Академический Документы
Профессиональный Документы
Культура Документы
цос конспект PDF
цос конспект PDF
ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ
УЧРЕЖДЕНИЕ
ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
«ВОРОНЕЖСКИЙ
ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
Составители:
Д.Н. Борисов,
Н.Н. Винокурова
Издательско-полиграфический центр
Воронежского государственного университета
2010
Утверждено научно-методическим советом факультета компьютерных наук
14 апреля 2010 года, протокол № 6
3
5.3.4. Анализ влияния конечной разрядности.............................. 56
5.3.5. Реализация фильтра .............................................................. 57
6. Разработка фильтров с конечной импульсной характеристикой
(КИХ-фильтры) ................................................................................. 58
6.1. Ключевые особенности КИХ-фильтров.................................... 59
6.2. Линейная фазовая характеристика и ее следствия .................. 59
6.3. Типы КИХ-фильтров с линейной фазовой характеристикой . 60
6.4. Этапы разработки КИХ-фильтров ............................................. 63
6.4.1. Спецификации КИХ-фильтра .............................................. 63
6.4.2. Методы расчета коэффициентов КИХ-фильтров .............. 64
6.4.2.1. Метод взвешивания ......................................................... 64
6.4.2.2. Оптимизационные методы ............................................. 68
6.4.2.3. Метод частотной выборки .............................................. 71
6.4.2.3.1. Нерекурсивные фильтры частотной выборки ....... 71
6.4.2.3.2. Рекурсивные фильтры частотной выборки ............ 73
6.4.2.3.3. Фильтры частотной выборки с простыми
коэффициентами ....................................................... 74
7. Разработка фильтров с бесконечной импульсной
характеристикой (БИХ-фильтры) ..................................................... 74
7.1. Характеристики БИХ-фильтров................................................. 74
7.2. Этапы разработки цифровых БИХ-фильтров ........................... 76
7.2.1. Спецификация производительности ................................... 76
7.2.2. Методы расчета коэффициентов БИХ-фильтров .............. 77
7.2.2.1. Расчет коэффициентов фильтра
путем размещения нулей и полюсов ........................... 77
7.2.2.2. Расчет коэффициентов методом инвариантного
преобразования импульсной характеристики ............... 78
7.2.2.3. Расчет коэффициентов с помощью
согласованного z-преобразования ............................... 81
7.2.2.4. Расчет коэффициентов с помощью
билинейного z-преобразования .................................... 84
8. Цифровая обработка при нескольких скоростях ............................. 87
8.1. Концепции обработки при нескольких скоростях ................... 88
8.2. Уменьшение частоты дискретизации: децимация
с целым шагом ............................................................................ 88
8.3. Увеличение частоты дискретизации: интерполяция
с целым шагом ............................................................................ 90
8.4. Преобразование частоты дискретизации с нецелым шагом ... 92
8.5. Многокаскадное преобразование частоты дискретизации ..... 94
8.6. Спецификация фильтра .............................................................. 95
8.7. Определение числа каскадов и шагов децимации ................... 96
Список рекомендуемой литературы ..................................................... 98
4
Введение
5
1. ОПИСАНИЕ СИГНАЛОВ И ОБОБЩЕННАЯ СХЕМА ЦОС
1.1. Основные типы сигналов
К основным типам сигналов относят аналоговый, дискретный и циф-
ровой.
Аналоговые сигналы описываются непрерывными и кусочно-непре-
рывными функциями x (t ) , причем как сама функция, так и ее аргумент мо-
гут принимать любые значения в пределах некоторых интервалов t1 ≤ t ≤ t2 ,
x1 ≤ x ≤ x 2 (рис. 1.1а).
а б
Рис. 1.1. Дискретизация сигнала
Дискретные сигналы x д (t ) образуются путём умножения аналогового
сигнала x (t ) на так называемую функцию дискретизации y (t ) , представ-
ляющую собой периодическую последовательность коротких импульсов,
следующих с шагом дискретизации Δt (рис. 1а). В идеальном случае в ка-
честве функции дискретизации используется периодическая последова-
тельность дельта-функций (рис. 1.1б).
Интервал T = kΔt называют периодом дискретизации, а обратную ве-
личину – частотой дискретизации.
1
fn = .
T
Значения последовательности в моменты времени nT называют отсче-
тами. Дискретный сигнал может быть как вещественным, так и комплекс-
ным. В последнем случае его вещественная и мнимая части описываются
вещественными последовательностями
x (nT ) = x1 (nT ) + jx 2 (nT ) .
Цифровой сигнал xц (t ) описывается квантованной решетчатой функ-
цией (рис. 1.2), т. е. решетчатой функцией, принимающей лишь ряд дис-
кретных уровней − уровней квантования mq, где q – шаг квантования по
уровню, а m – номер интервала квантования, m = 0, 1, 2, ..., M − 1 , M = 2 n ,
n – целое положительное число.
6
Рис. 1.2. Цифровой сигнал
Цифровой сигнал представляется последовательностями чисел,
имеющих ограниченное количество разрядов.
При описании дискретных и цифровых сигналов иногда пользуются
нормированным временем i
t
i= ,
T
которое при t = nT имеет смысл номера отсчета n
t nT
i= = =n
T T
и означает, что отсчет взят в момент nT. Это позволяет описывать дис-
кретный сигнал функцией целочисленной переменной x (n ) и считать тож-
дественными обозначения дискретного сигнала x (n ) и x (nT ) ; x (nT ) ≡ x[n ] .
7
ках функцию непрерывного времени отождествляют либо с аналоговым
сигналом x (t ) , соответствующим дискретному сигналу x (nTд ) , либо с неко-
торой условной огибающей дискретной последовательности x (n ) , более на-
глядно отображающей ее функциональную зависимость.
8
1.3. Типовые дискретные сигналы
В ЦОС ряд дискретных сигналов используют в качестве испытатель-
ных воздействий и называют типовыми. К ним относятся:
1. Цифровой единичный импульс, описываемый последовательностью
1, 0;
0, 0. (1.2)
т. е. этот сигнал равен единице при 0 и нулю при всех остальных зна-
чениях n (рис. 1.5).
u0(n)
1
n
‐1 0 1 2 3
Рис. 1.5. Цифровой единичный импульс
u0(n-m)
1 m=2
n
‐1 0 1 2 3
Рис. 1.6. Задержанный цифровой единичный импульс
9
1, 0;
(1.5)
0, 0.
т. е. этот сигнал равен единице при всех неотрицательных значениях
(рис. 1.7).
u0(n)
1 m=2
‐1 0 1 2 3 n
Рис. 1.7. Цифровой единичный скачок
u0(n-m)
1 m=2
‐1 0 1 2 3 n
Рис 1.8. Задержанный цифровой единичный скачок
10
x(n) 1 x(n)
1
1 3 5
0 2 4 6 n
0 1 2 3 4 5 n
а б
Рис. 1.9. Знакопостоянная (а) и знакопеременная (б)
дискретные экспоненты
n
0 1 2 3 4 5
11
1.4. Обобщенная схема цифровой обработки сигналов
На рис. 1.11 приведена последовательность процедур, необходимых
для преобразования исходного аналогового сигнала вх в другой анало-
говый сигнал вых по заданному алгоритму средствами цифровой вычис-
лительной техники.
В цифровой обработке сигнала можно выделить три основных этапа:
– формирование цифрового сигнала ц д из исходного аналогово-
го сигнала вх ;
– преобразование цифрового сигнала ц д в цифровой сигнал
ц д по заданному алгоритму;
– формирование результирующего аналогового сигнала вых из
цифрового сигнала ц д .
В обобщенной схеме ЦОС этим этапам соответствуют три функцио-
нальных устройства:
– кодер;
– процессор ЦОС;
– декодер.
кодер декодер
12
чиная с некоторой частоты в , существенно снижаются. Выбор значе-
ния в определяется конкретным типом сигнала и решаемой задачей. При
обработке аудио- и видеосигналов выбор в зависит от особенностей пси-
хофизического восприятия этих сигналов. Например, для стандартного те-
лефонного сигнала верхняя частота в равна 3.4 кГц, а минимальная стан-
дартная частота дискретизации д – 8 кГц.
На выходе ФНЧ получают аналоговый сигнал c финитным (огра-
ниченным по частоте) спектром (рис. 1.12). Аналого-цифровой пре-
образователь формирует цифровой сигнал ц д посредством дискрети-
зации и квантования сигнала .
Дискретизация по времени (или просто дискретизация) представляет
собой процедуру взятия мгновенных значений – отсчетов – аналогового
сигнала с интервалом времени, равным периоду дискретизации д .
Значения отсчетов ц д совпадают со значениями сигнала в момен-
ты времени д:
xц (nTд ) = x (t ) t =nT .
д
ц д | |
t ω
-ωв ωв
а
t ω
-ωв ωв
б
13
Откуда
int log .
Совокупность квантованных отсчетов ц д , 0, 1, … называют
цифровым сигналом.
Детерминированные и вероятностные оценки ошибки квантования
кв за счет аналого-цифрового преобразования определяются выражени-
ем:
кв д ц д .
На втором этапе процессор ЦОС преобразует цифровой сигнал
ц д в цифровой сигнал ц д по заданному алгоритму.
