4.4. Выполнение фильтрации в частотной области
Идея частотной фильтрации основана на отличии спектров полезного сигнала и помехи [5,21]. При этом используются линейные частотные фильтры, позволяющие подавлять помеху и улучшать тем самым соотношение сигнал/помеха. Параметры фильтра определяются спектральными характеристиками сигнала и помехи. На практике наиболее часто встречаются следующие случаи.
1) На вход фильтра поступает узкополосный сигнал и широкополосная помеха. В этом случае эффективен узкополосный фильтр с полосой пропускания х;
2) На вход фильтра поступает широкополосный сигнал и узкополосная помеха с шириной спектра r . Для подавления подобной помехи фильтр должен обеспечивать подавление помехи в полосе r;
3) На вход фильтра поступают периодический сигнал и широкополосная помеха.
Рассмотрим случай, когда полезный сигнал является гармоническим, а помеха типа белого шума. Для выделения полезного сигнала в этом случае должен быть использован узкополосный фильтр, настроенный на частоту сигнала. Отношение мощности сигнала к мощности помехи на выходе фильтра при этом
(4.9)
где Р0 - средняя мощность помехи, приходящаяся на единицу полосы; ф - полоса пропускания фильтра. Как видно из выражения (4.9), отношение можно сделать сколь угодно большим за счет уменьшения полосы пропускания фильтраfф.
В реальных условиях полезный сигнал поступает лишь в течении определенного времени Тх и, следовательно, его спектр неограничен.
Известно, что практическая ширина спектра такого сигнала связана с его длительностью соотношением
fфТх=, (4.10)
где - постоянная, зависящая от формы сигнала. Обычно принимается 1.
Длительность сигнала Тх должна быть выбрана такой, чтобы его спектр был не шире полосы пропускания фильтра fхfф.
Подставляя в (4.9) вместо fф величину fх, получаем
(4.11)
Формула (4.11) показывает, что увеличение отношения сигнал/помеха достигается за счет увеличения длительности сигнала Тх, т.е. времени наблюдения.
Таким образом, при частотной фильтрации улучшение отношения сигнал/помеха окупается ценой увеличения времени наблюдения сигнала.
Кроме указанных видов фильтров в частотной области может выполняться линейная фильтрация более общего вида, описываемая выражением типа свертки. Схема выполнения фильтрации сигнала в частотной области приведена на рис. 4.3. Обобщенно подобный метод частотной фильтрации иногда называют операционной частотной фильтрацией. Таким методом можно выполнять заданные математические преобразования исходного сигнала, например, дифференцирование или интегрирование [21, 25].
Рис.4.3. Схема операционной частотной фильтрации
Согласованные фильтры предназначены для выделения сигналов известной формы на фоне шумов. Критерием оптимальности таких фильтров является получение на выходе максимально возможного отношения амплитудного значения сигнала к действующему значению помехи [25]. Реакция согласованного фильтра эквивалентна действию корреляционного приемника. Схема выполнения согласованной фильтрации приведена рис. 4.4.
Для выделения известного сигнала S(t) из стационарного шума n(t) оптимальным является фильтр с передаточной функцией [21, 28]:
(4.12)
S(*) () - сопряженный спектр Фурье ( или Фурье образ ) исходного сигнала,- спектральная плотность шума,ω=2πν. Этот фильтр носит название согласованного фильтра.
Если нужно минимизировать среднеквадратичную ошибку восстановленного сигнала, то:
(4.13)
где - спектр сигнала;- спектр мощности восстанавливаемого сигнала,- спектр мощности шума.
При отсутствии шума для минимизации среднеквадратичной погрешности используется инверсный фильтр [28]:
(4.14)
- Цифровая обработка сигналов методы предварительной обработки
- Санкт-Петербург
- Содержание
- Введение
- 1. Основные понятия цифровой обработки сигналов
- Понятие о первичной и вторичной обработке сигналов
- Основные требования к системам цос
- Основные типы алгоритмов цифровой обработки сигналов
- 1.4. Линейные и нелинейные преобразования
- 1.5. Переход от непрерывных сигналов к дискретным
- 1.6. Циклическая свертка и корреляция
- 1.7. Апериодическая свертка и корреляция
- 1.8. Двумерная апериодическая свертка и корреляция
- 1.9. Контрольные вопросы и задания.
- 2. Дискретные ортогональные преобразования
- 2.1. Введение в теорию ортогональных преобразований
- 2.2. Интегральное преобразование Фурье
- 2.3. Интегральное преобразование Хартли
- 2.4. Дискретное преобразование Фурье
- 2.5. Дискретное преобразование Хартли
- 2.6. Двумерные дискретные преобразования Фурье и Хартли
- 2.7. Ортогональные преобразования в диадных базисах
- 2.8. Понятие о Wavelet-преобразованиях. Преобразование Хаара
- Задачи цос, решаемые методами дискретных ортогональных преобразований
- 2.9. Контрольные вопросы и задания
- 3. Быстрые алгоритмы ортогональных преобразований
- 3.1. Вычислительная сложность дпф и способы её сокращения
- 3.2. Запись алгоритма бпф в векторно-матричной форме
- 3.3. Представление алгоритма бпф в виде рекурсивных соотношений
- Алгоритмы бпф с прореживанием по времени и по частоте
- 3.6. Вычислительная сложность алгоритмов бпф
- 3.7. Выполнение бпф для случаев
- 3.8. Быстрое преобразование Хартли
- 3.9. Быстрое преобразование Адамара
- 3.10. Контрольные вопросы и задания
- 4. Линейная фильтрация сигналов во временной и частотной областях
- 4.1. Метод накопления
- Не рекурсивные и рекурсивные фильтры
- 4.3. Выбор метода вычисления свертки / корреляции
- 4.4. Выполнение фильтрации в частотной области
- 4.5. Адаптивные фильтры
- 4.6. Оптимальный фильтр Винера
- 4.7. Методы обращения матриц
- 4.8. Контрольные вопросы и задания
- 5. Алгоритмы нелинейной обработки сигналов
- 5.1. Ранговая фильтрация
- 5.2. Взвешенная ранговая фильтрация
- 5.3. Скользящая эквализация гистограмм
- 5.4. Преобразование гистограмм распределения
- 5.5. Контрольные вопросы и задания
- Кафедра вычислительной техники