
- •Цифровая обработка сигналов
- •Тема 1: фильтрация одномерных сигналов.
- •1.1. Введение.
- •1.2. Цифровые фильтры /л2,л24/.
- •1.2.6. Интегрирующий рекурсивный фильтр.
- •1.3. Импульсная реакция фильтров.
- •1.4. Передаточные функции фильтров /л7/.
- •1.5. Частотные характеристики фильтров /л2,л13,л24/.
- •1.6. Фильтрация случайных сигналов /л4,л15,л24/.
- •1.7. Структурные схемы цифровых фильтров /л8,л21/.
- •Тема 2: частотный анализ цифровых фильтров.
- •Введение.
- •2.1. Сглаживающие фильтры и фильтры аппроксимации /л24/.
- •2.2. Разностные операторы /л24/.
- •2.3. Интегрирование данных /л24/
- •2.4. Расчет фильтра по частотной характеристике.
- •Тема 3: весовые функции.
- •3.1. Явление Гиббса /л24/.
- •3.2. Весовые функции /л16/.
- •Тема 4: нерекурсивные частотные фильтры.
- •4.1. Общие сведения.
- •4.2. Идеальные частотные фильтры.
- •4.3. Конечные приближения идеальных фильтров /л24/.
- •4.4. Дифференцирующие цифровые фильтры.
- •4.5. Гладкие частотные фильтры /л24/.
- •Тема 5: рекурсивные фильтры
- •5.1. Принципы рекурсивной фильтрации.
- •5.2. Режекторные и селекторные фильтры.
- •5.3. Билинейное z-преобразование.
- •5.4. Типы рекурсивных частотных фильтров.
- •Тема 6: рекурсивные частотные фильтры
- •6.1. Низкочастотный фильтр Баттеруорта /л12,л24/.
- •6.2. Высокочастотный фильтр Баттеруорта /л12/.
- •6.3. Полосовой фильтр Баттеруорта /л12/.
- •6.4. Фильтры Чебышева /л12/.
- •6.4. Дополнительные сведения.
- •Тема 7: деконволюция сигналов
- •7.1. Понятие деконволюции.
- •7.2. Инверсия импульсного отклика фильтра.
- •7.3. Оптимальные фильтры деконволюции /л12,л22/.
- •7.4. Рекурсивная деконволюция /л22/.
- •7.5. Фильтры неполной деконволюции.
- •Тема 8: основы теории вероятностей случайных сигналов
- •8.1. Основные понятия теории вероятностей [л28,л29].
- •8.2. Вероятности случайных событий [л30,л28,л29].
- •8.3. Случайные величины [л30,л31,л2,л4,л15].
- •8.4. Системы случайных величины [л31,л2,л4,л15].
- •Тема 9: случайные сигналы
- •9.1. Случайные процессы и функции [л31,л2,л4].
- •9.2. Функции спектральной плотности [л31,л4,л32].
- •9.3. Преобразования случайных функций [л31,л2,л32].
- •9.4. Модели случайных сигналов и помех [л33,л4].
- •Тема 10: оптимальные линейные фильтры.
- •10.1. Модели случайных процессов и шумов /л12/.
- •10.2. Критерии построения оптимальных фильтров.
- •10.3. Фильтр Колмогорова-Винера.
- •10.4. Оптимальные фильтры сжатия сигналов.
- •10.5. Фильтры прогнозирования.
- •10.6. Фильтр обнаружения сигналов.
- •10.7. Энергетический фильтр.
- •Тема 11: адаптивная фильтрация данных
- •11.1. Введение.
- •11.2. Основы статистической группировки информации.
- •11.3. Статистическая регуляризация данных.
- •11.4. Статистическая группировка полезной информации.
- •Литература
6.2. Высокочастотный фильтр Баттеруорта /л12/.
