- •Конспект лекций по цос
- •Частотная область
- •Реальные сигналы
- •Ширина полосы
- •Дискретизация
- •Период дискретизации и время дискретизации
- •Непериодические мгновенные значения
- •Периодическая дискретизация
- •Дискретизация с очень высокой частотой
- •Дискретизация с частотой Найквиста
- •Дискретизация с частотой ниже частоты Найквиста
- •Спектры реальных сигналов
- •Ограничение спектра
- •Формирование цифрового сигнала
- •Дискретизация
- •Квантование
- •Точность
- •Ошибка квантования
- •Уменьшение ошибок квантования
- •Дополнительная информация
- •Практически используемые ацп
- •Ацп с последовательным приближением
- •Двунаклонные ацп
- •Сглаживание на выходе
- •Коммерческие ацп и цап
- •Функциональные блоки платы dsk
- •Выводы по лекциям
- •Лекция 2.
- •1. Числовые последовательности
- •2. Представление числовых последовательносте
- •Представление чисел
- •Кодирование чисел
- •Ошибки квантования
- •Дискретные линейные системы
- •1. Общие сведения
- •2. Линейные системы с постоянными параметрами
- •3. Физическая реализуемость
- •Из (2.1) получаем
- •Лекция 3
- •1. Частотные характеристики
- •2. Частотные характеристики систем первого порядка
- •3. Частотные характеристики систем второго порядка
- •Лекция 4
- •1. Дискретный ряд Фурье
- •2. Единицы измерения частоты
- •4. Теорияz-преобразования в задачах анализа и синтеза линейных систем применяется преобразование Лапласа, которое приводит дифференциальные уравнения в алгебраические уравнения.
- •Для упрощения анализа можно перейти к новой переменной z, связанной с p соотношением
- •Такая сумма, если она существует, называется z-преобразовани-ем последовательности {xk}. Ясно, что комплексная функция (5.16) определена лишь для тех значений z, при которых степенной ряд сходится.
- •Примеры z-преобразований на основании (16):
- •Бесконечная дискретная последовательность
- •5. Соотношение между z–преобразованием и
- •6. Обратное z-преобразование
- •1. Дискретное преобразование Фурье
- •Определим набор коэффициентов дпф
- •2. Свойства дпф
- •3. Свойства симметрии
- •3. Спектральный анализ в точках z-плоскости
- •Импульсная характеристика
- •2. Линейная свертка конечных последовательностей
- •3. Секционированные свертки
- •1. Уравнения цифровых фильтров
- •2. Структурные схемы цифровых фильтров
- •1. Цифровые фильтры
- •Третий метод проектирования – оптимизация фильтров с минимаксной ошибкой
- •!. Цифровые фильтры с бесконечными импульсными характеристиками
- •Всепропускающего фильтра 2-го порядка
- •1) Ось из s–плоскости должна отображаться в единичную окружность на z – плоскости;
- •6. Прямые методы расчета цифровых фильтров
- •Быстрое преобразование фурье
- •1. Основы алгоритмов бпф
- •2. Алгоритм бпф с прореживанием по времени
- •3. Алгоритм бпф с прореживанием по частоте
- •4. Применение метода бпф для вычисления одпф
- •12.5. Применение бпф для вычисления реакции цифрового фильтра
Третий метод проектирования – оптимизация фильтров с минимаксной ошибкой
Задачу проектирования оптимального КИХ–фильтра с линейной фазовой характеристикой можно сформулировать через условия минимизации максимальных ошибок аппроксимации по Чебышеву.
Частотная характеристика фильтра с линейной фазой имеет вид
H(ej)
= ![]()
H*(ej). (8.30)
В зависимости от значения Lи формы представления функции фильтры подобного класса делятся на 4 вида.
Фильтры вида
1: L
= 0; H*(ej)
=
a(n)cos(
n).
Фильтры вида
2: L
= 0; H*(ej)
=
b(n)cos[
(n
– 0,5)].
Фильтры вида 3: значение L= 1 и выражение для функции из (8.30)
H*(ej)
=
c(n)sin(
n).
Фильтры вида 4: значение L= 1 и выражение для характеристики
H*(ej)
=
d(n)sin[
(n
– 0,5)].
Выражение для H*(ej)можно записать в виде произведения функции частотыQ(ej)и члена P(ej), состоящего из суммы косинусов.
Для фильтров вида 3
Q(ej)
=
sin()
и P(ej)
=
c~(n)cos(
n),
(8.31)
т.е. справедливо равенство
c(n)sin(
n)
=
sin()
c~(n)cos(
n).
Для фильтров вида 4
Q(ej)
=
sin(/2)
и P(ej)
=
d~(n)cos(
n),
т.е.
d(n)sin
[(n
– ½)]
= sin(
)
d~(n)cos(
n).
