Размещено на http://www.allbest.ru/

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ

РОССИЙСКОЙ ФЕДЕРАЦИИ

ФИЛИАЛ НАЦИОНАЛЬНОГО ИССЛЕДОВАТЕЛЬСКОГО ТЕХНОЛОГИЧЕСКОГО УНИВЕРСИТЕТА "МИСиС" В г. ДУШАНБЕ

Кафедра информационных технологий и автоматизации

Курсовая работа

по дисциплине: «Теория информации»

на тему: «Закон больших чисел. Языки с вероятностными ограничениями»

Выполнил: студент 2 курса направления 090301 кафедры «ИТА»

Шарифзода Азамат

Принял: ст. преподаватель кафедры «ИТА» Мухаммадиев С.

Душанбе

2020

Оглавление

• Введение
• Задание №1
• Задание №2
• Задание №3
• Задание №4
• Задание №5
• Задание №6
• Задание №7
• Задание №8
• Задание №9
• Задание №10
• Задание №11
• Задание №12.
• Задание №13
• Задание №14
• Заключение
• Список использованных источников

Введение

Теория информации является одним из курсов при подготовке инженеров, специализирующихся в области автоматизированных систем управления и обработки информации. Функционирование таких систем существенным образом связано с получением, подготовкой, передачей, хранением и обработкой информации, поскольку без осуществления этих этапов невозможно принять правильное решение и осуществить требуемое управляющее воздействие, которое является конечной целью функционирования любой системы. Возникновение теории информации связывают обычно с появлением фундаментальной работы американского ученого К. Шеннона «Математическая теория связи» (1948). Однако в теорию информации органически вошли и результаты, полученные другими учеными. Например, Р. Хартли, впервые предложил количественную меру информации (1928), акад. В. А. Котельников, сформулировал важнейшую теорему о возможности представления непрерывной функции совокупностью ее значений в отдельных точках отсчета (1933) и разработал оптимальные методы приема сигналов на фоне помех (1946). Акад. А. Н. Колмогоров, внес огромный вклад в статистическую теорию колебаний, являющуюся математической основой теории информации (1941). В последующие годы теория информации получила дальнейшее развитие в трудах советских ученых (А. Н. Колмогорова, А. Я. Хинчина, В. И. Сифорова, Р. Л. Добрушина, М. С. Пинскера, А. Н. Железнова, Л. М. Финка и др.), а также ряда зарубежных ученых (В. Макмиллана, А. Файнстейна, Д. Габора, Р. М. Фано, Ф. М. Вудворта, С. Гольдмана, Л. Бриллюэна и др.).

К теории информации, в ее узкой классической постановке, относят результаты решения ряда фундаментальных теоретических вопросов. Это в первую очередь: анализ вопросов оценки «количества информации»; анализ информационных характеристик источников сообщений и каналов связи и обоснование принципиальной возможности кодирования и декодирования сообщений, обеспечивающих предельно допустимую скорость передачи сообщений по каналу связи, как при отсутствии, так и при наличии помех.

Задание №1

Рассчитать вероятности появления последовательностей из 5,25 и 100 символов при условии, что алфавит состоит из символов A,B и C. Вероятности появления символов равны следующим значениям: pa, pb, pc. Отобразить на одном графике полученные зависимости в нормированных координатах:

Где N=5,25 и 100. График должен иметь заголовок, подписи к осям, легенду. Кривые должны иметь цветовую индикацию в соответствии с символами A, B и C, различные маркеры для каждого из значений N. В качестве выводов к заданию требуется привести обоснование, почему при изменении длины последовательности меняется вид кривых; как измениться вид кривых при .

function [NA,PA,NB,PB,NC,PC]=Laboratornaya_1(N,pa,pb,pc)

k=1;

for na=0:N

for nb=0:(N-na)

nc=N-(na+nb)

nn=factorial(N)/(factorial(na)*factorial(nb)*factorial(nc));

p=pa^na*pb^nb*pc^nc;

p=p*nn;

m(k,1)=na;

m(k,2)=nb;

m(k,3)=nc;

m(k,4)=p;

k=k+1;

end

end

for z = 0: N

NA (z+1) = z;

PA (z+1) = 0;

NB (z+1) = z;

PB (z+1) = 0;

NC (z+1) = z;

