Вы находитесь на странице: 1из 32

Министерство образования Российской Федерации

Государственное образовательное учреждение высшего профессионального


образования «Самарский государственный аэрокосмический университет
имени академика С.П.Королева»
РАССЧЕТ И ИССЛЕДОВАНИЕ НЕРЕКУРСИВНЫХ ЦИФРОВЫХ
ФИЛЬТРОВ
САМАРА 2004
Цель работы: ознакомление с методами расчета нерекурсивных
цифровых фильтров и способами их реализации с помощью ЭВМ; ис-
следование различных методов синтеза НЦФ, их свойств и особенностей;
приобретение практических навыков расчета НЦФ на ЭВМ.

1. КРАТКИЕ СВЕДЕНИЯ ИЗ ТЕОРИИ

1.1. Особенности нерекурсивных цифровых фильтров

Нерекурсивные цифровые фильтры (НЦФ) во временной области опи-


сываются разностным уравнением вида
N 1
y (n)   ai x( n  i ), (1)
i 0

где x(n) и y(n) - последовательность отсчетов входного и выходного сигналов


соответственно, a ai - константы-коэффициенты (передаточной функции)
фильтра.
Как видно из уравнения (1), каждый отсчет выходного сигнала
определяется взвешенной суммой отсчета входного сигнала в текущий
момент времени x(n) и N-1 отсчетов входного сигнала в предшествующие
моменты: x(n-1), x(n-2),..., x(n-N+1). Здесь и ниже, если не оговорено особо,
будем принимать шаг временной дискретизации Т = 1 . Нетрудно видеть, что
импульсная характеристика фильтра (отклик на единичный импульс) имеет
конечную длительность и содержит N отсчетов, поэтому такие фильтры
часто именуют фильтрами с конечной импульсной характеристикой (КИХ-
фильтры). Заметим, что НЦФ всегда являются КИХ - фильтрами. Вместе с
тем, КИХ - фильтры могут выполняться как по нерекурсивным, так и по
рекурсивным схемам. Ясно, что значения отсчетов импульсной
характеристики h(n) в моменты времени n=0,1,...,N-1 тождественно равна
величинам коэффициентов уравнения (1):
h(i )  a i , i  0,1,..., N  1. (2)
Передаточная функция H(z) НЦФ определяется z преобразованием его
импульсной характеристики:
N 1 N 1
H ( z )   h( n) z  n   a n z  n . (3)
n 0 n 0

Для получения комплексной частотной характеристики необходимо


положить в выражение (3) z=e jw, тогда

N 1 N 1

H(e jw)=  h(n)  e  a ( n)  e


 jwn  jwn
= (4)
n 0 n 0
Выражение (4) представим в показательной форме
H (e j )  H (e j ) e j ( ) , (5)

где модуль H (e ) составляет амплитудно-частотную характеристику (АЧХ)


j

фильтра, а аргумент  ( ) - фазочастотную характеристику (ФЧХ).


В нерекурсивной форме можно построить цифровые фильтры различных
видов: частотно-избирательные, дифференциаторы, преобразователи
Гильберта, а также обладающие специальными характеристиками, например,
согласованные фильтры. В настоящей работе изучаются преимущественно
частотно-избирательные фильтры.
Перечислим некоторые особенности КИХ-фильтров. К достоинствам
таких фильтров можно отнести следующее:
 возможность получения строго линейной фазочастотной характе-
ристики;
 абсолютная устойчивость при нерекурсивной реализации;
 возможность проще, чем в фильтрах с бесконечной импульсной
характеристикой (БИХ), минимизировать шумы, возникающие в
процессоре фильтра за счет выполнения арифметических операции с
конечной точностью.
Вместе с тем, КИХ-фильтрам присущи и негативные качества. В
частности, для получения высокой избирательности в полосно-
пропускающих фильтрах требуются импульсные характеристики с большим
числом отсчетов N. При использовании в алгоритме фильтра прямой свертки
(1) необходимо выполнить большой объем вычислений: N- операций умно-
жения и N-1 -сложения на один отсчет выходного сигнала. Поэтому в КИХ-
фильтрах для получения "хороших" амплитудных характеристик обычно
требуются большие аппаратурные затраты, чем в БИХ-фильтрах. Заметим,
что этот недостаток можно несколько ослабить, если использовать алгоритм
косвенной свертки на основе быстрого преобразования Фурье [1,3].
Целесообразно выделить два вида НЦФ: с линейной ФЧХ и минимально-
фазовые. Характерным признаком фильтров второго вида является
расположение нулей передаточной функции (3) в пределах круга единичного
радиуса комплексной z -плоскости. Минимально-фазовые фильтры обладают
xoрошим разрешением по времени: при равных условиях по избирательности
такие фильтры имеют наиболее короткую импульсную характеристику [2].

1.2. Нерекурсивные фильтры с линейной ФЧХ [I.2.3]


Для получения точно линейной ФЧХ в НЦФ с передаточной функцией
(3) (частотной характеристикой (4)) на коэффициенты фильтра аi или, что то
же самое, на отсчеты импульсной характеристики h(n) накладывается
условие симметрии. Эта симметрия может быть четной и нечетной. Примеры
симметричных импульсных характеристик приведены на рис.1. Как видно,
здесь возможны 4 случая. Соответственно этому различают фильтры четырех
видов:
N - нечетное, симметричные коэффициенты:
ае = а N-1-e , е=0,1,...,(N-3)/2 (рис.1.а);
N - четное, симметричные коэффициенты:
ае = а N-1-e , е=0,1,...,N/2-1 (рис.1,б);
N - нечетное, антисимметричные коэффициенты:
ае = а N-1-e , е=0,1,...,(N-3)/2; (рис.1.в);
a(N-1)/2 =0
N - четное, антисимметричные коэффициенты:
ае = - а N-1-e , е=0,1,...,N/2-1 (pиc.1.г).
Учитывая перечисленные условия и воспользовавшись формулами
Эйлера, можно преобразовать выражение (4) и получить частотные
характеристики фильтров в форме:
L

C l  cos lw
вид1 H(e jw) =e l 0
-jLw ,
(6)
где L=(N-1)/2 ; C0 =a(N-1)/2; Cl =2a(N-1)/2-l, ,l=1,...,N-1/2;
L

C l  cos(l  0,5) w
вид 2 H(e jw) = e -j(L+0,5)w l 0 , (7)
где L=N/2-1 ; Cl =2aN/2-1-l; l =0,1,...,N/2-1;
L

jw
C
-jLw l 1
l  sin lw
вид 3 H(e ) = e (8)
где L=(N-1)/2 ; C0 =2a(N-1)/2-l; l =1,...,(N-1)/2 ;
L

C l  sin(l  0,5) w
,
вид 4 H(e jw) = e-j(L+0,5)w l 0

(9)
где L=N/2-1 ; Cl =2aN/2-1-l; l =0,...,N/2-1

Анализируя формулы (6) - (9), нетрудно убедиться в строгой линейности


фазочастотных характеристик фильтров. В самом деле, в указанных
формулах выражения под знаком суммы являются вещественными и на фазу
не влияют, выражения в показателях комплексной экспоненты,
составляющие ФЧХ, являются линейными функциями частоты w.

h(n)
a
0 10 n

h(n)

0 9 n

h(n)

0 10 n

h(n)

