1 / 14

Przetwarzanie sygnałów Filtry

Przetwarzanie sygnałów Filtry. dr inż. Michał Bujacz bujaczm@p.lodz.pl Godziny przyjęć: poniedziałek 10:00-11:00 środa 12:00-13:00 „Lodex” 207. Filtry cyfrowe – SOI i NOI. Filtry dzielimy również na:. filtry o s kończonej o dpowiedzi i mpulsowej ( SOI/FIR ) tzw. filtry nierekursywne.

reya
Download Presentation

Przetwarzanie sygnałów Filtry

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Przetwarzanie sygnałów Filtry dr inż. Michał Bujacz bujaczm@p.lodz.pl Godziny przyjęć: poniedziałek 10:00-11:00 środa 12:00-13:00 „Lodex” 207

  2. Filtry cyfrowe – SOI i NOI Filtry dzielimy również na: filtry o skończonejodpowiedzi impulsowej (SOI/FIR) tzw. filtry nierekursywne filtry o nieskończonejodpowiedzi impulsowej (NOI/IIR) tzw. filtry rekursywne 2

  3. Filtr cyfrowy y(n) = x(n) h(n) Y(z) = X(z).H(z)

  4. Równanie różnicowe filtru * 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

  5. Implementacja NOI z pętlą autoregresji współczynniki autoregresji a1=1 -1 z a 2 y(k-1) -1 z a 3 y(k-2) -1 z a N y(k-N) współczynniki ruchomej średniej x(k) y(k) b 0 -1 z b 1 x(k-1) -1 z b 2 x(k-2) -1 z b M x(k-M) 5

  6. Przekształcenie z Ogólne równanie różnicowe filtru cyfrowego: w dziedzinie przekształcenia z można zapisać w postaci: zera filtru(pierwiastki licznika) bieguny filtru (pierwiastki mianownika) 6

  7. Płaszczyzna z Zmienną z definiuje się: p 2 3 p 2 Im(z) z=j radiany na okres r=1 z=1 z=-1  =p 0 =2p Re(z) pulsacja unormowana względem fs z=-j Filtr jest stabilny gdy bieguny filtru leżą wewnątrz okręgu jednostkowego. 7

  8. Płaszczyzna z Charakterystyka amplitudowa Charakterystyka amplitudowa 1 0.8 tzw. zero filtru 0.6 Amplituda 0.4 0.2 0 0 20 40 60 80 100 f [Hz] %MATLABzplane(0.2*ones(1,5),1) 0.4π 0.8π 8

  9. Przykładowy prosty filtr NOI Rozważmy prosty filtr NOI: zero z=0 biegun z= a(1) a(2)=- 9

  10. Prosty filtr NOI 1 0.5 Imaginary part 0 -0.5 -1 -1 -0.5 0 0.5 1 Real part 10

  11. Prosty filtr NOI =0.5<1 pł. z =1.5>1 pł. z 11

  12. 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

  13. Projektowanie filtrów NOI Metoda niezmienności odpowiedzi impulsowej: Wyznacz odpowiedzi impulsowe tych filtrów % MATLAB%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

  14. Porównanie filtrów SOI i NOI NOI SOI • z definicji stabilne • łatwe projektowanie • łatwo zapewnić liniową fazę • uzyskanie stromej charakterystyki wymaga dużego rzędu filtru • skończoną dokładność reprezentacji współczynników filtru nie jest dokuczliwa • mogą być niestabilne • bardziej złożone projektowanie • nieliniowa faza • możliwość uzyskiwania bardzo stromej charakterystyki przy niskim rzędzie filtru • problemy implementacyjnez uwagi na skończoną dokładność reprezentacji współczynników filtru 14

More Related