Виды фильтров
Фильтры нижних частот (ФНЧ) low-pass filter
Полоса пропускания
0
Фильтры верхних частот (ФВЧ) hight-pass filter
0
Полосовые фильтры (ПФ) band-pass filter
Режекторные фильтры (ПФ) band-stop filter
Пропускают все частоты, кроме узкой полосы частот.
Фильтр Баттерворта:
,
где – частота среза (у прототипа;
–порядок фильтра.
1
Фильтр Чебышева 1-го рода:
,
где – частота среза;– полином Чебышева-го порядка;– порядок фильтра;– параметр, определяющий величину пульсация АЧХ в полосе пропускания.
6.6.1 Алгоритм Герцеля.
Дискретное преобразование Фурье (ДПФ) используется для преобразования сигнала из временной области в частотную. С другой стороны, ДПФ может использоваться для вычисления нескольких частотных точек, например 20, 25 и 30 точек из 256 возможных. Обычно, если необходимо рассчитать более чем log2Nточек изN, то быстрее рассчитать БПФ, а затем исключить ненужные точки. Если необходимо рассчитать несколько точек, то ДПФ быстрее.
где и
ДПФ вычисляется для одной точки из N, например, с номером 15:
где и
Использование алгоритма Герцеля сокращает количество операций и экономит время. Для вычисления ДПФ, необходимо вычислить большое количество комплексных коэффициентов. Для ДПФ размером NиспользуетсяN2 комплексных коэффициентов. При использовании алгоритма Герцеля понадобится всего два коэффициента для каждой частоты: один вещественный и один комплексный.
Алгоритм Герцеля можно алгебраически модифицировать, так что результат будем брать в квадрате (тем самым избавляясь от комплексной составляющей). Такая модификация исключает фазовую составляющую, которая не используется во многих реальных приложения. Так, например, алгоритм Герцеля широко используется для распознавания DTMFсигналов в телефонии. К достоинствам данной модификации можно отнести наличие только одного вещественного коэффициента.
Алгоритм Герцеля позволяет обрабатывать данные в темпе их поступления, при этом нет необходимости ждать, пока заполнится буфер из Nэлементов. Схема такого преобразования представлена на рис. 6.8.
Рис. 6.8 Структурная схема фильтра, реализующего алгоритма Герцеля
Фильтр, реализующий подобный алгоритм может быть представлен, как БИХ фильтр второго порядка.
Алгоритм Герцеля может быть использован для подсчета ДПФ. Однако, его реализация имеет много общего с фильтрами. ДПФ или БПФ получают результат размерности Nиз исходных данных размерностиN. Но фильтры БИХ и КИХ получают новое значение на выходе, как только получают новые данные на входе. Алгоритм вычисляет новое значениеyk(n) (см. рис.), для каждого новогоx(n). Результат вычисления ДПФX(k) будет равенyk(n), еслиn=N. Так как каждое новое значениеyk(n) (где) не ведет к получению конечного результатаX(k), нет необходимости вычислятьyk(n) до тех пор покаn=N. Это подразумевает, что алгоритм Герцеля функционально эквивалентен БИХ фильтру второго порядка за исключением того, что выходной результат фильтра появляется только послеNотсчетов данных.
В фильтре Герцеля Вычисления можно выделить две части - правую (рис.6.9) и левую (рис. 6.10).
Рис. 6.9. Левая часть фильтра, реализующего алгоритм Герцеля.
В этой схеме при выполнении вычислений вида
два промежуточных значения ;;хранятся в памяти , а;.
Для каждого нового отсчета x(n)исчитываются из памяти данных и используются для вычисления нового значения.
Рис. 6.10. Правая часть схемы фильтра, реализующего алгоритм Герцеля.
- Цифровая обработка сигналов
- Санкт-Петербург
- Содержание
- 7.2. Вейвлеты 106
- Введение
- 1. Основные понятия цифровой обработки сигналов
- Понятие о первичной и вторичной обработке сигналов
- Основные требования к системам цос
- 2. Понятие сигналов. Виды сигналов
- 2.1. Виды сигналов
- 2.2. Энергия и мощность сигнала
- 2.3. Представление периодических сигналов в частотной области
- 2.4. Представление в частотной области непериодических сигналов
- Введение в теорию ортогональных преобразований
- 2.4.2. Интегральное преобразование Фурье
- 2.5. Свойства преобразования Фурье
- 2.5.1. Фурье-анализ неинтегрируемых сигналов
- 2.6. Интегральное преобразование Хартли
- 2.7. Случайные сигналы
- 2.7.1.Модели случайных процессов
- 2.7.2. Вероятностные характеристики случайного процесса Функциональные характеристики.
