signalbehandling

Signalbehandling er å analysere, modifisere og syntetisere elektroniske signaler, for eksempel forsterkning. Et signal er i denne sammenhengen en målbar størrelse som bærer informasjon om et fysisk fenomen, som for eksempel lyd, bilder eller temperaturmålinger. Målet med signalbehandling er enten å forbedre kvaliteten på et signal (for eksempel fjerne støy fra et lydopptak) eller å trekke ut nyttig informasjon fra det (for eksempel å gjenkjenne et ansikt i et bilde).

Faktaboks

Uttale

signalbehandling

Fagområdet

Historisk sett var all signalbehandling analog, utført med elektriske kretser bestående av motstander, kondensatorer og spoler. I dag foregår det meste digitalt.

For å behandle et fysisk signal digitalt, må det gjennom to prosesser

  1. Sampling: Signalet måles ved jevne tidsintervaller (f.eks. 44 100 ganger i sekundet for CD-lyd).
  2. Kvantisering: Hver måling omgjøres til et digitalt tall.

Teknikker og verktøy

Signalbehandling hviler tungt på avansert matematikk. Noen av de viktigste verktøyene inkluderer:

  • Fouriertransformasjon: En matematisk metode for å gå fra tidsplanet til frekvensplanet. Den lar oss se hvilke frekvenser (toner) et signal består av. Dette er fundamentet for alt fra MP3-komprimering til radiokommunikasjon.
  • Filtrering: Brukes for å fjerne uønskede deler av et signal. Et lavpassfilter slipper gjennom lave frekvenser (bass) og fjerner høye (støy), mens et høypassfilter gjør det motsatte.

Bruksområder

Signalbehandling finnes i nesten alt moderne utstyr:

  • Telekommunikasjon: Koding og dekoding av data i 5G, wifi og satellittkommunikasjon.
  • Medisinsk teknologi: Tolkning av EKG-signaler, bearbeiding av bilder fra MR- og CT-skannere.
  • Lyd og bilde: Støyreduksjon i hodetelefoner, bildebehandling i smarttelefoner (HDR) og videokomprimering (Netflix/YouTube).
  • Seismikk: Analyse av lydbølger i bakken for å finne olje, gass eller kartlegge geologi.

Moderne utvikling

Fra begynnelsen av 2020-tallet har maskinlæring og kunstig intelligens blitt en integrert del av signalbehandling. I stedet for at mennesker designer matematiske filtre manuelt, kan nevrale nettverk trenes opp til å kjenne igjen mønstre i komplekse datasett, som for eksempel å skille en menneskestemme fra kraftig bakgrunnsstøy i sanntid.

Les mer i Store norske leksikon

Kommentarer

Kommentarer til artikkelen blir synlig for alle. Ikke skriv inn sensitive opplysninger, for eksempel helseopplysninger. Fagansvarlig eller redaktør svarer når de kan. Det kan ta tid før du får svar.

Du må være logget inn for å kommentere.

eller registrer deg

Fagansvarlig for Elektronikk

Harald Øverby
Professor, Ph.d., Handelshøyskolen BI