19103

Проектирование (синтез) линейных цифровых фильтров

Практическая работа

Физика

Лекция № 15. Проектирование синтез линейных цифровых фильтров. Под проектированием синтезом цифрового фильтра понимают выбор таких коэффициентов системной передаточной функции при которых характеристики получающегося фильтра удовлетворяют заданным требовани...

Русский

2013-07-11

144 KB

45 чел.

Лекция № 15.

Проектирование (синтез) линейных цифровых фильтров.

Под проектированием (синтезом) цифрового фильтра понимают выбор таких коэффициентов  системной (передаточной) функции, при которых характеристики получающегося фильтра удовлетворяют заданным требованиям. Строго говоря, в задачу проектирования входит и выбор подходящей структуры фильтра (см. лекцию № 14)  с учетом конечной точности вычислений. Это особенно актуально при реализации фильтров в аппаратурном виде (в виде специализированных БИС или цифровых сигнальных процессоров). Поэтому в целом проектирование цифрового фильтра состоит из следующих этапов:

  1.  Решение задачи аппроксимации с целью определения коэффициентов фильтра и системной функции, удовлетворяющей конкретным требованиям.
  2.  Выбор схемы построения фильтра, то есть преобразование системной функции в конкретную структурную схему фильтра.
  3.  Оценка эффектов квантования, то есть эффектов, связанных с конечной точностью представления чисел в цифровых системах, обладающих конечной разрядностью.
  4.  Проверка методами моделирования удовлетворяет ли полученный фильтр заданным требованиям.

Методы синтеза цифровых фильтров можно классифицировать по различным признакам:

  1.  по типу получаемого фильтра:
    •  методы синтеза фильтров с конечной импульсной характеристикой;
    •  методы синтеза фильтров с бесконечной импульсной характеристикой;
  2.  по наличию аналогового прототипа:
    •  методы синтеза с использованием аналогового прототипа;
    •  прямые методы синтеза (без использования аналогового прототипа).

На практике КИХ-фильтрам часто отдают предпочтение, для этого имеются следующие причины. Во-первых, КИХ-фильтры обеспечивают возможность точного вычисления выходного сигнала при ограниченном входном по свертке, не требующей усечения импульсной характеристики. Во-вторых, фильтры с конечной импульсной характеристикой могут иметь строго линейную ФЧХ в полосе пропускания, что позволяет проектировать фильтры с амплитудной  характеристикой, не искажающей входные сигналы. В-третьих, КИХ-фильтры всегда устойчивы и, при введении соответствующей конечной задержки, физически реализуемы. Кроме того, КИХ-фильтры могут быть реализованы не только по нерекурсивным схемам, но и с использованием рекурсивных форм.

Отметим недостатки КИХ-фильтров:

  1.  Для аппроксимации фильтров, частотные характеристики которых имеют острые срезы, требуется импульсная характеристика с большим числом отсчетов . Поэтому при использовании обычной свертки необходимо выполнять большой объем вычислений. Только разработка на основе высокоэффективного алгоритма БПФ методов быстрой свертки позволила КИХ-фильтрам успешно конкурировать с БИХ-фильтрами, имеющими острые срезы в частотной характеристике.
  2.  Задержка в КИХ-фильтрах с линейной фазовой характеристикой не всегда равна целому числу интервалов дискретизации. В некоторых приложениях такая некратная задержка может вызвать определенные трудности.

Один из вариантов проектирования цифровых фильтров связан с  заданной последовательностью отсчетов импульсной характеристики, которые используют для получения и анализа его частотной характеристики (частотного коэффициента передачи).

Получим условие, при котором нерекурсивный фильтр имеет строго линейную ФЧХ. Системная функция такого фильтра имеет вид:

,                                                                                 (15.1)

где коэффициенты фильтра  являются отсчетами импульсной характеристики. Преобразование Фурье от  является частотной характеристикой фильтра, периодической по частоте с периодом .  Представим ее  для действительной последовательности  в виде:  Получим условия, при которых импульсная характеристика фильтра будет обеспечивать строгую линейность его фазовой характеристики. Последнее означает, что фазовая характеристика  должна иметь вид:

                                                                    (15.2)

где  – постоянная фазовая задержка, выраженная через число интервалов дискретизации. Запишем частотную характеристику  в виде:

                                                (15.3)

Приравнивая действительные и мнимые части, получим:

,                                                     (15.4)

.                                                       (15.5)

Откуда:

.                                                                           (15.6)

Существует два возможных решения уравнения (15.6). Одно (при ) не представляет интереса, другое соответствует случаю . Перекрестно умножая члены уравнения (15.6), получим:

                                                                       (15.7)

Поскольку уравнение (15.7) имеет вид ряда Фурье, то решение уравнения должно  удовлетворять следующим условиям:

,                                                                                                (15.8)

и                                                                       (15.9)

Из условия (15.8) следует, что для каждого  существует только одна фазовая задержка , при которой может достигаться строгая линейность фазовой характеристики фильтра. Из (15.9) следует, что при заданном , удовлетворяющем условию (15.8), импульсная характеристика должна обладать вполне определенной симметрией.

Целесообразно рассмотреть использование условий (15.8) и (15.9) отдельно для случаев четного и нечетного . Если  нечетное число, то  целое число, то есть задержка в фильтре равна целому числу интервалов дискретизации.  В этом случае центр симметрии приходится на  отсчет. Если же  четное число, то  дробное число, и  задержка в фильтре равна нецелому числу интервалов дискретизации. Например, для  получаем  , и центр симметрии импульсной характеристики лежит посредине между двумя отсчетами.

