FILTRY CYFROWE – CZ.1
Transkrypt
FILTRY CYFROWE – CZ.1
CPS 2006 FILTRY CYFROWE – CZ.1 Wprowadzenie Filtracja jest procesem przetwarzania sygnału w dziedzinie czasu. Polega na redukowaniu ( odfiltrowaniu ) niepożądanych składowych zawartych w sygnale wejściowym. x[n] y[n] FILTR CYFROW Y Ze względu na typ przetwarzanych sygnałów filtrację dzieli się na: • Analogową (filtr analogowy działa na sygnale ciągłym, filtr = układ elektroniczny, np. RLC ) • Cyfrową (przetwarzanie ciągu wartości próbek, filtr = program komputerowy, np. w procesorze sygnałowym ) Ze względu na sposób przetwarzania sygnału, filtry cyfrowe dzieli się na: Nierekursywne ( o skończonej odpowiedzi impulsowej SOI ) Rekursywne ( o nieskończonej odpowiedzi impulsowej NOI ) CPS 2006 Ograniczając się do systemów LTI filtry cyfrowe można opisać za pomocą liniowego równania różnicowego: N M k =0 l =0 ∑ ak y ⎡⎣n − k ⎤⎦ = ∑ bl x ⎡⎣n − l ⎤⎦ przy czym o dla N=0 równanie opisuje filtr nierekursywny ( SOI ) o dla N>0 równanie opisuje filtr rekursywny ( NOI ) Charakterystyki widmowe filtrów cyfrowych: Transmitancję filtru cyfrowego definiuje się jako stosunek transformaty zet sygnału wyjściowego do transformaty zet sygnału wejściowego. H (z ) = gdzie: Y (z ) = X (z ) = ∞ ∑ y[n]z − n n = −∞ ∞ ∑ x[n]z − n n = −∞ Z {y[n]} Y ( z ) = Z {x[n]} X ( z ) CPS 2006 Transmitancja filtru nierekursywnego ( SOI, N=0 ): H ( z) = Z { y ⎣⎡ n ⎦⎤} Z { x ⎡⎣ n ⎤⎦} M = bk z − k ∑ k =0 a0 M = ∑ hk z − k k =0 gdzie współczynniki hk = bk a0 stanowią reakcję impulsową filtru, tj. odpowiedź na wymuszenie δ [n] Transmitancja filtru rekursywnego ( NOI, N > 0 ): M bz Z { y [ n ]} ∑ H ( z) = = Z { x [ n ]} ∑a z k =0 N k =0 −k ∞ k k −k = ∑ hk z − k k =0 gdzie współczynniki oblicza się z wykorzystaniem transformaty odwrotnej zet. Wprowadzając podstawienie z=e jωT p określamy przekształcenie Fouriera dla sygnałów dyskretnych (obszar zbieżności transformaty musi zawierać okrąg jednostkowy). CPS 2006 Odnosząc się do transmitancji filtru, otrzymujemy dla obu rodzajów filtrów odpowiednie charakterystyki widmowe: SOI - H ( jω ) = H ( z ) M z =e NOI - H ( jω ) = H ( z ) jωT p z =e = ∑ hk e j ωT p − jkωT p k =0 = ∞ ∑ hk e − jkωT p k =0 które umożliwiają bardzo efektywną analizę filtrów cyfrowych w dziedzinie częstotliwości. Charakterystyka widmowa H ( jω ) = H (ω )e jφ (ω ) określa jednocześnie charakterystykę amplitudową H (ω ) = H ( jω ) oraz charakterystykę fazową φ (ω ) = arg H ( jω ) CPS 2006 Cyfrowe filtry nierekursywne Filtry typu SOI (ang. FIR – Finite Impulse Response ) są najprostszym w analizie typem filtrów cyfrowych. Do uzyskania próbki sygnału wyjściowego wykorzystuje bieżącą i przeszłe próbki sygnału wejściowego. Przykład Rozparzymy bardzo prosty algorytm, którego zadaniem jest wygładzanie przebiegu (np. zawierającego szum przypadkowy). Jednym ze sposobów wygładzania jest uśrednianie sąsiednich próbek. Operację filtrowania (?!) można zapisać jako: y[k ] = x[k ] + x[k − 1] 2 Równanie to opisuje system LTI. W tabeli pokazano przykładowe próbki sygnału podanego na wejście filtru x[k] oraz próbki wyjściowe y[k]: k 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 x[k] 0.38 0.46 0.76 0.82 0.92 0.85 0.96 0.98 0.97 1.12 1.13 1.06 1.17 1.01 1.16 1.15 y[k] 0.42 0.61 0.79 0.87 0.89 0.91 0.97 0.98 1.04 1.12 1.10 1.12 1.09 1.09 1.15 CPS 2006 17 18 19 20 1.08 1.12 1.19 1.13 1.11 1.10 1.15 1.16 Z tabeli oraz wykresu możemy zauważyć, że sygnał wyjściowy jest bardziej gładki niż wejściowy, a to oznacza wolniejsze zmiany w sygnału wyjściowego. Możemy przypuszczać, że po przejściu sygnału przez układ ( filtr ), zostały wytłumione składniki o wyższych częstotliwościach. x[k] k 0 2 4 