【畢業(yè)設(shè)計】音頻信號數(shù)字處理系統(tǒng)的設(shè)計與實現(xiàn)外文文獻及翻譯

畢業(yè)設(shè)計（論文）外文文獻譯文及原文學生魏江紅學號20110311107專業(yè)電子信息工程指導教師馬令坤陜西科技大學職業(yè)教育師范學院2015年6月2日數(shù)字信號處理一、導論數(shù)字信號處理（DSP）是由一系列的數(shù)字或符號來表示這些信號的處理的過程的。數(shù)字信號處理與模擬信號處理屬于信號處理領(lǐng)域。DSP包括子域的音頻和語音信號處理，雷達和聲納信號處理，傳感器陣列處理，譜估計，統(tǒng)計信號處理，數(shù)字圖像處理，通信信號處理，生物醫(yī)學信號處理，地震數(shù)據(jù)處理等。由于DSP的目標通常是對連續(xù)的真實世界的模擬信號進行測量或濾波，第一步通常是通過使用一個模擬到數(shù)字的轉(zhuǎn)換器將信號從模擬信號轉(zhuǎn)化到數(shù)字信號。通常，所需的輸出信號卻是一個模擬輸出信號，因此這就需要一個數(shù)字到模擬的轉(zhuǎn)換器。即使這個過程比模擬處理更復雜的和而且具有離散值，由于數(shù)字信號處理的錯誤檢測和校正不易受噪聲影響，它的穩(wěn)定性使得它優(yōu)于許多模擬信號處理的應(yīng)用（雖然不是全部）。DSP算法一直是運行在標準的計算機，被稱為數(shù)字信號處理器（DSP）的專用處理器或在專用硬件如特殊應(yīng)用集成電路（ASIC）。目前有用于數(shù)字信號處理的附加技術(shù)包括更強大的通用微處理器，現(xiàn)場可編程門陣列（FPGA），數(shù)字信號控制器（大多為工業(yè)應(yīng)用，如電機控制）和流處理器和其他相關(guān)技術(shù)。在數(shù)字信號處理過程中，工程師通常研究數(shù)字信號的以下領(lǐng)域時間域（一維信號），空間域（多維信號），頻率域，域和小波域的自相關(guān)。他們選擇在哪個領(lǐng)域過程中的一個信號，做一個明智的猜測（或通過嘗試不同的可能性）作為該域的最佳代表的信號的本質(zhì)特征。從測量裝置對樣品序列產(chǎn)生一個時間或空間域表示，而離散傅立葉變換產(chǎn)生的頻譜的頻率域信息。自相關(guān)的定義是互相關(guān)的信號本身在不同時間間隔的時間或空間的相關(guān)情況。二、信號采樣隨著計算機的應(yīng)用越來越多地使用，數(shù)字信號處理的需要也增加了。為了在計算機上使用一個模擬信號的計算機，它上面必須使用模擬到數(shù)字的轉(zhuǎn)換器（ADC）使其數(shù)字化。采樣通常分兩階段進行，離散化和量化。在離散化階段，信號的空間被劃分成等價類和量化是通過一組有限的具有代表性的信號值來代替信號近似值。奈奎斯特香農(nóng)采樣定理指出，如果樣本的取樣頻率大于兩倍的信號的最高頻率，一個信號可以準確地重建它的樣本。在實踐中，采樣頻率往往大大超過所需的帶寬的兩倍。數(shù)字模擬轉(zhuǎn)換器（DAC）用于將數(shù)字信號轉(zhuǎn)化到模擬信號。數(shù)字計算機的使用是數(shù)字控制系統(tǒng)中的一個關(guān)鍵因素。三、時間域和空間域在時間或空間域中最常見的處理方法是對輸入信號進行一種稱為濾波的操作。濾波通常包括對一些周邊樣本的輸入或輸出信號電流采樣進行一些改造?，F(xiàn)在有各種不同的方法來表征的濾波器，例如一個線性濾波器的輸入樣本的線性變換；其他的過濾器都是“非線性”。線性濾波器滿足疊加條件，即如果一個輸入不同的信號的加權(quán)線性組合，輸出的是一個同樣加權(quán)線性組合所對應(yīng)的輸出信號?！耙蚬睘V波器只使用以前的樣本的輸入或輸出信號；而“非因果”濾波器使用未來的輸入樣本。一個非因果濾波器通?？梢酝ㄟ^增加一個延遲將它變成了一個因果濾波器?！皶r間不變”濾波器隨著時間的推移性具有穩(wěn)定特性；其他濾波器如隨時間變化的自適應(yīng)濾波器。一些濾波器是“穩(wěn)定”的，別的是“不穩(wěn)定的”。一個穩(wěn)定的濾波器產(chǎn)生的輸出信號隨時間收斂于一個恒定值，或在一個有限的時間間隔內(nèi)是有界的。一種不穩(wěn)定的濾波器可以產(chǎn)生一個沒有增長界限的輸出，甚至零輸入有界?！坝邢廾}沖響應(yīng)（FIR）”濾波器只使用于輸入信號，而“無限脈沖響應(yīng)濾波器（IIR）”使用于輸入信號和輸出信號之前的樣品。FIR濾波器總是穩(wěn)定的，而IIR濾波器可能是不穩(wěn)定的。