0 9 n

Рис.1

1.3. Постановка задачи проектирования цифровых фильтров


Проектирование цифровых фильтров состоит из трех основных этапов:
определение требуемых характеристик фильтра;
аппроксимация этих характеристик на основе использования физически
реализуемых дискретных систем;
реализация фильтра при использовании арифметики с ограниченной
точностью;
Требуемые (желательные) характеристики фильтра определяются из
условия его использования по назначению. Применительно к частотно-из-
бирательному фильтру на первом этапе определяются требования к АЧХ
фильтра (значения граничных частот полосы пропускания и полосы
непропускания, затухание в полосе заграждения, допустимая
неравномерность АЧХ) и требования к ФЧХ (с линейной фазой или
минимально-фазовый).
Для описания желательных частотных характеристик D(w) может
использоваться весьма широкий набор средств. В то же время частотная
характеристика физически реализуемого нерекурсивного фильтра, как
следует из формул (4),(6),(7),(8),(9), представляется тригонометрическим
многочленом конечной длины. Возникает задача аппроксимации требуемой
(целевой) функции тригонометрическим рядом. Задача аппроксимации, как
уже отмечалось, решается на втором этапе проектирования, и ее целью
является расчет коэффициентов передаточной функции цифровых фильтров
(ЦФ). Этот этап включает в себя следующие шаги:
выбор критерия аппроксимации, т.е. уточнение смысла приближенного
равенства
H(e jw)  D(w) (10)
на заданном интервале частот w;
оценку необходимого порядка фильтра N;
расчет коэффициентов передаточной функции ai, при которых
выполняется условие (10) в смысле выбранного критерия;
проверку выполнения заданных требований к характеристикам фильтра.
Если требования выполняются, то можно перейти к следующему этапу. В
противном случае следует увеличить порядок фильтра и выполнить
последующие шаги второго этапа повторно.
На третьем этапе производится расчет разрядности регистров
процессора, с помощью которого предполагается реализовать фильтр.
Содержание этого этапа зависит от выбранной элементной базы и в
настоящей работе не рассматривается.
Ко второму этапу проектирования, который часто именуют также
синтезом ЦФ, возможен различный подход. Наиболее эффективными
являются методы, в которых оптимизируется вся совокупность
коэффициентов фильтра из условия минимума ошибки аппроксимации. В
частности, практическое применение находят
метод наименьших квадратов
w2

 g (w)[ H (e )  D( w)] 2 dw  мин,


jw
(11)
w1

в котором минимизируется взвешенный квадрат ошибки аппроксимации [2]


Здесь g(w) ~ весовая функция, позволяющая управлять точностью
anпроксимации на различных участках частотного интервала (w1, w2);
метод наилучшей равномерной (чебышевской) аппроксимации [1,2]

макс g(w)/H(e iw) – D(w)/  мин. (12)


w1  w  w2

Суть чебышевского метода состоит в минимизации взвешенного модуля мак-


симальной ошибки аппроксимации. Процедуры (11),(12) предполагают опти-
мизацию всех коэффициентов фильтра. В этой случае синтезируются опти-
мальные фильтры. Смысл такой оптимальности состоит в том, что не су-
ществует другого фильтра порядка, меньшего N, обеспечивающего меньшую
ошибку аппроксимации в соответствии с выбранным критерием.
Помимо этого находят применение методы синтеза фильтра, в которых
оптимизируются значения части коэффициентов передаточной функции
фильтра. Для поиска наилучшего решения в таких случаях обычно исполь-
зуются методы линейного программирования. Эти методы, естественно, не
приводят к оптимальным фильтрам. Более того, существуют методы синтеза
НЦФ, в которых не проводится оптимизация, а по некоторому правилу
желательной физически нереализуемой частотной характеристике ставится в
соответствие частотная характеристика физически реализуемого фильтра.
Различные методы синтеза фильтров отличаются по сложности и ис-
пользуются в зависимости от характера решаемой задачи.

1.4. Синтез НЦФ методом взвешивания, (методом


временного "окна")
Метод "окна" является одним из наиболее простых методов синтеза
нерекурсивных цифровых фильтров. В качестве отправного пункта в этом
методе берется требуемая частотная характеристика D(w) синтезируемого
цифрового фильтра. Эта характеристика и не обязательно должна
удовлетворять условиям физической реализуемости. Простейшим такого
рода примером может служить идеальный ФНЧ (рис.2,а).
/H0(e jw)/ /W(e jw)/

Рис.2
С помощью обратного преобразования Фурье можно получить импульс-
ную характеристику фильтра

1
 D( w)  e
jwn
hD(n)= 2
dw (13)

Полученная таким образом импульсная характеристика, как правило, опре-


делена на интервале (-  ,  ). т.е. бесконечна по длительности, и имеет
ветвь в области отрицательного времени п < О. Пример такой
характеристики приведен на рис. 2.б., на котором показана импульсная
характеристика идеального цифрового ФНЧ. Ясно, что такого вида им-
пульсная характеристика не удовлетворяет условию физической
реализуемости, так как имеет ветвь в области отрицательного времени.
Кроме того, бесконечная импульсная характеристика не соответствует КИХ-
структуре синтезируемого фильтра.
Исключить отмеченные затруднения можно путем усечения импульсной
характеристики и сдвига усеченной характеристики в область положитель-
ного времени. Заметим, что такой временной сдвиг не влияет на АЧХ
фильтра, а вносит лишь соответствующее запаздывание по фазе. В обоб-
щенном смысле усечение можно рассматривать как умножение импульсной
характеристики на временное окно. Временное окно w(n) - это после-
довательность отсчетов конечной длительности n =0,1,..., N-1. Существуют
окна с различными формами огибающей. Простейшим временным окном
является окно прямоугольной формы (рис.2,в). Ясно, что применение
прямоугольного окна эквивалентно простому усечению. Полученная таким
образом импульсная характеристика h(n)=hD(n) w(n) показана на рис. 2,г.
Нетрудно видеть, что эта характеристика соответствует казуальному
(физически реализуемому) цифровому КИХ-фильтру.
На практике используют обычно окна не прямоугольные, а специальной
формы. В настоящее время разработано большое количество окон,
удовлетворяющих различным требованиям. Их общей отличительной
особенностью является плавное нарастание амплитуды отсчетов
последовательности окна и также плавное спадание в конце (рис.2,д.).
Операцию умножения импульсной характеристики на окно часто называют
взвешиванием, а само окно - весовой последовательностью. С этим связано
название метода ~ "метод взвешивания".
Операция взвешивания приводит к тому, что частотная характеристика
синтезированного фильтра оказывается отличной от исходной требуемой
характеристики. Формально это явление можно объяснить очень просто.
Взвешивание изменяет импульсную характеристику. Так как частотная и
импульсная характеристики связаны между собой преобразованием Фурье,
то изменяется и частотная характеристика. Однако для определения сути
этого изменения целесообразно рассмотреть влияние операции взвешивания
в частотной области. Из теории преобразования Фурье известно, что
умножению двух временных функций (импульсной характеристики и окна) в
частотной области соответствует свертка их спектров (в нашем случае
исходной частотной характеристики и спектра окна)[1,3]. Спектр
прямоугольного окна имеет вид функции Sin x/x (рис. 2,е), в то время как
типичное окно непрямоугольной формы имеет спектр без явно выраженных
боковых лепестков (рис. 2,ж). Как можно видеть, свертка исходной
частотной характеристики с функцией вида Sin x/x приведет к
возникновению пульсаций в результирующей частотной характеристике. В
теории сигналов это явление называют эффектом Гиббса. Суть эффекта
Гиббса состоит в возникновении колебаний огибающей АЧФ в окрестности
резкого изменения этой характеристики (рис. 2,з).
Пульсации АЧХ, обусловленные эффектом Гиббса, приводят к
ухудшению избирательности фильтров. Частотные характеристики фильтров
при использовании прямоугольного окна в большинства приложений
оказываются неудовлетворительными.
Спектры окон специальной формы имеют малый уровень боковых
лепестков. Влияние таких окон на требуемые обычно "идеальные" частотные
характеристики состоит в сглаживании разрыва характеристики в пределах
некоторой переходной полосы конечной ширины. Суть такого сглаживания
применительно к идеальному ФНЧ показана на рис. 2, к.. Как видно в
результате этого сглаживания устраняются лепестки в АЧХ (за счет
некоторого расширения главного лепестка характеристики). Частотная
характеристика (спектр) окна должна обладать возможно узким главным
лепестком, малыми боковыми лепестками. Во временной области окно
должно описываться достаточно простыми функциями.
Эти требования являются противоречивыми. Разработано большое число
различных окон, в разной степени удовлетворяющих перечисленным
требованиям. Не останавливаясь на особенностях, приведем описание
некоторых из окон:
функция Хэмминга
w(n) = 0,54 + 0,46 cos( 2n ), n =- N 1 N 1
N 1 2 ,..., 2
функция Блэкмана

