Sayısal Sinyal İşleme
Giriş
Ders Hangi Soruyu Sorar?
Sayısal sinyal işleme, belirli aralıklarla örneklenmiş ses, titreşim, EKG ya da radyo sinyallerini matematiksel dönüşümlerle çözümler, süzer ve dönüştürür. Ders öğrenmeye değil kesin matematiğe dayanır; ses, görüntü ve haberleşme derslerinin ortak temelidir.
Bir bakışta
matematiksel dönüşüm ve süzgeç
örneklenmiş sinyal
süzülmüş sinyal, spektrum
sinyal-gürültü oranı, frekans yanıtı
yüksek: karmaşık sayı, Fourier
öğrenme yok; sinyal yeter
Giriş
Kısa Tarihçe
Fourier, ısı üzerine kitabında fonksiyonları sinüslerin toplamı olarak yazmayı önerir.
Shannon örnekleme kuramını yayımlar: bant sınırlı sinyal, yeterli hızla örneklenirse tam geri kazanılır.
Cooley ve Tukey hızlı Fourier dönüşümünü (FFT) yayımlar; spektrum hesabı pratik hâle gelir.
Ahmed, Natarajan ve Rao ayrık kosinüs dönüşümünü (DCT) tanıtır; JPEG ve MP3 bunun üzerine kurulur.
Oppenheim ve Schafer'in Digital Signal Processing kitabı çıkar; alan bir ders olarak yerleşir.
Texas Instruments'ın Speak & Spell oyuncağı, tek yongada sayısal konuşma sentezini evlere taşır.
Ders
Temel Kavramlar
Sürekli sinyali eşit aralıklarla ölçüp sayı dizisine çevirmek.
En yüksek frekansın iki katından hızlı örnekle.
Yetersiz örneklemede yüksek frekansın alçak görünmesi.
Genliği sınırlı sayıda düzeye yuvarlamak; bit derinliği.
Doğrusal, zamanla değişmeyen sistemin girdiye yanıtı.
Sinyali frekans bileşenlerine ayırmanın hızlı yolu.
Alçak, yüksek ve bant geçiren sayısal süzgeçler.
Süzgecin kutup ve sıfırları; kararlılık çözümlemesi.
Ders
Tipik İş Akışı
Ders
Derste Neler İşlenir?
- Ayrık zamanlı sinyaller ve sistemler
- Doğrusal zamanla değişmeyen sistemler ve evrişim
- Örnekleme, örtüşme ve yeniden oluşturma
- Ayrık zamanlı Fourier dönüşümü ve frekans yanıtı
- z-dönüşümü: kutuplar, sıfırlar ve kararlılık
- Ayrık Fourier dönüşümü (DFT) ve FFT
- Pencereleme ve spektral sızıntı
- FIR süzgeç tasarımı: pencere yöntemi
- IIR süzgeç tasarımı: Butterworth, Chebyshev
- Örnekleme hızı değiştirme: seyreltme, ara değerleme
- Kısa zamanlı Fourier dönüşümü ve spektrogram
- Nicemleme gürültüsü ve sabit noktalı gerçekleme
Kazandırdığı beceriler
Tipik bir dönemin akışıdır; sıra ve kapsam üniversiteden üniversiteye değişir.
Dene
Gürültülü Nabzı Temizlemek
Göğüse takılan EKG bandı 200 Hz ile örnekliyor; kayda şebekenin 50 Hz uğultusu ve kas gürültüsü karışmış. Hareketli ortalamanın pencere boyunu değiştirin; sinyali hem zamanda hem frekansta izleyin.
Konum
Ön Koşullar
Bu dersten önce bilinmesi yararlı olan dersler ve neden gerektikleri.
| Ders | Neden gerekir |
|---|---|
| Analiz (Kalkülüs) | integral, seriler ve karmaşık sayılar: Fourier dönüşümünün dili |
| Diferansiyel Denklemler | doğrusal sistemlerin davranışı ve kararlılığı |
| C ile Programlama | gerçek zamanlı süzgeçleri gömülü cihazlarda yazmak için |
Konum
Bu Ders Sana Göre mi?