PC (z+1) = 0;

for k=1: size (m,1)

if m (k,1) == z

PA (z+1) = PA(z+1) + m(k,4);

elseif m (k,2) ==z

PB (z+1) = PB (z+1) + m (k,4);

elseif m (k,3) ==z

PC (z+1) = PC (z+1) + m (k,4);

end

end

end

Задание №2

Требуется провести обработку 2 текстовых фрагментов, представленных в файлах text_1.txt, text_2.txt, являющихся отрывками одного и того же произведения. Определить частоту повторения символов в текстах. Программный код обработки должен быть записан и сохранен в виде M-функции, входным аргументом которой является переменная, содержащая путь к обрабатываемому файлу. Выходными аргументами являются общее число символов в обрабатываемом тексте и словарь символов, содержащий в качестве числовой характеристики при ключе количество появлений символа. Графически в виде столбиковой диаграммы отобразить для каждого из текстов частоту появления следующих символов языка:а,в,и,л,н,о,р,с,т,пробел. График должен иметь подписи к осям, легенду. По оси абсцисс в качестве подписи должны быть отображены символы, для которых отложена частота их появления. В качестве выводов необходимо пояснить, почему различаются частоты появления русского языка в обработанных текстах.

Рисунок 1. Пример результирующего графика к заданию 1

function [dict,nsym]= Laboratornaya_2(FName)

dic=containers.Map

fid=fopen(FName);

nsym=0;

while ~feof(fid)

tline=fgetl(fid);

tlsize=size(tline);

nsym=nsym+tlsize(2);

for i=1:tlsize(2)

if isKey(dic,lower(tline(i)))==0

dic(lower(tline(i)))=0;

end

dic(lower(tline(i)))=dic(lower(tline(i)))+1;

end

end

close(fid);

end

Дискретизация и восстановление непрерывного сигнала. Теорема Котельникова

Задание №3

Непрерывный сигнал на интервале от -0.4 до 0.4 дискретизируется с шагом , в результате чего получается последовательность . Определить шаг дискретизации, согласуемый с условиями задания. Провести дискретизацию и восстановление сигнала с рассчитанным шагом, с шагом, уменьшенным/увеличенным в два раза. Построить графики и спектры исходного и дискретизированного сигналов. Отобразить все три случая графически (в одном графическом окне поместить график сигнала и график его спектра-всего потребуется построить три графических окна). Добавить заголовок к графикам, подписи к осям, легенду. Сделать выводы, что происходит с восстановленным сигналом и его спектром при изменении требуемого в соответствии с теоремой Котельникова шага дискретизации.

dt=1/250;

td=-0.4:dt:0.4;

yr=sin(20*pi*td)+cos(40*pi*td);

t=-0.4:dt/10:0.4;

logic=ismember(t,td);

for i=1:size(t,2)

if logic(i)==0

yv(i)=0;

for j=1:size(td,2)

yv(i)=yv(i)+yr(j)*sin(250*pi*(t(1,i)-td(1,j)))/(250*pi*(t(1,i)-t(1,j)));

end

else

for j=1:size(td,2)

if t(i)==td(j)

yv(i)=yr(j);

end

end

end

subplot(2,1,1)

plot(t,sin(20*pi*t)+cos(40*pi*t),'r')

hold on

plot(t,yv)

w=fft(sin(20*pi*t)+cos(40*pi*t));

f=(0:length(sin(20*pi*t)+cos(40*pi*t))-1)*99/length(sin(20*pi*t)+cos(40*pi*t));

subplot(2,1,2)

plot(f,abs(w))

hold on

wv=fft(yv);

plot(f,abs(wv))

end

Рисунок 2. Пример исходного и восстановленного сигнала и их спектров при условии что шаг дискретизации выбран в соответствии с теоремой Котельникова

Рисунок 3. Пример исходного и восстановленного сигнала и их спектров при условии что шаг дискретизации выбран в два раза больше, чем требуется в соответствии с теоремой Котельникова

Задание №4

Сгенерировать одиночные импульсы на интервале от -0.3 до 0.3 при условии, что амплитуда импульсов равна А=1, длительность импульсов равна . Определить шаг равномерной дискретизации в соответствии с теоремой Котельникова при условии что спектр импульса ограничен частотой . Сформировать значение сигнала в точках отсчёта и провести по ним восстановление сигнала. Отобразить графически исходный и восстановленный сигналы (сформировать два графика в одном окне, добавить заголовок к графикам, подписи к осям, легенду). Сделать выводы, что происходит с восстановленным сигналом и его спектром при изменении требуемого в соответствии с теоремой Котельникова шага дискретизации.