2n 4n
w(n) = 0,42 + 0,5 cos( N  1 )+0,08 cos( N  1 ) ;
n =-(N-1/2,...,(N-1)/2;
функция Ланшоца

w(n)=[sin 2n / 2n ]4,n=- N 1 N 1


N 1 N 1 2 ,..., 2 ;
где L – целое;

Функция Кайзера

I 0 { [( N  1 / 2] 1  [ 2n /( N  1)] 2 }
w(n)= ,
I 0 [ ( N  1 / 2]

n =- N 1 N 1
2 ,..., 2 .

Здесь I0( x) - модифицированная функция Бесселя первого ряда нулевого


порядка,  - положительное число, параметр окна.
Метод окон применим для синтеза широкого класса НЦФ. В этом одно
из его достоинств. Другим достоинством является простота самого метода и
машинной программы, с помощью которой он реализуется (см. ниже). Так
как в методе окна не производится оптимизация параметров фильтров, то
оказывается затруднительным предсказать точное значение параметров
фильтра (например, полосы пропускания или заграждения), которые
получатся в результате синтеза. Поэтому может потребоваться кор-
ректировка параметров фильтра, которая выполняется путем повторного
расчета методом проб и ошибок. При использовании ЭВМ этот недостаток
метода окна не является существенным.

1.5. Синтез нерекурсивных фильтров на основе частотной выборки

Напомним, что задача синтеза нерекурсивного ЦФ состоит в опреде-


лении коэффициентов аi передаточной функции Н(z) , (см.формулу(З))
физически реализуемого фильтра, частотные характеристики которого
удовлетворяют заданным требованиям. Ниже нам удобнее будет вести речь
не о коэффициентах, а об отсчетах импульсной характеристики синтези-
руемого ЦФ, которые связаны со значениями коэффициентов соотношением
(2). К задаче синтеза КИХ-фильтра на основе частотной выборки возможен
следующий подход. На частотной шкале в равноотстоящих точках берутся
выборочные значения Н(к), k=0,..., N-1 требуемой частотной характеристики.
Пример взятия такой частотной выборки для идеального ФНЧ показан на
j
рис.3,а. Потребуем, чтобы значения частотной xapaктеристики H (e )   k

синтезируемого фильтра на выбранных частотах  k  (2 / N )k совпадали с


выборкой Н(к). Однако на всех промежуточных частотах
  (2 ? N ) k ; k  0,..., N  1 ; не будем сначала накладывать каких-либо
ограничений на соответствие реальной и идеальной частотных
характеристик. Тогда для импульсной характеристики достаточно выполнить
операция обратного дискретного преобразования Фурье (ДПФ) над
N 1 2
1 j nk
частотной получения искомой выборкой: h(n) 
N
 H ( k )e
k 0
N
, n  0,..., N  1

(14)

0 0,5 f 0 0,5 f

а) б)

«Свободные»
отсчеты

1 2 3

0 0,5 f 0 0,5 f
в) г)
Заметим, что на рис. 3,а взяты амплитуды H (k ) , в то время как в
j (  )
формуле (14) фигурируют комплексные величины H (k )  H (k ) e .. k

Поэтому в частотной выборке необходимо учитывать также фазочастотную


характеристику. Ниже на этом вопросе остановимся подробнее. Ясно, что
качество синтезируемого фильтра определяется значениями частотной
характеристики на всех частотах 0    0,5 , а не только на выборочных
частотах  k  (2 / N )k .
Прямая процедура (14) синтеза не представляет возможности предсказать
поведение частотной характеристики между частотными выборками. Более
того, фильтры, синтезируемые в соответствии с этой процедурой, в
большинстве приложений оказываются неудовлетворительными, вследствие
недопустимо больших пульсаций частотной характеристики. Для примера на
рис. 3.б показана АЧХ цифрового ФНЧ, соответствующая частотной
выборке, приведенной на рис 5.а.
Для уменьшения пульсаций используется метод, в котором наряду с
полосами пропускания и непропускания выбирается переходная полоса
конечной ширины (рис.З.в). В полосах пропускания и непропускания, как и
ранее, задается частотная выборка. Однако в переходной полосе отсчеты
частотной характеристики на выборочных частотах полагаются
неопределенными, "свободными". Значения этих элементов частотной
выборки подбираются таким образом, чтобы расхождение в полосах пропус-
кания и (или) непропускания частотной характеристики синтезируемого
фильтра и требуемой характеристики было минимальным (рис.3.г). Для
этого используются итерационные алгоритмы оптимизации, хорошо реали-
зующиеся на ЭВМ.
Составим выражение для интерполирующей частотной характеристики и
сформулируем условия синтеза фильтров с линейной фазой и
действительной импульсной характеристикой, которые должны
выполняться. Для этого подставим выражение (14) в формулу (3) и,
переменив порядок суммирования, запишем
N 1
H (k ) N 1 j ( 2 / N ) k
H ( z)    (e  Z 1 ) n . (15)
k 0 N n 0
Просуммируем внутреннюю сумму в выражении (15) (геометрическую
прогрессию) и представим последнее в виде
1  Z N N 1
H (k )
H ( z) 
N
1 e
k 0
j ( 2 ? N ) k
Z 1
. (16)
Положим в (16) z  e j и после элементарных преобразовании для
частотной характеристики получим
e  j ( N 1) / 2 N 1
H ( k )e  jk / N sin N / 2
H ( e j ) 
N

k 0 sin( / 2  k / N )
.
(17)
При выводе выражения (17) не накладывалось каких-либо ограничений на
характеристики синтезируемого фильтра.