6 8 10 12 14 16 18 20 Czy rzeczywiście mamy do czynienia z filtrem, i z jakim filtrem przekonamy się określając jego charakterystykę widmową: y[k ] = 0.5 ⋅ x[k ] + 0.5 ⋅ x[k − 1] Transformata zet obu stron równania różnicowego: CPS 2006 Y ( z ) = 0.5 ⋅ X ( z ) + 0.5 ⋅ z −1 X ( z ) ( ) Y ( z ) = 0.5 ⋅ 1 + z −1 X ( z ) Transmitancja filtru wynosi: H ( z) = Y (z ) = 0.5 ⋅ 1 + z −1 X (z ) ( ) Charakterystyka widmowa Stosując podstawienie (dla okresu próbkowania Tp=1) z=e jωT p = e jω ( H ( jω ) = H ( z ) z = e jω = 0.5 ⋅ 1 + e − jω H ( jω ) = e − j 1ω 2 ) j 1ω − j 1ω ⋅ 0.5⎛⎜ e 2 + e 2 ⎞⎟ ⎠ ⎝ H ( jω ) = e − j 1ω 2 ⋅ cos(ω2 ) Jeżeli założony okres próbkowania wynosi 1, to zgodnie z twierdzeniem o próbkowaniu maksymalna częstotliwość charakterystyki ( odpowiedzi impulsowej ) ze względu na zjawisko powielania widma wyniesie: ω max = 12 ⋅ ω p = 12 ⋅ 2πf p = Charakterystyka amplitudowa π Tp =π CPS 2006 H (ω ) = H ( jω ) = e − j 1ω 2 cos(ω2 ) H (ω ) = cos(ω2 ) H (ω ) 1 H (ω k ) ω 0 0 1 2 ωk 3 π ω max Charakterystyka fazowa − jω ⎛ arg H (ω ) = arg⎜ e 2 cos(ω2 )⎞⎟ ⎝ ⎠ arg H (ω ) = − ω 2 4 5 6 2π ω p CPS 2006 arg H ( j ω ) 0 ωk ω max π ω p 2π ω φ (ω k ) − π 2 Charakterystyki amplitudową oraz fazową filtru nierekursywnego można wyznaczyć w sposób graficzny, znając położenie wszystkich zer transmitancji filtru za płaszczyźnie zet. Zakres częstotliwości charakterystyk jak pokazano wcześniej dla okresu próbkowania Tp=1 wynosi od zera od π . Poruszając się po półokręgu o promieniu jednostkowym, możemy dla dowolnego punktu odpowiadającemu częstotliwości ω k wyznaczyć wartości widma: • amplitudowego (jako iloczyn długości odcinków łączących punkt ω k z wszystkimi zerami transmitancji filtru) • fazowego (jako sumę kątów jakie tworzą odcinki łączące punkt ω k z zerami i osią rzeczywistych ) Należy zatem zauważyć, że istnieje ścisły, jednoznaczny związek między położeniem zer transmitancji i kształtem charakterystyk amplitudowej i fazowej. W literaturze poświęcono sporo uwagi zagadnieniom doboru zer filtru cyfrowego ze skończoną pamięcią ( SOI ), pozwalającego osiągnąć zadane charakterystyki amplitudowe i fazowe. CPS 2006 Im ( z ) ωk ω H (ω k ) Re ( z ) ω max = π − φ (ω k ) 0 1 ω =0 zero transmitancji Przykład: Na wykresach przedstawiony jest sygnał na wejściu oraz na wyjściu filtru. Należy obliczyć charakterystyki widmowe: x[k] 1 k X ( z ) = 1 + z −1 CPS 2006 x[k] 2 1 k ( Y ( z ) = 1 + 2 z −1 + z − 2 = 1 + z −1 ) 2 Transmitancja ( ) Y ( z ) 1 + z −1 = 1 + z −1 = H (z ) = −1 X (z ) 1 + z 2 Równanie różnicowe: Y ( z ) = H ( z ) X ( z ) → y[k ] = x[k ] + x[k − 1] Otrzymaliśmy równanie jak w poprzednim przykładzie. Przykład: Dla danych dwóch wcześniejszych położeń obiektu x[k-2], x[k-1], przewidywane położenie obiektu y[k] znajduje się na linii prostej przecinającej punkty x[k-2], x[k-1]. Należy znaleźć cyfrowy filtr predykcji sygnału ( przewidującego położenie obiektu ). CPS 2006 y[k] x[k-1] x[k-2] k k-2 k-1 k Równanie prostej przechodzącej przez dwa punkty x[k − 1] − x[k − 2] (k − (k − 1)) = y[k ] − x[k − 1] (k − 1) − (k − 2) x[k − 1] − x[k − 2] = y[k ] − x[k − 1] 2 ⋅ x[k − 1] − x[k − 2] = y[k ] Transmitancja H ( z ) = 2 ⋅ z −1 − z −2 Charakterystyka widmowa H ( jω ) = 2 ⋅ e − jω − e −2 jω CPS 2006 Projektowanie dolnoprzepustowych filtrów nierekursywnych Procedura projektowania rozpoczyna się od założenia wymaganej charakterystyki filtru ( funkcji transmitancji ). Następnie oblicza się współczynniki filtru. Najczęściej stosowane metody projektowania filtrów SOI to: • metoda okien ( polega na obliczaniu odpowiedzi impulsowej filtru poprzez wyznaczanie odwrotnej DFT oraz zastosowanie funkcji okien wygładzających ) • metody optymalizacyjne (np. metoda Remeza) (wykorzystują algorytmy wyznaczania współczynników filtru, na podstawie zadanych warunków w dziedzinie częstotliwości, tj. dla charakterystyki widmowej) • metody ewolucyjne (algorytmy genetyczne) ( nowe metody wykorzystujące algorytmy wyszukiwania współczynników metodami losowań i wyboru statystycznego ) Metoda okien: Projektowanie rozpoczyna się od przyjęcia funkcji transmitancji filtru, który będziemy konstruować. Zdefiniujemy idealną charakterystykę analogowego filtru dolnoprzepustowego. H(f) funkcja transmitancji filtru o zerowej fazie 1 częstotliwość graniczna f -f p -f p /2 0 f p /2 fp CPS 2006 Przyjmujemy wartość jednostkową w paśmie dolnych częstotliwości, oraz zero w paśmie powyżej częstotliwości granicznej, czyli w paśmie zaporowym. Dyskretny odpowiednik funkcji transmitancji jest funkcją periodyczną z okresem równym częstotliwości próbkowania. Zagadnienia związane z powielaniem widma w wyniku dyskretyzacji funkcji czasu, omawiano na wykładzie dotyczącym metod próbkowania sygnałów analogowych. Rysunek przedstawia dolnoprzepustowego. dyskretną funkcję transmitancji idealnego filtra H[m] m m=-N m=-N/2 m=0 m=N/2 -f p /2 m=N f p /2 fp 0 Po wybraniu funkcji transmitancji realizowanego filtru, należy zdefiniować H[m] w pojedynczym okresie od 0 do fp. Na rysunku pokazano dyskretną postać funkcji transmitancji, gdzie przyjęto przykładowo N=32 punkty reprezentacji w dziedzinie częstotliwości. H[m] 1 0 4 f p /2 8 12 16 m 20 24 28 31 fp CPS 2006 Stosując 32 punktowe odwrotne DFT ( lub odwrotne FFT ) otrzymujemy 32 wartości h[n], jak na rysunku indeksowane od n=-15 do n=16. 0.219 odwrotna DFT H[m] n -15 0 16 Współczynniki filtru wynikowego powinny być symetrycznie z maksymalną wartością w środku okna filtru. rozmieszczone Opuszczamy zatem próbkę dla n=16 i przesuwamy wszystkie współczynniki tak aby były numerowane od wartości zero. Zgodnie z twierdzeniem o przesunięciu ciągu w dziedzinie czasu, charakterystyka amplitudowa nie zmienia swojego kształtu, następuje jedynie zmiana charakterystyki fazowej. Przedstawione na rysunku wartości realizują dolnoprzepustowy filtr nierekursywny 31 rzędu. h[n]= przesunięta odwrotna DFT H[m] n 0 15 30 CPS 2006 Pokażemy jak zależy dokładność aproksymacji funkcji transmitancji od liczby współczynników filtru. Zdefiniujemy funkcję okna prostokątnego o zmiennej szerokości i jednostkowej wysokości w[n]. Mnożenie odpowiedzi impulsowej filtru idealnego przez funkcje w[n], pozwala za zmianę liczby współczynników filtru. h[n] = h ∞ [n]⋅ w[n] Użycie filtru 9 rzędu daje w wyniku filtr dolnoprzepustowy, ale jeżeli porównamy jego charakterystykę amplitudową jest ona daleka od ideału. h[k] n=9 Sytuację poprawia zastosowanie filtru 19 rzędu. Charakterystyka amplitudowa zbliża się kształtem do zakładanej, prostokątnej. Zauważmy wyraźne nierównomierności w paśmie przepustowym. h[k] n=19 15 CPS 2006 Zastosowanie filtru 31 rzędu daje jeszcze lepszą charakterystykę znacznie zmniejszyliśmy pasmo przejściowe. Jednak nierównomierności charakterystyki w paśmie przepustowym nadal są wyraźnie widoczne. h[k] n=31 0 15 30 Wnioski: • Dalsze zwiększanie liczby współczynników powoduje zawężenie obszaru przejściowego, ale nie likwiduje nierównomierności charakterystyki amplitudowej w paśmie przepustowym. • Efekt ten jest nazywany efektem Gibsa i występuje gdy nieciągłość funkcji prostokątnej w[n] wyrażona jest w postaci szeregu Fouriera. Inaczej można stwierdzić, że zbiór przebiegów sinusoidalnych nie jest w stanie odwzorować nieciągłości. • Nierównomierności w paśmie przepustowym można jednak minimalizować stosując tzw. funkcje okien wygładzających.