dt=1/250;

td=-0.3:dt:0.3;

yr=sin(20*pi*td)+cos(40*pi*td);

t=-0.3:dt/10:0.3;

logic=ismember(t,td);

for i=1:size(t,2)

if logic(i)==0

yv(i)=0;

for j=1:size(td,2)

yv(i)=yv(i)+yr(j)*sin(250*pi*(t(1,i)-td(1,j)))/(250*pi*(t(1,i)-t(1,j)));

end

else

for j=1:size(td,2)

if t(i)==td(j)

yv(i)=yr(j);

end

end

end

subplot(2,1,1)

plot(t,sin(20*pi*t)+cos(40*pi*t),'r')

hold on

plot(t,yv)

w=fft(sin(20*pi*t)+cos(40*pi*t));

f=(0:length(sin(20*pi*t)+cos(40*pi*t))-1)*99/length(sin(20*pi*t)+cos(40*pi*t));

subplot(2,1,2)

plot(f,abs(w))

hold on

wv=fft(yv);

plot(f,abs(wv))

end

Рисунок 4. Пример работы 2

Дискретизация сигнала по критерию наибольшего отклонения. Адаптивная дискретизация. Квантование сигнала по уровню

Задание №5

Для сигнала вида провести дискретизацию на отрезке по критерию наибольшего отклонения () с использованием интерполяционного многочлена Лагранжа нулевого и первого порядков. При восстановлении сигнала использовать шаг по времени в 5 раз меньший шага дискретизации сигнала. Отобразить в одном графическом окне четыре графика: а, б- исходный и восстановленный сигналы при использовании многочлена нулевого порядка на всем исследуемом интервале и на ссуженном интервале ; в, г- исходный и восстановленный сигналы при использовании многочлена первого порядка на всем исследуемом интервале и на ссуженном интервале.

Рисунок 5. Пример дискретизации и восстановления сигналов с использованием полиномов Лагранжа

function [tv0,gv0,tv1,gv1,gsg,l]=Laboratornaya_4(A1,f1,fi1,A2,f2,fi2,eps)

syms ts

gs=A1*sin(pi*f1*ts+fi1)+A2*cos(pi*f2*ts+fi2);

dif1gs=diff(gs,ts,1);

dif2gs=diff(gs,ts,2);

l=0:0.0001:1;

gsg=subs(gs,ts,1);

m1=max(subs(dif1gs,ts,1));

m2=max(subs(dif2gs,ts,1));

dt0=eps/m1;

dt1=sqrt(8*eps/m2);

tdis0=0:dt0:1;

dg0=subs(gs,ts,tdis0);

tdis1=0:dt1:1;

dg1=subs(gs,ts,tdis1);

k=1;

for i=1:(length(tdis0)-1)

tv0(k)=tdis0(i);

gv0(k)=dg0(i+1);

for j=l:4

k=k+1;

tdis0p=tdis0(i)+j*dt0/5;

tv0(k)=tdis0p;

gv0(k)=dg0(i+1);

end

k=k+1;

end

k=1;

for i=1:(length(tdis1)-1)

tv1(k)=tdis1(i);

gv1(k)=dg1(i);

for j=l:4

k=k+1;

tdis1p=tdis1(i)+j*dt1/5;

tv1(k)=tdis1p;

gv1(k)=(tdis1p-tdis1(i+1))/(tdis1(i)-tdis1(i+1))*dg1(i)+(tdis1p-tdis1(i))/(tdis1(i+1)-tdis1(i))*dg1(i+1);

end

k=k+1;

end

Задание №6

Для того же сигнала на том же отрезке по времени провести дискретизацию по критерию наибольшего отклонения () с использованием экстраполирующего многочлена Тейлора нулевого и первого порядков. Условия для восстановления сигнала и требования к отображению графической информации взять из задания 1.

