- •ВВЕДЕНИЕ
- •1. СИГНАЛЫ И ИХ ПРЕОБРАЗОВАНИЯ ПРИ ЦИФРОВОЙ ОБРАБОТКЕ
- •1.2. МАТЕМАТИЧЕСКИЕ МОДЕЛИ ДИСКРЕТНЫХ СИГНАЛОВ
- •1.3. СПЕКТР ДИСКРЕТНОГО СИГНАЛА
- •1.6. ПРАКТИЧЕСКИЕ ОСОБЕННОСТИ ДИСКРЕТИЗАЦИИ СИГНАЛА
- •1.7. УСЛОВИЯ ВЫБОРА ЧАСТОТЫ ДИСКРЕТИЗАЦИИ
- •1.8. КВАНТОВАНИЕ СИГНАЛОВ ПО УРОВНЮ
- •1.8.1. ОПРЕДЕЛЕНИЕ И СПОСОБЫ
- •1.8.2. ПОГРЕШНОСТЬ КВАНТОВАНИЯ
- •1.9. ЦИФРОВОЕ КОДИРОВАНИЕ СИГНАЛА
- •1.9.1. АЛГОРИТМЫ КОДИРОВАНИЯ И ФОРМАТЫ ЦИФРОВОГО СИГНАЛА
- •1.9.2. ПОГРЕШНОСТЬ КВАНТОВАНИЯ ЦИФРОВОГО СИГНАЛА
- •1.10. УСЛОВИЯ ВЫБОРА РАЗРЯДНОСТИ АЦП
- •1.12. УСЛОВИЕ МАТЕМАТИЧЕСКОЙ АДЕКВАТНОСТИ ДИСКРЕТНОГО И ЦИФРОВОГО СИГНАЛОВ
- •КОНТРОЛЬНЫЕ ВОПРОСЫ
- •2. ЦИФРОВЫЕ ФИЛЬТРЫ НА ОСНОВЕ РАЗНОСТНЫХ УРАВНЕНИЙ И ДИСКРЕТНОЙ ВРЕМЕННОЙ СВЕРТКИ
- •2.4. ТЕСТОВЫЕ ПОСЛЕДОВАТЕЛЬНОСТИ ДИСКРЕТНЫХ СИСТЕМ
- •2.5. ПЕРЕДАТОЧНАЯ ФУНКЦИЯ И ЧАСТОТНАЯ ХАРАКТЕРИСТИКА ДИСКРЕТНОЙ СИСТЕМЫ
- •2.6. ПЕРЕДАТОЧНЫЕ ФУНКЦИИ РЕКУРСИВНЫХ ЦИФРОВЫХ ФИЛЬТРОВ
- •2.7. ЧАСТОТНЫЕ ХАРАКТЕРИСТИКИ РЕКУРСИВНЫХ ФИЛЬТРОВ
- •2.8. ФОРМЫ РЕАЛИЗАЦИИ РЕКУРСИВНЫХ ФИЛЬТРОВ
- •2.9. ПРЯМАЯ ФОРМА РЕАЛИЗАЦИИ НЕРЕКУРСИВНЫХ ФИЛЬТРОВ
- •2.10. ПЕРЕДАТОЧНАЯ ФУНКЦИЯ И ЧАСТОТНАЯ ХАРАКТЕРИСТИКА НЕРЕКУРСИВНОГО ФИЛЬТРА
- •КОНТРОЛЬНЫЕ ВОПРОСЫ
- •3.1. ЗАДАЧИ И МЕТОДЫ СИНТЕЗА ЦИФРОВЫХ ФИЛЬТРОВ
- •3.2.1. ОБЩЕЕ ОПИСАНИЕ МЕТОДА
- •3.2.2. ПРОСТОЕ БИЛИНЕЙНОЕ ПРЕОБРАЗОВАНИЕ
- •3.2.3. ОБОБЩЕННЫЕ БИЛИНЕЙНЫЕ ПРЕОБРАЗОВАНИЯ
- •3.2.6. ПЕРЕХОД ОТ АФПНЧ К ЦФ ЗАДАННОГО ТИПА
- •3.2.7. МЕТОДИКА СИНТЕЗА РФ ПО АНАЛОГОВОМУ ПРОТОТИПУ
- •3.2.8. ПРИМЕР СИНТЕЗА ПЕРЕДАТОЧНОЙ ФУНКЦИИ РФ
- •3.3. СИНТЕЗ НЕРЕКУРСИВНЫХ ФИЛЬТРОВ МЕТОДОМ ВЕСОВЫХ ФУНКЦИЙ
- •3.3.1. ОСНОВЫ МЕТОДА
- •3.3.2. ПАРАМЕТРЫ ВЕСОВЫХ ФУНКЦИЙ
- •3.3.3. ОПИСАНИЯ ВЕСОВЫХ ФУНКЦИЙ