Kendine sor; "hayır" dediklerin için sağdaki sütun nereden başlayacağını gösterir.
| Kendine sor | Hayırsa önce |
|---|---|
| Karmaşık sayıyı kutupsal biçimde yazıp Euler formülünü açıklayabiliyor musun? | Analiz dersindeki karmaşık sayılar ve Euler formülü |
| Bir sinüsün genlik, frekans ve fazını grafiğinden okuyabiliyor musun? | Trigonometri ve sinüs grafikleri üzerine kısa bir tekrar |
| Bir toplamı (Σ) ve basit bir integrali hesaplayabiliyor musun? | Analiz dersindeki seriler ve integral konuları |
| Python ya da MATLAB ile bir dizi üretip grafiğini çizebiliyor musun? | Programlamaya giriş, ardından NumPy ve Matplotlib'e kısa bir giriş |
Konum
Dersin Komşuları
Örtüşme
Örtüştüğü Dersler
| İlişki | Ders | Ortak konu |
|---|---|---|
| temel alır | Görüntü İşleme bu dersi temel alır | iki boyutlu sinyal, evrişim, Fourier dönüşümü |
| temel alır | Konuşma Tanıma ve Ses İşleme bu dersi temel alır | spektrogram, MFCC, süzgeçler |
| yöntem paylaşır | Zaman Serisi Analizi ve Tahmin ile yöntem paylaşır | frekans analizi, süzgeçleme |
| yöntem paylaşır | Bilgi Kuramı ile yöntem paylaşır | sıkıştırma, örnekleme, kanal |
Ayrışma
Ayrıştığı Noktalar (1/2)
| Ölçüt | Sayısal Sinyal İşleme | Görüntü İşleme | Konuşma ve Ses İşleme |
|---|---|---|---|
| Temel soru | Örneklenmiş sinyaller nasıl çözümlenir, süzülür ve dönüştürülür? | Bir görüntü nasıl iyileştirilir, dönüştürülür ve parçalara ayrılır? | Ses dalgasından sözcükler, konuşmacı ve olaylar nasıl çıkarılır? |
| Yaklaşım | matematiksel dönüşüm ve süzgeç | piksel düzeyinde dönüşüm | akustik sinyal ve dil modeli |
| Girdi | örneklenmiş sinyal | görüntü | ses dalgası |
| Çıktı | süzülmüş sinyal, spektrum | işlenmiş görüntü ya da bölgeler | metin, konuşmacı, ses olayı |
| Başarı ölçütü | sinyal-gürültü oranı, frekans yanıtı | görsel kalite, PSNR | sözcük hata oranı (WER) |
| Matematik yükü | yüksek: karmaşık sayı, Fourier | orta: evrişim, Fourier | orta-yüksek |
| Veri ihtiyacı | öğrenme yok; sinyal yeter | az; öğrenme şart değil | çok saatlik kayıt |
- Görüntü İşleme: Sinyal işleme bir boyutlu, zamana bağlı sinyalle çalışır; görüntü işleme aynı araçları iki boyutlu piksel ızgarasına taşır.
- Konuşma ve Ses İşleme: Sinyal işleme genel araçları verir; konuşma tanıma bunları dil modeli ve öğrenmeyle birleştirip sözcük çıkarır.
