gos / Гетманов3
.pdf
|
|
k /2 |
j Ts |
e |
j Ts |
|
|
H ( j T ) e j Tk /2 |
2h(s) e |
|
|||||
h(0) |
|
|
|||||
|
|
s 1 |
|
2 |
|
|
|
k /2 |
|
e j Tk /2 h(0) 2h(s) cos( Ts) , |
||
|
s 1 |
|
и во втором случае ПФ КИХ-фильтра имеет вид
|
k /2 |
H ( j T ) e j Tk /2 h(0) 2 jh(s) |
|
|
s 1 |
|
k /2 |
e j /2 j Tk /2 h(0) 2h(s) |
|
|
s 1 |
e j Ts e j Ts |
|
|
2 j |
|
|
|
|
sin( Ts) .
Усечение ряда (6.5.10) и формирование ПФ (6.5.12) приводит к эффекту Гиббса, связанному с образованием пульсаций АЧХ около её точки разрыва (точки среза). Использование весовой последовательности конечной длины w(s), s 0, 1,..., k, которая называется
оконной функцией, для умножения коэффициентов Фурье с целью регулирования сходимости усечённого ряда Фурье даёт хорошие результаты в отношении устранения эффекта Гиббса.
Пусть H0 (e j T ) – частотная функция неусечённого ЦФ из (6.5.10). Положим, что для выбранной оконной функции w(s) найдена частотная функция
|
k /2 |
W (e j T ) W (z) Z{w(s)} |
w(s)z s . |
|
s k /2 |
Обозначим через Hw (z) Z{w(s)h(s)} частотную функцию КИХ-
фильтра, полученного в результате умножения коэффициентов им- пульсно-переходной функции на функцию окна. Произведение функций во временной области переводится в свёртку в частотной области. Тогда очевидна запись в виде свёртки
|
T |
2 /T |
|
|
Hw (e j T ) |
|
H (e j 1T )W (e j( 1)T )d 1. |
||
2 |
||||
|
0 |
|
Частотная функция окна W (e j T ) должна иметь главный лепесток,
содержащий почти всю энергию окна, и боковые лепестки, которые должны обычно быстро затухать. При определённом выборе функции окна w(s) удаётся устранить явление Гиббса. Наиболее часто
216
для рассматриваемой здесь задачи используются временные оконные функции Хэннинга, Хемминга и Блэкмана. Разумеется, существует целый ряд других функций окон.
Рассмотрим пример синтеза низкочастотного КИХ-фильтра с заданными c , T и заданной эталонной функцией АЧХ
H0 ( j T ) в виде
|
H0 ( j T ) |
|
1 при 0 c ; |
|
|
|
|||
|
при c 2 / 2T. |
|||
H0 ( j T ) |
0 |
Будем полагать, что для эталонной ПФ справедливо равенство
H0 ( j T ) 1 для 0 c , H0 ( j T ) 0 для |
c 2 / 2T и |
H0 ( j T ) имеет период 2 / 2T. |
|
Найдём импульсно-переходную характеристику предполагаемого к синтезу КИХ-фильтра на основе разложения в ряд Фурье
H0 ( j T ), вычислим интеграл в симметричных пределах:
|
T |
2 /T |
|
|
|
|
T |
|
/T |
|
|
|
|
|
|
|
h(s) |
H0 ( j T )e j Tsd |
|
H0 ( j T )e j Ts d |
|||||||||||||
2 |
2 |
|||||||||||||||
|
0 |
|
|
|
|
/T |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
T |
|
c |
1 e j Ts d |
T e j Ts |
|
|
c |
|
|
||||
|
|
2 |
|
|
|
|
|
|
|
|
||||||
|
|
2 ( jTs) |
|
|
||||||||||||
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
c |
|
||
|
|
|
|
|
c |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
T (e j cTs e j cs ) |
|
sin( Ts) |
|
|
|||||||
|
|
|
|
|
|
|
|
|
c |
|
|
|
|
. |
|
|
|
|
|
|
|
2 ( jTs) |
|
s |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Запишем выражение для ПФ физически реализуемого КИХфильтра для z-переменных, пусть k – чётное число:
|
k /2 |
|
H (z) z k /2 h(0) h(s)(zs z s ) , |
||
|
s 1 |
|
где a0 h(0) |
cT |
, |
as |
2h(s) |
2sin( cTs) |
, s 1,..., k 2. |
|
|
s |
||||||
|
|
|
|
|
ПФ синтезированного КИХ-фильтра имеет вид
k /2
H ( j T ) e j Tk /2 as (e j Ts e j Ts ) s 0
217
|
|
k /2 |
|
|
|
|
|
|
e j Tk /2 as cos( Ts). |
(6.5.13) |
|||||||
|
|
s 0 |
|
|
|
|
|
|
КИХ-фильтр (6.5.13) |
|
синтезирован с прямоугольным окном |
||||||
w0 (s) 1 при 0 s k, |
w0 (s) 0 |
|
при s 0, s k . На рис. 6.5.1а, |
|||||
6.5.1б изображены АЧХ |
|
H ( j T ) |
|
и L |
|
H ( j T ) |
|
синтезированного |
|
|
|
|
КИХ-фильтра (6.5.13) для k 100, c 8, T 0,2 в линейном и логарифмическом масштабе. Видно, что в окрестности частоты среза с функция АЧХ имеет значительные пульсации в полосе пропускания и задерживания.