Рассмотрим ограничения, которые следует наложить на частотные выборки,


чтобы получить действительную импульсную характеристику и точную
характеристику с линейной фазой. Из теории преобразования известно, что
фильтры с действительной импульсной характеристикой интервале частот
(  ,  ) должны иметь частотные выборки симметричными по амплитуде и
иметь антисимметричную фазу. Однако, учитывая свойства линейных
дискретных систем, удобнее выразить условия симметрии на интервале
(0.2 π), а не на интервале ( ,  ) . Тогда, если частотные выборки записаны
в виде H (k )  H (k ) e j ( k ) , то условия cимметрии при нечетном N можно
записать в виде
H ( k )  H ( N  k ) , k  0,1,..., ( N  1) / 2,

Подставив выражение (18) в формулу (17), после элементарных


преобразовании [1, с.85-86] получим (опуская множитель с линейной фазой)
H (0) sin( N / 2)
H ( e j )  
N sin( / 2)
( N 1) / 2
H ( k )  sin  N ( / 2  k / N ) sin  N ( / 2  k / N ) 
 k 1

N  sin( / 2  k / N )

sin( / 2  k / N ) 
 (19)
При четном N условия симметрии можно записать в виде
H (k )  H (N  k) , k  1,..., N / 2  1,
H ( N / 2)  0
  2 N 1
 k( ), k  0,1,..., N / 2  1,
N 2

 2 N 1
 (k )   ( N  k )( ), k  N / 2  1,..., N  1,
 N 2
0, k  N / 2.

(20)
Условие для выборки k=N/2 обусловлено тем, что, как следует из выражения
(7), фильтр с линейной фазой при четном N должен иметь H (e j )  0 при
  .
Используя выражения (17) и (20), для соответствующей частотной
характеристики можно получить
H (0) sin( N / 2)
H ( e j )  
N sin( / 2)
N / 2 1 H ( k )  sin  N ( / 2  k / N ) sin  N ( / 2  k / N ) 
(19.а)
 k 1

N  sin( / 2  k / N )

sin( / 2  k / N ) 

Формулы (19), (19.a) являются удобными выражениями для использования


при синтезе фильтров методом частотной выборки. Задача синтеза решается
итерационным методом на ЭВМ на основе алгоритмов линейного
программирования. Подход к этой задаче состоит в следующем.
Частотные характеристики(19), ( 19,а) можно представить в виде
M
H (e j )   H (k ) S k (e j ) . (21)
k 0

Выражение (22) можно рассматривать кал взвешенную сумму


интерполирующих функций S k (e j ) . Сравнив выражение (21) с (19) и (19.а),
нетрудно убедиться в том, что множество функций S k (e j ) не зависит от
конкретных параметров (кроме заданной величины порядка N
синтезируемого фильтра. Поэтому, приняв за основу множество функций
S k (e j ) можно построить процедуру синтеза НЦФ произвольного вида из
класса фильтров с линейной ФЧХ. В такой процедуре оптимизация АЧХ
осуществляется путем варьирования свободными частотными выборками.
Итерационная процедура оптимизации частотной характеристики предпола-
гает минимизацию максимального значения взвешенной ошибки
e( )  W ( ) D ( )  H (e j ) ,

где ω изменяется в областях 1 и 3 (см.рис.3,в), D ( ) - желаемая частотная


характеристика, W ( ) - произвольная весовая функция, позволяющая
устанавливать различные ошибки на разных интервалах аппроксимации. На
начальном этапе итерационной процедуры изменяемые выборки в
выражении (21) выбираются произвольно.
Отметим, что для получения коэффициентов передаточной функции
синтезируемого фильтра (равных согласно (2) отсчетам импульсной
характеристики) необходимо выполнить операции обратного ДПФ (14) над
частотной выборкой Н(К), в которой учитываются также
оптимизированные переменные члены.
Метод частотных выборок можно применять для синтеза цифровых
фильтров нижних и верхних частот (ФНЧ, ФВЧ), полосно-пропускающих;
полосно-заградительных фильтров, дифференциа-торов и преобразовать
Гильберта. Этот метод наиболее эффективен при синтезе узкополосных
фильтров, поскольку в этом случае большая часть частотных выборок равна
нулю.
1.6. Метод наилучшей равномерной (чебышевской)
аппроксимации
Теория метода чебышевской аппроксимации достаточно сложна, поэтому
в данных методических указаниях мы ограничимся сведениями,
позволяющими составить лишь общее представление об этом методе.
Обратимся сначала к обобщенной теореме Чебышева.
Пусть заданы функции:
N 1
Q N ( )   C n cos n (22)
n0

-линейная комбинация N косинусов;


D ( ) - непрерывная на интервале частот ( 1 ,  2 ); ;
W ( ) - кусочно-непрерывная на этом интервале весовая функция.
Ставится задача аппроксимации целевой функции D ( )
тригонометрическим рядом (22) с весом W ( ) . Ошибку такой
аппроксимации l ( ) можно записать в виде
e( )  W ( ) D ( )  Q N ( ) ,
1     2 .
(23)
Теорема Чебышева утверждает, что ошибка равномерного приближения
e( ) в функции частоты имеет колебательный (пульсирующий) характер, и
существует признак, присущий наилучшей равномерной аппроксимации. В
соответствии с этим признаком для выделения наилучшего приближения
необходимо и достаточно, чтобы ошибка e( ) принимала равные друг другу
по абсолютной величине и противоположные по знаку экстремальные
значения в N+1 последовательно расположенных точках  0 , 1 ,...,  N
частотного интервала ( 1 ,  2 ) . Иначе ошибка имеет пульсирующий характер,
амплитуды пульсаций при наилучшем равномерном приближении должны
быть одинаковыми. Этому условию соответствует одна единственно
возможная совокупность значений коэффициентов C n в функции (22). При
любых других значениях коэффициентов приближение не будет наилучшим
и признак не выполняется.
Аналитически обобщенную теорему Чебышева можно записать в виде
e( 0 )  e(1 )  ...  ( 1) N e( N )
 1   0  1 ...  N   2 (24)
e( j )  e( ) , j  0,1,2...
Последнее отношение истинно при любом значении частоты, принад-
лежащем интервалу ( 1 ,  2 ) . Заметим, что частоты, на которых ошибка e( )
принимает экстремальные значения, называют точками альтернанса, а
рассматриваемую теорему - теоремой о чебышевском альтернансе.
Теорема Чебышева справедлива и для случая, когда аппроксимируемая
функция задана не на всем интервале частот ( 1 ,  2 ) , а только на отдельных
подынтервалах, не имеющих общих точек. В этом случае функция должна
быть доопределена на промежуточных подынтервалах так, чтобы получилась
непрерывная функция на замкнутом интервале, включающем все заданные
подынтервалы. Все точки альтернанса должны располагаться только на
заданных подынтервалах. Это обстоятельство весьма существенно при
проектировании частотно-избирательных фильтров, когда предъявляются
требования к точности аппроксимации характеристик только в полосах
пропускания и непропускания, разделенных переходной полосой. В качестве
примера на рис. 4 приведены
заданная (целевая) (ЦФ) и аппроксимирующая (АФ) функции для фильтра
нижних частот при N=6.

Рисунок 4.
Не выясненными остались два вопроса: возможность использования
метода при проектировании различных физически реализуемых фильтров;
способ определения аппроксимирующей функции.
Обратимся к первому из них. Передаточные функции физически реа-
лизуемых фильтров не всегда описываются выражением (22). Для того что-
бы избежать возникающие в связи с этим затруднения запишем для пере-
даточной функции фильтра:
H (e j )  P ( )Q N ( ), (25)
где P(w) - некоторая подходящая непрерывная функция. Тогда для ошибки
аппроксимации можно записать:
~ ~
e( )  W ( ) D ( )  H (e )  W ( ) D ( )  Q ( ) ,
j
N (26)
~ ~
где W ( )  W ( )  P( ) и D( )  D( ) / P( )
Таким образом, для фильтров, передаточные функции которых пред-
ставлены в виде (25), задача аппроксимации сводится к описанной выше
классической постановке (23).
Покажем возможность представления передаточных функций физически
реализуемых НЦФ в виде уравнения (25) на конкретных примерах. Обратим-
ся к фильтрам с линейной фазой. Опуская в выражении (6) член с линейной
фазой (так можно поступить, так как в выражениях (23) и (26)
рассматривается модуль ошибки аппроксимации), нетрудно видеть, что эта
передаточная функция непосредственно выражается в виде линейной
комбинации косинусов и в этом случае P( )  1 . Рассмотрим далее (8).
Линейную комбинацию синусов в этом выражении можно записать в виде
N N 1