大多數(shù)濾波器可以被描述在Z域（頻域的一個超集）的傳遞函數(shù)。如果它是一個FIR濾波器的脈沖響應(yīng)和階躍響應(yīng)，濾波器也可以被描述為一個差分方程，或?qū)α泓c和極點的收集。一個FIR濾波器的輸出是通過對任何給定的輸入與脈沖響應(yīng)的卷積計算得到的。濾波器也可以被用來推導出一個樣品的處理算法的方塊圖利用硬件指令實現(xiàn)濾波器所代表。四、頻域信號通常是通過傅立葉變換將其從時間或空間域轉(zhuǎn)換到頻率域。傅里葉變換將信號轉(zhuǎn)換信息和相位分量級的每個頻率。通常的傅里葉變換轉(zhuǎn)換為功率譜，這是大小的每個頻率分量的平方。在頻域?qū)π盘柗治龅淖畛Ｒ姷挠猛臼切盘柼匦苑治?。工程師可以研究頻譜來確定哪一頻率的存在于輸入信號中。濾波，特別是在非實時的工作也可以被轉(zhuǎn)換到頻域?qū)崿F(xiàn)，應(yīng)用濾波器，然后轉(zhuǎn)換回時域。這是一個快速，O（NLOGN）操作，可以基本上給出任何濾波器的形狀包括磚墻濾波器優(yōu)良的逼近。有一些常用的頻域變換。例如，倒譜轉(zhuǎn)換信號的頻域傅立葉變換，取對數(shù)，然后將另一個傅里葉變換。這強調(diào)的頻率成分的幅度較小而保留的頻率分量的大小順序。頻域分析又稱譜或譜分析。五、信號處理信號通常需要以不同的方式進行處理。例如，從一個傳感器的輸出信號可能被污染的多余電“噪音”。電極連接到一個病人的胸部時，心電圖是測量由心臟和其他肌肉的活動引起的微小的電壓變化。由于電的干擾從電源的強烈影響，信號通常是采用“總管拾取”。處理信號的濾波電路可以消除或至少降低信號的不需要的部分?，F(xiàn)在，越來越多的的情況下，是由DSP技術(shù)來進行信號的濾波以提高信號質(zhì)量或提取重要信息，而不是模擬電子技術(shù)。六、DSP的發(fā)展數(shù)字信號處理的發(fā)展從1960年代的大型數(shù)字計算機的數(shù)字運算應(yīng)用程序的使用快速傅立葉變換（FFT），它允許一個信號的頻譜可以快速計算。這些技術(shù)在當時沒有被廣泛使用，因為合適的計算設(shè)備通常僅在大學及其他科研機構(gòu)可以使用。七、數(shù)字信號處理器（DSP）在20世紀70年代末和20世紀80年代初微處理機的介紹使DSP技術(shù)在更廣泛的范圍內(nèi)得到了使用。然而，通用微處理器如INTELX86的家庭并不適合于DSP的計算密集型的需求，隨著20世紀80年代DSP重要性的增加導致幾個主要的電子產(chǎn)品制造商（如德克薩斯儀器，模擬設(shè)備和摩托羅拉）去開發(fā)數(shù)字信號處理器芯片，專門的微處理器，專門設(shè)計用于在數(shù)字信號處理要求的操作的類型的架構(gòu)。（注意，縮寫DSP數(shù)字信號處理的不同的意思，這個詞用于處理數(shù)字信號，多種技術(shù)或數(shù)字信號處理器，一種特殊類型的微處理器芯片）。像一個通用微處理器，DSP是一種具有其自己的本地指令代碼的可編程器件。DSP芯片是能夠每秒進行數(shù)以百萬計的浮點運算，像他們同類型的更著名的通用器件，更快和更強大的版本正在不斷被引入。DSP也可以嵌入在復雜的“系統(tǒng)芯片”裝置，通常包括模擬和數(shù)字電路。8、數(shù)字信號處理器的應(yīng)用DSP技術(shù)是當今普遍在手機，多媒體計算機，錄像機，CD播放器，硬盤驅(qū)動器和控制器的調(diào)制解調(diào)器等設(shè)備，并將很快在電視和電話業(yè)務(wù)中取代模擬電路。DSP的一個重要的應(yīng)用是信號的壓縮和解壓。信號壓縮用于數(shù)字蜂窩電話，在每一個地方的“單元”讓更多的電話同時被處理。DSP信號壓縮技術(shù)不僅使人們可以相互交談，而且可以通過使用安裝在計算機上的小的攝像機使人們通過顯示器看見對方，而這些只需要將傳統(tǒng)的電話線連接在一起。在音頻CD系統(tǒng)，DSP技術(shù)來執(zhí)行復雜的錯誤檢測和校正原始數(shù)據(jù)，因為它是從光盤讀取。雖然一些潛在的DSP技術(shù)的數(shù)學理論，如傅立葉和希爾伯特變換，數(shù)字濾波器的設(shè)計和信號壓縮，可以相當復雜，而數(shù)值運算所需的實際實現(xiàn)這些技術(shù)是非常簡單的，主要包括操作可以在一個便宜的四功能的計算器上進行操作。一種DSP芯片的結(jié)構(gòu)設(shè)計進行這樣的操作非常快，處理的樣品每秒數(shù)以億計，提供實時的性能即，能夠處理一個實時的信號，因為它是采樣，然后輸出信號的處理，例如揚聲器或視頻顯示。