विश्लेषणात्मक संकेत

Not to be confused with analytic expression or analytic function.

गणित और संकेत आगे बढ़ाना में, एक विश्लेषणात्मक सिग्नल एक जटिल-मूल्यवान फ़ंक्शन होता है जिसमें कोई नकारात्मक आवृत्ति घटक नहीं होता है।एक विश्लेषणात्मक संकेत के वास्तविक और काल्पनिक भाग हिल्बर्ट परिवर्तन द्वारा एक दूसरे से संबंधित वास्तविक-मूल्यवान कार्य हैं।

वास्तविक संख्या का विश्लेषणात्मक प्रतिनिधित्व | वास्तविक-मूल्यवान कार्य एक विश्लेषणात्मक संकेत है, जिसमें मूल कार्य और उसका हिल्बर्ट रूपांतरण शामिल है। यह प्रतिनिधित्व कई गणितीय जोड़तोड़ की सुविधा देता है। मूल विचार यह है कि ऐसे स्पेक्ट्रम के हर्मिटियन समरूपता के कारण वास्तविक-मूल्यवान फ़ंक्शन के फूरियर रूपांतरण (या स्पेक्ट्रम) के नकारात्मक आवृत्ति घटक अनावश्यक हैं। इन नकारात्मक आवृत्ति घटकों को सूचना की हानि के बिना त्याग दिया जा सकता है, बशर्ते कोई जटिल-मूल्यवान फ़ंक्शन से निपटने के लिए तैयार हो। यह फ़ंक्शन की कुछ विशेषताओं को अधिक सुलभ बनाता है और मॉड्यूलेशन और डिमॉड्यूलेशन तकनीकों की व्युत्पत्ति की सुविधा देता है, जैसे सिंगल-साइडबैंड।

जब तक हेरफेर किए गए फ़ंक्शन में कोई नकारात्मक आवृत्ति घटक नहीं होता है (अर्थात, यह अभी भी विश्लेषणात्मक है), जटिल से वास्तविक में रूपांतरण केवल काल्पनिक भाग को छोड़ने का मामला है। विश्लेषणात्मक प्रतिनिधित्व चरण (साइन तरंगों) अवधारणा का एक सामान्यीकरण है: जबकि चरण समय-अपरिवर्तनीय आयाम, चरण और आवृत्ति तक सीमित है, विश्लेषणात्मक संकेत समय-परिवर्तनीय पैरामीटर के लिए अनुमति देता है।

परिभाषा

एक विश्लेषणात्मक संकेत बनाने के लिए स्थानांतरण समारोह

अगर $s(t)$ फूरियर रूपांतरण के साथ एक वास्तविक-मूल्यवान कार्य है $S(f)$, तब परिवर्तन में हर्मिटियन फ़ंक्शन समरूपता है $f=0$ एक्सिस:

$S(-f)=S(f)^{*},$

कहाँ $S(f)^{*}$ का जटिल संयुग्म है $S(f)$. कार्यक्रम:

${\begin{aligned}S_{\mathrm {a} }(f)&\triangleq {\begin{cases}2S(f),&{\text{for}}\ f>0,\\S(f),&{\text{for}}\ f=0,\\0,&{\text{for}}\ f<0\end{cases}}\\&=\underbrace {2\operatorname {u} (f)} _{1+\operatorname {sgn}(f)}S(f)=S(f)+\operatorname {sgn}(f)S(f),\end{aligned}}$

कहाँ

• $\operatorname {u} (f)$ हैवीसाइड स्टेप फंक्शन है,
• $\operatorname {sgn}(f)$ साइन समारोह है,

के केवल गैर-नकारात्मक आवृत्ति घटक शामिल हैं $S(f)$. और ऑपरेशन प्रतिवर्ती है, की हर्मिटियन समरूपता के कारण $S(f)$:

${\begin{aligned}S(f)&={\begin{cases}{\frac {1}{2}}S_{\mathrm {a} }(f),&{\text{for}}\ f>0,\\S_{\mathrm {a} }(f),&{\text{for}}\ f=0,\\{\frac {1}{2}}S_{\mathrm {a} }(-f)^{*},&{\text{for}}\ f<0\ {\text{(Hermitian symmetry)}}\end{cases}}\\&={\frac {1}{2}}[S_{\mathrm {a} }(f)+S_{\mathrm {a} }(-f)^{*}].\end{aligned}}$