Вместо процессора ЦОС (ПЦОС) может быть программная реализа-
ция цифровой обработки сигнала.
В общем случае устройства ЦОС (ПЦОС или программная реализа-
ция) могут работать в реальном или нереальном времени. В реальном вре-
мени обработка сигналов должна выполняться в темпе поступления отсче-
тов входного сигнала ц д , 0, 1, … и отвечать следующим требовани-
ям:
– время цикла ∆ ц при вычислении отсчета ц д не должно пре-
вышать интервала между двумя соседними отсчетами ц д , т. е. периода
дискретизации д :
∆ ц д,
д.
14
На третьем этапе декодер формирует результирующий аналоговый
сигнал вых . из цифрового сигнала ц д . В состав декодера входят
цифро-аналоговый преобразователь (ЦАП) и сглаживающий фильтр
(ФНЧ 2). Цифро-аналоговый преобразователь формирует из цифрового сиг-
нала ц д ступенчатый аналоговый сигнал . Сглаживающий фильтр
устраняет ступенчатый эффект (скачки) в выходном сигнале ЦАП вых .
15
лов могут применяться и неортогональные функции, выявляющие какие-
либо характерные особенности сигналов, полезные для интерпретации фи-
зических данных. В данном пособии мы рассмотрим лишь некоторые, наи-
более распространенные в ЦОС, виды разложения сигналов.
16
ческого значения и являются чисто математическим понятием, но вследст-
вие этого модули | | комплексных амплитуд численно уменьшены в
два раза. Это означает равное распределение амплитуды по соответствую-
щим отрицательной и положительной частотам. Следовательно, правильное
значение амплитуды на частоте можно найти, удвоив рассчитанную ве-
личину.
Комплексная и тригонометрическая формы связаны следующими со-
отношениями:
| | /
, (2.4)
arctg ( / , (2.5)
где – сдвиг фазы компонента n-й гармоники, который также задается как
арктангенс отношения мнимой и действительной частей . Следователь-
но, каждая гармоника сигнала характеризуется своим фазовым сдвигом и
амплитудой.
⁄2 0 ⁄2
17
⁄
. (2.7)
Здесь комплексное ω называется интегралом Фурье или просто
Фурье-образом. Если положить
| | , (2.8)
| | ⁄
то Re Im , (2.9)
18
e e , (2.12)
| |
| |
f f
-4/ -3/ -2/ -1/ 1/ 2/ 3/ 4/ -4/ -3/ -2/ -1/ 1/ 2/ 3/ 4/
а б
Рис. 2.2. Импульс 2 В: а) амплитудный спектр; б) энергетический спектр
∑ cos , 0, 1, … , 1. (2.15)
20
2.5. Преобразование Уолша
Преобразования, обсуждавшиеся ранее, были основаны на функциях
косинус и синус. Намного проще и быстрее считаются преобразования, ос-
нованные на импульсо-подобных сигналах, которые принимают значения
только ±1. Кроме того, они больше подходят для описания сигналов с на-
рушением непрерывности, которые встречаются, например, в изображени-
ях. И, наоборот, они менее пригодны для описания непрерывных сигналов и
могут не быть инвариантными по фазе, а если это так, полученный спектр
может искажаться. Поэтому такие сигналы обычно используются при обра-
ботке изображений (астрономия и спектроскопия), кодировании сигналов и
фильтрации.
Точно так же, как ДПФ основывается на наборе гармонических коси-
нусоидальных и синусоидальных сигналов, дискретное преобразование
Уолша (ДПУ) основано на наборе гармонических прямоугольных импуль-
сов, которые называются функциями Уолша. Однако для прямоугольных
импульсов частота не определена, поэтому используется аналоговый тер-
мин «последовательность». Последовательность – это половина среднего
числа переходов через нуль за единицу времени. На рис. 2.3 показаны
функции Уолша до порядка N = 8, расположенные по возрастанию.
В таком виде их называют упорядоченными по Уолшу. Функция Уол-
ша со временем t и порядком n обозначается WAL(n,t). Изучая рис. 2.3, ви-
дим, что существует равное количество четных и нечетных функций Уол-
ша, точно так же, как и косинусоидальных и синусоидальных компонентов
ряда Фурье. Четные функции WAL(2k,t) записываются как CAL(k,t), а не-
четные функции WAL(2k+1,t) записываются как SAL(2k+1,t), где k = 1,
2, …, N/2-1.
Любой сигнал f(t) можно разложить по набору функций Уолша (ана-
лог разложения в ряд Фурье) как
WAL 0, ∑N⁄ ∑N⁄ SAL , CAL , , (2.16)
где и – коэффициенты ряда.
Для любых двух функций Уолша справедливо выражение:
при ,
∑ WAL , WAL ,
0 при .
т. е. функции Уолша ортогональны.
Для преобразование Уолша характерно прямое и обратное преобразо-
вание :
∑ WAL , , 0, 1, … , 1, (2.17)
∑ WAL , , 0, 1, … , 1. (2.18)
21
1
WAL 0,
0
-1
1
WAL 1,
0
-1
1
WAL 2,
-1
1
WAL 3,
-1
1
WAL 4,
-1
1
WAL 5,
-1
1
WAL 6,
-1
1
WAL 7,
-1
22
Следовательно, пару образов можно найти простым перемножением
матриц с помощью цифровых методов. Однако отсутствие фазовой ин-
вариантности означает, что ДПУ не подходит для вычисления быстрых
корреляций или сверток.
Уравнение (2.17) показывает, что k-й элемент ДПУ можно получить,
умножив каждый дискретный элемент сигнала xi на функцию Уолша по-
следовательности k и просуммировав по 0, 1, … , 1. Для всех эле-
ментов k это можно записать в матричном виде как
, (2.19)
где … – последовательность данных,
… ,
… ,
… … … …
, , … ,
23
0 1 2 3 4 5 6 7
0 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1
2 1 1 1 1 1 1 1 1
3 1 1 1 1 1 1 1 1
4 1 1 1 1 1 1 1 1
5 1 1 1 1 1 1 1 1
6 1 1 1 1 1 1 1 1
7 1 1 1 1 1 1 1 1
Рис. 2.4. Матрица преобразования Адамара порядка 8×8
WALH 0,
WALH 1,
WALH 2,
WALH 3,
24
формулироваться так: нельзя одновременно с любой точностью определить
время и частоту. Следовательно,
∆ · 1, (2.22)
где ∆ и T описывают разрешение по частоте и по времени. Если разреше-
ние по времени высокое, то частота будет определяться менее точно, и на-
оборот.
Следовательно, может оказаться достаточно сложно одновременно
измерить с необходимой степенью точности частоту компонента сигнала и
время его появления или разделить во времени различные частотные ком-
поненты. Это может произойти, если сигнал содержит кратковременные
высокочастотные компоненты, расположенные слишком близко к более
продолжительным компонентам во временной области, которые также
близко расположены в частотной области и возникают в различные момен-
ты времени.
Такие сигналы непериодичны. Для решения этой общей проблемы
частотно-временного анализа используется вейвлетное преобразование
(wavelet transform), которое предоставляет средства для анализа нестацио-
нарных сигналов. Вейвлетное преобразование применяется также для
фильтрации сигналов, устранения шумов, определения местонахождения
сингулярностей и их распределения.
В то время как в преобразованиях Фурье значения сигнала имеют ве-
совые коэффициенты, в показателе степени которых стоит мнимая часть, а
аргумент – гармонический и зависит от частоты, т. е., по сути, является си-
нусоидальным членом, в вейвлетном преобразовании в качестве весовых
коэффициентов значений сигнала выступают вейвлетные функции.
Все вейвлетные функции получаются из основной (материнской, ба-
зовой) вейвлетной функции. Существует ряд возможных материнских
функций, выбранных для получения некоторых свойств. Они должны: ос-
циллировать, не содержать компонентов постоянного тока, быть полосовы-
ми, быстро спадать во времени до нуля и быть обратимыми. Последнее
свойство гарантирует, что вейвлетное преобразование сигнала будет одно-
значным. Основную функцию можно записать как Ψ(t). Например, морле-
товская, или модифицированная гауссова материнская вейвлетная функция
(вейвлет Морле), – это
/
Ψ , (2.23)
Фурье-образ которой
2 / (2.24)
Эти два сигнала изображены на рис. 2.6, и видно, что Ψ(t) удовлетво-
ряет вышеизложенным требованиям, т. е. осциллирует и спадает до нуля.
25
Ψ
26
/
ВПДП , 2 Ψ 2 /2
/
2 Ψ2 .
где | | / ∞,
а – Фурье-образ основного импульса Ψ .
3. ПРИМЕНЕНИЕ Z-ПРЕОБРАЗОВАНИЯ
Самое удобное средство описания, анализа и проектирования сигна-
лов и систем дискретного времени – это z-преобразование.
28
В причинных системах х(n) может быть ненулевым только в интерва-
ле 0 ∞, и уравнение (3.5) сводится к так называемому односторон-
нему z-преобразованию:
∑ , (3.6)
Обратное z-преобразование позволяет восстанавливать после-
довательность дискретного времени по ее z-образу. особенно по-
лезно в операциях ЦОС, например, при поиске импульсной характеристики
цифровых фильтров. В символической форме обратное z-преобразование
можно определить как
, (3.7)
где – это z-образ последовательности , а – символ, обозна-
чающий обратное z-преобразование.