function [tv0,gv0,tv1,gv1,gsg,l]=Laboratornaya_4(A1,f1,fi1,A2,f2,fi2,eps)

syms ts

gs=A1*sin(pi*f1*ts+fi1)+A2*cos(pi*f2*ts+fi2);

dif1gs=diff(gs,ts,1);

dif2gs=diff(gs,ts,2);

l=0:0.0001:1;

gsg=subs(gs,ts,1);

m1=max(subs(dif1gs,ts,1));

m2=max(subs(dif2gs,ts,1));

dt0=sqrt(eps/m1);

dt1=sqrt(2*eps/m2);

tdis0=0:dt0:1;

dg0=subs(gs,ts,tdis0);

tdis1=0:dt1:1;

dg1=subs(gs,ts,tdis1);

k=1;

for i=1:(length(tdis0)-1)

tv0(k)=tdis0(i);

gv0(k)=dg0(i+1);

for j=l:4

k=k+1;

tdis0p=tdis0(i)+j*dt0/5;

tv0(k)=tdis0p;

gv0(k)=dg0(i+1);

end

k=k+1;

end

k=1;

for i=1:(length(tdis1)-1)

tv1(k)=tdis1(i);

gv1(k)=dg1(i);

for j=l:4

k=k+1;

tdis1p=tdis1(i)+j*dt1/5;

tv1(k)=tdis1p;

gv1(k)=(tdis1p-tdis1(i+1))/(tdis1(i)-tdis1(i+1))*dg1(i)+(tdis1p-tdis1(i))/(tdis1(i+1)-tdis1(i))*dg1(i+1);

end

k=k+1;

end



Рисунок 6. Пример дискретизации и восстановления сигналов с помощью полиномов Тейлора

Задание №7

Для сигнала из задания 1 на том же отрезке по времени провести адаптивную дискретизацию с использованием степенного полинома нулевого и первой степеней. При выполнении задания использовать шаг, по времени равный 0.001 с. Провести восстановление сигнала. Требования к отображению графической информации взять из задания 1.

function [td0,gd0,td1,gd1,tv0,gv0,tv1,gv1]=Laboratornaya_5(A1,f1,fi1,A2,f2,fi2,eps)

syms ts

gs=A1*sin(2*pi*f1*ts+fi1)+A2*cos(2*pi*f2*ts+fi2);

dif1gs=diff(gs,ts);

t=0:0.01:1

k=1;

td1(k)=t(k);

gd1(k)=subs(gs,ts,td1(k));

for i=2:length(t)

g=subs(gs,ts,t(i));

if eps<=abs(g-gd1(k)-subs(dif1gs,ts,td1(k))*(t(i)-td1(k)))

td1(k+1)=t(i);

gd1(k+1)=g;

k=k+1;

end

end

k=1;

for i=1:length(td1)-1

tv1(k)=td1(i);

gv1(k)=gd1(i);

while tv1(k)<td1(i+1)

gv1(k)=gd1(i)+subs(dif1gs,gs,ts,td1(i))*(tv1(k)-td1(i));

tv1(k+1)=tv1(k)+0.001;

k=k+1;

end

end

gv1(k)=gd1(length(td1)-1)+subs(dif1gs,ts,td1(length(td1)-1))*(tv1(k)-td1(length(td1)-1));

end

Рисунок 7. Пример адаптивной дискретизации с использованием степенного полинома первой степени

Задание №8

Провести квантование сигнала по уровню, используя верхнее значение для уровня, при условии, что всего 5 уровней. Отобразить исходный и квантовый сигналы графически.

function [t,g,dq,gq,deltaq]=Laboratornaya_6(A1,f1,fi1,A2,f2,fi2,n)

syms ts

gs=A1*sin(pi*f1*ts+fi1)+A2*cos(pi*f2*ts+fi2);

t=0:0.01:2

g=subs(gs,ts,t);

deltaq=(max(g)-min(g))/n;

for i=1:n

dq(i)=min(g)+i*deltaq;

end

dq(n)=max(g);

for i=1:length(t)

j=2;

while j<=n

if g(i)<=dq(1)

gq(i)=dq(1);

elseif and (g(i)<=dq(j),g(i)>dq(j-1))

gq(i)=dq(j);

end

j=j+1;

end

end

end



Рисунок 8. Исходный и квантованный сигналы

Фильтрация сигнала

Задание №9

закон число вероятность дискретизация

Смоделировать с помощью программы MatLab сложный сигнал следующего вида: , где -сигнал вида , где ; - пилообразный импульс амплитуду , симметричность которого задается аргументом width = 0.5; g(t)- белый Гауссовский шум с коэффициентом понижения/усиления и мощностью p = 0. С помощью фильтров Чебышева порядка с интенсивностью пульсации и частотой среза и инверсионного фильтра Чебышева порядка с интенсивностью пульсации и частотой среза выделить из сложного сигнала пилообразный, отфильтровав синусоидальную составляющую и белый Гауссовский шум.