Рис. 6.5.1а. АЧХ синтезированного КИХ-фильтра с прямоугольным окном в линейном масштабе
Рис. 6.5.1б. АЧХ синтезированного КИХ-фильтра с прямоугольным окном в логарифмическом масштабе
218
Этот же пример рассмотрим, когда для синтеза КИХ-фильтра используется окно Хэннинга. Для этого последовательность коэффициентов as умножается на функцию wH (s), которая описывает-
ся весовой функцией |
|
|
|
|
|
w (s) 0,5 0,5сos 2 s |
при 0 s k, |
w (s) 0 |
при s 0, |
s k. |
|
H |
k |
|
H |
|
|
|
|
|
|
|
Модифицированная ПФ для синтезированного фильтра представляется формулой
k /2 |
|
H ( j T ) e j Tk /2 as wH (s)cos( Ts). |
(6.5.14) |
s 0
На рис. 6.5.2а, 6.5.2б изображены АЧХ H ( j T ) синтезированного
КИХ-фильтра с окном Хэннинга в линейном и логарифмическом масштабе. Видно, что благодаря применению окна существенно снижаются пульсации в полосе пропускания и уровень пульсаций в полосе задержания снижается почти до 50 Дб.
Рис. 6.5.2а. АЧХ синтезированного КИХ-фильтра с окном Хэннинга в линейном масштабе
219
Рис. 6.5.2б. АЧХ синтезированного КИХ-фильтра с окном Хэннинга в логарифмическом масштабе
Рис. 6.5.3а. АЧХ синтезированного КИХ-фильтра с окном Блэкмана в линейном масштабе
Рис. 6.5.3б. АЧХ синтезированного КИХ-фильтра с окном Блэкмана в логарифмическом масштабе
Рассмотрим пример синтеза КИХ-фильтра с использованием окна Блэкманна
w (s) 0,42 0,5сos 2 s 0,08cos 4 s |
при 0 s k, |
|||
B |
k |
k |
|
|
|
|
|
||
|
wH (s) 0 |
при s 0, |
s k. |
ПФ для синтезированного КИХ-фильтра с wB (s) представляется формулой
220
k /2 |
|
H ( j T ) e j Tk /2 as wB (s) cos( Ts) . |
(6.5.15) |
s 0
Из рис. 6.5.3а и 6.5.3б видно, что в результате применения окна Блэкмана практически полностью устраняются пульсации в полосе пропускания и уровень пульсаций в полосе задерживания снижается до 80 Дб.
6.5.4. Синтез КИХ-фильтров методом частотных выборок
Продолжим рассмотрение задачи построения КИХ-фильтров в частотной области. Передаточная функция КИХ-фильтров внешне напоминает дискретное преобразование Фурье. Воспользуемся этим обстоятельством при решении задачи синтеза. Действительно, запишем снова выражение ПФ
k
H (a, j T ) ase j Ts .
s 0
Расположим частотные точки равномерно r ; r 0, 1,..., k;r r; 2 /(k 1). Пусть комплексные значения H0 ( j rT )
задают эталонную ПФ для КИХ-фильтра в равномерно расположенных дискретных частотных точках. Введём нормированные частотные выборки H0,r H0 ( j rT )/(k 1). Очевидно, что после-
довательности частотных выборок H0,r и коэффициенты as связаны прямым и обратным дискретным преобразованием Фурье:
|
|
|
|
|
|
|
k |
|
|
|
2 |
|
|
|
|
|
|
|
|
H0,r |
|
1 |
|
|
ase j |
|
rs , |
|
r 0, 1,..., k, |
||||||||
|
|
|
k 1 |
|
||||||||||||||
|
|
k 1 |
|
|||||||||||||||
|
|
|
|
s 0 |
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
j |
2 rs |
|
|
k |
H |
|
( j T ) |
|
j |
2 |
rs |
|
|
|||
|
|
|
0 |
|
|
|
|
|||||||||||
as H0,r e |
|
N |
|
|
|
|
r |
e |
|
k 1 |
, |
s 0, 1,..., k. |
||||||
|
|
|
k 1 |
|||||||||||||||
r 0 |
|
|
|
|
|
|
r 0 |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
На практике решение задачи синтеза КИХ-фильтров практически всегда связано с тем, что требуется синтезировать АЧХ заданного вида с помощью КИХ-фильтра с действительными коэффициентами as . Воспользуемся подходом разд. 6.5.2, основанным на формировании КИХ-фильтров с линейными ФЧХ.