Предположив, что последовательность причинна, z-образ из
уравнения (3.6) можно разложить в степенной ряд как
∑ 0 1 2 3 … (3.8)
Видно, что значения последовательности – это коэффициенты
0,1, … и поэтому их можно найти непосредственно. На практике
часто выражается через отношение двух многочленов от или, что
эквивалентно, от z:
…
. (3.9)
…
В этом виде обратное z-преобразование можно найти с помощью
одного из многих методов, например:
а) метода разложения в степенной ряд;
б) метода разложения на элементарные дроби;
в) метода вычетов.
0 1 2 3 (3.10)
В этом методе числитель и знаменатель функции сперва выра-
жаются либо через уменьшающийся показатель степени , либо через уве-
личивающейся показатель степени , а затем путем деления находится
частное.
29
3.2.2. Метод разложения на элементарные дроби
В этом методе z-преобразование вначале раскладывается на сумму
простых дробей. Находится обратное z-преобразование каждой элементар-
ной дроби. Эти образы суммируются, и получается общее обратное z-
преобразование. На практике во многих случаях z-преобразование задается
как отношение многочленов по z или и имеет вид:
…
0 1 2 3 … (3.11)
Если полюсы функции – первого порядка и , то
можно разложить как
…
… ∑ , (3.12)
. (3.16)
!
30
3.2.3. Метод вычетов
В этом методе находится путем вычисления контурного интеграла
, (3.17)
где С – это контур интегрирования, охватывающий все полюсы функции
. Для рациональных многочленов контурный интеграл из уравнения
(3.17) находится с помощью фундаментального результата теории ком-
плексных переменных, называемого теоремой Коши о вычетах (или теоре-
мой вычетов):
31
3.3. Свойства z-преобразования
Ниже кратко описываются некоторые полезные свойства z-преобра-
зования, которые нашли практическое применение в ЦОС.
1. Линейность. Если последовательности и имеют z-об-
разы и , то z-образ их линейной комбинации будет
. (3.20)
2. Задержки или смещения. Если z-образ последовательности ра-
вен , то z-образ последовательности с задержкой на элементов будет
. Это свойство широко используется для превращения передаточ-
ной функции z систем дискретного времени в разностные уравнения во
временной области
,
.
3. Свертка. Дана система дискретного времени со входом и им-
пульсной характеристикой . Выход системы задается как
∑ , (3.21а)
Выраженные через z образы вход и выход связаны соотношением
, (3.21б)
где , и – соответственно z-образы последовательностей ,
и . При заданных и выход можно найти с помо-
щью обратного z -преобразования .
Видно, что операция свертки в уравнении (3.21а) превратилась в про-
цесс умножения в z-области. Записанную выше функцию часто назы-
вают передаточной функцией системы.
4. Дифференцирование. Если – z-образ последовательности ,
то z-образ можно найти, продифференцировав
,
. (3.22)
Это свойство полезно для вычисления обратного z-преобразования,
когда содержит полюсы высокого порядка.
0.5
-1 0.75 Re(z)
-0.5
33
Часто z-преобразование нельзя представить в разложенном виде, его
можно записать только как отношение многочленов, как в уравнении (3.24).
В таких случаях для описания z-образа через его нули и полюсы необ-
ходимо найти корни многочлена знаменателя D(z) и многочлена числителя
.
Корни многочлена второго порядка, который задается в виде
, ищут по формуле
/
. (3.25)
Определение корней многочленов и D(z) более высоких поряд-
ков является сложной задачей. На практике это часто делают с помощью
численных методов, в том числе, например, с помощью алгоритмов Ньюто-
на и/или Бэйстоу (Baistow).
34
Простая проверка, которой можно воспользоваться, если z-образ сис-
темы нельзя разложить на множители, – это найти достаточное коли-
чество значений импульсной характеристики и построить их график, вы-
числив обратное z-преобразование. Если импульсная характеристика беско-
нечно увеличивается со временем или достаточно быстро спадает до нуля,
то система либо неустойчива, либо минимально устойчива.
36
спутников, в которых сравниваются данные с различных изображений, в
радарных или гидроакустических установках для дальнометрии и местооп-
ределения (пеленгации), в которых сравниваются переданные и отраженные
сигналы.
Корреляция позволяет определить степень независимости одного
процесса от другого или установить сходство одного набора данных с дру-
гим. Корреляция также является неотъемлемой частью процесса свертки,
который, по сути, та же корреляция двух последовательностей данных, при
вычислении которой одна из последовательностей обращена во времени.
Это означает, что для вычисления корреляции и свертки могут использо-
ваться одни и те же алгоритмы.
37
Рис. 4.1. Сигналы со 100%-й корреляцией, идущие не в фазе, – при нулевой
задержке корреляция равна нулю
-j n
38
На практике, когда два сигнала коррелируют, их фазовая связь скорее
всего неизвестна, так что корреляцию нужно находить для нескольких раз-
личных задержек, чтобы установить наибольшее значение корреляции, ко-
торое затем считается истинным.
Кроме того, также можно рассмотреть корреляцию в непрерывной
временной области, и некоторые аналоговые схемы корреляции организо-
ваны именно так. В непрерывной области n → t и j → τ и
/
lim /
. (4.3)
В то же время, если и – периодические с периодом Т, фор-
мула (4.3) упрощается до
/
/
. (4.4)
39
r
1 2 3 4 5 6 7 8 9 10 11
0
j
m=0 1 2 3 4 5 6 7 8 t
Выход
3 4
2 5
1 6
0 7
m=0 1 2 3 4 5 6 7 8 t
Рис. 4.4. Входной импульс и соответствующая импульсная
характеристика системы
40
Вход
m=0 1 2 3 4 5 6 7 8 t
Выход
2 0
1 0 1
2
1 1
1
0
m=0 1 2 3 4 5 6 7 8 t
0 1 0 2
Рис. 4.5. Поданная на вход импульсная последовательность
и характеристика системы, полученная из отдельных
импульсных откликов
0 1 1 0 . (4.7)
Если система линейна, выход можно записать как линейную сумму
влияния предыдущих входов. Выход линейной системы первого порядка
описывается уравнением (4.7).
Изучая приведенные выражения, находим, что выход получается ум-
ножением входной последовательности на соответствующие точки обра-
щенной во времени функции импульсной характеристики. Альтернативный
вариант – записать уравнение (4.7) в таком виде:
0 1 1 0 , (4.8)
41
и рассматривать выход как произведение соответствующих пар точек в
функции импульсной характеристики и обращенной во времени входной
последовательности. Следовательно, сверточная сумма эквивалента взаим-
ной корреляции одной последовательности и обращенной во времени дру-
гой.
Уравнения (4.7) и (4.8) можно записать компактно:
∑ , (4.9)
∑ . (4.10)
Данные функции называются сверточными суммами входов с им-
пульсной характеристикой, а выход находится как свертка входа с им-
пульсной характеристикой системы.
Уравнения (4.9) и (4.10) можно расширить на сигналы бесконечной
длительности, записав их следующим образом
∑ , (4.11)
и
∑ . (4.12)
В приведенных уравнениях символ " " обозначает операцию свертки.
Если вход состоит из непрерывной последовательности импульсов,
приведенную выше сумму можно заменить интегралом, например, уравне-
ние (4.11) при этом приводится к виду
λ λ λ, (4.13)
что называется интегралом свертки.
В данном пособии термином свертка мы называли результат свертки
импульсной характеристики системы со входом системы. В принципе, дан-
ную концепцию можно расширить на свертку любых двух наборов данных
и рассматривать термин в более широком смысле.
Из уравнений (4.11)–(4.13) видно, что свертка выполняется во време-
ни – возникает так называемая свертка во временной области. Известно, что
в частотной области выход системы на частоте f равен :
, (4.14)
где – частотная характеристика системы на частоте f, – Фурье-
образ входа . Кроме того, можно показать, что – Фурье-образ .
Применяя обратное преобразование Фурье к обеим частям уравнения (4.14),
получаем
, (4.15)
Объединяя уравнения (4.13) и (4.15), получаем, что
42
, (4.16)
Таким образом, видно, что свертка двух сигналов во временной об-
ласти эквивалентна применению обратного преобразования Фурье к произ-
ведению Фурье-образов двух сигналов. Данный вывод формулируют в со-
кращенной форме: свертка во временной области эквивалентна умножению
в частотной.
Существует соотношение, дуальное приведенному, т. е. свертка в час-
тотной области эквивалентна умножению во временной. Таким образом,
можно показать, что
ω ω . (4.17)
Следовательно, Фурье-образ произведения двух временных последо-
вательностей соответствует свертке Фурье-образов двух последовательно-
стей.
43
0 ∑ , 1, (4.22)
откуда
∑
, ≥1, 0 0. (4.23)
система
h(n)
а
.
Фильтр
б
Рис. 4.6. Слепое обращение свертки
44
лучается измеренный выходной сигнал . Сигнал представляет со-
бой результат свертки с , следовательно, искажа-
ется запаздывающей копией . В задаче требуется вычислить сигнал
, являющийся хорошей аппроксимацией . Следовательно, как по-
казано на рис. 4.6, б, требуется причинный фильтр , которой при
свертке входного сигнала с даст необходимый выход . В качестве
такого фильтра можно использовать трансверсальный фильтр, изображен-
ный на рис. 4.7.
