Skrypt APSC - MARS

ROZDZIAŁ 1. POJĘCIA WSTĘPNE 93. ciągłym sygnale dyskretnego czasu - taki sygnał uzyskujemy w wynikupróbkowania sygnału analogowego;4. sygnale dyskretnym zarówno w czasie jak też w amplitudzie.Szczególną podgrupę sygnałów dyskretnych zarówno w czasie jak też w amplitudziestanowią sygnały, które mają ograniczony zbiór możliwych wartości;sygnały z tej grupy nazywamy sygnałami cyfrowymi. Zazwyczaj w takim przypadkustosujemy rodzaj kodowania bitowego. Jeżeli nasz sygnał cyfrowy ma Nmożliwych dyskretnych wartości, to każdą z jego wartości możemy jednoznacznieokreślić przez podanie n-bitowego ciągu, N ≤ 2 n - etykiety bitowej, którajednoznacznie określa oryginalną wartość sygnału. Tak więc zamiast używaniaoryginalego sygnału możemy stosować te etykiety bitowe. Wtedy nasz sygnałto ciąg pól n-bitowych; w każdej chwili czasu wartość sygnału przybiera jednąz dwóch wartości: 0 lub 1. Takie sygnały nazywamy sygnałami binarnymi; odgrywająone coraz większą rolę w transmisji i przetwarzaniu danych cyfrowych.1.2 Sygnały a informacjaDla nas sygnał to nośnik informacji. Można zadać pytanie, czy każdy sygnałniesie informacje? Aby na nie odpowiedzieć przypomnijmy że według teoriiinformacji C.Shannona [13], informacja nie jest powiązana z konkretnymi wartościamisygnału, tylko raczej z prawdopodobieństwem otrzymania danej wartościsygnału. Według tej teorii miarą ilości informacji I A związanej z rejestracjąsygnału A, prawdopodobieństwo uzyskania którego wynosi p A , jest wielkośćlog 2 ( 1P A). Gdy przesyłany sygnał jest deterministyczny, czyli gdy odbiorca mapełną wiedzę o wartościach przesyłanego sygnału, to zdarzenia - odbiór sygnałuA są zdarzeniami pewnymi, dla których prawdopodobieństwa są równe 1. Takiesygnały nie niosą żadnej informacji. Informacja jest związana tylko z takimisygnałami, które dla odbiorcy są losowe. Pomimo tego, znaczna część wykladubędzie dyskutować sygnały deterministyczne i badać ich przetwarzanie. Powodemtego jest fakt, że sygnały takie matematycznie rzecz biorąc są prostszymiobiektami niż sygnały losowe. Dlatego na przykładzie tych deterministycznychsygnałów, których naturę i własności matematyczne rozumiemy lepiej niż naturęi własności sygnałów losowych, łatwiej będzie pokazać metody ich reprezentacji,czy też zdefiniować i pokazać działanie metod ich przetwarzania.