t=0:0.1:25;

y=0.5*sin(25*t);

x=4*sawtooth(t,0.5);

d=0.1*wgn(1,251,0);

plot(t,x,t,y,t,d),grid

xlabel('Vremya');

ylabel('Amplituda');

s=x+y+d;

figure

plot(t,s),grid;

xlabel('Vremya');

ylabel('Amplituda');

[b,a]=cheby1(6,0.06,0.3);

[b1,a1]=cheby2(9,35,0.3);

Fs=100;

[H,w]=freqz(b,a,512);

[H1,w]=freqz(b1,a1,512);

figure

plot(w*Fs/(2*pi),abs(H),w*Fs/(2*pi),abs(H1)),grid;

xlabel('Chastota(Hz)');

ylabel('Amplituda');

legend({'ACHH filtra Chebisheva','ACHH inversnogo filtra Chebisheva'});

sf=filter(b,a,s);

sf1=filter(b1,a1,s);

S=fft(s,512);

SF=fft(sf,512);

SF1=fft(sf1,512);

w=(0:255)/256*(Fs/2);

figure

subplot(2,1,1)

plot(w,abs([S(1:256)' SF(1:256)'])),grid;

xlabel('Chastota(Hz)');

ylabel('Znacheniya preobrazovanie Furye');

legend({'Vhodnoy signal','Signal posle filtra Chebisheva'});

hold on

subplot(2,1,2)

plot(w,abs([S(1:256)' SF1(1:256)'])),grid;

xlabel('Chastota(Hz)');

ylabel('Znacheniya preobrazovanie Furye');

legend({'Vhodnoy signal','Signal posle inversionnogo filtra Chebisheva'});

figure

plot(w,abs([SF(1:256)' SF1(1:256)'])),grid;

xlabel('Chastota(Hz)');

ylabel('Znacheniya preobrazovanie Furye');

legend({'Filtr 1','Filtr 2'});

figure

plot(t,s,t,sf,t,sf1)

legend({'Ishodniy signal','Signal posle filtra Chebisheva','Signal posle inversnogo filtra Chebisheva'});

Рисунок 9. Отдельные составляющие сложного сигнала



Рисунок 10. Сложный сигнал

Рисунок 11. АЧХ фильтров

Рисунок 12. АЧХ исходного сигнала и сигнала после разных фильтров

Рисунок 13. АЧХ исходного сигнала



Рисунок 14. Сигнал до и после пропускания через фильтры

Задание №10

Для сигнала из задания 1 применить фильтр Баттерворта порядка частотой среза и диапазоном полосы запирания , установив характеристики, соответствующие фильтру нижних частот (НЧ), верхних частот (ВЧ) и запирающему фильтру. Построить график, содержащий АЧХ для трёх рассмотренных вариантов. В новом графическом окне отобразить четыре отдельных графика: 1- исходный сигнал, 2 - сигнал после фильтра НЧ, 3 - сигнал после фильтра ВЧ, 4 - сигнал после запирающего фильтра. Сделать выводы.

t=0:0.1:25;

y=0.5*sin(25*t);

x=4*sawtooth(t,0.5);

d=0.1*wgn(1,251,0);

s=y+x+d;

[bb,ab]=butter(4,0.5);

[bb1,ab1]=butter(4,0.5,'high');

[bb2,ab2]=butter(4,[0.4 0.6],'stop');

Fs=100;

[Hb,w]=freqz(bb,ab,512);

[Hb1,w]=freqz(bb1,ab1,512);

[Hb2,w]=freqz(bb2,ab2,512);

plot(w*Fs/(2*pi),abs(Hb),w*Fs/(2*pi),abs(Hb1),w*Fs/(2*pi),abs(Hb2)),gri;

xlabel('Chastota(Hz)');

ylabel('Amplituda');

legend({'ACHH filtra NCH Battervorha','ACHH filtra VCH Battervorha','ACHH zapirayushego filtra Battervorha'});

sfb=filter(bb,ab,s);

sfb1=filter(bb1,ab1,s);

sfb2=filter(bb2,ab2,s);

figure

subplot(2,2,1)

plot(t,s)

legend('Ishodniy signal')

hold on

subplot(2,2,2)

plot(t,sfb)

legend('Signal posle filtra NCH Battervorha')

subplot(2,2,3)

plot(t,sfb1)

legend('Signal posle filtra VCH Battervorha')

subplot(2,2,4)

plot(t,sfb2)

legend('Signal posle zapirayushego filtra Battervorha')