का विश्लेषणात्मक संकेत $s(t)$ का व्युत्क्रम फूरियर रूपांतरण है $S_{\mathrm {a} }(f)$:

${\begin{aligned}s_{\mathrm {a} }(t)&\triangleq {\mathcal {F}}^{-1}[S_{\mathrm {a} }(f)]\\&={\mathcal {F}}^{-1}[S(f)+\operatorname {sgn}(f)\cdot S(f)]\\&=\underbrace {{\mathcal {F}}^{-1}\{S(f)\}} _{s(t)}+\overbrace {\underbrace {{\mathcal {F}}^{-1}\{\operatorname {sgn}(f)\}} _{j{\frac {1}{\pi t}}}*\underbrace {{\mathcal {F}}^{-1}\{S(f)\}} _{s(t)}} ^{\text{convolution}}\\&=s(t)+j\underbrace {\left[{1 \over \pi t}*s(t)\right]} _{\operatorname {\mathcal {H}} [s(t)]}\\&=s(t)+j{\hat {s}}(t),\end{aligned}}$

कहाँ

• ${\hat {s}}(t)\triangleq \operatorname {\mathcal {H}} [s(t)]$ का हिल्बर्ट रूपांतरण है $s(t)$;
• $*$ बाइनरी कनवल्शन ऑपरेटर है;
• $j$ काल्पनिक इकाई है।

नोट किया कि $s(t)=s(t)*\delta (t),$ इसे फ़िल्टरिंग ऑपरेशन के रूप में भी व्यक्त किया जा सकता है जो नकारात्मक आवृत्ति घटकों को सीधे हटा देता है:

$s_{\mathrm {a} }(t)=s(t)*\underbrace {\left[\delta (t)+j{1 \over \pi t}\right]} _{{\mathcal {F}}^{-1}\{2u(f)\}}.$

नकारात्मक आवृत्ति घटक

तब से $s(t)=\operatorname {Re} [s_{\mathrm {a} }(t)]$, नकारात्मक आवृत्ति घटकों को पुनर्स्थापित करना त्यागने का एक साधारण मामला है $\operatorname {Im} [s_{\mathrm {a} }(t)]$ जो प्रति-सहज लग सकता है। हम यह भी नोट कर सकते हैं कि जटिल संयुग्म $s_{\mathrm {a} }^{*}(t)$ केवल नकारात्मक आवृत्ति घटक शामिल हैं। और इसलिए $s(t)=\operatorname {Re} [s_{\mathrm {a} }^{*}(t)]$ दबा हुआ सकारात्मक आवृत्ति घटकों को पुनर्स्थापित करता है। एक अन्य दृष्टिकोण यह है कि किसी भी मामले में काल्पनिक घटक एक ऐसा शब्द है जो आवृत्ति घटकों को घटाता है $s(t).$ $\operatorname {Re}$ h> ऑपरेटर नए घटकों को जोड़ने का आभास देते हुए, घटाव को हटा देता है।

उदाहरण

उदाहरण 1

$s(t)=\cos(\omega t),$ कहाँ$\omega >0.$

तब:

${\begin{aligned}{\hat {s}}(t)&=\cos \left(\omega t-{\frac {\pi }{2}}\right)=\sin(\omega t),\\s_{\mathrm {a} }(t)&=s(t)+j{\hat {s}}(t)=\cos(\omega t)+j\sin(\omega t)=e^{j\omega t}.\end{aligned}}$

अंतिम समानता यूलर का सूत्र है, जिसका एक उपप्रमेय है ${\textstyle \cos(\omega t)={\frac {1}{2}}\left(e^{j\omega t}+e^{j(-\omega )t}\right).}$ सामान्य तौर पर, एक साधारण साइनसॉइड का विश्लेषणात्मक प्रतिनिधित्व इसे जटिल-घातीयों के संदर्भ में व्यक्त करके, नकारात्मक आवृत्ति घटक को छोड़कर, सकारात्मक आवृत्ति घटक को दोगुना करके प्राप्त किया जाता है। और साइनसोइड्स के योग का विश्लेषणात्मक प्रतिनिधित्व व्यक्तिगत साइनसोइड्स के विश्लेषणात्मक प्रतिनिधित्वों का योग है।

