Bạn sẽ học được gì
- Biểu diễn tín hiệu rời rạc trong không gian vectơ và dùng tích vô hướng để phát hiện tín hiệu
- Tính và diễn giải DFT, cài đặt FFT cơ số 2 bằng C và dùng hàm cửa sổ khi phân tích phổ
- Phân tích bộ lọc FIR và IIR bằng biến đổi Z, điểm cực, điểm không và đáp ứng tần số
- Thiết kế bộ lọc FIR và IIR theo chỉ tiêu bằng SciPy và cài đặt IIR dạng các khâu bậc hai
- Tính nhiễu lượng tử của ADC và thiết kế hệ đa tốc độ với bộ lọc hạ tốc độ lấy mẫu
- Cài đặt bộ lọc bằng số học dấu phẩy tĩnh Q15 có bão hòa, so sánh sai số với cài đặt số thực
- Ước lượng ngân sách tính toán thời gian thực của một thuật toán trên vi điều khiển
Nên học trước
Giới thiệu
Xử lý tín hiệu số (DSP) là tập thuật toán biến đổi dãy mẫu: lọc nhiễu, phân tích phổ, nén âm thanh, nhận dạng giọng nói, giải điều chế tín hiệu vô tuyến. Lộ trình Kỹ thuật điện có chủ đề cùng tên và cùng sách chính, tập trung vào lý thuyết và thiết kế bộ lọc; xem thêm chủ đề đó để luyện thêm lý thuyết. Ở lộ trình Kỹ thuật máy tính, câu hỏi trung tâm là: làm sao cho thuật toán chạy đúng, đủ nhanh trên phần cứng thật — một vi điều khiển Cortex-M không có bộ tính dấu phẩy động, một DSP chuyên dụng hay một FPGA.
Nội dung chính
- Tín hiệu rời rạc như vectơ. Dãy mẫu là một vectơ; tích vô hướng đo độ giống nhau giữa hai tín hiệu, nền của tương quan và phát hiện tín hiệu.
- DFT và FFT. DFT biểu diễn N mẫu bằng N thành phần tần số; FFT tính DFT với khoảng N·log₂N phép tính thay vì N². Hàm cửa sổ (Hann, Hamming) giảm rò rỉ phổ; độ phân giải tần số bằng fs/N.
- Bộ lọc rời rạc và biến đổi Z. Bộ lọc FIR (đáp ứng xung hữu hạn) luôn ổn định và có thể có pha tuyến tính; bộ lọc IIR (đáp ứng xung vô hạn) đạt cùng độ dốc với ít hệ số hơn nhưng có thể mất ổn định và pha không tuyến tính. Hệ nhân quả ổn định khi mọi điểm cực nằm trong đường tròn đơn vị.
- Thiết kế bộ lọc. FIR bằng cửa sổ và thuật toán Parks–McClellan; IIR từ bộ lọc tương tự (Butterworth, Chebyshev) qua biến đổi song tuyến tính, cài đặt dạng các khâu bậc hai nối tiếp.
- Lấy mẫu, lượng tử hóa, đa tốc độ. Chuyển đổi A/D và D/A, nhiễu lượng tử: với ADC N bit và tín hiệu sin toàn thang, tỉ số tín hiệu trên nhiễu lý tưởng khoảng 6,02·N + 1,76 dB. Hạ tốc độ và tăng tốc độ lấy mẫu với bộ lọc đi kèm.
- Tín hiệu ngẫu nhiên. Nhiễu trắng, tự tương quan, mật độ phổ công suất.
Góc nhìn phần cứng
- Số học dấu phẩy tĩnh. Nhiều vi điều khiển và FPGA dùng số nguyên biểu diễn phân số, ví dụ định dạng Q15: 16 bit có dấu biểu diễn giá trị trong khoảng từ −1 tới gần 1. Phép nhân hai số Q15 cho kết quả Q30; cộng dồn trong bộ tích lũy 64 bit (hoặc 32 bit có đủ bit bảo vệ khi ít hệ số), rồi dịch, làm tròn và bão hòa thay vì để tràn quay vòng.