221
Рассмотрим пример задачи синтеза с k-нечётным. Сформируем
симметричную АЧХ Hr , |
r 0,..., k, |
Hr Hk 1 r , |
которая соот- |
ветствует в точках r 0, |
1,..., (k 1) / 2 значениям |
заданной эта- |
лонной Hr H0,r . Тогда коэффициенты КИХ-фильтра представятся следующей формулой:
k |
j |
2 |
rs |
|
(k 1)/2 |
|
2 |
|
as Hr e |
|
k 1 |
|
|
2Hr cos |
|
rs , |
|
|
k 1 |
|||||||
r 0 |
|
|
|
|
r 0 |
|
|
|
s 0,..., (k 1)/2, |
as ak 1 s . |
Нетрудно видеть, что симметричные коэффициенты as являются действительными.
6.5.5.Синтез КИХ-фильтров по методу аппроксимации во временной области
Данный метод синтеза основан на решении задачи аппроксимации во временной области наблюдений сигнала на ограниченном числе дискретных точек с помощью линейной по параметрам модели. Рассмотрим с учётом определённых допущений используемую здесь задачу аппроксимации и предлагаемый алгоритм синтеза.
Пусть задана выборка из (k 1) наблюдений сигнала y(s) y(Ts), s 0, 1,..., k. Аппроксимируем указанные наблюдения линейной по параметрам c1, c2 ,..., cm моделью в виде полиномиальной функции
m
yM (c,Ts) cr (Ts)r 1.
r 1
Cформируем квадратичный функционал
k |
|
m |
S(c, y) y(s) cr (Ts) |
||
s 0 |
|
r 1 |
r 1 2 .
Решение задачи аппроксимации связано с вычислением оптималь-
ного вектора параметров c модели, который обеспечивает минимальное значение функционала, физический смысл которого очевиден. С помощью векторно-матричных обозначений вектора на-
222
блюдений Y и матрицы X |
0 |
оптимальный вектор параметров c |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
находится следующим образом: |
|
|
|
|
|||||||||
|
y(0) |
|
|
|
|
1 |
T 0 |
|
(T 0)m 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Y |
y(1) |
, |
X |
0 |
|
1 |
T 1 |
|
(T 1)m 1 |
, |
c (X T X |
0 |
) 1 X T Y. |
|
|
|
|
|
|
|
|
|
|
0 |
0 |
||
|
y(k) |
|
|
|
|
1 |
T k |
|
(T k)m 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Для того, чтобы избежать проблем с вычислениями, будем полагать, что k, m принимают малые значения.