Рисунок 15. Амплитудно-частотные характеристики фильтров

Рисунок 16. Сигнал до и после пропускания через фильтр

Задание №11

Провести амплитудную модуляцию (АМ) сигнала вида . В качестве несущей выбрать сигнал . f=2, ,. Длительность сигнала принять равной 2 с.

По результатам работы требуется построить следующие графики: 1) В одном графическом окне отобразить графики исходного сигнала, три графика модулированного сигнала при условии, что проводилась двухполостная аналоговая модуляция с добавленной несущей однополостная боковая (ОБП) `модуляция.

2) Во втором графическом окне построить графики спектра модулированных сигналов (для трёх сигналов), масштабированные в области существования полос.

fs=1000;

t=0:1/fs:2;

F=2;

fc=20;

a=sin(2*pi*F*t);

s=sin(2*pi*fc*t);

s1=modulate(a,fc,fs,'amdsb-tc');

s2=modulate(a,fc,fs,'amdsb-sc');

s3=modulate(a,fc,fs,'amssb');

subplot(5,1,1);

title('Moduliruyushiy signal');

hold on;

plot(t,a);

grid on;

subplot(5,1,2);

title('Nesushaya')

hold on;

plot(t,s)

grid on;

subplot(5,1,3);

title('Modulirovanniy signal, AM dvupolosnaya s dobavlennoy nesushoi');

hold on;

plot(t,s1)

grid on;

subplot(5,1,4);

title('Modulirovanniy signal, AM dvupolosnaya s podavlennoy nesushoi');

hold on;

plot(t,s2)

grid on;

subplot(5,1,5);

title('Modulirovanniy signal,AM OBP');

hold on;

plot(t,s3)

grid on;

Nn=20;

Nk=60;

f=(Nn:Nk)/length(t)*fs;

spec_s1=fft(s1);

spec_s2=fft(s2);

spec_s3=fft(s3);

figure

subplot(1,3,1)

stem(abs(spec_s1(Nn:Nk+1)))

title('Spektr modulirovannogo signala 1');

subplot(1,3,2)

stem(abs(spec_s2(Nn:Nk+1)))

title('Spektr modulirovannogo signala 2');

subplot(1,3,3)

stem(abs(spec_s3(Nn:Nk+1)))

title('Spektr modulirovannogo signala 3');



Рисунок 17. Исходный и модулированный при различных условиях сигналы

Рисунок 18. Спектры модулированных сигналов

Задание №12

Провести частотную и фазовую модуляцию сигнала вида . В качестве несущей выбрать сигнал . f = 2, , . Длительность сигнала принять равной 2 с. Параметры opt подобрать таким образом, чтобы количество боковых частот равнялось 1. Требования к графикам взять из задания 1.

fs=2000;

t=0:1/fs:2;

F=2;

fc=20;

a=sin(2*pi*F*t);

s=sin(2*pi*fc*t);

s1=modulate(a,fc,fs,'amdsb-tc');

s2=modulate(a,fc,fs,'amdsb-sc');

s3=modulate(a,fc,fs,'amssb');

subplot(5,1,1);

title('Moduliruyushiy signal');

hold on;

plot(t,a);

grid on;

subplot(5,1,2);

title('Nesushaya')

hold on;

plot(t,s)

grid on;

subplot(5,1,3);

title('Modulirovanniy signal, AM dvupolosnaya s dobavlennoy nesushoi');

hold on;

plot(t,s1)

grid on;

subplot(5,1,4);

title('Modulirovanniy signal, AM dvupolosnaya s podavlennoy nesushoi');

hold on;

plot(t,s2)

grid on;

subplot(5,1,5);

title('Modulirovanniy signal,AM OBP');

hold on;

plot(t,s3)

grid on;

Nn=20;