- Lượng tử hóa hệ số. Làm tròn hệ số bộ lọc IIR bậc cao có thể đẩy điểm cực ra ngoài đường tròn đơn vị; vì vậy người ta chia thành các khâu bậc hai.
- Ngân sách thời gian thực. Bộ lọc FIR 64 hệ số ở tần số lấy mẫu 48 kHz cần khoảng 3,07 triệu phép nhân – cộng mỗi giây; so với số chu kỳ của vi điều khiển để biết còn bao nhiêu thời gian cho việc khác. Trên Cortex-M, thư viện CMSIS-DSP của Arm có sẵn FIR, IIR và FFT tối ưu; trên FPGA, mỗi hệ số có thể là một khối DSP chạy song song.
- Xử lý theo khối và DMA. ADC ghi mẫu vào bộ đệm bằng DMA; CPU xử lý một nửa bộ đệm trong khi nửa kia đang được ghi (bộ đệm kép).
Cách học
Sách chính là Signal Processing for Communications của Prandoni và Vetterli, đọc miễn phí trên trang của sách (bản quyền vẫn thuộc tác giả), trình bày DSP bằng hình học không gian vectơ rất trực quan. Think DSP của Allen Downey (sách mở) dạy bằng mã Python và âm thanh thật. Discrete-Time Signal Processing của Oppenheim và Schafer là giáo trình tham khảo chuẩn mực cho lý thuyết sâu hơn.
Quy trình cho mỗi thuật toán: thiết kế và kiểm tra bằng Python (NumPy, SciPy), cài đặt lại bằng C với số thực, rồi với dấu phẩy tĩnh; so sánh từng mẫu và đo sai số, thời gian chạy. Nếu có board Cortex-M hoặc FPGA, chạy trên phần cứng thật với ADC và DAC hoặc codec âm thanh.
Chuẩn bị
Cần Tín hiệu và hệ thống (tích chập, Fourier, lấy mẫu, biến đổi Z) và lý thuyết xác suất cơ bản (biến ngẫu nhiên, kỳ vọng, phương sai) cho phần nhiễu và tín hiệu ngẫu nhiên. Lập trình C vững để làm phần cài đặt.
Giáo trình & sách tham khảo
Xem tất cả trong tab SáchGiáo trình chính
Signal Processing for Communications
Paolo Prandoni, Martin Vetterli · 2008
Vì sao chọn: Giáo trình của Paolo Prandoni và Martin Vetterli (EPFL Press / CRC Press), đọc miễn phí trên trang sp4comm.org; bản quyền vẫn thuộc tác giả. Trình bày DSP bằng hình học không gian vectơ, gọn và trực quan, có khóa học trực tuyến đi kèm của EPFL. Cũng là sách chính của chủ đề cùng tên trong lộ trình Kỹ thuật điện.
Nên đọc: Chương 1–11 (Chương 12 về thiết kế một hệ thống truyền thông số để đọc thêm)
Think DSP: Digital Signal Processing in Python
Allen B. Downey · 2016
Sách mở (CC BY-NC-SA) của Allen B. Downey, đọc miễn phí với mã Python trên GitHub. Học DSP bằng âm thanh thật và mã chạy được — cách tốt để kiểm tra trực giác trước khi cài đặt bằng C.
Nên đọc: Chương 1–5, 7–8, 10–11
Discrete-Time Signal Processing
Alan V. Oppenheim, Ronald W. Schafer · 2010 · Bản thứ 3
Giáo trình tham khảo chuẩn mực của Oppenheim và Schafer (Pearson, bản thứ 3, trả phí), dùng ở MIT và nhiều trường khác. Dùng để tra cứu khi cần lý thuyết sâu về cấu trúc bộ lọc, ảnh hưởng độ dài từ hữu hạn và FFT.