2 1
1
1 2 1
∑ 1 1 2 2 1 1
∑
Рис. 4.7. Трансверсальный фильтр для слепой свертки
0 0 0
1 0 0
,
1 2 0
0 1
0 , 1 ,…, , N – число элементов во временном ряде.
Для решения можно использовать принцип максимизации информа-
ции, на основе которого выводился алгоритм адаптивного вычисления ве-
совых коэффициентов W. Следовательно, настройку можно проводить,
снижая статистическую корреляцию между точками . Этот подход из-
вестен как отбеливание , поскольку выборки в последовательности бе-
лого шума статистически независимы. Чтобы достичь этого, необходимо
устранить статистические корреляции высоких порядков. Для этого
45
подается в систему с нелинейной передаточной функцией и макси-
мизируется информация на выходе системы . Обновление
коэффициентов происходит по следующим формулам:
∆ ∑ 2 (4.27)
и ∆ ∑ 2 1 . (4.28)
Алгоритм продолжает выполняться, пока ∆ и∆ не ста-
нет малым. Затем с использованием найденных весовых коэффициентов за-
держек и данных, подлежащих обработке, реализуется соответствующий
фильтр.
46
Из данных уравнений понятно, что для БИХ-фильтров импульсная
характеристика имеет бесконечную длительность, тогда как для КИХ-филь-
тра она конечна, поскольку для КИХ-фильтра может принимать всего
N значений. На практике вычислить выход БИХ-фильтра с использованием
уравнения (5.1) невозможно, поскольку длительность импульсного отклика
слишком велика (теоретически – бесконечна). Взамен этого уравнение
БИХ-фильтрации переписывается в рекурсивной форме
∑ ∑ ∑ , (5.3)
где и – коэффициенты фильтра. Таким образом, уравнения (5.2) и
(5.3) – это разностные уравнения КИХ- и БИХ- фильтров соответственно.
Данные уравнения (и в частности значения h k для КИХ-фильтра или и
для БИХ-фильтра) используются во многих задачах разработки фильтров.
В уравнении (5.3) текущая выходная выборка является функцией
предыдущих выходов, а также текущей и предыдущих входных выборок,
так что БИХ-фильтр – это система с обратной связью. Для КИХ-фильтра
выходная выборка зависит только от прошедших и текущего входных
значений. Однако если положить все равными нулю, уравнение (5.3)
сводится к уравнению (5.2).
В уравнениях (5.4) приведены альтернативные представления (через
передаточные функции) КИХ- и БИХ-фильтров соответственно, причем та-
кие описания очень удобны при оценке частотных характеристик фильтров:
∑ , (5.4а)
∑ ⁄ 1 ∑ . (5.4б)
Факторы, влияющие на выбор из альтернатив, доступных разработчи-
ку цифрового фильтра на каждом этапе процесса проектирования, значи-
тельно зависят от того, к какому классу относится фильтр – с конечной или
бесконечной импульсной характеристикой. Поэтому, весьма важно разли-
чать эти классы, их специфические характеристики и, что еще более важно,
понимать, фильтр какого типа выбрать.
48
5. Реализация фильтра на программном и/или аппаратном уровне.
Начало
Спецификация
характеристик
Выбор структуры
Реструкту-
Пересчет
Анализ эффектов конечной
ризация
разрядности и принятие
необходимых мер
Внедрение на аппаратном
и/или программном
уровне+тестирование
Переаботка
Конец
49
делить фильтр на начальных этапах, но для упрощения процесса разработки
следует сформулировать максимальное количество требований.
Характеристики цифровых фильтров часто задаются в частотной об-
ласти. Для частотно-избирательных фильтров, таких как фильтры нижних
частот и полосовые фильтры, спецификации часто формулируются в виде
схем допусков. Пример подобной схемы для фильтра нижних частот приве-
ден на рис. 5.3.
H(f )
1+ δ p
1
1− δp
δs
0 fp fs f
Полоса Полоса Полоса
пропускания перехода подавления
50
давления соответственно. Следовательно, минимальное затухание в полосе
подавления и максимальная неравномерность в полосе пропускания в
децибелах записываются следующим образом (для КИХ-фильтров):
A затухание в полосе подавления 20lg 1 δ , (6.5а)
A неравномерность в полосе подавления 20lg 1 δ . (6.5б)
При спецификации фазовой характеристики цифровых фильтров во
многих случаях достаточно указать, что фазовое искажение существенно
или что желательна линейная фазовая характеристика.
52
используются две других структуры: структура частотной выборки и схема
быстрой свертки (рис. 5.8аб).
∑
1 ∑
1 1 2
1 1 2
1 2
1 2
53
1
1 2
1 2
1
2
…
0 1 2 1
54
зоваться для представления как КИХ-, так и БИХ-фильтров, и в стандарт-
ной форме она характеризуется единственным входом и парой выходов, как
показано на рис. 5.9.
-1
1 1/
/
… …
а
Сегментировать Выполнить быстрое
входную последо- преобразование
Входная вательность на Фурье
последова- блоки каждого блока Применить обратное По обратным БПФ
тельность преобразование сформировать
Фурье выходную
к произведениям последователь-
Выполнить быстрое (k) (k) ность
преобразование
Коэффициенты Фурье
фильтра h(n)
б
Рис. 5.8. Структура реализации частотной выборки (а) и схема быстрой
свертки (б) КИХ-фильтра
55
1 каскад 2 каскад N каскад
б
Рис. 5.10. N-каскадный КИХ-фильтр с решетчатой структурой (а)
и двухкаскадная решетчатая структура БИХ-фильтра с заданными
всеми полюсами (б)
57
Разработчик обеспечивает данные базовые составляющие и гаранти-
рует, что они соответствующим образом сконфигурированы под нужное
приложение.
Способ конфигурирования компонентов напрямую связан с тем, в ка-
ком времени будет проводиться обработка (в реальном или модельном (па-
кетная обработка)).
При обработке в модельном времени все данные уже хранятся на ка-
ком-то запоминающем устройстве. Такая ситуация, например, характерна
для приложений, где нужно получить некоторые экспериментальные дан-
ные, а затем их проанализировать. В таких случаях фильтр часто реализует-
ся на языке высокого уровня и запускается на универсальном компьютере,
где все основные составляющие уже сконфигурированы. Таким образом,
обработку в модельном времени можно описать как исключительно про-
граммную реализацию (хотя разработчик может пожелать ввести в процесс
дополнительные аппаратные средства для увеличения скорости обработки).
При обработке в реальном времени от фильтра требуется: либо 1) ра-
ботать при наличии входной выборки и выдавать выходную выборку
у перед поступлением следующей входной выборки (т. е. в пределах
межвыборочного интервала), либо 2) работать с входным блоком данных
(используя, например, метод БПФ) для получения выходного блока в тече-
ние времени, пропорционального длине блока. Фильтрация в реальном вре-
мени может требовать быстрого и специфического аппаратного обеспече-
ния, если частота дискретизации очень высока или если необходим фильтр
высокого порядка. Для большинства приложений работы с аудиочастотами
будет достаточно процессоров ЦОС, подобных DSP56000 (Motorola) или
TMS320C25 (Texas Instruments).
В данных процессорах уже вмонтированы все требуемые базовые
блоки, включая аппаратные умножители. Помимо блоков обработки сигна-
лов разработчик может также, в зависимости от типа источника и получате-
ля данных, вводить в фильтр подходящие интерфейсы ввода-вывода (на-
пример, при аналого-цифровом преобразовании) с цифровым аппаратным
обеспечением.
58
Расчет коэффициентов, по сути, включает поиск значений h(m), соот-
ветствующих спецификациям. Наиболее распространенные методы вычис-
ления коэффициентов КИХ-фильтра: 1) вырезание (взвешивание); 2) час-
тотная выборка; 3) оптимальный метод.
59
вая задержка равна минус углу сдвига фазы, деленному на частоту, тогда
как групповая задержка – это минус производная фазы по частоте:
T p = −θ(ω) / ω , (6.2а)
Tg = −dθ(ω) / dω . (6.2б)
Фильтр с нелинейной фазовой характеристикой будет искажать фазу
сигнала, проходящего через этот фильтр. Это объясняется тем, что частот-
ные компоненты сигнала будут задерживаться на величину, не пропорцио-
нальную частоте, нарушая таким образом их гармоническую связь. Подоб-
ное нарушение нежелательно во многих ситуациях (например, передаче
данных, воспроизведении музыки и видео, биомедицине) и его можно из-
бежать, используя фильтры с линейными фазовыми характеристиками в ра-
бочем диапазоне частот.
Говорят, что фильтр имеет линейную фазовую характеристику, если
выполняется одно из следующих соотношений:
θ(ω) = −αω , (6.3а)
θ(ω) = β − αω , (6.3б)
где α и β – константы. Если фильтр удовлетворяет условию (6.3а), у него
постоянны групповая и фазовая задержки. Условие (6.3а) удовлетворяется,
если импульсная характеристика фильтра обладает положительной симмет-
рией. Фазовая характеристика в этом случае является просто функцией
длины фильтра:
⎧n = 01...( N − 1) / 2( N − нечетное),
h( n ) = h (N − n − 1), ⎨
⎩n = 01...( N / 2) − 1( N − нечетное).