उदाहरण 2

यहां हम नकारात्मक आवृत्ति को पहचानने और त्यागने के लिए यूलर के सूत्र का उपयोग करते हैं।

$s(t)=\cos(\omega t+\theta )={\frac {1}{2}}\left(e^{j(\omega t+\theta )}+e^{-j(\omega t+\theta )}\right)$

तब:

$s_{\mathrm {a} }(t)={\begin{cases}e^{j(\omega t+\theta )}\ \ =\ e^{j|\omega |t}\cdot e^{j\theta },&{\text{if}}\ \omega >0,\\e^{-j(\omega t+\theta )}=\ e^{j|\omega |t}\cdot e^{-j\theta },&{\text{if}}\ \omega <0.\end{cases}}$

उदाहरण 3

नकारात्मक आवृत्ति घटकों को हटाने के लिए हिल्बर्ट ट्रांसफ़ॉर्म विधि का उपयोग करने का यह एक और उदाहरण है। हम ध्यान दें कि कुछ भी हमें गणना करने से नहीं रोकता है $s_{\mathrm {a} }(t)$ एक जटिल-मूल्यवान के लिए $s(t)$. लेकिन यह प्रतिवर्ती प्रतिनिधित्व नहीं हो सकता है, क्योंकि मूल स्पेक्ट्रम सामान्य रूप से सममित नहीं है। इसलिए इस उदाहरण को छोड़कर, सामान्य चर्चा वास्तविक-मूल्यवान है $s(t)$.

$s(t)=e^{-j\omega t}$, कहाँ $\omega >0$.

तब:

${\begin{aligned}{\hat {s}}(t)&=je^{-j\omega t},\\s_{\mathrm {a} }(t)&=e^{-j\omega t}+j^{2}e^{-j\omega t}=e^{-j\omega t}-e^{-j\omega t}=0.\end{aligned}}$

गुण

तात्कालिक आयाम और चरण

नीले रंग में एक फ़ंक्शन और लाल रंग में इसके विश्लेषणात्मक प्रतिनिधित्व का परिमाण, लिफाफा प्रभाव दिखा रहा है।

ध्रुवीय निर्देशांक में एक विश्लेषणात्मक संकेत भी व्यक्त किया जा सकता है:

$s_{\mathrm {a} }(t)=s_{\mathrm {m} }(t)e^{j\phi (t)},$

जहां निम्नलिखित समय-भिन्न मात्राएं पेश की जाती हैं:

• $s_{\mathrm {m} }(t)\triangleq |s_{\mathrm {a} }(t)|$ तात्कालिक आयाम या आवरण (तरंगें) कहा जाता है;
• $\phi (t)\triangleq \arg \!\left[s_{\mathrm {a} }(t)\right]$ तात्कालिक चरण या चरण कोण कहा जाता है।

संलग्न आरेख में, नीला वक्र दर्शाता है $s(t)$ और लाल वक्र इसी को दर्शाता है $s_{\mathrm {m} }(t)$.

चरण लपेटन तात्कालिक चरण के समय व्युत्पन्न में रेडियन/सेकंड की इकाइयाँ होती हैं, और इसे तात्कालिक कोणीय आवृत्ति कहा जाता है:

$\omega (t)\triangleq {\frac {d\phi }{dt}}(t).$

तात्कालिक चरण # तात्कालिक आवृत्ति (हेटर्स में) इसलिए है:

$f(t)\triangleq {\frac {1}{2\pi }}\omega (t).$  

तात्कालिक आयाम, और तात्कालिक चरण और आवृत्ति सिग्नल की स्थानीय विशेषताओं को मापने और पता लगाने के लिए उपयोग किए जाने वाले कुछ अनुप्रयोगों में होती है। सिग्नल के विश्लेषणात्मक प्रतिनिधित्व का एक अन्य अनुप्रयोग मॉडुलन के विमॉडुलन से संबंधित है। ध्रुवीय निर्देशांक आसानी से आयाम मॉडुलन और चरण (या आवृत्ति) मॉडुलन के प्रभावों को अलग करते हैं, और कुछ प्रकार के संकेतों को प्रभावी ढंग से ध्वस्त करते हैं।