Введём матрицу D размерности (m, k 1) и представим вектор c в виде линейной функции от вектора наблюдений
|
|
k |
|
|
D (X0T X0 ) 1 X0T , |
c DY , |
cr drs y(s), |
r 1,..., m, |
(6.5.16) |
|
|
s 0 |
|
|
где drs , r 1,..., m, |
s 0, 1,..., |
k, – коэффициенты матрицы D. Мо- |
||
дель сигнала для |
вектора параметров c в |
некоторой |
точке i, |
0 i k, может быть найдена в виде линейной комбинации наблюдений
m |
m |
|
k |
|
|
|
yM (c , Ti) cr (Ti)r 1 |
|
drs y(s) |
(Ti)r 1 |
|
||
r 1 |
r 1 |
s 0 |
|
|
|
k |
m |
|
|
drs (Ti)r 1 |
y(s). |
s 0 |
r 1 |
|
Точка i в общем случае не связана со значением k; рассмотрим ча-
стный случай i k. Введём коэффициенты |
ak s , |
s 0, 1,..., k, и |
||
представим значение модели сигнала в точке k в виде свёртки |
||||
m |
|
k |
|
|
drs (Tk)r 1 ak s , |
yM (c , Tk) |
ak s y(s). |
(6.5.17) |
|
r 1 |
|
s 0 |
|
|
Примем yM (c , Tk) в качестве результата фильтрации наблюдений y(0), y(1),..., y(k) для точки k, введём обозначение x(k) :
|
k |
k |
yM (c , Tk) x(k) , |
x(k) ak s y(s) as y(k s). (6.5.18) |
|
|
s 0 |
s 0 |
Основываясь на выражении (6.5.18), можно сформировать КИХфильтр. Положим, что последовательность наблюдений сигнала
223
y(i) реализована для k i . Результат фильтрации сигнала x(i) в точке i, полученный на основе скользящего усреднения наблюдений y(i), y(i 1),..., y(i k) для 0 i , представляется соотношением
k |
|
|
x(i) as y(i s), |
i 0, 1, 2,.. . |
(6.5.19) |
s 0 |
|
|
Алгоритм синтеза КИХ-фильтра во временной области базируется на соотношении (6.5.16), которое позволяет вычислить по T, k, m коэффициенты drs матрицы D, и соотношении (6.5.17), на
основе которого может быть вычислен вектор as (или ak s ). Разберём пример синтеза КИХ-фильтра во временной области
по трём наблюдениям y(0), y(1), y(2), |
которые соответствуют |
||
k 2. |
В качестве аппроксимационной модели выбираем прямую |
||
линию |
yM (c, Ts) c1 c2Ts, |
s 0, 1, 2. |
Введём векторно-матрич- |
ные обозначения Y , X0 и произведём необходимые вычисления, положив T 1. Опустив промежуточные выкладки, получим
|
y(0) |
|
|
|
1 |
0 |
|
|
|
|
5 |
1 |
1 |
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
6 |
|
|||
Y |
y(1) |
, X |
0 |
|
1 |
T |
, D (X T X |
0 |
) 1 X T |
6 |
3 |
. |
||
|
|
|
|
|
|
0 |
|
0 |
1 |
|
1 |
|
||
|
y(2) |
|
|
|
1 |
2T |
|
|
|
|
0 |
|
||
Оптимальные коэффициенты модели примут вид |
2 |
|
2 |
|
||||||||||
|
|
|
|
|||||||||||
|
с 5 y(0) 1 y(1) 1 y(2), |
c |
|
1 y(0) 1 y(2). |
|
|
||||||||
1 |
6 |
|
3 |
6 |
2 |
2 |
2 |
|
|
|
||||
|
|
|
|
|
|
|
|
Значение модели в точке s 2 представится следующим образом: x(2) yM (c , 2) c1 2c2 16 y(0) 13 y(1) 56 y(2). (6.5.20)
Уравнение КИХ-фильтра, реализующего скользящее усреднение, и его коэффициенты запишутся на основании (6.1.20):
x(i) 56 y(i) 13 y(i 1) 16 y(i 2), a0 56 , a1 13 , a2 16 . (6.5.21)
На рис. 6.5.4 представлены результаты математического моделирования работы КИХ-фильтра, синтезированного по предлагае-
224
мому алгоритму. |
Модельные |
зашумленные |
наблюдения |
|
y(i) y(Ti) |
с i 0, 1,..., N 1 формируются по формуле |
|||
|
y(i) y |
(i) w(i), y |
(i) 1 e T (i 1) , |
(6.5.22) |
|
0 |
0 |
|
|
где w(i) – модельные случайные нормальные числа с нулевым ма-
тематическим ожиданием и дисперсией 2. Для (6.5.22) приняты численные значения параметров 0,1; T 1; N 35; 0,1. В качестве модельной функции, реализующей аппроксимацию наблюдений, взята прямая yM (c, Ts) c1 c2Тs, s 0, 1,..., k, k 5. Уравнение КИХ-фильтра представится следующей формулой:
5
x(i) as y(i s),
s 0
где a0 0,5238; a1 0,3810; a2 0,2381; a3 0,0952; a4 0,0476; a5 0,1905 – значения его вычисленных по (6.5.16) и (6.5.17) ко-
эффициентов.
Пунктирная кривая 1 относится к исходному экспоненциальному сигналу y0 (i), ломаная линия 2 с крестиками соответствует зашумлённым наблюдениям y(i), ломаная линия с кружочками обозначает выходной сигнал фильтра x(i). Вычисления x(i) реализованы для точек k i N; на кривой 3 принято x(i) y0 (i) для
0 i k 1. Анализ кривых на рис. 6.5.4 позволяет сделать вывод, что описанный метод синтеза КИХ-фильтров на основе аппроксимации во временной области является вполне работоспособным.
225