α = ( N − 1) / 2 .
Условие (6.3б) удовлетворяется, когда фильтр имеет только постоян-
ную групповую задержку. В этом случае импульсная характеристика
фильтра имеет отрицательную симметрию:
h ( n ) = − h (N − n − 1) ,
α = ( N − 1) / 2, β = π / 2.
КИХ-фильтры с линейной фазовой характеристикой формируют важ-
ный класс в семействе КИХ-фильтров. Они обладают уникальным набором
свойств, влияющих на разработку и реализацию данных фильтров.
60
ные характеристики всех четырех типов фильтров с линейной фазовой ха-
рактеристикой.
Ключевые особенности этих типов фильтров сведены в табл. 6.1.
Таблица 6.1
Ключевые различия четырех типов КИХ-фильтров
с линейной фазовой характеристикой
Число Тип ли-
Симметрия Частотная
коэффи- нейной
импульсной характеристика,
циентов, H (ω) фазовой ха-
характеристики
N рактеристики
( N −1) / 2
Положительная
симметрия,
нечетное e − iω( N −1) / 2
∑ a(n) cos(ωn) 1
n=0
h(n) = h( N − 1 − n) N /2
четное e − iω( N −1) / 2
∑ b(n) cos(ω(n − 1 / 2)) 2
n =1
( N −1) / 2
− i [ω( N −1) / 2 − π / 2 ]
Отрицательная нечетное e ∑ a(n) sin(ωn) 3
симметрия, n =1
h( n) = − h( N − 1 − n) N /2
e −i[ω( N −1) / 2 − π / 2] ∑ a(n) sin (ω(n − 1 / 2))
четное n =1
4
61
Центр симметрии
(N-нечетное, положительная
симметрия)
N=13 (нечетное)
0 2 4 6 8 10 12 n
Центр симметрии
(N-нечетное, положительная
симметрия)
N=12 (четное)
2 10
0 4 6 8 n
Центр симметрии
(N-нечетное, положительная
симметрия)
N=9 (нечетное)
6 8
0 2 4 n
Центр симметрии
(N-нечетное, положительная
симметрия)
N=10 (четное)
6 8
0 2 4 n
62
Фазовую задержку (фильтры типа 1 и 2) или групповую задержку
(фильтры всех четырех типов) можно выразить через число коэффициентов
фильтра, которые, соответственно, можно подобрать таким образом, чтобы
фильтр давал нулевую фазовую или групповую задержку. Например, для
фильтров первого и второго типов фазовая задержка записывается следую-
щим образом:
⎛ N −1⎞
Tp = ⎜ ⎟, (6.4а)
⎝ 2 ⎠
а групповая задержка для фильтров третьего и четвертого типов выражается
как
⎛ N −1− π ⎞
Tg = ⎜ ⎟, (6.4б)
⎝ 2 ⎠
где T – период дискретизации.
63
(
H e 2 πif )
1+ δ p
1
1− δp
ΔF
δs
0 fp fs 0.5 f
Полоса Полоса Полоса
пропускания перехода подавления
Рис. 6.2. Спецификация амплитудно-частотной характеристики фильтра
нижних частот. Отклонения в полосах пропускания и подавления часто
выражаются в децибелах: отклонение в полосе пропускания равно
( )
20 lg 1 + δ p дБ; отклонение в полосе подавления равно − 20 lg(δ s ) дБ
6.4.2.1. М е т о д в з в е ш и в а н и я
В данном методе используется тот факт, что частотная характеристи-
ка фильтра H D (ω) и соответствующая импульсная характеристика hD (n )
связаны обратным преобразованием Фурье:
1 π
2π ∫− π
H D (ω)e iωn dω .
hD ( n ) = (6.5)
Индекс D используется, чтобы различать идеальную и практическую
импульсные характеристики. Необходимость такого разделения станет по-
нятна несколько позже. Если известна H D (ω) , то hD (n ) можно получить,
применив преобразование Фурье к обеим частям уравнения (6.5). Для ил-
люстрации предположим, что требуется разработать фильтр нижних частот.
64
Начать можно с идеальной частотной характеристики, представленной на
рис. 6.3, а, где ωc – частота среза с нормированной шкалой частот ( T = 1 ).
H D (ω )
б
Рис. 6.3. Идеальная частотная характеристика фильтра нижних частот
(а). Импульсная характеристика идеального фильтра нижних частот (б)
2 f c sin(nωc )
= , n ≠ 0, −∞ ≤ n ≤ ∞. (6.6)
nωc
= 2 fc , n = 0,
(используем правило Лопиталя (замечательный предел)).
Импульсные характеристики идеальных фильтров верхних частот,
полосовых фильтров и режекторных фильтров также находятся из уравне-
ния (6.6) (табл. 6.2).
Импульсная характеристика фильтра нижних частот изображена на
рис. 6.3б, из которого видно, что hD (n ) симметрична относительно n = 0 (т. е.
hD ( n) = hD (− n) ), так что фильтр будет иметь линейную (в данном случае –
нулевую) фазовую характеристику. Описанный простой подход связан с не-
которыми проблемами. Важнейшая из них – характеристика hD (n ) умень-
шается при удалении от точки n = 0 , она длится теоретически до n = ±∞ .
Следовательно, полученный фильтр не является КИХ-фильтром.
65
Таблица 6.2
Идеальные импульсные характеристики стандартных
частотно-избирательных фильтров
Тип фильтра Идеальная частотная характеристика, hD (0)
hD ( n), n ≠ 0 hD (0)
Фильтр sin(nωc )
2 fc
nωc
2 fc
нижних частот
Фильтр sin(nωc )
− 2 fc 1 − 2 fc
верхних частот nωc
Полосовой sin( nω2 ) sin(nω1 )
2 f2 − 2 f1 2 ( f 2 − f1 )
фильтр nω2 nω1
Заграждающий sin( nω1 ) sin( nω2 )
2 f1 − 2 f2 1 − 2 ( f 2 − f1 )
фильтр nω1 nω 2
66
H 1 ( ω)
-ωc 0 ωc ω
а
H 2 (ω)
-ωc 0 ωc ω
б
H 3 (ω )
-ωc 0 ωc ω
в
Рис.6.4. Влияние на частотную характеристику округления идеальной
импульсной характеристики до а) 13 коэффициентов;
б) 25 коэффициентов; в) бесконечного числа коэффициентов
H D (ω) hD (n )
ω n
W (ω) w(n )
ω 0 n
H (ω) h (n ) = hD (n ) w(n )
ω n
Рис. 6.5. Иллюстрация определения коэффициентов фильтра
с помощью метода взвешивания
67
угольной функции. Известно, что ширина полосы перехода фильтра определя-
ется шириной основного лепестка весовой функции. Боковые лепестки приво-
дят к появлению неравномерности в полосах пропускания и подавления.
Важным достоинством метода взвешивания является простота: его
просто применить и легко понять. Этот метод включает минимальный объ-
ем вычислений
Главный недостаток метода – отсутствие гибкости. Максимальная не-
равномерность в полосе пропускания и неравномерность в полосе подавле-
ния примерно равны, так что разработчик может получить фильтр с либо
слишком маленькой неравномерностью в полосе пропускания, либо со
слишком большим затуханием в полосе подавления.
Вследствие того, что в методе фигурирует свертка спектра вырезаю-
щей функции и желаемой характеристики, невозможно точно задать гра-
ничные частоты полосы пропускания и полосы подавления.
Для данной функции максимальная амплитуда колебаний в характе-
ристике фильтра фиксирована вне зависимости от того, насколько большим
делать N. Следовательно, затухание в полосе подавления фиксировано для
данной функции. Таким образом, для данной спецификации затухания раз-
работчик должен найти подходящую функцию.
В некоторых приложениях выражения формулы для будут на-
столько сложными, что из уравнения (6.5) аналитически находить нет
смысла. В таких случаях можно получить с помощью метода частот-
ной выборки, а уже затем применять весовую функцию.
6.4.2.2. О п т и м и з а ц и о н н ы е м е т о д ы
При вычислении коэффициентов фильтра по методу вырезания воз-
никает проблема выбора удачной аппроксимации желаемой или идеальной
частотной характеристики. Максимальные колебания характеристики филь-
тров, разработанных с помощью метода взвешивания, возникают возле кра-
ев полосы и уменьшаются при удалении от них (рис. 6.6а). Оказывается,
что если колебания распределены более равномерно по полосе пропускания
и полосе подавления, как, например, на рис. 6.6б, можно получить лучшую
аппроксимацию желаемой частотной характеристики.
1.2 1.2
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
f 0 f
0 0.125 0.250 0.375 0.5 0 0.125 0.250 0.375 0.5
а б
Рис. 6.6. Сравнение частотных характеристик: фильтра, полученного
методом вырезания (а), оптимального фильтра (б)
68
Оптимизационные методы основаны на понятии полос равных коле-
баний. Рассмотрим частотную характеристику фильтра нижних частот, изо-
браженную на рис. 6.7. В полосе пропускания реальная характеристика ос-
циллирует между значениями 1 и 1 . В полосе подавления харак-
теристика фильтра находится между 0 и .