जटिल लिफाफा/बेसबैंड

विश्लेषणात्मक संकेतों को अक्सर 0 हर्ट्ज की ओर आवृत्ति (नीचे-रूपांतरित) में स्थानांतरित किया जाता है, संभवतः [गैर-सममित] नकारात्मक आवृत्ति घटक बनाते हैं:

$${s_{\mathrm {a} }}_{\downarrow }(t)\triangleq s_{\mathrm {a} }(t)e^{-j\omega _{0}t}=s_{\mathrm {m} }(t)e^{j(\phi (t)-\omega _{0}t)},$$

कहाँ $\omega _{0}$ एक मनमाना संदर्भ कोणीय आवृत्ति है।

यह फ़ंक्शन विभिन्न नामों से जाता है, जैसे जटिल लिफाफा और जटिल बेसबैंड। जटिल लिफाफा अद्वितीय नहीं है; यह की पसंद से निर्धारित होता है $\omega _{0}$. इस अवधारणा का प्रयोग अक्सर पासबैंड संकेतों के साथ काम करते समय किया जाता है। अगर $s(t)$ एक संग्राहक संकेत है, $\omega _{0}$ इसकी वाहक आवृत्ति के बराबर हो सकता है।

अन्य मामलों में, $\omega _{0}$ वांछित पासबैंड के बीच में कहीं चुना गया है। फिर वास्तविक गुणांक के साथ एक साधारण निम्न-पास फ़िल्टर ब्याज के हिस्से को बढ़ा सकता है। एक अन्य मकसद उच्चतम आवृत्ति को कम करना है, जो कि उपनाम-मुक्त नमूनाकरण के लिए न्यूनतम दर को कम करता है। एक आवृत्ति बदलाव जटिल सिग्नल प्रतिनिधित्व के गणितीय ट्रैक्टेबिलिटी को कम नहीं करता है। तो उस मायने में, डाउन-कन्वर्टेड सिग्नल अभी भी विश्लेषणात्मक है। हालाँकि, वास्तविक-मूल्यवान प्रतिनिधित्व को पुनर्स्थापित करना अब केवल वास्तविक घटक को निकालने का सरल मामला नहीं है। अप-रूपांतरण की आवश्यकता हो सकती है, और यदि सिग्नल upsampling (सिग्नल प्रोसेसिंग) (असतत-समय) किया गया है, तो अलियासिंग से बचने के लिए प्रक्षेप (अपसैंपलिंग) भी आवश्यक हो सकता है।

अगर $\omega _{0}$ की उच्चतम आवृत्ति से बड़ा चुना जाता है $s_{\mathrm {a} }(t),$ तब ${s_{\mathrm {a} }}_{\downarrow }(t)$ कोई सकारात्मक आवृत्तियाँ नहीं हैं। उस स्थिति में, वास्तविक घटक निकालने से उन्हें पुनर्स्थापित किया जाता है, लेकिन विपरीत क्रम में; कम आवृत्ति वाले घटक अब उच्च वाले हैं और इसके विपरीत। इसका उपयोग एक प्रकार के सिंगल-साइडबैंड मॉड्यूलेशन|सिंगल-साइडबैंड सिग्नल को लोअर साइडबैंड या इनवर्टेड साइडबैंड कहा जाता है।

संदर्भ आवृत्ति के अन्य विकल्पों पर कभी-कभी विचार किया जाता है:

• कभी-कभी $\omega _{0}$ कम करने के लिए चुना गया है
  $$\int _{0}^{+\infty }(\omega -\omega _{0})^{2}|S_{\mathrm {a} }(\omega )|^{2}\,d\omega .$$
• वैकल्पिक रूप से, $\omega _{0}$ अलिखित तात्कालिक चरण को रैखिक रूप से अनुमानित करने में औसत वर्ग त्रुटि को कम करने के लिए चुना जा सकता है $\phi (t)$:
  $$\int _{-\infty }^{+\infty }[\omega (t)-\omega _{0}]^{2}|s_{\mathrm {a} }(t)|^{2}\,dt$$
• या कोई अन्य विकल्प (कुछ इष्टतम के लिए $\theta$):
  $$\int _{-\infty }^{+\infty }[\phi (t)-(\omega _{0}t+\theta )]^{2}\,dt.$$