Các bước học
Đăng nhập để đánh dấu các bước đã hoàn thành.
Bước 1: Tín hiệu rời rạc và không gian vectơ
khoảng 10 giờHọc tín hiệu rời rạc, các phép toán cơ bản, không gian Hilbert, tích vô hướng, cơ sở trực chuẩn và phép chiếu. Thực hành: tạo, phát và ghi âm tín hiệu bằng Python; phát hiện một âm DTMF (tổ hợp hai tần số của phím điện thoại) trong đoạn ghi có nhiễu bằng tích vô hướng với các tín hiệu mẫu; giải thích kết quả bằng phép chiếu lên cơ sở.
- Đọc: Chương 1 What Is Digital Signal Processing?; Chương 2 Discrete-Time Signals; Chương 3 Signals and Hilbert Spaces — Signal Processing for Communications
- Đọc: Chương 1 Sounds and signals — Think DSP: Digital Signal Processing in Python
Bước 2: DFT, FFT và phân tích phổ
khoảng 11 giờHọc DFS, DFT, DTFT, các tính chất, FFT, hàm cửa sổ và độ phân giải tần số. Thực hành: cài đặt FFT cơ số 2 lặp tại chỗ bằng C (đảo bit chỉ số, các tầng cánh bướm), so sánh với numpy.fft cho N = 1024; đo thời gian so với DFT trực tiếp khi N tăng; phân tích phổ một đoạn ghi âm với cửa sổ chữ nhật và Hann để thấy rò rỉ phổ.
- Đọc: Chương 4 Fourier Analysis — Signal Processing for Communications
- Đọc: Chương 2 Harmonics; Chương 3 Non-periodic signals; Chương 7 Discrete Fourier Transform — Think DSP: Digital Signal Processing in Python
Bước 3: Bộ lọc rời rạc và biến đổi Z
khoảng 11 giờHọc bộ lọc rời rạc, FIR và IIR, bộ lọc trung bình trượt, bộ tích phân rò, biến đổi Z, điểm cực – điểm không, ổn định và đáp ứng tần số. Luyện tập: vẽ giản đồ điểm cực – điểm không và đáp ứng tần số của bộ trung bình trượt 8 mẫu và bộ tích phân rò y[n] = λ·y[n−1] + (1 − λ)·x[n] với λ = 0,9 và 0,99 bằng scipy.signal.freqz; giải thích vì sao bộ tích phân rò chỉ cần một phép nhân mỗi mẫu.
- Đọc: Chương 5 Discrete-Time Filters; Chương 6 The z-Transform — Signal Processing for Communications
- Đọc: Chương 8 Filtering and Convolution; Chương 10 LTI systems — Think DSP: Digital Signal Processing in Python
Bước 4: Thiết kế bộ lọc FIR và IIR
khoảng 11 giờHọc thiết kế FIR bằng cửa sổ và thuật toán tối ưu, thiết kế IIR từ bộ lọc tương tự, cấu trúc cài đặt. Thực hành: với chỉ tiêu thông thấp dải thông 0–3 kHz, dải chắn từ 4 kHz suy giảm 60 dB, fs = 48 kHz, thiết kế FIR bằng scipy.signal.firwin và remez, và IIR elliptic dạng khâu bậc hai (sos); so sánh số hệ số, số phép nhân mỗi mẫu, đáp ứng pha và trễ nhóm; xuất hệ số ra tệp tiêu đề C.