C
n 1
N sin(n )  sin   C n cos(n ),
n 0
(27)
~ ~
где C k  (C k 1  C k 1 ) / 2
в этом случае, очевидно, P ( )  sin  . Такого рода примеры можно
продолжить.
Обратимся к задаче определения функции Q N ( ) наилучшего равномерного
приближения. Предложено несколько способов решения этой задачи.
Наиболее практичен метод, для которого созданы эффективные машинные
программы, основанные на итерационной процедуре, известной под
названием второго алгоритма Ремеза [1]. Напомним, что функция Q N ( )
определяется N своими коэффициентами C n , n  0,1,..., N  1. . Таким образом,
задача состоит в отыскании оптимального вектора коэффициентов/С/.
Предположим, что порядок фильтра N выбран. Заметим, что для оценки
порядка фильтра существует приближенная эмпирическая формула [2, с.
12.1] (см. также п.2.4). Основа алгоритма Ремеза состоит в следующем.
Теорема о чебышевском альтернансе (24) утверждает, что в случае
оптимального решения ошибка имеет по крайней мере N+1 экстремумов.
Предположим вначале, что множество частот экстремумов  k , k  0,1,..., N
известно. Тогда на каждой из этих частот модуль ошибки (26) составит
некоторую (неизвестную) величину δ. Учитывая знакопеременный характер
ошибки, можно составить систему N+1 уравнений:
~ ~
W ( wk ) D ( wk )  Q N ( wk )  ( 1) k  ,
(28)
k  0,1,..., N .

В этой системе неизвестными являются N коэффициентов ряда (22) и


ошибка δ. Система уравнений (28) может быть решена и таким образом
определены искомые коэффициенты. Однако вследствие исходной не-
определенности множество частот  k может не соответствовать точкам
альтернанса, поэтому поиск оптимального решения проводится итерацион-
ный способом. Каждый цикл этих итераций выполняется в два шага [1,2].
Шаг I. Выбирают N+1 значений  k , решают систему уравнений (28),
вычисляют в результате этого коэффициенты Сk и δ. Таким образом
получают тригонометрический полином по косинусам, который в точках
 k ( k  0,1,..., N )
отличается от целевой функции на величину   .
Шаг 2. Анализируют ошибку e( ) на всем интервале частот ( 1 , 2 ) . Для
этого ошибка рассчитывается с малым шагом по частоте (на плотной
частотной сетке). Если ошибка e( )   во всей области аппроксимации, то
полученное выше решение является оптимальным. Если найдутся частоты,
на которых e( )  , то выбирают новое множество экстремальных частот
путем рассмотрения N+1 точек, в которых ошибка максимальная и имеет
чередующийся знак. Далее описанная процедура повторяется. Начальное
множество частот  k можно взять произвольным. Можно показать, что в
этой процедуре δ на каждом шаге возрастает и в конце концов сходится к
своей верхней границе.
Отметим, что в алгоритме Ремеза предложен способ вычислений,
позволяющий избежать необходимость решения на каждом шаге системы
уравнений (28). Тем самым повышается эффективность алгоритма [2].

2. ОСОБЕННОСТИ ПРАКТИЧЕСКОГО ИСПОЛЬЗОВАНИЯ


МАШИННЫХ МЕТОДОВ ПРОЕКТИРОВАНИЯ НЦФ
2.1. Предварительные замечания
В инженерной практике при расчете частотно-избирательных НЦФ
наиболее часто задаются требования к избирательности фильтра и точности
аппроксимации целевой функции : ширина переходной полосы  F и
максимально допустимые отклонения δ1 АЧХ от номинального значения в
полосе пропускания и (или) δ2 в полосе задерживания. Необходимо найти
минимальное число N (порядок фильтра) и вычислить коэффициенты
передаточной функции. Однако рассмотренные выше методы
проектирования ЦФ не вполне соответствуют такой постановке задачи. Во
всех этих методах задача синтеза (расчета коэффициентов передаточной
функции) фильтра ведется в предположении, что порядок фильтра (число N )
известен и задан. В методах с оптимизацией (частотная выборка,
равномерная чебышевская аппроксимация) при заданных переходной полосе
и порядке фильтра минимизируются максимальные ошибки аппроксимации.
Выбор порядка фильтра N для такого расчета производится на основе
эмпирических формул, графиков, таблиц, построенных по
экспериментальным данным, а также на основе опыта и интуиции раз-
работчика. Разумеется, такая предварительная оценка порядка N не может
быть точной, поэтому часто приходится использовать метод проб и ошибок и
производить расчет фильтра многократно, последовательно приближаясь к
оптимальному решению. При использовании ЭВМ итерационные процедуры
последовательных приближений оказываются вполне приемлемыми для
практического использования. Рассмотрим основные особенности
соответствующих алгоритмов и программ.
2.2. Метод окна
Неравномерность АЧХ-фильтра, полученного с помощью этого метода,
зависит от амплитуды боковых лепестков выбранной функции окна, и, когда
окно выбрано, эти амплитуды, очевидно, фиксированы. Для выбоpa
параметра функции окна можно воспользоваться графиками (рис.5), на
которых показана зависимость максимального уровня пульсаций АЧХ в
полосе пропускания и в полосе задерживания (δ1= δ2=δ) для окон Ланшоца и
Кайзера (см. п.1.4) от параметров этих функций.
Ширина переходной полосы  F АЧХ-фильтра зависит от ширины
основного лепестка амплитудного спектра окна, которая, в свою очередь,
определяется величиной N .Когда выбран вид используемой функции окна и
подобрана величина ее параметра, два других параметpa N и  F могут
свободно варьироваться. Эти параметры связаны соотношением
неопределенности вида.

Окно Кайзера

Параметр окна

Рис. 5
N  F =С, (29)
где С- константа, зависящая от вида используемого окна и его
параметра.
Для выбора N можно воспользоваться графиками (рис.6), на которых
показана зависимость произведения (N-1)  F от максимального уровня
пульсаций δ (δ1 =δ2 =δ).
Рассмотрим пример выбора исходных данных для синтеза НЦФ методом
окна.
Предположим, что требуется синтезировать ФНЧ, полоса пропускания
которого составляет 0...0,08, полоса заграждения 0,16...0,5. Уровень боковых
лепестков-40 дБ относительно 1. Отметим, что здесь используется шкала
нормированных частот 0...0,5. Возьмем окно Кайзера. По графикам на рис.5
выберем параметр окна Кайзера, соответствующего заданному уровню
боковых лепестков. Получим параметр окна  =3,5.
-90 -80 -70 -60 -50 -40 -30 -20
20 lg  (дб)