Задачу расчета оптимального КИХ–фильтра с линейной фазой можно сформулировать в виде задачи чебышевской аппроксимации. Для возможности выбора величины ошибки для различных частотных полос введем заданную (действительную) частотную характеристику фильтра D(ej)и весовую функцию ошибки аппроксимацииW(ej).
Взвешенная ошибка аппроксимации по определению равна
E(ej) = W(ej)[D(ej) – H*(ej)].
Записав H*(ej) в виде произведенияP(ej)иQ(ej), представимE(ej) в видеE(ej)=W(ej)[D(ej) – P(ej)Q(ej)].
Функция однозначно зависит от частоты, поэтому ее можно вынести за скобки E(ej)=W(ej)Q(ej) [D(ej)/Q(ej) – P(ej)].
Обозначим
(ej)
=W(ej)Q(ej)и
(ej)
= D(ej)/Q(ej).
В этих обозначениях функция ошибки имеет вид
E(ej)
=
(ej)
[
(ej)
– P(ej)].
Теперь задачу чебышевской аппроксимации
можно сформулировать как задачу
нахождения коэффициентов
(n),
которые минимизируют максимум модуля
ошибкиE(ej)в заданных частотных полосах.
Обозначим минимальную ошибку символом E(ej). Задачу чебышевской аппроксимации можно сформулировать выражением
E(ej) = min[maxA E(ej)], (8.32)
где А–
совокупность всех интересующих
разработчика частотных полос; минимизация
производится по всем возможным значениям
коэффициентов
(n)или
(n).
Для решения (8.32) используется обобщенная
теорема Чебышева: Если P(ej)представляет собой линейную комбинацию
изrкосинусных функцийP(ej)=
(n)cos(n),
то необходимое и достаточное условие
того, чтоP(ej)является единственной и наилучшей
аппроксимацией с взвешиванием непрерывной
функции
(ej)
в компактной области (0,),
состоит в том, что взвешенная функция
ошибкиE(ej)имеет по крайней мере (r+ 1) экстремальных частот в подобластиA,
т.е. в этой подобласти должно существовать
(r+ 1) точекi,
таких, что1<2<3< …< r
<
r+1
и E(eji)
= – E(eji+1),
i
= 1, 2, …, r,
и E(eji) = maxA [E(ej)].
Обобщенная теорема Чебышева дает необходимые и достаточные условия для получения оптимального решения.
Количество экстремумов функции ошибки оптимального КИХ-фильтра с линейной ФЧХ ecstr(r+ 1) – (8.31). Для фильтров вида (8.31) максимальное число экстремумов функцииH*(ej)на интервале удовлетворяет условиюNe (N – 1)/2.
Максимальное число экстремумов функции ошибки E(ej)определяет конкретный способ расчета оптимального фильтра.
Число частот, на которых функция H*(ej)может иметь экстремумы, строго зависит от вида импульсной характеристики проектируемого фильтра с линейной фазой. ЗначениеH*(ej)в каждом экстремуме определяется весовой функцией W(ej), заданной частотной характеристикойD(ej) и величиной – максимумом ошибки аппроксимации. Для получения оптимального фильтра необходимо распределить частоты экстремумов по частотным диапазонам при условии максимального числа экстремальных частот результирующей характеристики фильтра. Такие преобразователи называют фильтрами с максимумом пульсаций. Фильтры нижних частот этого типа имеют на одну пульсацию больше минимального числа пульсаций, обеспечивающего оптимальность.
Для вычисления коэффициентов системной функции H*(ej)оптимального по Чебышеву КИХ-фильтра составляется система нелинейных уравнений
H*(e j i) = /W(e j i) + D(e j i);
d[H*(e j i)]/d = 0 при = i , i = 1, 2, …, Ne.
Эту систему из 2Neуравнений можно решить методом последовательных приближений, используя процедуру нелинейной оптимизации (например алгоритм Флетчера – Пауэлла).
Пример. Оптимальный преобразователь Гильберта описывается выражением D(ej) = – j,2 FL 2 FH;
D(ej) = j, 2(1 – FL) 2(1– FH);
где FL– нижняя, аFH– верхняя частоты среза полосы, в которой фильтр аппроксимирует идеальную частотную характеристику преобразователя Гильберта.
Для минимизации максимума ошибки характеристики преобразователя Гильберта используется весовая функция W(ej)= 1.
Для фильтра вида 3 величина FHдолжна быть меньше 0,5 и величинаFL– больше 0; целесообразно выбиратьFL= 0,5 –FH, в этом случае характеристика будет симметричной относительно частоты = /2, т.е. f= 0,25.
Лекцмя 8