Отличие характеристик идеального и реального фильтров можно рас-
сматривать как функцию ошибок
E ( ω) = W ( ω)[H D ( ω) − H ( ω)], (6.7)
где H D (ω) – идеальная или желаемая характеристика, а W (ω) – весовая
функция, которая позволяет определить относительную ошибку аппрокси-
мации между различными полосами.
Цель оптимального метода – определить коэффициенты фильтра h(n ) ,
при которых значение максимальной взвешенной ошибки E (ω) минимизи-
руется в полосе пропускания и полосе подавления. Математически это
можно записать следующим образом:
min[max E ( ω) ].
При минимизации max| | характеристика фильтра будет иметь
равные колебания в пределах полос пропускания и подавления, причем мо-
дуль максимального отклонения будет постоянным, и характеристика будет
проходить между двумя уровнями амплитуды с чередованием знака откло-
нения (рис. 6.6б). Вообще нет необходимости экстремумы разделять на ми-
нимумы и максимумы характеристики, нужно лишь их только обозначить.
Например, у фильтров нижних частот с линейной фазовой характеристикой
имеется 1 или 2 экстремумов, где 1 /2 (для фильтров типа
1) или /2 (для фильтров типа 2). На рис. 6.6б положения экстремумов
обозначены кружочками.
1+ δ p
H (ω) Практическая характеристика
1
1− δp H D (ω) Идеальная характеристика
δs
ω
а
69
E (ω)
δp
δp δs
− δp ω
Полоса Полоса
пропускания подавления
б
Рис. 6.7. Частотная характеристика оптимального фильтра нижних
частот (а). Характеристика ошибки между идеальной и практической
характеристиками ( 2 ) (б)
Первоначальное
предположение о
положении r + 1
экстремума
Определить | E(ω) | и
соответствующие
r + 1 наибольших
экстремумов
Да Экстремумы
изменились?
Нет
Получить коэффициенты
импульсной
характеристики
70
– определить частотную характеристику, использовав положения экс-
тремумов;
– получить коэффициенты импульсной характеристики.
6.4.2.3. М е т о д ч а с т о т н о й в ы б о р к и
Метод частотной выборки позволяет разрабатывать нерекурсивные
КИХ-фильтры, в число которых входят как обычные частотно-избира-
тельные фильтры (фильтры нижних частот, верхних частот, полосовые), так
и фильтры с произвольной частотной характеристикой. Уникальное досто-
инство метода частотной выборки заключается в том, что он допускает ре-
курсивные реализации КИХ-фильтров, что позволяет получать вычисли-
тельно эффективные фильтры. При некоторых условиях можно даже разра-
ботать рекурсивные КИХ-фильтры, коэффициенты которых – целые числа,
что удобно, если допустимы только примитивные арифметические опера-
ции (это справедливо, например, для систем, реализованных на стандарт-
ных микропроцессорах).
N −1
1
=
N
∑ H (k ) cos[2π(n − α) / N ] + i sin[2π(n − α) / N ] =
k =0
N −1
1
=
N
∑ H (k ) cos[2π(n − α) / N ],
k =0
(6.9)
71
H (ω)
0 Fs ω
а
H (k )
0 2 4 6 8 10 12 14 k
б
H( )
0 ω
в
Рис. 6.9. Понятие частотной выборки: а) частотная характеристика
идеального фильтра нижних частот; б) выборки идеального фильтра
нижних частот; в) частотная характеристика фильтра нижних частот,
выведенная из частотных выборок для случая б
72
Im(z) Im(z)
Re(z) Re(z)
Im(z) Im(z)
Re(z) Re(z)
1 − z−N
где H1 ( z ) = ,
N
N −1
H (k )
H 2 ( z) = ∑ 2 πik / N −1
.
k =0 1 − e z
В рекурсивной форме можно рассматривать как каскад из двух
фильтров: гребенчатого фильтра , который имеет N нулей, равномерно
распределенных на единичной окружности, и суммы N фильтров с одним
полюсом . Нули гребенчатого фильтра и полюса однополюсных
/
фильтров совпадают на единичной окружности в точках . Следо-
вательно, нули компенсируют полюса, и поскольку не имеет полюсов,
то это — конечная импульсная характеристика (КИХ).
На практике конечная длина слова приводит к тому, что полюса
располагаются не точно на единичной окружности, так что они уже не
уравновешиваются нулями и становится потенциально неустойчивой
бесконечной импульсной характеристикой (БИХ). Проблем устойчивости
можно избежать, дискретизируя на окружности радиуса r, который не-
значительно меньше единицы. В этом случае передаточная функция равна:
73
1 − r N z−N N −1
H (k )
H ( z) =
N
∑ 1 − re
k =0
2πi k / N
z −1
. (6.13)
74
∞ N M
y (n ) = ∑ h (k ) x (n − k ) = ∑ bk x (n − k ) − ∑ a k y (n − k ) , (7.1)
k =0 k =0 k =1
−1
b0 + b1 z + … + bN z −N ∑b z k
−k
H (z ) = = k =0
. (7.2)
1 + a1 z −1 + … + a M z − M M
1 + ∑ ak z −k
k =1
75
7.2. Этапы разработки цифровых БИХ-фильтров
Этапы разработки цифрового БИХ-фильтра в общем не отличаются от
этапов разработки цифровых фильтров рассмотренных в п 5.3. Однако их
разработка содержит некоторые особенности которые мы рассмотрим в по-
следующем.
7.2.1. Спецификация производительности
Как и большинство других технологических задач, разработка БИХ-
фильтров начинается с составления списка требований к производительно-
сти. В спецификациях должны указываться:
У частотно-избирательных фильтров, таких как фильтры нижних час-
тот и полосовые фильтры, спецификация частотной характеристики частот
задается в форме схемы допусков. Пример такой схемы для полосового
БИХ-фильтра приведен на рис. 7.1.
1
δ Неравномерность в
полосе пропускания
1 / 1 + ε2
Δf
δs
76
а амплитуда отклонений (затухание) в полосе подавления в децибелах вы-
ражается так:
As = −20 ⋅ lg(δ s ) . (7.4б)
Для БИХ-фильтров неравномерность в полосе пропускания — это
разность между минимальным и максимальным отклонением в полосе про-
пускания.
7.2.2.1. Р а с ч е т к о э ф ф и ц и е н т о в ф и л ь т р а п у т е м
размещения нулей и полюсов
Если в некоторую точку комплексной плоскости поместить нуль, час-
тотная характеристика в этой точке будет равной нулю. Полюс, с другой
стороны, порождает максимум (рис. 7.2). Полюса, расположенные близко к
единичной окружности, дают большие пики, тогда как нули, расположен-
ные близко к единичной окружности или лежащие на ней, дают минимумы
характеристики. Следовательно, стратегическое размещение полюсов и ну-
лей на комплексной плоскости позволяет получить простой фильтр нижних
частот или другой частотно-избирательный фильтр.
77
При разработке фильтра стоит помнить один важный момент: чтобы
коэффициенты фильтра были действительными, полюса и нули должны ли-
бо быть действительными, либо образовывать комплексно сопряженные
пары.
/4
/2
0
0 Частота
/4 3 /4
3 /4
а б
Рис. 7.2. Диаграмма нулей и полюсов простого фильтра (а); схематическое
изображение частотной характеристики этого фильтра (б)
7.2.2.2. Р а с ч е т к о э ф ф и ц и е н т о в м е т о д о м и н в а р и а н т н о г о
преобразования импульсной характеристики
В данном методе с помощью преобразования Лапласа из подходящей
аналоговой передаточной функции получают импульсную характери-
стику . Затем дискретизуется, а получающаяся функция (где
Т – интервал дискретизации) подвергается z-преобразованию и дает желае-
мую передаточную функцию .
Пусть передаточная функция аналогового фильтра описывается
функцией:
C
H (s ) = , (7.5)
s− p
где p – полюс функции , С – константа.
В этом случае импульсная характеристика находится через об-
ратное преобразование Лапласа:
⎛ C ⎞
h (t ) = L−1 [H (s )] = L−1 ⎜⎜ ⎟⎟ = Ce pt ,
⎝s− p⎠
где обозначает обратное преобразование Лапласа. Согласно методу ин-
вариантного преобразования импульсной характеристики импульсная ха-
рактеристика эквивалентного цифрового фильтра равна в дис-
кретные моменты времени , 0, 1, 2, … , т. е.
78
h(nt ) = h(t ) t = nT = Ce pnT .
Передаточная функция находится как результат действия z-пре-
образования на h(nT )
∞ ∞
c
H ( z ) = ∑ h(nT ) z −n
= ∑ ce pnT z −1 =
n =0 n =0 1 − e pT z −1
Значит, используя приведенный результат, можно записать:
C C
→ (7.6)
s − p 1 − e pT z −1
Чтобы применить метод инвариантного преобразования импульсной
характеристики к БИХ-фильтрам высоких порядков (например, фильтрам
М-го порядка) с простыми полюсами, передаточную функцию H (s ) вначале
нужно разложить на простые дроби (такое разложение описывает цепь
фильтров с единственным полюсом):
M
C1 C2 CM Ck
H (s ) = + + + =∑ , (7.7)
s − p1 s − p2 s − pM k =1 s − pk
где pk – полюса функции H (s ) . Каждый член в правой части уравнения
(7.7) имеет вид, как в формуле (7.6), так что преобразование (7.7) правомер-
но. Следовательно,
M M
Ck Ck
∑
k =1 s − pk
→∑
k =1 1 − e
pk T −1
z
. (7.8)
79
2C re −[C re cos( pimT ) + Cim sin ( pimT )]2e preT z −1
= , (7.10)
1 − 2e preT cos( pimT )z −1 + e 2 preT z − 2
где Cre и Cim – действительная и мнимая части C1 , pre и pim – действи-
тельная и мнимая части p1 , а «*» обозначает «комплексно-сопряженное»
значение.