Ayrışma
Ayrıştığı Noktalar (2/2)
| Ölçüt | Sayısal Sinyal İşleme | Zaman Serisi | Bilgi Kuramı |
|---|---|---|---|
| Temel soru | Örneklenmiş sinyaller nasıl çözümlenir, süzülür ve dönüştürülür? | Zamana bağlı ölçümlerden yapı nasıl çıkarılır ve gelecek nasıl tahmin edilir? | Bilgi nasıl ölçülür, en az kayıpla nasıl sıkıştırılır ve iletilir? |
| Yaklaşım | matematiksel dönüşüm ve süzgeç | zamana bağlı istatistiksel model | olasılıkla bilgi ölçümü |
| Girdi | örneklenmiş sinyal | zaman damgalı ölçümler | kaynak ve kanal modeli |
| Çıktı | süzülmüş sinyal, spektrum | tahmin, eğilim, mevsimsellik | sınır, kod, sıkıştırma oranı |
| Başarı ölçütü | sinyal-gürültü oranı, frekans yanıtı | tahmin hatası (MAE, RMSE) | bit, kanal kapasitesi |
| Matematik yükü | yüksek: karmaşık sayı, Fourier | orta-yüksek | yüksek: olasılık |
| Veri ihtiyacı | öğrenme yok; sinyal yeter | uzun geçmiş | gerekmez |
- Zaman Serisi: İkisi de zamana bağlı veriye bakar; zaman serisi analizi tahmin ve istatistik, sinyal işleme frekans ve süzgeç ister.
- Bilgi Kuramı: Bilgi kuramı bilginin ölçüsünü ve sıkıştırmanın sınırını, sinyal işleme sinyali somut olarak işleyen algoritmaları verir.
Uygulama
Uygulama Alanları
Ekolayzer, gürültü bastırma, MP3 sıkıştırma.
Modem, Wi-Fi, 4G/5G modülasyonu.
EKG, EEG süzme ve tepe bulma.
Yankıdan mesafe ve hız ölçmek.
Makinelerde arızayı spektrumdan sezmek.
JPEG ve video kodlamadaki dönüşümler.
Uygulama
Riskler ve Etik
Örneklemeden önce alçak geçiren süzgeç konmazsa yüksek frekanslar sahte alçak frekans olarak görünür ve geri alınamaz.
Kutup birim çemberin dışına çıkarsa çıktı büyüyerek patlar; sabit noktada katsayı yuvarlaması bunu tetikleyebilir.
Uygun pencere seçilmeden alınan FFT, var olmayan frekans bileşenleri gösterir ve yanlış teşhise götürür.
IIR süzgecin doğrusal olmayan fazı EKG gibi sinyallerde dalga biçimini bozar; bu tanıyı etkileyebilir.
Ayrıntılı tartışma: Açıklanabilir Yapay Zekâ ve Yapay Zekâ Etiği.
Uygulama
Araçlar ve Örnek Veriler
Araçlar ve kütüphaneler
Örnek sinyaller ve veri setleri
Uygulama
Sık Karıştırılanlar
| Yaygın düşünce | Doğrusu |
|---|---|
| Örnekleme hızı arttıkça hep daha iyi olur. | Nyquist sınırını aşınca bilgi artmaz; yalnız veri ve hesap yükü artar. |
| FFT, Fourier dönüşümünden farklı bir dönüşümdür. | FFT, ayrık Fourier dönüşümünü (DFT) hızlı hesaplayan bir algoritmadır; sonuç aynıdır. |
| Süzgeç gürültüyü sinyalden ayırt edip siler. | Süzgeç frekansa göre ayırır; gürültü sinyalle aynı bantta ise süzgeç onu ayıramaz. |
| Derin öğrenme geldi, sinyal işleme eskidi. | Ses ve sensör modellerinin girdisi çoğu zaman spektrogram ya da süzülmüş sinyaldir. |
Sonrası
Bu Dersten Sonra
Bu dersi temel alan ya da genişleten dersler
İlgili meslekler
Sonrası
Kaynaklar
- Oppenheim ve Schafer, Discrete-Time Signal Processing, 3. baskı, Pearson, 2010.
- Proakis ve Manolakis, Digital Signal Processing: Principles, Algorithms, and Applications, 4. baskı, Pearson, 2007.
- Smith, The Scientist and Engineer's Guide to Digital Signal Processing, California Technical Publishing, 1997.
- Cooley ve Tukey, "An Algorithm for the Machine Calculation of Complex Fourier Series", Mathematics of Computation 19(90), 1965.