відбувається наступним чином. Еталон помножается на амплітуду частотного параметра сигналу. Отриману частоту використовуємо для генерування синуса (блок Sine Wave Function Рис.2.6). На Рис.6.1), 2) Додаток 1. показаний результат.
Шумовий сигнал сформований наступним чином. Замість еталон була взята частота інформаційного сигналу і пророблений той же шлях, що і з корисним сигналом. Рис. 6.1), 2) Додаток 1.
Рис. 2.6 Еталонні сигнали. Формування корисного і шумового сигналу
Наступний блок затримки сигналу Transport Delay утримує сигнал на час накопичення частотного відхилення. Далі цей сигнал надходить на Switch3 і 4 (Рис.2.7.), Де вони пропускаються в залежності від значення частотного відхилення. Рис.7.1), 2). Додаток 1.
Рис.2.7 Затримка корисного і шумового сигналу
3.7 Блок запису і відновлення інформації (асоціативне мислення)
Для наочності ми розглянемо асоціативне мислення окремо від рівня розуму (референції). Ми маємо дві складові сигналу: корисну і шумову (Рис.7. Додаток 1). Далі ці сигнали необхідно занести в пам'ять, попередньо отримавши їх кореляційну функцію. Ця операція виконується блоками Correlation і Transport Dalay2 (Рис.2.8.). Роль пам'яті грає затримка. Час затримки визначається часом, коли нам потрібно згадати сигнал. Ми встановили цей час на 18мс (Рис.8. А. Додаток 1). У призначений час на вхід детектора надходить шумовий сигнал, схожий з запомненним, за яким ми повинні відновити корисний сигнал. Але для початку відновлюється шумовий сигнал, який містився в кореляційної функції, якщо вхідний шумовий сигнал трохи відрізняється. Це можна зробити різними способами. Ми спростили все до затримки шумового сигналу на призначений час. Крім того, так як цей сигнал в інтегральному перетворенні буде використаний як дільник, необхідно замінити нульові значення на одиничні. Результат Рис.8. б. Додаток 1.
Тепер, коли є все необхідне для інтегрального перетворення, описаного в кінці глави Розробка моделі пам'яті raquo ;, приступимо до її імітації в програмному середовищі. Відмінність в тому, що Simulink оперує не функціями, а отсчетами. Це спрощує завдання. Зробимо перетворення Фур'є над кореляційної функцією і шумовим сигналом (Рис.8. Г, д. Додаток 1). Змін не відбулося, тому сигнали гармонійні. Далі ми знаходимо відношення ПФ кореляційної функції від ПФ шумового сигналу. У результаті ми маємо ПФ корисного сигналу (Рис.8. Е. Додаток 1). Знаходимо зворотне перетворення. Воно має комплексний вид, і при виведенні на осцилограф програма видає помилку. Тому виводимо реальну частину (Рис.8. В). Уявна частина дорівнює 0.
Рис.2.8 Блок запису і відновлення інформації
Для оцінки отриманого сигналу потрібно знайти ЗСШ. За сигнал візьмемо відновлений сигнал. За шум візьмемо відхилення відновленого сигналу від вхідного ЧТ-сигналу. (Рис.9. Додаток 1)
3.8 Загальна схема
Поєднавши всі рівні, маємо наступну модель.
Новизна даної моделі полягає у веденні алгоритму асоціативного мислення, тобто блоку Записи і відновлення інформації. На Рис.2.9 цей блок виділений червоним контуром.
Рис.2.9 Загальна схема. Частини схеми виділені кольором відповідають рівням і алгоритмам сприйняття
Рис.2.10. Один з двох аналогічних блоків Індикації.
4. Проведення комп'ютерного експерименту
4.1 Дослідження імітаційної моделі для ЧТ-сигналу
Для тестування моделі ми додатково провели кілька експериментів.
. Візьмемо ЧТ-сигнал з параметрами:
Інформаційна складова: меандр з частотою 0.5кГц і а=1 - блок Pulse Generator.
Далі кодовий сигнал йде в модулятор - Modulator M-FSK Baseband. У вікні його параметрів задаємо M=4, Fsep=6 - частота девіації, режим з безперервною фазою (Continious), число відліків на символ 1. Модулятор формує вихідний сигнал з частотою, рівною Fsep * (MK), K - значення кодового слова, K =log 2 ( M ).
Обмежимо час сигналу до t=7мс.
Рис. 2.11. Cхема генератора вхідного ЧТ-сигналу
Рис. 2.12. Графік меандру та сформованого ЧТ-сигналу (1-3кГц, 0-9кГц)
Рис. 2.16. Оцінка результатів
На малюнку 2.16. Ми бачимо, що отриманий сигнал має значні відхилення.
Не дивляч...