Синтез фильтров методом частотного преобразования. Высокочастотные и полосовые фильтры конструируются путем частотной трансформации передаточных функций фильтров низких частот. Если обозначить аргумент передаточных функций ФНЧ через p=jW, a функций ФВЧ и ПФ через s=jw, то всегда можно найти такую функцию частотного преобразования p=F(s), которая превращает один тип фильтров в другой. Для преобразования ФНЧ → ФВЧ функция частотного преобразования имеет вид:
p = 1/s, (6.2.1)
В этом нетрудно убедиться сравнением двух видов преобразования. Как известно, передаточная функция ФВЧ может быть получена из ФНЧ разностью между широкополосным фильтром (H()=1) и ФНЧ. Применяя этот метод для функции Баттеруорта, получаем:
|H(w)|2 = 1-|H(W)|2 = 1- 1/(1+W2N) = W2N/(1+W2N). (6.2.2)
С другой стороны, при W = p/j: |H(p)|2 = 1/(1-p2N). Выполняя подстановку (6.2.1) в это выражение, получаем:
|H(s)|2 = s2N/(s2N-1).
Возвратимся из последнего выражения к аргументу w с учетом принятого равенства s=jw:
|H(s)|2 = (jw)2N/((jw)2N-1) =(w)2N/(1+(w)2N),
что полностью повторяет (6.2.2) при w=W.
Подставляя p=1/s непосредственно в выражение H(p) (6.1.16) для четного значения N, получаем:
H(s)
= G
s2/(s2+am
s+1).
(6.2.3)
Для нечетного N:
H(s) = [G·s/(s+1)] s2/(s2+am s+1). (6.2.4)
После билинейного z-преобразования выражения с подстановкой s=(1-z)/(1+z) для четного и нечетного значений N соответственно:
H(z) = G ·Gm·(1-z)2/(1-bm z+cm z2). (6.2.5)
H(z) = G
·Gm·(1-z)2/(1-bm
z+cm z2).
(6.2.6)
Gm = 1/(2 + am + 1). (6.2.7)
bm = 2·Gm (2 - 1).
cm = Gm (2 - am + 1).
Значения коэффициентов Gm, bm, cm остаются без изменения (сравнить с (6.1.21-6.1.23)). При задании частотных параметров ФВЧ в том же виде, что и для ФНЧ, формула расчетов N и dc получается аналогично ФНЧ, при этом в знаменателе выражения (6.1.6) отношение dp/ds заменяется на ds/dp:
N = ln [/ ] / ln(ds/dp), (6.2.8)
а в (6.1.7) деление членов правой части меняется на умножение:
dc = dp·1/N. (6.2.9)
Уравнение рекурсивной фильтрации для m-го оператора фильтра:
yk = 2·Gm (xk-2xk-1+xk-2) + bm yk-1 - cm yk-2. (6.2.10)
Уравнение рекурсивной фильтрации для дополнительного h0(i) линейного оператора фильтра при нечетном N:
y0 = ·(xk-xk-1)/(+1) + yk-1·(-1)/(+1). (6.2.11)
Пример расчета фильтра высоких частот Баттеруорта.
Техническое задание:
- Шаг дискретизации данных t = 0.0005 сек.
Частота Найквиста fN = 1/2t = 1000 Гц, ωN = 6.283·103 рад.
- Граничная частота полосы пропускания: fp = 700 Гц, p = 4.398·103 рад.
- Граничная частота полосы подавления: fs = 500 Гц, s = 3.142·103 рад.
- Коэффициенты неравномерности: Ар = Аs = 0.1.
Рис. 6.2.1.
1. = Ap /(1-Ap): = 0.484.
2. Деформированные частоты по формуле (6.1.4):
dp = 7.85·103 рад. ds = 4·103 рад.
3. Порядок фильтра по формуле (6.2.8): N = 4.483.
Для расчетов принимаем N=4.
4. Частота среза фильтра по формуле (6.2.9):
dc = 6.549·103 рад (1042 Гц),
5. Строим график
функции H(w) =
,
w = ω/ωdc,
(рис.6.2.1).
6. Полюса pn фильтра полностью повторяют полюса ФНЧ (рис. 6.1.2), а, соответственно, повторяются и значения коэффициентов am.
7. = 0.611, G1 = 0.543, G2 = 0.4, b1 = - 0.681, b2 = - 0.501, c1 = 0.492, c2 = 0.098.
Рис. 6.2.2.
8. Импульсная реакция фильтра, вычисленная по (6.2.10) при подаче на вход фильтра импульса Кронекера приведена на рис. 6.2.2.