Nk=60;

f=(Nn:Nk)/length(t)*fs;

spec_s1=fft(s1);

spec_s2=fft(s2);

spec_s3=fft(s3); figure

subplot(1,3,1)

stem(abs(spec_s1(Nn:Nk+1)))

title('Spektr modulirovannogo signala 1');

subplot(1,3,2)

stem(abs(spec_s2(Nn:Nk+1)))

title('Spektr modulirovannogo signala 2');

subplot(1,3,3)

stem(abs(spec_s3(Nn:Nk+1)))

title('Spektr modulirovannogo signala 3');

Рисунок 19. Исходный и модулированный при различных условиях сигналы



Рисунок 20. Спектры модулированных сигналов

Задание №13

Провести квадратурную модуляцию сигналов вида , . В качестве несущей выбрать сигнал . ,,, . Длительность сигнала принять равной 3 с. Провести демодуляцию полученного сигнала. Отобразить в одном графическом окне графики исходных сигналов, несущей, модулированного сигнала и демодулированных сигналов. Подписать все графики, их оси.

fs=500;

t=0:1/fs:3;

F1=1;

F2=2;

fc=10;

a1=sin(2*pi*F1*t);

a2=sin(2*pi*F2*t);

s=sin(2*pi*fc*t);

s1=modulate(a1,fc,fs,'amdsb-tc');

s2=modulate(a1,fc,fs,'amdsb-sc');

s3=modulate(a1,fc,fs,'amssb');

s4=modulate(a2,fc,fs,'amdsb-tc');

s5=modulate(a2,fc,fs,'amdsb-sc');

s6=modulate(a2,fc,fs,'amssb');

subplot(5,1,1);

title('Moduliruyushiy signal 1');

hold on;

plot(t,a1);

grid on;

subplot(5,1,2);

title('Moduliruyushiy signal 2');

hold on;

plot(t,a2);

grid on;

subplot(5,1,3);

hold on;

plot(t,s);

grid on;

subplot(5,1,4);

hold on;

plot(t,s1);

grid on;

subplot(5,1,5);

hold on;

plot(t,s2);

grid on;

subplot(5,2,1);

title('Modulirovanniy signal,AM OBP');

hold on;

plot(t,s3);

grid on;

subplot(5,2,2);

hold on;

plot(t,s4);

grid on;

subplot(5,2,3);

hold on;

plot(t,s5);

grid on;

subplot(5,2,4);

title('Modulirovanniy signal,AM OBP');

hold on;

plot(t,s6);

grid on;

Nn=20;

Nk=60;

f=(Nn:Nk)/length(t)*fs;

spec_s1=fft(s1);

spec_s2=fft(s2);

spec_s3=fft(s3);

spec_s4=fft(s4);

spec_s5=fft(s5);

spec_s6=fft(s6);

figure

subplot(1,3,1)

stem(abs(spec_s1(Nn:Nk+1)))

title('Spektr modulirovannogo signala 1');

subplot(1,3,2)

stem(abs(spec_s2(Nn:Nk+1)))

title('Spektr modulirovannogo signala 2');

subplot(1,3,3)

stem(abs(spec_s3(Nn:Nk+1)))

title('Spektr modulirovannogo signala 3');

subplot(1,4,1)

stem(abs(spec_s4(Nn:Nk+1)))

title('Spektr modulirovannogo signala 4');

subplot(1,4,2)

stem(abs(spec_s5(Nn:Nk+1)))

title('Spektr modulirovannogo signala 5');

subplot(1,4,3)

stem(abs(spec_s6(Nn:Nk+1)))

title('Spektr modulirovannogo signala 6');

Рисунок 21. Исходный и модулированный при различных условиях сигналы



Рисунок 22. Спектры модулированных сигналов

Задание №14

Провести импульсную модуляцию сигналов вида двух видов: ШИМ и ВИМ. ,,, . Длительность сигнала принять равной 0.4 с. В одном графическом окне отобразить модулирующий и модулированные сигналы, несущей, модулированного сигнала. Подписать все графики, сделать выводы.

fs=20;

t=0:1/fs:0.4;

F=2;

fc=4;