Рис. 6
Как видно из исходных данных, переходная полоса фильтра составляет
0,16-0,08=0,08. Определим порядок фильтра N . Из графиков на рис.6
следует, что для уровня пульсации -40 дБ (N –1)  F=2, таким образом,
2
получим N = 0,08 +1  26.
2.3. Метод частотной выборки
В этом методе, как уже отмечалось, частотная характеристика фильтра в
полосах пропускания и задерживания задается своими выборочными
значениями, взятыми в точках дискретизации частоты. Ширина переходной
полосы определяется количеством выборочных значений, варьируемых в
процессе синтеза фильтра. Совокупное число точек дискретизации частоты
на интервале (0,1) нормированной частоты составляет N и определяется
порядком синтезируемого фильтра. Таким образом, процедуре оптимизации
АЧХ-фильтра должен предшествовать выбор порядка фильтра. Оценка
порядка фильтра в этом методе производится на основе экспериментальных
данных. Однако, прежде чем обратиться к возможному способу такого
выбора, рассмотрим в общих чертах подход к оптимизации АЧХ-фильтра,
используемый в программе для ЭВМ. Оптимизация (подбор амплитуд
выборок в переходной полосе) производится методами линейного
математического программирования. Такие алгоритмы имеют разнообразное
применение.
Современные ЭВМ имеют развитое математическое обеспечение. В
библиотеке научных программ алгоритмического языка Фортран ЕС ЭВМ
имеется стандартная программа с именем АРММ, в которой запрограмми-
рован алгоритм оптимизации. Суть такой оптимизации состоит в
минимизации максимальной ошибки в полосе задерживания фильтра.
Амплитуды пульсаций в полосе задерживания зависят от числа варьируемых
выборок. Заметим, что амплитуды указанных пульсаций АЧХ характеризуют
коэффициент передачи фильтра в полосе заграждения. Нетрудно видеть, что
величина этих амплитуд, выраженная в децибелах относительно уровня
передачи в полосе пропускания составляет затухание, вносимое в полосу
заграждения. Эмпирические данные уровня пульсаций в децибелах от-
носительно уровня передачи в полосе пропускания, относящиеся к циф-
ровому ФНЧ, приведены в табл.1 [I]. Сразу заметим, что к этим данным
необходимо относиться с осторожностью, так как в случаях, когда син-
тезируемый фильтр имеет "очень узкую" или "очень широкую" полосу про-
пускания, затухание в полосе задерживания может выходить за указанные в
таблице пределы.
Теперь рассмотрим способ оценки порядка фильтра N. Предположим, что
заданы ширины полос пропускания, задерживания к переходной полосы, а
также уровень пульсации δ2 в полосе задерживания. Тогда,
воспользовавшись данными табл. 1, можно определить число варьируемых
выборок Nv , попадающих в переходную полосу шириной  F. Далее
нетрудно определить общее число выборок N, приходящихся на полосу
частот (0,1):
N =1/  FNv (30)

Таблица 1

Число варьируемых выборок Ожидаемый уровень


максимальной ошибки в полосе
задерживания находится в
пределах, дБ
1 44...54
2 65...75
3 85...75

Рассмотрим пример. Предположим, полоса пропускания ФНЧ занимает


интервал частот 0 ... 0,08, переходная полоса 0,08 ... 0,16 (  F=0,08) и полоса
задерживания 0,16 ... 0,5. Пусть уровень ошибки 60 дБ. Для этого случая из
табл. I получим N v = 2.
Теперь по формуле (30) получим искомую оценку порядка фильтра
N=1/0,08 х 2=25.
В практической работе следует иметь в виду, что программа АРММ
чувствительна к точности вычислений. В используемой в данной работе
программе реализуются вычисления с однократной точностью. При росте
числа переменных Nv и соответствующем уменьшении уровня пульсаций в
полосе задерживания может потребоваться двойная точность вычислений.

2.4. Минимаксный метод равномерной _чебышевской


аппроксимации
Оптимальный в смысле критерия минимума взвешенной максимальной
ошибки (23) метод синтеза КИХ-фильтров реализуется с помощью
программы для ЭВМ с использованием алгоритма Ремеза [l.2]. Программа
обладает большими возможностями: ее можно использовать для синтеза
сложных, в том числе многополосных частотно-избирательных фильтров,
дифференциаторов, преобразователей Гильберта. Вместе с тем, эта прог-
рамма является наиболее сложной из всех рассматриваемых в настоящей
работе программ, требует наибольшего машинного времени на выполнение.
Особенностью метода является возможность фиксации границ пере-
ходных полос фильтра. Здесь, как и ранее, порядок фильтра N необходимо
задавать заранее. Однако в данном случае поиск фильтра наименьшего
порядка, удовлетворяющего поставленным требованиям, с помощью
итерационной процедуры последовательного приближения может оказаться
малоэффективной процедурой, поскольку программа, несмотря на
эффективность алгоритма, обладает малым быстродействием. Для
уменьшения объема вычислений на ЭВМ, можно ориентировочно
определить N мин по следующей эмпирической формуле, справедливой для
ФHЧ [l,2]:

N мин=D1 (δ1, δ2)/  F+ D2 (δ1, δ2)/  F+1, (31)


Где D1 (δ1, δ2)=[ 5,309 10-3(lg δ1)2+7,114 10-2lg δ1-4,761 10-1]lg δ2+[-2,66 10-
3
(lg δ1)2-5,91 10-1lg δ1-4,278 10-1];
D2 (δ1, δ2)=11,01217+0,51244(lg δ1-lgδ2),

δ1, δ2 - амплитуды пульсаций АЧХ в полосах пропускания и задерживания


соответственно,  F- нормированная ширина переходной полосы.
Используя формулу (30), можно, по крайней мере, найти начальную
точку в упомянутой выше итерационной процедуре. В качестве примера
возьмем ФНЧ с переходной полосой  F= 0,08. Примем, что допусти-
мые пульсации в полосах пропускания и заграждения δ1= δ2=δ = 0,1% (-60
дБ), при этом lgδ1=lgδ2=-3. Вычисления по формуле (31) дают результат N
мин =24.
При практическом использования программы для синтеза многополос-
ных фильтров (с числом полос > 2.) отмечены случаи возникновения
больших аномальных ошибок (выбросов АЧХ) в переходных полосах фильт-
ров. В результате моделирования процедуры синтеза фильтров получены
некоторые способы для выбора входных параметров алгоритма, при которых
аномальные ошибки исключаются. Эти способы подробно изложены в
литературе [I].

3. СОДЕРЖАНИЕ РАБОТЫ

Исследование рассмотренных выше методов синтеза НЦФ, их свойств и


особенностей проводится путем анализа результатов расчета фильтров на
ЭВМ. В этом исследовании в качестве отправного момента задаются тип
фильтров, некоторая целевая функция (требуемая "идеальная" частотная
характеристика), требования к точности аппроксимации целевой функции.
Применительно к частотно-избирательному фильтру могут задаваться
полосы пропускания и непропускания, минимальное затухание в полосе
непропускания, допустимая неравномерность АЧХ (уровень пульсаций) и
другие требования. На основании всех этих требований по методике,
изложенной в разд. 2. (см.также разд.4), выбираются исходные данные для
машинного расчета ЦФ. Источником информации для последующего анализа
служит распечатка результатов расчетов, которая выдается студентам.
Перечислим кратко содержимое распечатки.
При расчете методом взвешивания на печать выводятся АЧХ фильтра без
взвешивания (т.е. при прямоугольной форме временного окна), АЧФ со
взвешиванием, импульсные характеристики для обоих этих случаев, а также
весовая функции - временное окно.
В случае использования метода равномерной чебьшевской аппрокси-
мации на печать выводятся импульсная характеристика, частоты
чебышевского альтернанса, расчетное затихание в полосе непрозрачности
(абсолютное и в децибелах), амплитудно-частотная характеристика.
При расчете фильтров методом частотной выборки на печать выводятся
значения оптимизируемых элементов выборки и вся частотная выборка,
АЧХ фильтра для случаев, когда используется процедура оптимизации и без
оптимизации. Отметим, что здесь в случае без оптимизации АЧХ,
варьируемые выборочные отсчеты полагаются равными нулю, т.е. эти
отсчеты причисляются к полосе непропускания фильтра. Применительно к
ФНЧ частотной выборке с оптимизацией АЧХ соответствует рис.3,в, а
выборке без оптимизации - рис.3,a.
Помимо табличных данных с помощью печатающего устройства строят-
ся все перечисленные выше амплитудно-частотные характеристики.
В работе студентам для изучения может быть предложен ряд вопросов.
I. Изучение особенностей методов синтеза фильтров.
Метод взвешивания. Особенности этого метода обусловлены характером
влияния временного окна на АЧХ фильтра, поэтому при анализе результатов
расчета фильтра этим методом следует:
определить по АЧХ параметры синтезированного фильтра: полосу
пропускания, полосу задерживания, неравномерность АЧХ в полосе про-
пускания, затухание (абсолютное и в дБ) в полосе задерживания, степень
соответствия параметров заданным; рассмотреть временное окно и
импульсные характеристики фильтра со взвешиванием и без взвешивания,
определить характер их различия; определить, обладает ли фильтр линейной
АЧХ.