- Числовые характеристики
- Примеры случайных процессов с различными законами распределения
- 3. Корреляционный анализ сигналов
- 3.1. Корреляционная функция (кф):
- 3.2. Взаимная корреляционная функция
- 3.3. Взаимный спектр сигналов
- 3.4. Корреляционные функции случайных процессов
- 3.4.1. Стационарные и эргодические случайные процессы
- 3.5. Спектральные характеристики случайных процессов
- 3.5.1. Теорема Винера-Хинчина
- 3.6. Комплексная огибающая сигнала
- 4. Переход от аналоговых сигналов к цифровым
- 4.1. Дискретизация сигналов
- 4.1.1. Влияние формы дискретизирующих импульсов
- 4.1.2. Теорема Котельникова
- 4.1.3. Дискретизация при использовании квадратурных сигналов
- 4.1.4. Определение шага временной дискретизации при восстановлении сигнала полиномами 0-го порядка
- 4.1.5. Определение шага дискретизации при заданной автокорреляционной функции
- Изменение частоты дискретизации. При решение различных задач обработки сигналов достаточно часто требуется изменение частоты дискретизации сигнала.
- 4.2. Квантование непрерывных сигналов по уровню
- 5. Основные типы дискретных алгоритмов цифровой обработки сигналов
- 5.1. Линейные и нелинейные преобразования
- 5.2. Характеристики линейных систем
- 5.4. Апериодическая свертка и корреляция
- 5.5. Двумерная апериодическая свертка и корреляция
- 5.6 Нерекурсивные и рекурсивные фильтры
- 5.7. Метод синхронного или когерентного накопления
- 5.8. Адаптивные фильтры.
- 5.8.1. Фильтр Винера-Хопфа.
- 5.10. Фильтр Калмана.
- 6. Дискретные ортогональные преобразования
- Задачи цос, решаемые методами дискретных ортогональных преобразований
- 6.1. Дискретное преобразование Фурье
- 6.2. Дискретное преобразование Хартли
- 6.3. Двумерные дискретные преобразования Фурье и Хартли
- 6.4. Ортогональные преобразования в диадных базисах
- 6.5. Дискретное косинусное преобразование
- 6.6. Оконное преобразование Фурье
- 6.7. Выполнение фильтрации в частотной области
- Виды фильтров
- 7. Вейвлет преобразования или разложение по всплескам
- 7.1. Понятие о Wavelet-преобразованиях. Преобразование Хаара
- 7.2. Вейвлеты
- 7.2.1. Непрерывные вейвлет преобразования
- 7.2.2. Частотный подход к вейвлет преобразованиям
- 7.2.3. Вейвлет-ряды дискретного времени
- 7.2.4. Дискретное вейвлет-преобразование
- 7.2.4.1. Условия полного восстановления сигнала
- 7.2.5. Пакеты вейвлетов (алгоритм одиночного дерева)
- 7.2.6. Целочисленное вейвлет-преобразование
- Целочисленное вычисление вейвлет–преобразование (2,2). Это преобразование эквивалентно вейвлет-преобразованию Хаара, использующему следующие фильтры декомпозиции:
- Целочисленное вычисление вейвлет-преобразования (2,6). Данное преобразование эквивалентно использованию следующих фильтров анализа:
- Целочисленное вычисление вейвлет –преобразования (5,3). Такое преобразование также является разновидностью биортогонального преобразования и использует следующую пару фильтров:
- 7.3. Применение вейвлет-преобразований для сжатия изображения
- 8. Быстрые алгоритмы ортогональных преобразований
- 8.1. Вычислительная сложность дпф и способы её сокращения
- 8.2. Запись алгоритма бпф в векторно-матричной форме
- 8.3. Представление алгоритма бпф в виде рекурсивных соотношений
- 8.4. Алгоритмы бпф с прореживанием по времени и по частоте
- 8.6. Вычислительная сложность алгоритмов бпф
- 8.7. Выполнение бпф для случаев
- 8.8. Быстрое преобразование Хартли
- 8.9. Быстрое преобразование Адамара
- 8.10. Выбор метода вычисления свертки / корреляции
- 9. Алгоритмы нелинейной обработки сигналов
- 9.1. Ранговая фильтрация
- 9.2. Взвешенная ранговая фильтрация
- 9.3. Скользящая эквализация гистограмм
- 9.4. Преобразование гистограмм распределения
- Контрольные вопросы и задания. Разделы 1-3.
- Раздел 4
- Разделы 5 и 6
- Раздел 5
- Раздел 8
- Раздел 9
- Кафедра вычислительной техники