- •3.3.4. ВЕСОВЫЕ ФУНКЦИИ КАЙЗЕРА
- •3.3.5. ИМПУЛЬСНЫЕ ХАРАКТЕРИСТИКИ ИДЕАЛЬНЫХ ЦФ РАЗЛИЧНОГО ТИПА
- •3.3.6. МЕТОДИКА СИНТЕЗА НФ МЕТОДОМ ВЕСОВЫХ ФУНКЦИЙ
- •3.3.7. ПРИМЕР СИНТЕЗА ПЕРЕДАТОЧНОЙ ФУНКЦИИ НФ МЕТОДОМ ВЕСОВЫХ ФУНКЦИЙ
- •3.4. СИНТЕЗ НЕРЕКУРСИВНЫХ ФИЛЬТРОВ МЕТОДОМ ЧАСТОТНОЙ ВЫБОРКИ
- •3.4.1. ОСНОВЫ МЕТОДА
- •3.4.2. СИНТЕЗ НФ ВТОРОГО ТИПА МЕТОДОМ ЧАСТОТНОЙ ВЫБОРКИ
- •3.4.3. МЕТОДИКА СИНТЕЗА НФ МЕТОДОМ ЧАСТОТНОЙ ВЫБОРКИ
- •3.4.4. ПРИМЕР СИНТЕЗА ПЕРЕДАТОЧНОЙ ФУНКЦИИ НФ МЕТОДОМ ЧАСТОТНОЙ ВЫБОРКИ
- •3.5. ЧИСЛЕННЫЕ МЕТОДЫ СИНТЕЗА ЦИФРОВЫХ ФИЛЬТРОВ
- •КОНТРОЛЬНЫЕ ВОПРОСЫ
- •4. МЕТОДЫ ОЦЕНКИ И ОБЕСПЕЧЕНИЯ ТОЧНОСТИ ЦОС
- •4.2. ВЛИЯНИЕ КВАНТОВАНИЯ КОЭФФИЦИЕНТОВ ФИЛЬТРА
- •4.3. МАСШТАБИРОВАНИЕ СИГНАЛОВ В ЦИФРОВЫХ ФИЛЬТРАХ
- •4.4. РАСЧЕТ МАСШТАБНЫХ МНОЖИТЕЛЕЙ ДЛЯ КОНКРЕТНЫХ СТРУКТУР ЦИФРОВЫХ ФИЛЬТРОВ
- •4.4.3. ПАРАЛЛЕЛЬНАЯ СТРУКТУРА РЕКУРСИВНОГО ФИЛЬТРА
- •4.4.4. КАСКАДНАЯ СТРУКТУРА РЕКУРСИВНОГО ФИЛЬТРА
- •4.5.1. МЕТОДЫ ОЦЕНКИ ШУМОВЫХ ХАРАКТЕРИСТИК ФИЛЬТРОВ
- •4.5.2. РАСЧЕТ ШУМА КВАНТОВАНИЯ АЦП НА ВЫХОДЕ ЦФ
- •4.5.3. РАСЧЕТ СОБСТВЕННЫХ ШУМОВ КВАНТОВАНИЯ ДЛЯ ПРЯМОЙ ФОРМЫ РЕАЛИЗАЦИИ ЗВЕНА РФ 2-ГО ПОРЯДКА
- •4.5.4. РАСЧЕТ СОБСТВЕННЫХ ШУМОВ КВАНТОВАНИЯ ДЛЯ КАНОНИЧЕСКОЙ ФОРМЫ РЕАЛИЗАЦИИ ЗВЕНА РФ 2-ГО ПОРЯДКА
- •4.5.6. РАСЧЕТ СОБСТВЕННЫХ ШУМОВ КВАНТОВАНИЯ ДЛЯ НЕРЕКУРСИВНОГО ЦИФРОВОГО ФИЛЬТРА НА ОСНОВЕ ДВС
- •4.5.7. РАСЧЕТ СОБСТВЕННЫХ ШУМОВ КВАНТОВАНИЯ ДЛЯ КАСКАДНОЙ ФОРМЫ РЕАЛИЗАЦИИ РФ
- •4.9. СПОСОБЫ РЕШЕНИЯ ЗАДАЧ ОЦЕНКИ И ОБЕСПЕЧЕНИЯ ТОЧНОСТИ ЦФ С ПОМОЩЬЮ МОДЕЛИРОВАНИЯ НА ЭВМ
- •4.14. ПРИМЕРЫ РЕШЕНИЯ ЗАДАЧ КОНЕЧНОЙ РАЗРЯДНОСТИ ЧИСЕЛ
- •4.14.1. РЕШЕНИЕ ЗАДАЧ КОНЕЧНОЙ РАЗРЯДНОСТИ ЧИСЕЛ ДЛЯ РЕКУРСИВНОГО ЦИФРОВОГО ФИЛЬТРА