Метод наилучшей равномерной чебышевской аппроксимации. Здесь


также следует по АЧХ определить параметры фильтра, соответствие фак-
тических параметров заданным; проверить выполнение теоремы о
чебышевском альтернансе.

Метод частотной выборки. Для этого метода также следует определить


по АЧХ параметры фильтра и сопоставить их с заданными значениями;
сравнить АЧХ с оптимизацией и без оптимизации, дать объяснение их
paзличию. В настоящем анализе, помимо табличных данных, следует
рассмотреть графики АЧХ, дать объяснение виду полученных кривых.

2. Сравнительная оценка различных методов синтеза фильтров


Для получения такой оценки необходимо обобщить результаты анализа
по предшествующему пункту, сравнить данные, полученные различными
методами между собой, дать качественную оценку методам синтеза
фильтров. Критериями для сравнения здесь могут быть величина порядка
фильтра (и связанные с ним затраты на реализацию), необходимая для
решения поставленной задачи; качественные показатели (затухания в полосе
заграждения, равномерность АЧХ, пульсации) при равном значении порядка;
удобство использования и др.
3. Исследование факторов, определяющих выбор порядка фильтра
В разд. 2 отмечалось, что во всех методах расчета НЦФ для выбора
порядка фильтра необходимо привлечение дополнительной эмпирической
информации. Такого рода информация, приведенная в разд. 2 в виде таблиц,
графиков, коэффициентов эмпирических формул, не отличается полнотой и
относится лишь к фильтрам нижних частот. Поэтому пополнение и обобще-
ние упомянутой информации, проверка возможности распространения ре-
зультатов, относящихся к ФНЧ, на фильтры других типов, представляет
практический интерес для разработчиков цифровых фильтров, Наметим не-
которые возможные направления такого исследования.
Метод взвешивания. Проверка справедливости соотношения неопре-
деленности (30) для фильтров различных типов; ФНЧ, ФВЧ, полосового,
заграждающего.
Получение данных для построения графиков вида, показанного на рис.
6,7 для временных окон других типов.
Метод равномерной чебьшевской аппроксимации. Проверка справедли-
вости формулы (31) для фильтров разных типов, получение эксперимен-
тальной информации, связывающей значения порядка фильтра с величинами
пульсаций и шириной переходной полосы в виде таблиц (графиков).
Метод частотной выборки. Проверка возможности использования дан-
ных, приведенных в табл. 1, для фильтров различных типов и получение
информации, уточняющей эти табличные данные.

4. CTPУКTУPA MAШИHHOЙ ПРОГРАММЫ И ПОДГОТОВКА


НАБОРА ИСХОДНЫХ ДАННЫХ ДЛЯ РАСЧЕТА НА ЭВМ
4.1. Общие сведения о программе

Программа, на основе которой выполняется работа, написана на языке


Фортран и предлагается студентам в законченном виде. Программа до-
статочно сложна и громоздка, поэтому распечатка программы в настоящем
пособии не приводится. Общее представление о программе можно получить
во время работы с ней на ЭВМ. (При необходимости, с разрешения
преподавателя можно также получить распечатку.)
Программа состоит из трех, по сути дела, независимых разделов,
реализующих синтез НЦФ соответственно методом взвешивания (окна),
частотной выборки и равномерной чебышевской аппроксимации, в програм-
ме эти разделы оформлены в виде подпрограмм типа SUBROUTINE c
именами UZVESH, UBORKA, CHEBSH . В свою очередь перечисленные
подпрограммы обращаются к другим подпрограммам, реализующим
обособленные подразделы соответствующих алгоритмов. Отдельные разделы
программы объединяются в единое с помощью основной программы (MAIN).
Программа составлена так, что за ее один проход может решаться
произвольное количество заданий. Под заданием мы здесь понимаем задачу
синтеза цифрового фильтра каким-либо одним из трех запрограммированных
методов. При этой выбор метода синтеза также произвольный. В частности,
можно вести расчет нескольких фильтров одним методом или один фильтр
рассчитать разными методами. Исходные данные для расчета включаются в
программу в виде набора данных.
Поясним сначала структуру набора исходных данных в целом (см.
пример в конце раздела).
Набор исходных данных размещается в конце программы, начинается
оператором S4SIN DD * и заканчивается символом /*. В нашем наборе
удойно выделить первую запись, а остальные разделить на группы. Первая
запись, которой в программе соответствует переменная KZAD несет
информацию о количестве решаемых заданий. Переменная KZAD вводится в
основную программу оператором
READ10, KZAD
10 FORMAT (12)
Ясно, что количество последующих групп записей должно
соответствовать величине KZAD. В каждой группе записей первая запись
(переменная METOD) составляет признак метода расчета. Значение METOD
=1 соответствует методу взвешивания; равное 2 - методу частотной выборки;
равное 3 - методу чебышевской аппроксимации. Переменная METOD
вводится с помощью оператора
READ15, METOD
15 FORMAT(I1)
в основную программу. Этот оператор находится внутри оператора цикла.
При работе программы происходит поочередной KZAD- раз опрос признака
МЕТОD и соответствие с его значением управление передается в одну из
подпрограмм (VZVESH , VBORKA или CHEBSH). Таким образом все
последующие записи каждой группы относятся к соответствующему методу
синтеза фильтра. Рассмотрим состав исходных данных, операторы ввода и
формат вводимых данных для каждого метода синтеза.

4.2. Метод взвешивания

Операторы ввода

READ15, METOD

15 FORMAТ (I1)

READ5, NCOE, JTYPE, JTYP,JW,FF1,FF2


5 FORMAT(I3,2X,2(I1,2X)I1,2(F5.3,2X))
READ6,F1,F2,ALFA
6 FORMAT (3(F5.3,2X))

Перечень идентификаторов, встречающихся в операторах ввода, их


смысловое значение, соответствующий формат данных приведены в тaбл.2.
Примечания. Все частоты берутся нормированными. Параметры F1 и F2
имеют смысл значений частоты, ограничивающих полосу пропускания,
причем F1 - это первая из них, встречающаяся при просмотре шкалы
частот от нуля в направлении возрастания частоты.
У фильтров нижних, верхних частот и у дифференциаторов одна такая
частота (нулевая частота, как граница снизу, для ФНЧ и дифференциаторов и
частота 0,5 для ФВЧ, как граница сверху, не учитываются). Поэтому для
таких фильтров используется только F1. Для полосовых и заграждающих
фильтров используются оба параметра F1 и F2. Параметры FF1 и FF2
позволяют варьировать ширину полосы частот, в которой строится АЧХ.
Если рассматривается весь диапазон частот, то FF1=0 и FF2=0,5.