Значения коэффициентов импульсной характеристики используют для вычисления частотной характеристики КИХ-фильтров. Можно показать, что для симметричной импульсной характеристики с нечетным числом отсчетов выражение для действительной функции , принимающей положительные и отрицательные значения, имеет вид:

,                                                                 (15.10)

где

Чаще всего при проектировании КИХ-фильтра исходят из требуемой (или желаемой) частотной характеристики с последующим вычислением коэффициентов фильтра. Существуют несколько методов расчета таких фильтров: метод проектирования с помощью окон, метод частотной выборки, метод расчета оптимального (по Чебышеву) фильтра. Рассмотрим идею проектирования методом окон на примере КИХ-фильтра нижних частот.      

Прежде всего, задается желаемая частотная характеристика проектируемого фильтра. Например, возьмем идеальную непрерывную частотную характеристику ФНЧ с коэффициентом передачи , равным единице на низких частотах и равным нулю на частотах, превышающих некоторую частоту среза. Дискретным представлением идеального ФНЧ является периодическая характеристика , которая может быть задана отсчетами на интервале периодичности, равном частоте дискретизации. Определение коэффициентов  фильтра низких частот методами обратного ДПФ (либо аналитическим способом, либо с помощью программы, реализующей обратное ДПФ) дает бесконечную в обе стороны последовательность отсчетов импульсной характеристики, которая имеет форму классической функции .

Для получения реализуемого нерекурсивного фильтра заданного порядка эта последовательность усекается – из нее выбирается центральный фрагмент нужной длины. Простое усечение отсчетов импульсной характеристики соответствует использованию прямоугольного окна, задаваемого специальной функцией  Из-за усечения отсчетов первоначально заданная частотная характеристика  искажается, так как она представляет собой свертку в частотной области дискретной частотной характеристики  и ДПФ функции окна:

,                                                                                 (15.11)

где  ДПФ  В результате в полосе пропускания частотной характеристики возникают пульсации, обусловленные  боковыми лепестками .

Для ослабления перечисленных эффектов и прежде всего для уменьшения уровня лепестков в полосе задерживания усеченная импульсная характеристика умножается на весовую функцию (окно), плавно спадающую к краям. Таким образом, метод проектирования КИХ-фильтров с помощью окон представляет собой метод уменьшения разрывов окна  путем  использования окон, отличных  от прямоугольного. При этом весовая функция (окно) должна обладать следующими свойствами:

  •  ширина главного лепестка частотной характеристики окна, содержащего по возможности большую часть общей энергии, должна быть малой;
  •  энергия в боковых лепестках частотной характеристики окна должна быстро уменьшаться при приближении  к .

В качестве весовых функций используют окна Хэмминга, Кайзера, Блэкмена, Чебышева и др.

 

PAGE  3


 

А также другие работы, которые могут Вас заинтересовать

49901. ПРОГНОЗИРОВАНИЕ СРЕДНЕЙ СТОИМОСТИ ЖИЛОЙ НЕДВИЖИМОСТИ С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТИ 382.5 KB
  Принципы и методы прогнозирования и оценки недвижимости. Методы оценки недвижимости основанные на сравнении рыночной информации Методы оценки недвижимости основанные на анализе затрат.
49902. Искусственный нейрон. Алгоритм обратного распространения 467.33 KB
  Нейронные сети обратного распространения – это мощнейший инструмент поиска закономерностей, прогнозирования, качественного анализа. Такое название – сети обратного распространения (back propagation) они получили из-за используемого алгоритма обучения, в котором ошибка распространяется от выходного слоя к входному, т.е. в направлении...
49903. Расчёт конденсатора паровой турбины 840 KB
  Расчет поверхностного конденсатора Тепловой расчет конденсатора Гидравлический расчет конденсатора Расположение трубок в конденсаторе
49904. Использование нейронных сетей при моделировании цен на подержанные автомобили 564.5 KB
  Что такое нейронные сети Зачем нужны нейросети и нейрокомпьютеры Примеры использования нейросетей Чем обусловлено рождение новой науки. НЕЙРОСЕТИ: ОСНОВНЫЕ ПОЛОЖЕНИЯ Что такое нейронные сети Прежде всего когда мы говорим о нейронных сетях то чаще имеем в виду искусственные нейронные сети. Некоторые из них моделируют биологические нейронные сети некоторые нет.
49906. Использование нейронных сетей для прогнозирования моделей цифрового фотоаппарата фирмы Nikon 649.5 KB
  Искусственные нейронные сети Нейронные сети –- это набор нейронов соединенных между собой. Нейронные сети и нейрокомпьютеры это одно из направлений компьютерной индустрии в основе которого лежит идея создания искусственных интеллектуальных устройств по образу и подобию человеческого мозга. Искусственный нейронные сети в значительной мере заимствуют принципы работы головного мозга.
49907. Игра “Восемь ферзей” 86 KB
  В результате выполнения указанной процедуры получим следующий словарь предметной области: Поле для игры в шахматы TField €œАтрибуты Координата Х Координата Y Цвет клетки Ферзи Действия нарисоваться Pint€...
49908. Зведення та опорядження 5ти поверхового будинку 893.02 KB
  Основні вказівки по технології ведення монтажний робіт 10.Вибір вантажозахватних пристроїв При виборі кранів для виконання будівельних монтажних робіт необхідно визначити монтажні характеристики конструкцій які зводяться ; за технікомонтажними характеристиками підібрати кран. Додаток 9 № Назва Галузь застосування Ескіз Вантажопідйомність т Маса кг Технологічна висота м 1 2 3 4 5 6 7 1 Строп з чотирьох віток Монтаж сходових майданчиківплит перекриття і покриття 5 7 9 10 44 48 56 91 45 2 Строп з 4х віток дві з яких подовжені Монтаж...