Для большинства практических БИХ-фильтров, которые можно реа-
лизовать по схеме инвариантного преобразования импульсной характери-
стики, для получения коэффициентов передаточной функции достаточно
преобразований (7.6), (7.9) и (7.10). В приложении к данной главе приво-
дится программа на языке С для вычисления коэффициентов фильтров по
описанной схеме, а показанный ниже пример поможет проиллюстрировать
данную концепцию.
Таким образом, для использования метода инвариантного преобразо-
вания необходимо выполнить следующие действия:
1. Определить нормированную характеристику аналогового фильтра
H (s ) , удовлетворяющую спецификациям желаемого частотного фильтра.
2. При необходимости разложить H (s ) на элементарные дроби, чтобы
упростить следующий этап.
3. Применить z-преобразование к каждой дроби и получить выраже-
ние в форме (7.8).
4. Получить H ( z ) , сгруппировав результаты п. 3 в члены второго по-
рядка и, возможно, один член первого порядка. Если используется реальная
частота дискретизации, H ( z ) нужно затем умножить на T.
Метод инвариантного преобразования импульсной характеристики
имеет ряд особенностей:
1. Импульсная характеристика дискретного фильтра h(nT ) идентична
характеристике аналогового фильтра h(t ) в дискретные моменты времени
t = nT , n = 0, 1, ... (рис. 7.3). Именно по этой причине метод называется ин-
вариантным преобразованием импульсной характеристики.
2. На частотную характеристику дискретного фильтра, построенного
по схеме инвариантного преобразования импульсной характеристики, влия-
ет частота дискретизации. Чтобы частотная характеристика была ближе к
характеристике эквивалентного аналогового фильтра, необходима доста-
точно большая частота дискретизации.
3. Как и для систем дискретизованных данных, спектр фильтра с ин-
вариантным преобразованием импульсной характеристики, соответствую-
щий H ( z ) , аналогичен спектру исходного аналогового фильтра H (s ) , но
повторяется с периодом, равным частоте дискретизации, как показано на
рис. 8.8, вызывая таким образом наложение спектров. В то же время, если
характеристика исходного аналогового фильтра имеет достаточно резкие
80
срезы, или если ширина полосы характеристики аналогового фильтра была
ограничена перед применением метода инвариантного преобразования им-
пульсной характеристики, наложение будет незначительным.
h(t )
Время, t (непрерывное)
а
h(nt )
7.2.2.3. Р а с ч е т к о э ф ф и ц и е н т о в с п о м о щ ь ю
согласованного z-преобразования
Согласованное z-преобразование позволяет преобразовать аналоговый
фильтр в эквивалентный цифровой. В данном методе каждый полюс и нуль
аналогового фильтра непосредственно переводятся с s- на z-плоскость
(комплексную плоскость):
(s − a ) → (1 − z −1e aT ) , (7.11)
где T – период дискретизации. Преобразование (7.11) отображает полюс
(или нуль), находящийся в точке s = a s-плоскости, в полюс (или нуль)
комплексной плоскости, находящийся в точке z = e aT .
81
H( f )
0 Частота
а
H( f )
Наложение
0 Fs 2 Fs Частота
б
Рис. 7.4. Спектр аналогового фильтра (а); спектр эквивалентного цифро-
вого фильтра, полученного методом инвариантного преобразования им-
пульсной характеристики, на котором виден эффект наложения (б)
H (s ) =
(s − z1 )(s − z2 ) (7.13)
(s − p1 )(s − p2 )
Применяя к этой функции согласованное z-преобразование, получаем
82
(s − z1 )(s − z 2 ) 1 − (e z T + e z T ) z −1 + e ( z + z )T z −2
1 2 1 2
→ (7.14)
(s − p1 )(s − p 2 ) 1 − ( e p T + e p T ) z −1 + e ( p + p )T z − 2
1 2 1 2
H (s ) =
( s − z1 )(s − z 2 ) A0 + A1s + A2 s 2
= .
(s − p1 )(s − p2 ) B0 + B1s + B2 s 2
В такой форме полюса и нули H (s ) определяются следующими вы-
ражениями:
1
B1 ⎡⎛ B1 ⎞ B0 ⎤
2 2
p1, 2 = − ± ⎢⎜ ⎟ − ⎥ , (7.16а)
2 B2 ⎢⎜⎝ 2 B2 ⎟⎠ B2 ⎥
⎣ ⎦
1
A1 ⎡⎛ A1 ⎞ A0 ⎤
2 2
z1, 2 =− ± ⎢⎜ ⎟ − ⎥ . (7.16б)
2 A2 ⎢⎜⎝ 2 A2 ⎟⎠ A2 ⎥
⎣ ⎦
На практике формулы (7.16а) и (7.16б) позволяют по данной переда-
точной функции аналогового фильтра сразу определить, где находятся по-
люса и нули (а следовательно, их действительную и мнимую части). Опре-
делив действительную и мнимую части нулей и полюсов H (s ) , с помощью
уравнения (7.14) или (7.15) можно вычислить передаточную функцию H ( z )
эквивалентного дискретного фильтра.
Таким образом, для использования метода согласованного z-преобра-
зования необходимо выполнить следующие действия:
1. Определить подходящую аналоговую передаточную функцию H (s ) ,
удовлетворяющую спецификациям искомого цифрового фильтра.
2. Найти положение полюсов и нулей H (s ) .
3. Отобразить полюса и нули с s-на z-плоскость, используя формулу
(7.11). Для блоков второго порядка можно использовать формулы (7.14) и
(7.15).
83
4. Объединить уравнения, записанные на z-плоскости, для получения
передаточной функции H (z ) .
Метод согласованного z-преобразования имеет ряд особенностей.
1. Метод согласованного z-преобразования требует знания положений
полюсов и нулей аналогового фильтра. Для получения этой информации
можно факторизовать аналоговую передаточную функцию H (s ) .
2. Метод согласованного z-преобразования и метод инвариантного
преобразования импульсной характеристики дают дискретные фильтры с
идентичными знаменателями.
3. В цифровых фильтрах полезная полоса частот лежит в диапазоне от
нуля до частоты Найквиста (половина частоты дискретизации), тогда как в
аналоговых фильтрах фигурируют частоты в диапазоне от нуля до беско-
нечности. Следовательно, отображение, которое производит согласованное
z-преобразование, сжимает бесконечную аналоговую полосу частот в ко-
нечную. Это приводит к искажению частотных характеристик эквивалент-
ных цифровых фильтров по сравнению с аналоговыми фильтрами. Для
фильтров, получающихся при использовании согласованного z-преобра-
зования, характерно меньшее затухание по сравнению с аналоговыми филь-
трами.
4. Если аналоговый фильтр имеет полюса на частотах, близких к час-
тоте Найквиста, или нули на частотах, превышающих ее, частотная харак-
теристика получающегося цифрового фильтра будет искажена в результате
наложения. В таких случаях характеристика аналогового фильтра, которая
приходится на диапазон за частотой Найквиста, существенна. Чтобы ото-
бразить эту часть характеристики в желаемую полосу частот, используется
процесс неявной дискретизации.
5. Согласованное z-преобразование также не подходит для оцифровки
фильтров с одними полюсами, поскольку они не имеют нулей за частотой
Найквиста. Несколько улучшить ситуацию в этом случае можно, добавив
нули в точке z = −1 (т. е. на частоте Найквиста).
7.2.2.4. Р а с ч е т к о э ф ф и ц и е н т о в с п о м о щ ь ю
билинейного z-преобразования
Данный метод реализует преобразования характеристики аналогового
фильтра H (s ) в характеристику эквивалентного цифрового фильтра с ис-
пользованием следующей замены:
z −1
s=k , k = 1 или k = 2 / T . (7.17)
z +1
Приведенное выше преобразование отображает аналоговую переда-
точную функцию H (s ) , записанную на s-плоскости, в дискретную переда-
точную функцию H (z ) комплексной плоскости, как показано на рис. 7.5.
Обратите внимание на то, что на рисунке вся ось iω s-плоскости отобража-
84
ется в единичную окружность, левая половина s-плоскости отображается
внутрь единичной окружности, а правая – в область снаружи единичной ок-
ружности.