समय-आवृत्ति सिग्नल प्रोसेसिंग के क्षेत्र में, यह दिखाया गया था कि विग्नर-विले वितरण की परिभाषा में विश्लेषणात्मक सिग्नल की आवश्यकता थी ताकि व्यावहारिक अनुप्रयोगों के लिए आवश्यक वांछित गुण हो सकें। कभी-कभी वाक्यांश जटिल लिफाफे को एक (निरंतर-आवृत्ति) चरण के जटिल आयाम का सरल अर्थ दिया जाता है; दूसरी बार जटिल लिफाफा $s_{m}(t)$ जैसा कि ऊपर परिभाषित किया गया है, जटिल आयाम के समय-निर्भर सामान्यीकरण के रूप में व्याख्या की गई है। वास्तविक-मूल्य वाले मामले में उनका संबंध उससे अलग नहीं है: अलग-अलग लिफाफा (तरंगें) निरंतर आयाम को सामान्य करता है।

एकाधिक चर के संकेतों के लिए विश्लेषणात्मक संकेत का विस्तार

विश्लेषणात्मक संकेत की अवधारणा एकल चर के संकेतों के लिए अच्छी तरह से परिभाषित है जो आमतौर पर समय है। दो या दो से अधिक चर के संकेतों के लिए, एक विश्लेषणात्मक संकेत को अलग-अलग तरीकों से परिभाषित किया जा सकता है, और दो दृष्टिकोण नीचे प्रस्तुत किए गए हैं।

=== तदर्थ दिशा === के आधार पर बहु-आयामी विश्लेषणात्मक संकेत एक बार यह स्थापित हो जाने के बाद कि इस मामले के लिए नकारात्मक आवृत्तियों का क्या मतलब है, एक बहु-आयामी संकेत के लिए विश्लेषणात्मक संकेत का एक सीधा सामान्यीकरण किया जा सकता है। यह एक इकाई वेक्टर की शुरुआत करके किया जा सकता है ${\boldsymbol {\hat {u}}}$ फूरियर डोमेन में और किसी आवृत्ति वेक्टर को लेबल करें ${\boldsymbol {\xi }}$ नकारात्मक के रूप में अगर ${\boldsymbol {\xi }}\cdot {\boldsymbol {\hat {u}}}<0$. एक-चर संकेतों के मामले में वर्णित प्रक्रिया के अनुसार, सभी नकारात्मक आवृत्तियों को हटाकर और परिणाम को 2 से गुणा करके विश्लेषणात्मक संकेत उत्पन्न किया जाता है। हालाँकि, इसके लिए कोई विशेष दिशा नहीं है ${\boldsymbol {\hat {u}}}$ जिसे तब तक चुना जाना चाहिए जब तक कि कुछ अतिरिक्त बाधाएँ न हों। इसलिए, का चुनाव ${\boldsymbol {\hat {u}}}$ तदर्थ है, या अनुप्रयोग विशिष्ट है।

मोनोजेनिक संकेत

विश्लेषणात्मक संकेत के वास्तविक और काल्पनिक भाग वेक्टर-मूल्यवान मोनोजेनिक सिग्नल के दो तत्वों के अनुरूप होते हैं, क्योंकि यह एक-चर संकेतों के लिए परिभाषित किया गया है। हालाँकि, मोनोजेनिक सिग्नल को एक सीधे तरीके से चर की मनमानी संख्या तक बढ़ाया जा सकता है, जिससे एक उत्पादन होता है {{nobreak|(n + 1)}एन-वैरिएबल सिग्नल के मामले में }-डायमेंशनल वेक्टर-वैल्यू फंक्शन।

यह भी देखें

• हिल्बर्ट ट्रांसफॉर्म#असतत हिल्बर्ट ट्रांसफॉर्म
• नकारात्मक आवृत्ति

अनुप्रयोग

• सिंगल-साइडबैंड मॉड्यूलेशन
• चतुर्भुज फ़िल्टर
• कारण फ़िल्टर

अग्रिम पठन

• Leon Cohen, Time-frequency analysis, Prentice Hall, Upper Saddle River, 1995.
• Frederick W. King, Hilbert Transforms, vol. II, Cambridge University Press, Cambridge, 2009.
• B. Boashash, Time-Frequency Signal Analysis and Processing: A Comprehensive Reference, Elsevier Science, Oxford, 2003.

बाहरी संबंध

• Analytic Signals and Hilbert Transform Filters