A=0.2;

a=A*sin(2*pi*F*t);

s=sin(2*pi*fc*t);

s1=modulate(a,fc,fs,'amdsb-tc');

s2=modulate(a,fc,fs,'amdsb-sc');

s3=modulate(a,fc,fs,'amssb');

subplot(5,1,1);

title('Moduliruyushiy signal');

hold on;

plot(t,a);

grid on;

subplot(5,1,2);

hold on;

plot(t,s)

grid on;

subplot(5,1,3);

hold on;

plot(t,s1)

grid on;

subplot(5,1,4);

hold on;

plot(t,s2)

grid on;

subplot(5,1,5);

title('Modulirovanniy signal,AM OBP');

hold on;

plot(t,s3)

grid on;

Nn=9;

Nk=9;

f=(Nn:Nk)/length(t)*fs;

spec_s1=fft(s1);

spec_s2=fft(s2);

spec_s3=fft(s3);

figure

subplot(1,3,1)

stem(abs(spec_s1(Nn:Nk)))

title('Spektr modulirovannogo signala 1');

subplot(1,3,2)

stem(abs(spec_s2(Nn:Nk)))

title('Spektr modulirovannogo signala 2');

subplot(1,3,3)

stem(abs(spec_s3(Nn:Nk)))

title('Spektr modulirovannogo signala 3');

Рисунок 23. Исходный и модулированный при различных условиях сигналы

Рисунок 26. Спектры модулированных сигналов

Заключение

Стремление зафиксировать, сохранить надолго свое восприятие информации было всегда свойственно человеку. Мозг человека хранит множество информации, и использует для хранения ее свои способы. Человек всегда стремился иметь возможность поделиться своей информацией с другими людьми и найти надежные средства для ее передачи и долговременного хранения. Для этого в настоящее время изобретено множество способов хранения информации на внешних (относительно мозга человека) носителях и ее передачи на огромные расстояния.

Особым видом информации в настоящее время можно считать информацию, представленную в глобальной сети Интернет. Здесь используются особые приемы хранения, обработки, поиска и передачи распределенной информации больших объемов и особые способы работы с различными видами информации. Постоянно совершенствуется программное обеспечение, обеспечивающее коллективную работу с информацией всех видов.

В процессе разработки данных программных продуктов, поставленные цели были достигнуты.

Были выполнены следующие задачи:

1. Изучены общие положения теории информации.

2. Найдены и протестированы программы, реализующие выбранные задачи для их реализации на разных языках программирования.

3. Изучены алгоритмы программ.

В ходе курсовой работы были изучены некоторые аспекты программирования на языке Turbo Pascal, Excel(VBA). При оформлении курсовой работы были получены навыки оформления программной документации в соответствии с Единой Системой Программной Документации, а также большой практический опыт работы в Turbo Pascal7.0, Matlab6.5, MO Excel, MicrosoftWord 97. Теоретические сведения были закреплены практическими занятиями.

Список использованных источников

1) Информатика. Энциклопедический словарь для начинающих. / Под ред. Поспелова Д.А., М.: Педагогика-Пресс, 2017. - 352 с.;

2) Казиев В.М. Информатика (в 3-х частях)., Нальчик, 2017. - 324 с.;

3) Колин, К. Информационная глобализация общества и гуманитарная революция / К. Колин // Alma Mater. - 2020. - № 8. - С. 32-34.;

4) Колмогоров А.Н. Теория информации и теория алгоритмов. - М.: Наука, 2016., 303 с.;

5) Кузнецов В.А., Ялунина Г.В. Основы метрологии - М.: Издательство стандартов, 2015 - 280 с.

6) Мазур М. Качественная теория информации., М.: Мир, 2014. - 240 с.;

7) Меняев, М.Ф. Информатика и основы программирования / М.Ф. Меняев. - М.: Омега-Л, 2017. - 458 с.;

8) Острейковский, В.А., Полякова, И.В. Информатика. Теория и практика / В.А. Острейковский, И.В. Полякова. - М.: Оникс, 2018. - 608 с.;

9) Радкевич Я.М., Лактионов Б.И. Метрология, стандартизация и взаимозаменяемость. - М.: Издательство Государственного горного университета, 2016 - 212 с.

10) Румянцева, Е.Л., Слюсарь, В.В. Информационные технологии / Е.Л. Румянцева, В.В. Слюсарь., М.: Инфра-М, 2017. - 256 с.;

11) Сергеев А.Г. Метрология - М.: Логос, 2015 г. - 272 с.

12) Степанов, А.Н. Информатика / А.Н. Степанов. СПб.: Питер, 2016. - 684 с..

Размещено на Allbest.ru

...