Im (iω) Im
π
0 Re 0 Re
s-плоскость z-плоскость
85
ω` (аналоговая частота)
k tg (ωT / 2 )
ω (цифровая частота)
86
⎛ω T ⎞ ⎛ω T ⎞
ω′p1 = tg ⎜ p1 ⎟ ; ω′p 2 = tg ⎜⎜ p 2 ⎟⎟ . (7.20б)
⎝ 2 ⎠ ⎝ 2 ⎠
3. Денормировать аналоговый фильтр-прототип, заменив s в переда-
точной функции с помощью одного из следующих преобразований (в зави-
симости от типа требуемого фильтра):
s
s= нижних частот в нижних частот, (7.21а)
ω′p
ω′p
s= нижних частот в верхних частот, (7.21б)
s
s 2 + ω02
s= нижних частот в полосовой, (7.21в)
Ws
W
s = 2 s 2 нижних частот в режекторный. (7.21г)
s + ω0
где ω02 = ω′p 2 ω′p1 , W = ω′p 2 − ω′p1 .
4. Применить билинейное z-преобразование и получить передаточную
функцию нужного цифрового фильтра H (z ) , следующим образом заменив s
в масштабированной (т. е. денормированной) передаточной функции H ′(s ) :
z −1
s= .
z +1
87
узкополосных цифровых КИХ-фильтров с использованием обычной ЦОС
представляет серьезную проблему, поскольку такие фильтры требуют очень
большого числа коэффициентов для удовлетворения строгих спецификаций
их частотной характеристики.
Использование методов обработки при нескольких скоростях позво-
ляет получать очень эффективные реализации, разрешая выполнение
фильтрации при значительно более низкой скорости, что намного понижает
порядок фильтра.
8.1. Концепции обработки при нескольких скоростях
Самый простой подход к изменению частоты дискретизации цифро-
вого сигнала – это вернуть его к аналоговому виду, а затем повторно оциф-
ровать с иной частотой. Однако процессу преобразования цифровой-ана-
логовый-цифровой присущи такие ошибки, как ошибки возникающие при
квантовании и наложении, которые значительно искажают сигнал. Значит,
поскольку сигнал уже дан в цифровой форме, то и обрабатывать его лучше
цифровым образом. Обработка сигналов при нескольких скоростях — это
эффективный метод цифрового изменения частоты дискретизации сигнала,
позволяющий использовать традиционную форму цифровой обработки сиг-
налов. Например, значительную фильтрацию для защиты от наложения
спектров и подавления зеркальных частот в системе ЦОС реального време-
ни можно провести в цифровой области, что позволит добиться и резкой
амплитудной, и линейной фазовой характеристик.
8.2. Уменьшение частоты дискретизации: децимация с целым шагом
На рис. 8.1а представлена блок-схема процесса децимации сигнала
x(n ) с целым шагом М. На ней изображены цифровой фильтр защиты от
наложения спектров h (k ) и схема сжатия (компрессор) частоты дискретиза-
ции, обозначенная стрелкой, направленной вниз, и коэффициентом децима-
ции М. Компрессор частоты дискретизации снижает частоту дискретизации
с Fs до Fs / M .
Для предотвращения наложения при более низкой частоте выборки
используется цифровой фильтр, предварительно ограничивающий полосу
входного сигнала до Fs / 2 M . Снижение частоты дискретизации достигается
за счет того, что из каждых М выборок фильтруемого сигнала w(n ) отбра-
сывается М-1 выборка. Вход и выход процесса децимации связаны сле-
дующим соотношением:
∞
y (m ) = ω (mM ) = ∑ h(k )x(mM − k ) , (8.1а)
k = −∞
∞
где ω(n ) = ∑ h(k )x(n − k ). (8.1б)
k = −∞
88
Цифровой фильтр Компрессор
защиты от частоты
наложения спектров дискретизации
x(n) w(n)
h(k) ↓M
y(m)
Fs Fs Fs
M
а
x(n)
0 2 4 6 8 10 12 n
w(n)
n
y(m)
0 1 2 3 4 m
б
Рис. 8.1. Блок-схема децимации с шагом М (а),
децимации с шагом М = 3 (б).
x(n) w(n)
h(k) ↓3
y(m)
89
Зеркальные изображения
X(f )
0 1 2 3 4 5 f(кГц)
Fs / 2
H(f )
0 1 2 3 4 5 f(кГц)
Fs / 2 M
W(f )
0 1 2 3 4 5 f(кГц)
Fs / 2 M
Y(f ) Зеркальные
изображения
0 1 2 3 4 5 f(кГц)
Fs / 2 M Fs / M 2 Fs / M
б
Рис 8.2. Спектральная интерпретация децимации сигнала
с частоты 6 кГц до частоты 2 кГц
Fs LFs LFs
а
90
x(n)
0 1 2
w(n)
0 1 2 3 4 5 6 7
y(m) 4 5 6 7
0 1 2 3
б
Рис. 8.3. Иллюстрация интерполяции с шагом L = 3 во временной области
⎧ x (m / L ), m = 0, ± L, ± 2 L, ...
где w(m ) = ⎨ (8.2б)
⎩0
Процесс интерполяции во временной области иллюстрируется на
рис. 8.3, б для простого случая L = 3. Обратите внимание на то, что каждая
выборка x (n ) порождает три выходные выборки (две нулевые выборки вво-
дит экспандер).
Интерпретация данного процесса в частотной области приведена на
рис. 8.4.
X(f )
0 1 2 3 4 5 6 7 f(кГц)
Fs / 2 Зеркальные изображения
W(f )
0 1 2 3 4 5 6 7 f(кГц)
LF s / 2
H(f )
0 1 2 3 4 5 6 7 f(кГц)
Fs / 2 LF s / 2 LF s
Y(f )
0 1 2 3 4 5 6 7 f(кГц)
Fs LFs LFs/M
Рис. 8.5. Иллюстрация интерполяции с рациональным шагом
(L = 3, M = 2)
92
Поскольку два фильтра нижних частот на рис. 8.5 h1 (k ) и h2 (k ) со-
единены каскадно и имеют общую частоту дискретизации, их можно объе-
динить, и тогда получится один обобщенный конвертер частоты дискрети-
зации, изображенный на рис. 8.6.
x(n)
0 1 2 n
w(i)
0 1 2 3 4 5 6 i
v(i)
i
y(m)
0 1 2 3 m
93
X(f )
0 1 2 3 4 5 f(кГц)
W(f ) Fs / 2
0 1 2 3 4 5 f(кГц)
V(f )
0 1 2 3 4 5 f(кГц)
Y(f )
0 1 2 3 4 5 f(кГц)
LFs / 2 M LF s / M
Fs Fs /M1 Fs /M1M2 Fs /M
Рис. 8.9. Процесс многокаскадной децимации
94
Общий шаг децимации М выражается как произведение меньших ша-
гов:
M = M 1M 2 … M N , (8.3)
где целое число M N – шаг децимации N-го каскада. Каждый каскад – это
независимый дециматор, обозначенный пунктирным прямоугольником. Ес-
ли M >> 1 , многокаскадный подход приводит к значительному снижению
требований к вычислениям и памяти, ослаблению характеристик фильтров,
используемых в дециматорах, а следовательно, к использованию фильтров,
менее чувствительных к эффектам конечной разрядности.
Названные преимущества можно реализовать за счет увеличения
сложности разработки и реализации системы.
96
где M N ( i = 1, ..., N ) постоянны. В то же время, если множители – это целые
числа, при определенных значениях N уравнению (8.7) удовлетворить мож-
но не всегда, например, если N = 3 и M = 32 .
При N = 2 (т. е. для двухкаскадного дециматора) оптимальные зна-
чения шагов децимации, минимизирующие параметр ОТП, равны
2M
M 1opt = , (8.8а)
2 − Δf + (2 MΔf )
12
M
M 2opt = . (8.8б)
M 1opt
Если N > 2 , простого аналитического выражения не существует, по-
этому для определения оптимальных шагов децимации Mi приходится ис-
пользовать численный расчет с использованием компьютерных программ
оптимизации.
97
Список рекомендуемой литературы
Основная литература
1. Сергиенко А. Б. Цифровая обработка сигналов / А. Б. Сергиенко. –
СПб. : Питер, 2002. – 603 с.
2. Лайонс Р. Цифровая обработка сигналов / Р. Лайонс. – М. : Бином-
Пресс, 2009. – 654 с.
3. Оппенгейм А. В. Цифровая обработка сигналов / А. В. Оппенгейм,
Р. В. Шафер. – М. : Техносфера, 2007. – 856 с.
4. Солонина А. Алгоритмы и процессоры цифровой обработки сигна-
лов / А. Солонина, Д. Улахович, Л. Яковлев. – СПб. : БХВ-Петербург,
2001. – 464 с.
Дополнительная литература
1. Скляр Б. Цифровая связь. Теоретические основы и практическое
применение / Б. Скляр. – М. : Вильямс, 2007. – 1104 с.
2. Попов О. Б. Цифровая обработка сигналов в трактах звукового ве-
щания / О. Б. Попов, С. Г. Рихтер. – М. : Горячая линия – Телеком. – 2007. –
344 с.
3. Цифровая обработка сигналов: учеб. пособие для вузов / Л. М. Голь-
денберг [и др.] – М. : Радио и связь, 1990. – 256 с.
98
Учебное издание
Составители:
Борисов Дмитрий Николаевич,
Винокурова Наталья Николаевна
Издательско-полиграфический центр
Воронежского государственного университета.
394000, г. Воронеж, пл. им. Ленина, 10. Тел. (факс) +7 (4732) 598-026
http://www.ppc.vsu.ru; e-mail: pp_center@ppc.vsu.ru