- Đọc: Chương 7 Filter Design — Signal Processing for Communications
Bước 5: Lấy mẫu, lượng tử hóa và xử lý đa tốc độ
khoảng 11 giờHọc nội suy và lấy mẫu, chuyển đổi A/D và D/A, nhiễu lượng tử, hạ và tăng tốc độ lấy mẫu. Thực hành: mô phỏng lượng tử hóa một tín hiệu sin toàn thang với 8, 12, 16 bit và đo tỉ số tín hiệu trên nhiễu, so với công thức 6,02·N + 1,76 dB; thiết kế bộ hạ tốc độ lấy mẫu 4 lần từ 48 kHz xuống 12 kHz với bộ lọc FIR chống chồng phổ và kiểm tra bằng tín hiệu thử có thành phần 7 kHz.
- Đọc: Chương 9 Interpolation and Sampling; Chương 10 A/D and D/A Conversions; Chương 11 Multirate Signal Processing — Signal Processing for Communications
- Đọc: Chương 11 Modulation and sampling — Think DSP: Digital Signal Processing in Python
Bước 6: Tín hiệu ngẫu nhiên và cài đặt thời gian thực
khoảng 11 giờHọc tín hiệu ngẫu nhiên, tự tương quan, mật độ phổ công suất và bộ lọc tín hiệu ngẫu nhiên. Dự án: cài đặt bộ lọc FIR của bước trước bằng C dấu phẩy tĩnh Q15 với bộ tích lũy 64 bit (như arm_fir_q15), làm tròn và bão hòa; so sánh với bản số thực bằng tỉ số tín hiệu trên nhiễu của sai số; ước lượng số phép nhân – cộng mỗi giây và so với ngân sách của một vi điều khiển 100 MHz; nếu có board Cortex-M, chạy bằng CMSIS-DSP với DMA bộ đệm kép và đo thời gian bằng một chân GPIO và dao động ký.
- Đọc: Chương 8 Stochastic Signal Processing — Signal Processing for Communications
- Đọc: Chương 4 Noise; Chương 5 Autocorrelation — Think DSP: Digital Signal Processing in Python
Khái niệm chính
- Biến đổi Fourier rời rạc (DFT)
- Biểu diễn N mẫu tín hiệu bằng N hệ số tần số X[k] = Σ x[n]·e^(−j2πkn/N); tương ứng với các tần số k·fs/N.
- FFT
- Họ thuật toán tính DFT với khoảng N·log₂N phép tính thay vì N², ví dụ FFT cơ số 2 chia đôi dãy thành phần chẵn và lẻ.
- Rò rỉ phổ và hàm cửa sổ
- Khi đoạn tín hiệu không chứa số nguyên chu kỳ, năng lượng của một tần số lan sang các vạch lân cận; nhân với cửa sổ Hann, Hamming giảm rò rỉ đổi lại vạch phổ rộng hơn.
- Bộ lọc FIR
- Bộ lọc có đáp ứng xung hữu hạn, y[n] = Σ b[k]·x[n−k]; luôn ổn định, có pha tuyến tính khi hệ số đối xứng, nhưng cần nhiều hệ số cho dải chuyển tiếp hẹp.
- Bộ lọc IIR
- Bộ lọc có hồi tiếp từ các mẫu ra trước, đáp ứng xung vô hạn; đạt độ dốc lớn với ít hệ số nhưng có thể mất ổn định và nhạy với lượng tử hóa hệ số.
- Khâu bậc hai (biquad)
- Bộ lọc IIR bậc hai; bộ lọc bậc cao được cài đặt thành các khâu bậc hai nối tiếp để giảm nhạy cảm với làm tròn hệ số và tránh mất ổn định.
- Biến đổi song tuyến tính
- Phép thế s theo z biến bộ lọc tương tự thành bộ lọc số, ánh xạ nửa trái mặt phẳng s vào trong đường tròn đơn vị nên giữ tính ổn định; trục tần số bị nén phi tuyến nên cần hiệu chỉnh trước.
- Nhiễu lượng tử
- Sai số do làm tròn mẫu về mức gần nhất của bộ chuyển đổi N bit; với tín hiệu sin toàn thang, tỉ số tín hiệu trên nhiễu lý tưởng khoảng 6,02·N + 1,76 dB (12 bit cho khoảng 74 dB).