- •4.14.2. РЕШЕНИЕ ЗАДАЧ КОНЕЧНОЙ РАЗРЯДНОСТИ ЧИСЕЛ ДЛЯ НЕРЕКУРСИВНОГО ЦИФРОВОГО ФИЛЬТРА
- •КОНТРОЛЬНЫЕ ВОПРОСЫ
- •5.1. ОПРЕДЕЛЕНИЕ ДИСКРЕТНОГО ПРЕОБРАЗОВАНИЯ ФУРЬЕ
- •5.2. СВОЙСТВА ДПФ
- •5.3. АЛГОРИТМ ЦИФРОВОЙ ФИЛЬТРАЦИИ КОНЕЧНЫХ ПОСЛЕДОВАТЕЛЬНОСТЕЙ НА ОСНОВЕ ДПФ
- •5.5. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ЦИФРОВЫХ ФИЛЬТРОВ НА ОСНОВЕ ДПФ
- •5.6. АЛГОРИТМ ЦИФРОВОЙ ФИЛЬТРАЦИИ НА ОСНОВЕ ЧАСТОТНОЙ ВЫБОРКИ
- •5.6.1. ПЕРЕДАТОЧНАЯ ФУНКЦИЯ И ОБЩАЯ СТРУКТУРА НЕРЕКУРСИВНОГО ФИЛЬТРА НА ОСНОВЕ ЧАСТОТНОЙ ВЫБОРКИ
- •5.6.2. ОПИСАНИЕ НЕРЕКУРСИВНОЙ ЧАСТИ ФИЛЬТРА
- •5.6.3. ОПИСАНИЕ РЕКУРСИВНОЙ ЧАСТИ ФИЛЬТРА
- •5.6.6. НЕРЕКУРСИВНЫЕ ФИЛЬТРЫ НА ОСНОВЕ ЧАСТОТНОЙ ВЫБОРКИ СО СМЕЩЕНИЕМ НУЛЕЙ И ПОЛЮСОВ ВНУТРЬ КРУГА ЕДИНИЧНОГО РАДИУСА
- •5.6.8. ОСОБЕННОСТИ РЕАЛИЗАЦИИ НЕРЕКУРСИВНЫХ ФИЛЬТРОВ НА ОСНОВЕ ЧАСТОТНОЙ ВЫБОРКИ ВТОРОГО ТИПА
- •КОНТРОЛЬНЫЕ ВОПРОСЫ
- •6. СПЕЦИАЛЬНЫЕ ЗАДАЧИ И ПРИМЕНЕНИЯ ЦИФРОВЫХ ФИЛЬТРОВ
- •6.1. ОБЩАЯ И СПЕЦИАЛЬНЫЕ ЗАДАЧИ ЦИФРОВОЙ ФИЛЬТРАЦИИ
- •6.3. КОМПЛЕКСНЫЕ ЦИФРОВЫЕ ФИЛЬТРЫ
- •6.4. СГЛАЖИВАЮЩИЕ ЦИФРОВЫЕ ФИЛЬТРЫ
- •6.4.1. РЕКУРСИВНЫЙ ФИЛЬТР ВЕСОВОГО ЭКСПОНЕНЦИАЛЬНОГО УСРЕДНЕНИЯ
- •6.4.2. НЕРЕКУРСИВНЫЕ СГЛАЖИВАЮЩИЕ ФИЛЬТРЫ НА ОСНОВЕ ВЕСОВЫХ ФУНКЦИЙ
- •6.4.2. СГЛАЖИВАЮЩИЕ НЕРЕКУРСИВНЫЕ ФИЛЬТРЫ НА ОСНОВЕ ПАРАБОЛИЧЕСКОЙ АППРОКСИМАЦИИ
- •6.4.3. СГЛАЖИВАНИЕ С ПОМОЩЬЮ НЕЛИНЕЙНОГО МЕДИАННОГО ФИЛЬТРА
- •6. 5. РЕЖЕКЦИЯ ФИКСИРОВАННЫХ ЧАСТОТ С ПОМОЩЬЮ НЕРЕКУРСИВНЫХ ФИЛЬТРОВ
- •6.6 1. ОБЩИЕ СВОЙСТВА И ПРИМЕНЕНИЯ СОГЛАСОВАННЫХ ЦИФРОВЫХ ФИЛЬТРОВ
- •6.7. ПРОСТЫЕ АЛГОРИТМЫ ЦИФРОВОГО ДИФФЕРЕНЦИРОВАНИЯ СИГНАЛОВ
- •6. 8.ПРОСТЫЕ АЛГОРИТМЫ ЦИФРОВОГО ИНТЕГРИРОВАНИЯ СИГНАЛОВ
- •КОНТРОЛЬНЫЕ ВОПРОСЫ
- •ЗАДАЧИ ПО ЦИФРОВОЙ ОБРАБОТКЕ СИГНАЛОВ
- •ПРИЛОЖЕНИЕ
- •ЛИТЕРАТУРА
