1 - ICAD 2013
Download
Report
Transcript 1 - ICAD 2013
Przetwarzanie sygnałów
Filtry
dr inż. Michał Bujacz
[email protected]
Godziny przyjęć:
poniedziałek 10:00-11:00
środa 12:00-13:00
„Lodex” 207
Filtry cyfrowe – SOI i NOI
Filtry dzielimy również na:
1
0.8
filtry o skończonej
odpowiedzi impulsowej
(SOI/FIR)
0.6
0.4
0.2
0
tzw. filtry nierekursywne
filtry o nieskończonej
odpowiedzi impulsowej
(NOI/IIR)
0
5
10
15
20
5
10
15
20
1
0.8
0.6
0.4
0.2
tzw. filtry rekursywne
0
0
2
Filtr cyfrowy
y(n) = x(n) h(n)
Y(z) = X(z).H(z)
M
N
n 1
n2
yk bnxk n 1 an yk n 1
yk
b1xk b2xk 1 b3xk 2
a2yk 1 a3 yk 2 a4 yk 3
Równanie różnicowe filtru
M
N
n 1
n2
yk bnxk n 1 an yk n 1
*
Jeżeli wszystkie współczynniki a(n) są zerowe to
równanie różnicowe opisuje filtr cyfrowy SOI, w
przeciwnym przypadku filtr NOI
SOI – ang. Finite Impulse Response (FIR)
NOI – ang. Infinite Impulse Response (IIR)
4
Implementacja NOI z pętlą
autoregresji
współczynniki
ruchomej średniej
x(k)
b0
współczynniki
autoregresji
a1=1
z-1
z-1
b1
x(k-1)
a2
z-1
a3
z-1
x(k-M)
y(k-1)
z-1
b2
x(k-2)
y(k)
y(k-2)
z-1
bM
aN
y(k-N)
5
Przekształcenie z
Ogólne równanie różnicowe filtru cyfrowego:
M
N
n 0
n 1
yk bn xk n an yk n
w dziedzinie przekształcenia z można zapisać w
postaci:
zera filtru
M
n
(pierwiastki licznika)
b
z
n
Y z
H z
n 0N
bieguny filtru
X z
n
1 an z
(pierwiastki
n 1
mianownika)
6
Płaszczyzna z
Zmienną z definiuje się:
z e
j
Im(z)
z=j
radiany
na okres
p
2
f
2p
fs
r=1
z=-1 =p
fs
f
2
pulsacja unormowana
względem fs
z=1
0
=2p f f s Re(z)
3 p
2
z=-j
Filtr jest stabilny gdy bieguny filtru leżą wewnątrz
okręgu jednostkowego.
7
Płaszczyzna z
%MATLAB
zplane(0.2*ones(1,5),1)
0.4π
0.8π
Charakterystyka
amplitudowa
Charakterystyka amplitudowa
1
1
Amplituda
tzw. zero filtru
0.6
0.4
Imaginary part
0.8
0.5
0
-0.5
0.2
-1
0
0
20
40
60
f [Hz]
80
100
-1
-0.5
0
Real part
0.5
1
8
Przykładowy prosty filtr NOI
Rozważmy prosty filtr NOI:
yn yn 1 xn
Y z
1
H z
1
X z 1 z
zero z=0
H z
a(1)
1
1 z 1
z
z
z z
biegun z=
a(2)=-
9
Magnitude Response (dB)
Prosty filtr NOI
0.5
0.5
0
5
0
-5
0
0.2
0.4
0.6
0.8
Normalized frequency (Nyquist == 1)
1
0
0.2
0.4
0.6
0.8
Normalized frequency (Nyquist == 1)
1
0
-0.5
-1
-1
-0.5
0
0.5
Real part
1
Phase (degrees)
Imaginary part
1
10
-10
-20
-30
10
Prosty filtr NOI
5
7
x 10
6
5
1
4
0.8
=1.5>1
3
=0.5<1
0.6
2
0.4
1
0.2
0
0
0
5
10
pł. z
0
10
20
pł. z
30
11
Projektowanie filtrów NOI
Metoda bezpośrednia - aproksymacyjna:
%
%
%
%
%
MATLAB
[b,a]=yulewalk(n,f,m)
n – rząd filtru
f – próbki char. częstotl. z zakresu <0,1>
m – dyskretne częstotl. z zakresu <0,1>
f = [0 0.6 0.6 1];
m = [1 1 0 0];
[b,a] = yulewalk(8,f,m);
[h,w] = freqz(b,a,128);
plot(f,m,w/pi,abs(h),'--')
Nieliniowa faza!
Zobacz też ‘zplane(b,a)’
12
Projektowanie filtrów NOI
Metoda niezmienności odpowiedzi impulsowej:
% MATLAB
Wyznacz odpowiedzi impulsowe
tych filtrów
%dolnoprzepustowy Butterwotha
[b,a]=butter(5,0.4)
%pasmowoprzepustowy Czebyszewa typu I
[b,a]=cheby1(4,1,[.4 .7])
%górnoprzepustowy Czebyszewa typu II
[b,a]=cheby2(6,60,.8,’high’)
%pasmowozaporowy eliptyczny
[b,a] = ellip(3,1,60,[.4 .7],’stop’);
13
Porównanie filtrów SOI i NOI
SOI
NOI
z definicji stabilne
mogą być niestabilne
łatwe projektowanie
bardziej złożone projektowanie
łatwo zapewnić liniową fazę
nieliniowa faza
uzyskanie stromej
możliwość uzyskiwania bardzo
charakterystyki wymaga
dużego rzędu filtru
skończoną dokładność
reprezentacji współczynników
filtru nie jest dokuczliwa
stromej charakterystyki przy
niskim rzędzie filtru
problemy implementacyjne
z uwagi na skończoną
dokładność reprezentacji
współczynników filtru
14