
- •Лекция 1. Введение в цифровую обработку сигналов Введение
- •1.1. Предисловие к цифровой обработке сигналов [1i].
- •1.2. Ключевые операции цифровой обработки.
- •1.3. Области применения цифровой обработки.
- •Литература
- •Лекция 2. Цифровые фильтры обработки одномерных сигналов. Введение
- •2.1. Цифровые фильтры.
- •2.1.6. Интегрирующий рекурсивный фильтр.
- •2.2. Импульсная реакция фильтров.
- •2.3. Передаточные функции фильтров.
- •2.4. Частотные характеристики фильтров.
- •2.5. Структурные схемы цифровых фильтров.
- •Литература
- •Лекция 3. Фильтры сглаживания. Метод наименьших квадратов. Введение
- •3.1. Фильтры мнк 1-го порядка.
- •3.3. Фильтры мнк 4-го порядка.
- •3.4. Расчет простого фильтра по частотной характеристике.
- •Литература
- •Лекция 4. Разностные фильтры и фильтры интегрирования. Введение
- •4.1. Разностные операторы.
- •4.2. Интегрирование данных.
- •Литература
- •Лекция 5. Фильтрация случайных сигналов Введение
- •5.1. Фильтрация случайных сигналов.
- •5.2. Спектры мощности случайных сигналов.
- •Литература
- •Лекция 6. Весовые функции. Введение
- •3.1. Явление Гиббса.
- •3.2. Весовые функции.
- •Литература
- •Лекция 7. Нерекурсивные частотные цифровые фильтры Введение
- •7.1. Общие сведения.
- •7.2. Идеальные частотные фильтры.
- •7.3. Конечные приближения идеальных фильтров.
- •7.4. Гладкие частотные фильтры.
- •7.5. Дифференцирующие цифровые фильтры.
- •7.6. Альтернативные методы расчета нцф.
- •Литература
- •Лекция 8. Z-преобразование сигналов и системных функций Введение
- •8.2. Пространство z-полиномов.
- •8.3. Свойства z-преобразования.
- •8.4. Обратное z-преобразование.
- •8.5. Применение z – преобразования.
- •Литература
- •Лекция 9. Рекурсивные цифровые фильтры Введение
- •9.1. Принципы рекурсивной фильтрации.
- •9.2. Разработка Рекурсивных цифровых фильтров [43].
- •9.3. Режекторные и селекторные фильтры.
- •9.4. Билинейное z-преобразование.
- •9.5. Типы рекурсивных частотных фильтров.
- •Литература
- •Лекция 10. Рекурсивные частотные цифровые фильтры Введение
- •10.1. Низкочастотный фильтр Баттеруорта.
- •10.2. Высокочастотный фильтр Баттеруорта.
- •10.3. Полосовой фильтр Баттеруорта.
- •10.4. Фильтры Чебышева.
- •10.5. Дополнительные сведения.
- •Литература
- •Тема 11. Адаптивная цифровая фильтрация данных Введение
- •11.1. Общие сведения об адаптивной цифровой фильтрации.
- •11.2. Основы статистической группировки информации.
- •11.3. Статистическая регуляризация данных.
- •11.3. Статистическая группировка полезной информации.
- •Литература
- •Лекция 12. Оптимальные линейные цифровые фильтры. Введение
- •12.1. Случайные процессы и шумы.
- •12.2. Критерии построения оптимальных фильтров.
- •12.3. Фильтр Колмогорова-Винера.
- •12.4. Оптимальные фильтры сжатия сигналов.
- •12.5. Фильтр обнаружения сигналов.
- •12.6. Энергетический фильтр.
- •Литература
- •Лекция 13. Деконволюция цифровых сигналов введение
- •13.1. Понятие деконволюции.
- •13.2. Инверсия импульсного отклика фильтра.
- •13.3. Оптимальные фильтры деконволюции.
- •13.4. Рекурсивная деконволюция.
- •13.5. Фильтры сжатия сигналов
- •Литература
3.3. Фильтры мнк 4-го порядка.
Фильтры МНК 4-го порядка. Расчет по аналогичной методике сглаживающих фильтров МНК 4-ой степени дает следующие результаты:
h0-3 = (131,75,-30,5)/231,
h0-4 = (179,135,30,-55,15)/429,
h0-5 = (143,120,60,-10,-45,18)/429.
Рис. 3.3.1. Сглаживающие
фильтры МНК.
В целом, по сглаживающим фильтрам МНК можно сделать следующие выводы:
1. Повышение порядка фильтра увеличивает степень касания частотной характеристикой уровня коэффициента передачи Н=1 на частоте и расширяет полосу пропускания фильтра.
2. Увеличение количества членов фильтра приводит к сужению полосы пропускания и увеличивает крутизну ее среза.
3. Модификация фильтров уменьшает осцилляции передаточной функции в полосе подавления сигналов.
Совместное изменение этих параметров позволяет подбирать для сглаживания данных такой фильтр МНК, частотная характеристика которого наилучшим образом удовлетворяет частотному спектру сигналов при минимальном количестве коэффициентов фильтра.
3.4. Расчет простого фильтра по частотной характеристике.
Если шумы в обрабатываемых сигналах сосредоточены в основном в высокочастотной области, то достаточно простые фильтры сглаживания без значительных осцилляций могут быть синтезированы непосредственно по частотной характеристике. В качестве примера проведем расчет простого симметричного сглаживающего НЦФ с окном в пять точек:
yk = ask-2+bsk-1+csk+bsk+1+ask+2. (3.4.1)
Полагаем sk = exp(jk), при этом yk = H() exp(jk). Подставляем значения входного и выходного сигнала в уравнение фильтра, сокращаем левую и правую части на общий член exp(jk) и, объединяя комплексно сопряженные члены в правой части, получаем уравнение передаточной функции:
H() = 2a cos(2)+2b cos()+ c.
Сокращаем количество параметров функции заданием граничных условий по частоте. Как правило, имеет смысл принять: H(0) = 1, H() = 0. Отсюда:
H(0) = 2a+2b+c = 1,
H() = 2a-2b+c = 0.
B = 1/4, c = 1/2-2a.
При этом функция H() превращается в однопараметровую:
H() = 2a(cos(2)-1)+(cos()+1)/2.
По полученному выражению рекомендуется построить семейство кривых в параметрической зависимости от значений 'а' и выбрать фильтр, удовлетворяющий заданию. Пример семейства частотных характеристик приведен на рисунке 3.4.1.
Рис. 3.4.1. Частотные
характеристики НЦФ.
В принципе, таким методом можно задать любую произвольную форму частотной характеристики симметричного НЦФ с произвольным количеством N точек дискретизации, что определит полное уравнение (3.4.1) с окном 2N+1 точка и соответствующую передаточную функцию фильтра, по которой можно составить и решить N+1 уравнение для определения коэффициентов фильтра.