- •ОГЛАВЛЕНИЕ
11
В качестве примера на рис. 6.6 показано применение сглаживающего однородного фильтра в устройстве обнаружения и оценки параметров гармонических сигналов [40].
x(n) |
|
y(n) |
|
|
|
|
|
|
|
|
|
1/N |
|
|
|
|
1/0 |
|||
|
|
|
|
|
|
|
|
|
|
|
S |
|
|
|||||||
ЦФ |
( )2 |
|
∑ |
|
|
|
ПУ |
|||||||||||||
|
|
|
|
|
|
|
|
X |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
z− 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
G |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 6.6. Пример структурной схемы применения сглаживающего однородного фильтра
Отсчеты выделяемого избирательным цифровым фильтром сигнала y(n) возводятся в квадрат и в течение времени NTД накапливаются с помощью реализуемого в рекурсивной форме сглаживающего однородного фильтра. Выход-
N − 1
ной сигнал сглаживающего фильтра s = (1/ N ) ∑ y2 ( nTД ) на каждом N-м
n= 0
такте сравнивается в пороговом устройстве ПУ с некоторым пороговым значением G, при превышении которого принимается решение о присутствии на входе устройства полезного гармонического сигнала. При этом длина импульсной характеристики сглаживающего фильтра должна выбираться из условия NTД = k T0 , где T0 – период обнаруживаемого или выделяемого сигнала, k = 1, 2, …– целые числа. В этом случае значение сигнала на выходе сглаживающего фильтра после установления переходных процессов в ЦФ
равно квадрату действующего значения входного синусоидального сигнала: s = a2/2.
Полоса пропускания ЦФ соответствует частоте полезного сигнала, а полоса задерживания – частотам подавляемых помех.
Аналогичная структура устройства (без ПУ) используется при полосовом спектральном анализе случайных сигналов [36].