- Hạ tốc độ lấy mẫu
- Giữ lại một trong M mẫu sau khi lọc thông thấp với tần số cắt fs/(2M) để tránh chồng phổ; ngược lại, tăng tốc độ lấy mẫu chèn mẫu 0 rồi lọc nội suy.
- Số học dấu phẩy tĩnh Q15
- Số nguyên 16 bit có dấu biểu diễn giá trị x/32768 trong khoảng từ −1 tới gần 1; nhân hai số Q15 được Q30, cộng dồn trong bộ tích lũy rộng rồi dịch phải 15 bit.
- Bão hòa
- Khi kết quả vượt miền biểu diễn, kẹp về giá trị lớn nhất hoặc nhỏ nhất thay vì để tràn quay vòng đổi dấu, vốn gây tiếng lách cách lớn trong âm thanh.
- Mật độ phổ công suất
- Phân bố công suất của tín hiệu ngẫu nhiên theo tần số, là biến đổi Fourier của hàm tự tương quan; nhiễu trắng có mật độ phổ phẳng.
- Bộ đệm kép và DMA
- ADC ghi mẫu vào một nửa bộ đệm qua DMA trong khi CPU xử lý nửa còn lại, cho phép xử lý theo khối liên tục mà không mất mẫu.
Học xong để làm gì
- Lọc nhiễu và xử lý tín hiệu cảm biến trên vi điều khiển
- Xử lý âm thanh: cân bằng, khử tiếng vọng, phát hiện từ khóa trên thiết bị nhúng
- Phân tích rung động để giám sát tình trạng máy móc
- Giải điều chế và đồng bộ trong vô tuyến định nghĩa bằng phần mềm
- Cài đặt bộ lọc tốc độ cao trên FPGA cho radar, ảnh và truyền thông
- Tiền xử lý tín hiệu cho mô hình học máy chạy trên thiết bị biên
Câu hỏi thường gặp
Chủ đề này khác gì Xử lý tín hiệu số của lộ trình Kỹ thuật điện?
Cùng môn học và cùng sách chính. Bản Kỹ thuật máy tính dành nhiều thời gian hơn cho cài đặt: C, dấu phẩy tĩnh, ngân sách thời gian thực, CMSIS-DSP và FPGA; bản Kỹ thuật điện đi sâu hơn vào lý thuyết và ứng dụng truyền thông.
Có cần board phần cứng không?
Không bắt buộc: mọi bài tập làm được trên máy tính với Python và C. Nếu có, một board Cortex-M4 hoặc M7 (có đơn vị tính dấu phẩy động và lệnh DSP) với ADC, hoặc một board FPGA có codec âm thanh, giúp bạn thấy giới hạn thời gian thực thật.
Vì sao phải học dấu phẩy tĩnh khi chip mới đều có dấu phẩy động?
Nhiều vi điều khiển giá rẻ, DSP năng lượng thấp và mọi thiết kế FPGA, ASIC vẫn dùng dấu phẩy tĩnh vì nhỏ, nhanh và tiết kiệm năng lượng hơn. Ngay cả khi có phần cứng dấu phẩy động, hiểu lượng tử hóa giúp bạn chọn độ rộng dữ liệu hợp lý.
Sách có miễn phí không?
Signal Processing for Communications đọc miễn phí trên trang của sách (bản quyền thuộc tác giả, không phải giấy phép mở). Think DSP là sách mở CC BY-NC-SA với mã nguồn trên GitHub. Discrete-Time Signal Processing của Oppenheim và Schafer là sách trả phí.
Mất bao lâu?
Khoảng 65 giờ cho lượt học đầu, tức 11 tuần với 6 giờ mỗi tuần, khoảng một nửa là lập trình và đo. Đây là thời lượng tối thiểu; học phần DSP ở đại học kể cả đồ án thường cần 120–150 giờ.