Таблица 2

Имя Формат Смысловое содержание


METOD I1 Признак метода синтеза
METOD=1 –метод взвешивания
NCOE I3 Количество коэффициентов (макс.128)
JTYPE I1 Признак типа:
JTYPE=1 - частотно-избирательный фильтр
2 - дифференциатор
3 – преобразователь Гильберта
I1
JTYP вида Признак вида фильтра (при JTYPE=1):
JTYP =1 – ФНЧ,
2 – ФВЧ,
3- полосовой,
4- заграждающий
I1 Признак вида временного окна:
JW
JW=1 – окно Хэмминга,
2 – окно Блэкмана,
3 - окно Кайзера,
4 - окно Ланшоца
FF1 Границы частотного интервала, на котором
F5.3 строится АЧХ фильтра
FF2

Нижняя граница полосы пропускания


F1 F5.3
Верхняя граница полосы пропускания
F2 F5.3 Параметр окна
ALFA F5.3

4.3.Метод частотной выборки

Операторы ввода
READ15, METOD

15 FORMAТ (I1)

READ1,N,N1, N2,NVAR,JTYPE,JTYP,INTR
1 FORMAT(I3,2X,I2,2X,I2,I1,2X,I2)
Смысл идентификаторов операторов ввода указывается в табл. 3.

Таблица 3
Имя Формат Смысловое содержание
METO I1 Признак метода синтеза
D METOD=2 –метод частотной выборки
I3 Число отсчетов в частотной выборке (макс.128)
N I2 Номер выборочного отсчета, соответствующий
нижней границе полосы пропускания
N1
I2 Номер отсчета, соответствующий верхней границе
N2
полосы пропускания
I2 Число варьируемых отсчетов в частотной выборке
NVAR
Признак типа:
I2 JTYPE= 1 - частотно-избирательный фильтр,
2 - дифференциатор,
JTYPE
3 – преобразователь Гильберта
Признак вида фильтра (при JTYPE=1):
I1 JTYP= 1 – ФНЧ,
JTYP
2 – ФВЧ,
3- полосовой,
4- заграждающий
Число интерполяций (макс.16)
I2
INTR

В ФНЧ, ФВЧ и дифференциаторе используется только одна граница N1.


4.4. Метод равномерной, чебышевской аппроксимации
Операторы ввода
READ15, METOD

15 FORMAТ (I1)

READ1, NFILT, JTYPE, NBANDS, LGRID


1 FORMAT (4I4)
READ2, (EDGE(J), J=1, JB)
2 FORMAT (20F6.3)
READ3, (FX(J), J=1, NBANDS)
3 FORMAT (10F6.3)
READ4, FF1, FF2
4 FORMAT (2F6.3)
Смысловое значение идентификаторов операторов ввода приведено в
табл.4

Таблица 4
Идентификатор Формат Смысловое значение
METOD I1 Признак метода синтеза
METOD=3 –метод равномерной
чебышевской аппроксимации
NFILT I4 Количество отсчетов в импульсной
характеристике фильтра
I4 Признак вида фильтра:
JTYPE
JTYPE=1 - частотно-избирательный фильтр
2 - дифференциатор
3 – преобразователь Гильберта
I4 Количество частных полос в частотной
NBANDS характеристике
I4 Плотность сетки для интерполяции
LGRID 20F6.3 Граничные частоты всех частотных полос
EDGE(20) Требуемые значения «идеальной» частотной
FX(10) характеристики (значения целевой функции)
для каждой частотной полосы
Весовой коэффициент
Частоты, ограничивающие полосу, в которой
10F6.
WTX(10) рассчитывается АЧФ фильтра
3
FF1
FF2 F6.3

Программа составлена в предположении, что максимальная длина


импульсной характеристики не больше 128. При выборе параметра NBANDS
учитываются все частотные полосы фильтра (пропускания и непропускания).
Таким образом, ФНЧ, ФВЧ имеют 2 полосы, полосовой и заградительный
фильтры - 3 полосы. Для дифференциатора и преобразователя Гильберта
NBANDS=1. Как отмечалось в разд. 2, программа синтеза фильтров методом
чебышевской аппроксимации пригодна для расчета фальтров с NBANDS>3.
В массив чисел EDGE(10) вносятся граничные частоты полос
пропускания. Заметим, что здесь, в отличие от предшествующих случаев,
учитываются все граничные частоты полос пропускания и полос
непропускания.
С помощью массива чисел FX (10) задается требуемая идеальная АЧХ
(целевая функция) в каждой из полос частотной характеристики фильтра.
Применительно к частотно-избирательному фильтру в полосе призрачности
берется FX=1 , в полосе непропускания FХ= 0 . Массив чисел WTX(10)
позволяет управлять точностью аппроксимации в каждой полосе путем
введения соответствующего весового множителя. Параметром LGRID
задается плотность сетки для интерполяции. Чем выше плотность сетки, тем
большая точность метода. Наиболее часто берут LGRID=16 или LGRID=32.

4.5. Пример набора входных данных

Предположим, что требуется рассчитать цифровой ФНЧ всеми


тремя методами в соответствии с некоторыми выбранными исходными
данными. Выбор данных для этого фильтра рассматривался в качестве
примера в разд. 2.
Таким образом, KZAD=3 .
Пусть для метода взвешивания исходными данными будут
METOD=1; NCOE=26; JTYPE=1; JTYP=1;
JW=1; PF1=0; FF2=0,5; F1=0,08; F2=0,0
ALFA=3,5 (не используется)
Исходные данные для метода чебышевской аппроксимации:
METOD=3; NFILT=26; JTYPE=1; NBANDS=2;
LGRID=16;EDGE=0.,0,08,0.16,0.5;
FX=1.; 0; WTX=1., 1.
Исходные данные для метода частотной выборки:
N=25, N1=2, N2=0 (не используется)
NVAR=2; JTYPE=1; JTYP=1; INTR=8.
Набор исходных данных в рассматриваемом случае имеет вид;
//GO.JYSIN DD * Комментарий
3 Первая запись - кол. заданий
I Признак метода

26 _ 1 _ 1_ 1_.0_ _ _ _0.5 Данные к первому заданию.

0.08_ _ 0.0_ _ _ _3.5

3 Признак метода

_ _26_ _ _1 _ _ 2_ _16 Данные ко второму заданию

_0.0_ _ _ 0.8_ _ 0.16_ _0.5

_1.0_ _ _0.0

_1.0_ _ _1.0

2 Признак метода

_25_ _ _2_ _ 00_ _ 1 1_ _ _8 Данные к третьему заданию

Содержание отчета.
1. Постановка задачи.
2. Анализ результатов расчета в соответствии с разд. 5.
3. Выводы и заключение.
К отчету следует приладить машинную распечатку.
Вопросы для самопроверки
1. Каким образом описываются НЦФ во временной области и в области
отображений?
2. Какими основными особенностями обладаю КИХ-цифровые фильтры?
3. Каковы условия, при которых ФЧХ КИХ-фильтра линейна?
4. В чем типичная постановка задачи проектирования цифровых
фильтров?
5. В чем состоит основа синтеза НЦФ методом взвешивания, методом
частотной выборки, методом равномерной чебышевской аппроксимации?
6. В чем состоят особенности практического использования машинных
методов проектирования НЦФ?
Библиографический список

1.Каппелини В., Константинидис А.Дх., Эмилиани П. Цифровые фильтры


и их применение; Пер. с англ. - М.: Энергоатомиздат, 1983.-360 с.

2. Гельденберг Д.М., Матюшкин Б.Д.. Поляк м.Я. Цифровая обработка


сигналов. Справочник - М.: Радио и связь, 1985.-512с.

3. Кузенков В.Д.. Методы цифровой обработки сигналов.- Куйбышев:


КуАИ, 1935. - 94 с.