6.4.2. СГЛАЖИВАЮЩИЕ НЕРЕКУРСИВНЫЕ ФИЛЬТРЫ НА ОСНОВЕ ПАРАБОЛИЧЕСКОЙ АППРОКСИМАЦИИ
Сглаживание на основе параболической аппроксимации входной последовательности осуществляют с помощью НФ, коэффициенты которых находят из условия минимума среднего квадрата ошибки методом наименьших квадратов [53]. Аппроксимация осуществляется, как правило, параболой 2-го порядка для каждой текущей группы или набора данных с числом точек (отсчетов сигнала) N, определяющим порядок НФ. Используемые значения N = 5, 7, 9, 11 ограничены возрастанием погрешности аппроксимации и инерционности фильтра с увеличеним интервала аппроксимации NТД и ростом объема вычислений. Каждому N-точечному входному набору данных
12
x(n + k), k = 0, …± (N – 1)/2, нумеруемых относительно центрального элемента x(n), ставится в процессе обработки аппроксимирующий его выходной набор данных y(n + k), вычисляемый в соответствии с полиномом:
y(n + k) = y0(n) + ky1(n) + k2y2(n).
Искомые коэффициенты этого полинома y0(n), y1(n), y2(n) (зависящие от n) имеют следующий смысл: y0(n) – сглаженное значение или оценка входного набора x(n + k) при k = 0 ( x( n )), y1(n) – сглаженное значение или оценка
его первой производной (y1(n) = dy(n + k)/dk|k=0 = x' ( n )) и y2(n) ) – сглажен-
ное значение или оценка его второй производной (y2(n) = d2y(n + k)/dk2|k=0 = = x'' ( n )). Выражения, необходимые для вычисления этих оценок, получают-
ся следующим образом:
записывается выражение для суммы квадратов ошибок аппроксимации:
ε ( y 0 , y 1 , y2 ) = |
( N ∑− 1 ) / 2 |
{x( n + k ) − [ y 0 ( n ) + k y1 ( n ) + k 2 y2 (n)]}2 ; |
|
k = − ( N − 1 ) / 2 |
|
находятся и приравниваются нулю частные производные ошибки по коэффициентам параболы ∂ε /∂ y0 = 0, ∂ε /∂ y1 = 0, ∂ε /∂ y2 = 0, приводящие к системе из трех нормальных уравнений с тремя неизвестными:
∑ |
[y 0 ( n ) + k y1 ( n ) + k 2 y2 (n)] = ∑ |
x( n + k ); |
||
k |
|
k |
|
|
∑ |
[k y 0 ( n ) + |
k 2 y 1 ( n ) + k 3 y2 (n)] = |
∑ |
k x( n + k ); |
k |
|
|
k |
|
∑ |
[k 2 y 0 ( n ) + |
k 3k y1 ( n ) + k 4 y2 (n)] = |
∑ k 2 x( n + k ); |
|
k |
|
|
|
k |
из решения системы линейных уравнений для конкретного значения N находятся выражения для оценок y0(n), y1(n), y2(n) в следующем виде:
y 0 ( n ) = ∑ bk( 0 ) x( n + k ); y1( n ) = ∑ bk(1 ) x( n + k ); y 2 ( n ) = ∑ bk( 2 ) x( n + k ) .
k k k
Данные выражения представляют разностные уравнения, коэффициентами которых bk(0), bk(1), bk(2) являются значения импульсных характеристик соответствующих нерекурсивных фильтров.
Например, для числа точек N = 5 (k = − 2, − 1, 0, 1, 2) коэффициенты bk(0) имеют значения (1/35)[ − 3, 12, 17, 12, − 3], а соответствующий им сглаживающий НФ описывается разностным уравнением [53]:
y0(n) = (1/35)[− 3x(n− 2) + 12x(n− 1) + 17x(n) + 12x(n + 1) − |
3x(n + 2)]. |
|
Оценкам производных сигнала y1(n), y2(n) в этом |
случае |
соответствуют |
коэффициенты сглаживающих НФ bk(1) = |
(1/10)[− 2, |
− 1, 0, 1, 3], |
bk(2) = (1/14)[2, − 1, − 2, − 1, 2]. |
|
|