോ പരീക്ഷണത്തിൻ്റെയും ഫലങ്ങൾ ഒരു വാചകത്തിൽ എഴുതുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ റെക്കോർഡറിൻ്റെ യഥാർത്ഥ ക്രമീകരണത്തിൽ നിന്ന് സാമ്പിൾ ഫ്രീക്വൻസി (എഫ്എസ്) പരിശോധിച്ചു.
• [ ] ഞാൻ Nyquist മാനദണ്ഡം പരിശോധിക്കുകയും അപരനാമത്തിൻ്റെ അപകടസാധ്യത വിലയിരുത്തുകയും ചെയ്തു.
• എഫ്എഫ്‌ടി കോഡിൽ വിൻഡോയും ആംപ്ലിറ്റ്യൂഡ് തിരുത്തലും നടപ്പിലാക്കിയിട്ടുണ്ടോയെന്ന് ഞാൻ പരിശോധിച്ചു.
• [ ] അറിയപ്പെടുന്ന ആവൃത്തിയുടെ ഒരു റഫറൻസ് സിഗ്നൽ ഉപയോഗിച്ച് ഞാൻ കോഡ് പരീക്ഷിച്ചു.
• [ ] ഫിൽട്ടർ കട്ട്ഓഫ് ഫ്രീക്വൻസി ശരിയായി എഫ്എസ് ആയി നോർമലൈസ് ചെയ്തിട്ടുണ്ടെന്ന് ഞാൻ ദൃശ്യ പ്രതികരണത്തിലൂടെ പരിശോധിച്ചു.
• [ ] ഞാൻ എല്ലാ യൂണിറ്റുകളും (Hz/kHz, V/mV) സ്ഥിരതയുള്ളതാക്കി.