所有的DSP應(yīng)用前面提到的實例，如硬盤驅(qū)動器和移動電話，要求實時操作。主要電子產(chǎn)品制造商已投入巨資在DSP技術(shù)。因為他們現(xiàn)在發(fā)現(xiàn)在大眾市場的產(chǎn)品應(yīng)用中，DSP芯片的電子裝置占有世界市場的很大比例。銷售額每年數(shù)十億美元，并可能繼續(xù)快速增長。DSP主要應(yīng)用的音頻信號處理，音頻壓縮，數(shù)字圖像處理，視頻壓縮，語音處理，語音識別，數(shù)字通信，雷達，聲納，地震，和生物醫(yī)學。具體的例子是在數(shù)字移動電話的語音壓縮與傳輸，空間匹配均衡的音響、擴聲領(lǐng)域，良好的天氣預(yù)測，經(jīng)濟預(yù)測，地震數(shù)據(jù)處理，和工業(yè)過程控制分析，計算機生成的動畫電影中，醫(yī)學影像如CAT掃描和MRI，MP3壓縮，圖像處理，高保真度揚聲器分頻器和均衡，并與電吉他放大器使用的音頻效果。九、數(shù)字信號處理的實驗數(shù)字信號處理是經(jīng)常使用專門的微處理器，如DSP56000，TMS320，或SHARC。這些通常處理數(shù)據(jù)使用定點運算，雖然某些版本可以使用浮點算法和更強大。更快的應(yīng)用FPGA可能從慢啟動流處理器應(yīng)用FREESCALE公司的出現(xiàn)，傳統(tǒng)的較慢的處理器如單片機可能是適當?shù)摹！居⑽脑摹緿IGITALSIGNALPROCESSING1、INTRODUCTIONDIGITALSIGNALPROCESSINGDSPISCONCERNEDWITHTHEREPRESENTATIONOFTHESIGNALSBYASEQUENCEOFNUMBERSORSYMBOLSANDTHEPROCESSINGOFTHESESIGNALSDIGITALSIGNALPROCESSINGANDANALOGSIGNALPROCESSINGARESUBFIELDSOFSIGNALPROCESSINGDSPINCLUDESSUBFIELDSLIKEAUDIOANDSPEECHSIGNALPROCESSING,SONARANDRADARSIGNALPROCESSING,SENSORARRAYPROCESSING,SPECTRALESTIMATION,STATISTICALSIGNALPROCESSING,DIGITALIMAGEPROCESSING,SIGNALPROCESSINGFORCOMMUNICATIONS,BIOMEDICALSIGNALPROCESSING,SEISMICDATAPROCESSING,ETCSINCETHEGOALOFDSPISUSUALLYTOMEASUREORFILTERCONTINUOUSREALWORLDANALOGSIGNALS,THEFIRSTSTEPISUSUALLYTOCONVERTTHESIGNALFROMANANALOGTOADIGITALFORM,BYUSINGANANALOGTODIGITALCONVERTEROFTEN,THEREQUIREDOUTPUTSIGNALISANOTHERANALOGOUTPUTSIGNAL,WHICHREQUIRESADIGITALTOANALOGCONVERTEREVENIFTHISPROCESSISMORECOMPLEXTHANANALOGPROCESSINGANDHASADISCRETEVALUERANGE,THESTABILITYOFDIGITALSIGNALPROCESSINGTHANKSTOERRORDETECTIONANDCORRECTIONANDBEINGLESSVULNERABLETONOISEMAKESITADVANTAGEOUSOVERANALOGSIGNALPROCESSINGFORMANY,THOUGHNOTALL,APPLICATIONSDSPALGORITHMSHAVELONGBEENRUNONSTANDARDCOMPUTERS,ONSPECIALIZEDPROCESSORSCALLEDDIGITALSIGNALPROCESSORSDSPS,ORONPURPOSEBUILTHARDWARESUCHASAPPLICATIONSPECIFICINTEGRATEDCIRCUITASICSTODAYTHEREAREADDITIONALTECHNOLOGIESUSEDFORDIGITALSIGNALPROCESSINGINCLUDINGMOREPOWERFULGENERALPURPOSEMICROPROCESSORS,FIELDPROGRAMMABLEGATEARRAYSFPGAS,DIGITALSIGNALCONTROLLERSMOSTLYFORINDUSTRIALAPPLICATIONSSUCHASMOTORCONTROL,ANDSTREAMPROCESSORS,AMONGOTHERSINDSP,ENGINEERSUSUALLYSTUDYDIGITALSIGNALSINONEOFTHEFOLLOWINGDOMAINSTIMEDOMAINONEDIMENSIONALSIGNALS,SPATIALDOMAINMULTIDIMENSIONALSIGNALS,FREQUENCYDOMAIN,AUTOCORRELATIONDOMAIN,ANDWAVELETDOMAINSTHEYCHOOSETHEDOMAININWHICHTOPROCESSASIGNALBYMAKINGANINFORMEDGUESSORBYTRYINGDIFFERENTPOSSIBILITIESASTOWHICHDOMAINBESTREPRESENTSTHEESSENTIALCHARACTERISTICSOFTHESIGNALASEQUENCEOFSAMPLESFROMAMEASURINGDEVICEPRODUCESATIMEORSPATIALDOMAINREPRESENTATION,WHEREASADISCRETEFOURIERTRANSFORMPRODUCESTHEFREQUENCYDOMAININFORMATIONTHATISTHEFREQUENCYSPECTRUMAUTOCORRELATIONISDEFINEDASTHECROSSCORRELATIONOFTHESIGNALWITHITSELFOVERVARYINGINTERVALSOFTIMEORSPACE2、SIGNALSAMPLINGWITHTHEINCREASINGUSEOFCOMPUTERSTHEUSAGEOFANDNEEDFORDIGITALSIGNALPROCESSINGHASINCREASEDINORDERTOUSEANANALOGSIGNALONACOMPUTERITMUSTBEDIGITIZEDWITHANANALOGTODIGITALCONVERTERADCSAMPLINGISUSUALLYCARRIEDOUTINTWOSTAGES,DISCRETIZATIONANDQUANTIZATIONINTHEDISCRETIZATIONSTAGE,THESPACEOFSIGNALSISPARTITIONEDINTOEQUIVALENCECLASSESANDQUANTIZATIONISCARRIEDOUTBYREPLACETHESIGNALWITHREPRESENTATIVESIGNALVALUESAREAPPROXIMATEDBYVALUESFROMAFINITESETTHENYQUISTSHANNONSAMPLINGTHEOREMSTATESTHATASIGNALCANBEEXACTLYRECONSTRUCTEDFROMITSSAMPLESIFTHESAMPLESIFTHESAMPLINGFREQUENCYISGREATERTHANTWICETHEHIGHESTFREQUENCYOFTHESIGNALINPRACTICE,THESAMPLINGFREQUENCYISOFTENSIGNIFICANTLYMORETHANTWICETHEREQUIREDBANDWIDTHADIGITALTOANALOGCONVERTERDACISUSEDTOCONVERTTHEDIGITALSIGNALBACKTOANALOGSIGNALTHEUSEOFADIGITALCOMPUTERISAKEYINGREDIENTINDIGITALCONTROLSYSTEMS3、TIMEANDSPACEDOMAINSTHEMOSTCOMMONPROCESSINGAPPROACHINTHETIMEORSPACEDOMAINISENHANCEMENTOFTHEINPUTSIGNALTHROUGHAMETHODCALLEDFILTERINGFILTERINGGENERALLYCONSISTSOFSOMETRANSFORMATIONOFANUMBEROFSURROUNDINGSAMPLESAROUNDTHECURRENTSAMPLEOFTHEINPUTOROUTPUTSIGNALTHEREAREVARIOUSWAYSTOCHARACTERIZEFILTERS,FOREXAMPLEA“LINEAR”FILTERISALINEARTRANSFORMATIONOFINPUTSAMPLESOTHERFILTERSARE“NONLINEAR”LINEARFILTERSSATISFYTHESUPERPOSITIONCONDITION,IEIFANINPUTISAWEIGHTEDLINEARCOMBINATIONOFDIFFERENTSIGNALS,THEOUTPUTISANEQUALLYWEIGHTEDLINEARCOMBINATIONOFTHECORRESPONDINGOUTPUTSIGNALSA“CAUSAL”FILTERUSESONLYPREVIOUSSAMPLESOFTHEINPUTOROUTPUTSIGNALSWHILEA“NONCAUSAL”FILTERUSESFUTUREINPUTSAMPLESANONCAUSALFILTERCANUSUALLYBECHANGEDINTOACAUSALFILTERBYADDINGADELAYTOITA“TIMEINVARIANT”FILTERHASCONSTANTPROPERTIESOVERTIMEOTHERFILTERSSUCHASADAPTIVEFILTERSCHANGEINTIMESOMEFILTERSARE“STABLE”,OTHERSARE“UNSTABLE”ASTABLEFILTERPRODUCESANOUTPUTTHATCONVERGESTOACONSTANTVALUEWITHTIME,ORREMAINSBOUNDEDWITHINAFINITEINTERVALANCONVERGESTOACONSTANTVALUEWITHTIME,ORREMAINSBOUNDEDWITHINAFINITEINTERVALANUNSTABLEFILTERCANPRODUCEANOUTPUTTHATGROWSWITHOUTBOUNDS,WITHBOUNDEDOREVENZEROINPUTA“FINITEIMPULSERESPONSE”FIRFILTERUSESONLYTHEINPUTSIGNAL,WHILEAN“INFINITEIMPULSERESPONSE”FILTERIIRUSESBOTHTHEINPUTSIGNALANDPREVIOUSSAMPLESOFTHEOUTPUTSIGNALFIRFILTERSAREALWAYSSTABLE,WHILEIIRFILTERSMAYBEUNSTABLEMOSTFILTERSCANBEDESCRIBEDINZDOMAINASUPERSETOFTHEFREQUENCYDOMAINBYTHEIRTRANSFERFUNCTIONSAFILTERMAYALSOBEDESCRIBEDASADIFFERENCEEQUATION,ACOLLECTIONOFZEROESANDPOLESOR,IFITISANFIRFILTER,ANIMPULSERESPONSEORSTEPRESPONSETHEOUTPUTOFANFIRFILTERTOANYGIVENINPUTMAYBECALCULATEDBYCONVOLVINGTHEINPUTSIGNALWITHTHEIMPULSERESPONSEFILTERSCANALSOBEREPRESENTEDBYBLOCKDIAGRAMSWHICHCANTHENBEUSEDTODERIVEASAMPLEPROCESSINGALGORITHMTOIMPLEMENTTHEFILTERUSINGHARDWAREINSTRUCTIONS4、FREQUENCYDOMAINSIGNALSARECONVERTEDFROMTIMEORSPACEDOMAINTOTHEFREQUENCYDOMAINUSUALLYTHROUGHTHEFOURIERTRANSFORMTHEFOURIERTRANSFORMCONVERTSTHESIGNALINFORMATIONTOAMAGNITUDEANDPHASECOMPONENTOFEACHFREQUENCYOFTENTHEFOURIERTRANSFORMISCONVERTEDTOTHEPOWERSPECTRUM,WHICHISTHEMAGNITUDEOFEACHFREQUENCYCOMPONENTSQUAREDTHEMOSTCOMMONPURPOSEFORANALYSISOFSIGNALSINTHEFREQUENCYDOMAINISANALYSISOFSIGNALPROPERTIESTHEENGINEERCANSTUDYTHESPECTRUMTODETERMINEWHICHFREQUENCIESAREPRESENTINTHEINPUTSIGNALANDWHICHAREMISSINGFILTERING,PARTICULARLYINNONREALTIMEWORKCANALSOBEACHIEVEDBYCONVERTINGTOTHEFREQUENCYDOMAIN,APPLYINGTHEFILTERANDTHENCONVERTINGBACKTOTHETIMEDOMAINTHISISAFAST,ONLOGNOPERATION,ANDCANGIVEESSENTIALLYANYFILTERSHAPEINCLUDINGEXCELLENTAPPROXIMATIONSTOBRICKWALLFILTERSTHEREARESOMECOMMONLYUSEDFREQUENCYDOMAINTRANSFORMATIONSFOREXAMPLE,THECEPSTRUMCONVERTSASIGNALTOTHEFREQUENCYDOMAINFOURIERTRANSFORM,TAKESTHELOGARITHM,THENAPPLIESANOTHERFOURIERTRANSFORMTHISEMPHASIZESTHEFREQUENCYCOMPONENTSWITHSMALLERMAGNITUDEWHILERETAININGTHEORDEROFMAGNITUDESOFFREQUENCYCOMPONENTSFREQUENCYDOMAINANALYSISISALSOCALLEDSPECTRUMORSPECTRALANALYSIS5、SIGNALPROCESSINGSIGNALSCOMMONLYNEEDTOBEPROCESSEDINAVARIETYOFWAYSFOREXAMPLE,THEOUTPUTSIGNALFROMATRANSDUCERMAYWELLBECONTAMINATEDWITHUNWANTEDELECTRICAL“NOISE”THEELECTRODESATTACHEDTOAPATIENTSCHESTWHENANECGISTAKENMEASURETINYELECTRICALVOLTAGECHANGESDUETOTHEACTIVITYOFTHEHEARTANDOTHERMUSCLESTHESIGNALISOFTENSTRONGLYAFFECTEDBY“MAINSPICKUP”DUETOELECTRICALINTERFERENCEFROMTHEMAINSSUPPLYPROCESSINGTHESIGNALUSINGAFILTERCIRCUITCANREMOVEORATLEASTREDUCETHEUNWANTEDPARTOFTHESIGNALINCREASINGLYNOWADAYS,THEFILTERINGOFSIGNALSTOIMPROVESIGNALQUALITYORTOEXTRACTIMPORTANTINFORMATIONISDONEBYDSPTECHNIQUESRATHERTHANBYANALOGELECTRONICS6、DEVELOPMENTOFDSPTHEDEVELOPMENTOFDIGITALSIGNALPROCESSINGDATESFROMTHE1960SWITHTHEUSEOFMAINFRAMEDIGITALCOMPUTERSNUMBERCRUNCHINGAPPLICATIONSSUCHANTHEFASTFOURIERTRANSFORMFFT,WHICHALLOWSTHEFREQUENCYSPECTRUMOFASIGNALTOBECOMPUTEDRAPIDLYTHESETECHNIQUESARENOTWIDELYUSEDATTHATTIME,BECAUSESUITABLECOMPUTINGEQUIPMENTWASGENERALLYAVAILABLEONLYINUNIVERSITIESANDOTHERSCIENTIFICRESEARCHINSTITUTIONS7、DIGITALSIGNALPROCESSORSDSPSTHEINTRODUCTIONOFTHEMICROPROCESSORINTHELATE1970SANDEARLY1980SMADEITPOSSIBLEFORDSPTECHNIQUESTOBEUSEDINAMUCHWIDERRANGEOFAPPLICATIONSHOWEVER,GENERALPURPOSEMICROPROCESSORSSUCHASTHEINTERX86FAMILYARENOTIDEALLYSUITEDTOTHENUMERICALLYINTENSIVEREQUIREMENTSOFDSP,ANDDURINGTHE1980STHEINCREASINGIMPORTANCEOFDSPLEDSEVERALMAJORELECTRONICSMANUFACTURERSSUCHASTEXASINSTRUMENTS,ANALOGDEVICESANDMOTOROLATODEVELOPDIGITALSIGNALPROCESSORCHIPSSPECIALISEDMICROPROCESSORSWITHARCHITECTURESDESIGNEDSPECIFICALLYFORTHETYPESOFOPERATIONSREQUIREDINDIGITALSIGNALPROCESSINGNOTETHATTHEACRONYMDSPCANVARIOUSLYMEANDIGITALSIGNALPROCESSING,THETERMUSEDFORAWIDERANGEOFTECHNIQUESFORPROCESSINGSIGNALSDIGITALLY,ORDIGITALSIGNALPROCESSOR,ASPECIALIZEDTYPEOFMICROPROCESSORCHIPLIKEAGENERALPURPOSEMICROPROCESSOR,ADSPISAPROGRAMMABLEDEVICE,WITHITSOWNNATIVEINSTRUCTIONCODEDSPCHIPARECAPABLEOFCARRYINGOUTMILLIONSOFFLOATINGPOINTOPERATIONSPERSECOND,ANDLIKETHEIRBETTERKNOWNGENERALPURPOSECOUSINS,FASTERANDMOREPOWERFULVERSIONSARECONTINUALLYBEINGINTRODUCEDDSPSCANALSOBEEMBEDDEDWITHINCOMPLEX“SYSTEMONCHIP”DEVICES,OFTENCONTAININGBOTHANALOGANDDIGITALCIRCUITRY8、APPLICATIONSOFDSPDSPTECHNOLOGYISNOWADAYSCOMMONPLACEINSUCHDEVICESASMOBILEPHONES,MULTIMEDIACOMPUTERS,VIDEORECORDERS,CDPLAYERS,HARDDISCDRIVECONTROLLERSANDMODEMS,ANDWILLSOONREPLACEANALOGCIRCUITRYINTVSETSANDTELEPHONESANIMPORTANTAPPLICATIONOFDSPISINSIGNALCOMPRESSIONANDDECOMPRESSIONSIGNALCOMPRESSIONISUSEDINDIGITALCELLULARPHONESTOALLOWAGREATERNUMBEROFCALLSTOBEHANDLEDSIMULTANEOUSLYWITHINEACHLOCAL“CELL”DSPSIGNALCOMPRESSIONTECHNOLOGYALLOWSPEOPLENOTONLYTOTALKTOONEANOTHERBUTALSOTOSEEONEANTHERONTHEIRCOMPUTERSCREENS,USINGSMALLVIDEOCAMERASMOUNTEDONTHECOMPUTERMONITORS,WITHONLYACONVENTIONALTELEPHONELINELINKINGTHEMTOGETHERINAUDIOCDSYSTEMS,DSPTECHNOLOGYISUSEDTOPERFORMCOMPLEXERRORDETECTIONANDCORRECTIONONTHERAWDATAASITISREADFROMTHECDALTHOUGHSOMEOFTHEMATHEMATICALTHEORYUNDERLYINGDSPTECHNIQUES,SUCHASFOURIERANDHILBERTTRANSFORMS,DIGITALFILTERDESIGNANDSIGNALCOMPRESSION,CANBEFAIRLYCOMPLEX,THENUMERICALOPERATIONSREQUIREDACTUALLYTOIMPLEMENTTHESETECHNIQUESAREVERYSIMPLE,CONSISTINGMAINLYOFOPERATIONSTHATCOULDBEDONEONACHEAPFOURFUNCTIONCALCULATORTHEARCHITECTUREOFADSPCHIPISDESIGNEDTOCARRYOUTSUCHOPERATIONSINCREDIBLYFAST,PROCESSINGHUNDREDSOFMILLIONSOFSAMPLESEVERYSECOND,TOPROVIDEDREALTIMEPERFORMANCETHATIS,THEABILITYTOPROCESSASIGNAL“LIVE”ASITISSAMPLEDANDTHENOUTPUTTHEPROCESSEDSIGNAL,FOREXAMPLETOALOUDSPEAKERORVIDEODISPLAYALLOFTHEPRACTICALEXAMPLESOFDSPAPPLICATIONSM