การตอบสนองแบบอิมพัลส์ของตัวกรอง ฟิลเตอร์ดิจิตอลพร้อมการตอบสนองอิมพัลส์จำกัด การปรับข้อมูลให้เรียบ การกรองค่ามัธยฐาน
ฟิลเตอร์ดิจิตอล 48 ตัวพร้อมการตอบสนองอิมพัลส์จำกัด การคำนวณตัวกรอง kih
ตัวกรองการตอบสนองแรงกระตุ้นจำกัด (ตัวกรองแบบไม่เรียกซ้ำ, ตัวกรองเฟอร์) หรือตัวกรอง FIR (FIR ย่อมาจาก การตอบสนองแรงกระตุ้นอัน จำกัด - การตอบสนองแรงกระตุ้นอัน จำกัด ) - หนึ่งในประเภทของตัวกรองดิจิทัลเชิงเส้นซึ่งเป็นคุณลักษณะเฉพาะที่มีการ จำกัด เวลา การตอบสนองแรงกระตุ้น(จากจุดหนึ่ง มันจะเท่ากับศูนย์ทุกประการ) ตัวกรองดังกล่าวเรียกอีกอย่างว่าไม่เรียกซ้ำเนื่องจากขาดคำติชม ตัวหารของฟังก์ชันการถ่ายโอนของตัวกรองดังกล่าวคือค่าคงที่ที่แน่นอน
สมการผลต่างที่อธิบายความสัมพันธ์ระหว่างสัญญาณอินพุตและเอาต์พุตของตัวกรอง: โดยที่ ป- ลำดับการกรอง x(n) - สัญญาณอินพุต ย(n) คือสัญญาณเอาท์พุต และ ข ฉัน- ค่าสัมประสิทธิ์การกรอง กล่าวอีกนัยหนึ่ง ค่าของตัวอย่างสัญญาณเอาท์พุตใดๆ จะถูกกำหนดโดยผลรวมของค่าที่ปรับขนาดได้ ปการอ่านครั้งก่อน คุณสามารถพูดได้แตกต่างออกไป: ค่าของเอาต์พุตตัวกรอง ณ เวลาใดก็ได้คือค่าของการตอบสนองต่อค่าทันทีของอินพุตและผลรวมของการตอบสนองที่ค่อยๆ ลดลงทั้งหมด ปตัวอย่างสัญญาณก่อนหน้าที่ยังคงส่งผลต่อเอาท์พุต (หลัง ป-นับ ฟังก์ชั่นการเปลี่ยนพัลส์จะเท่ากับศูนย์ดังที่ได้กล่าวไปแล้ว ดังนั้นเงื่อนไขทั้งหมดหลังจากนั้น ป-th ก็จะเท่ากับศูนย์ด้วย) มาเขียนสมการก่อนหน้าในรูปแบบที่มีความจุมากขึ้น:
เพื่อค้นหาเคอร์เนลตัวกรองที่เราใส่
x(n) = δ( n)
โดยที่ δ( n) - ฟังก์ชันเดลต้า จากนั้นการตอบสนองแบบอิมพัลส์ของตัวกรอง FIR สามารถเขียนได้เป็น:
การแปลงรูป Z ของการตอบสนองแบบอิมพัลส์ทำให้เรามีฟังก์ชันการถ่ายโอนของตัวกรอง FIR:
]คุณสมบัติ
ตัวกรอง FIR มีคุณสมบัติที่เป็นประโยชน์หลายประการ ซึ่งทำให้บางครั้งควรใช้ตัวกรองมากกว่าตัวกรอง IIR นี่คือบางส่วนของพวกเขา:
ตัวกรอง FIR มีความทนทาน
ตัวกรอง FIR ไม่ต้องการผลตอบรับเมื่อนำไปใช้งาน
เฟสของตัวกรอง FIR สามารถทำให้เป็นเส้นตรงได้
รูปแบบตรงของตัวกรอง FIR
ตัวกรอง FIR สามารถนำมาใช้ได้โดยใช้องค์ประกอบสามประการ ได้แก่ ตัวคูณ ตัวบวก และบล็อกการหน่วงเวลา ตัวเลือกที่แสดงในรูปคือการใช้งานตัวกรอง FIR ประเภท 1 โดยตรง
การใช้รูปแบบโดยตรงของตัวกรอง FIR
ตัวอย่างโปรแกรม
ด้านล่างนี้เป็นตัวอย่างโปรแกรมกรอง FIR ที่เขียนด้วยภาษา C:
/* ฟิลเตอร์ FIR 128 ก๊อก */
float fir_filter (อินพุตลอย)
ตัวอย่างลอยคงที่
ตามมาตรฐาน = 0.0f; /* แบตเตอรี่ */
/* คูณและสะสม */
สำหรับ (i = 0; i< 128; i++) {
ตามมาตรฐาน += (h[i] * ตัวอย่าง[i]);
/* ออก */
/* เลื่อนสัญญาณดีเลย์ */
สำหรับ (i = 127; i > 0; i--)
ตัวอย่าง[i] = ตัวอย่าง;
49 การปรับข้อมูลให้เรียบ ค่าเฉลี่ยเคลื่อนที่
50 การปรับข้อมูลให้เรียบ การปรับให้เรียบแบบพาราโบลา
51 การปรับข้อมูลให้เรียบ สเปนเซอร์ ปรับให้เรียบ
52 การปรับข้อมูลให้เรียบ การกรองค่ามัธยฐาน
ค่าเฉลี่ยเคลื่อนที่, การปรับให้เรียบแบบพาราโบลา, การปรับให้เรียบของสเปนเซอร์, การกรองค่ามัธยฐาน
เมื่อพัฒนาวิธีการกำหนดพารามิเตอร์ของกระบวนการทางกายภาพที่เปลี่ยนแปลงอย่างช้าๆ เมื่อเวลาผ่านไป งานสำคัญคือการขจัดอิทธิพลของเสียงรบกวนหรือการรบกวนแบบสุ่มที่ทับบนสัญญาณประมวลผลที่ได้รับที่เอาต์พุตของตัวแปลงหลัก
หากต้องการกำจัดผลกระทบนี้ คุณสามารถใช้การปรับข้อมูลให้เรียบได้ วิธีที่ง่ายที่สุดวิธีหนึ่งในการปรับให้เรียบคือการหาค่าเฉลี่ยเลขคณิต เมื่อใช้งาน แต่ละค่าของฟังก์ชันแยก (อาร์เรย์ข้อมูลที่ประมวลผล) จะถูกคำนวณตามนิพจน์:
โดยที่จำนวนคะแนนสำหรับการหาค่าเฉลี่ยเลขคณิต (จำนวนเต็มคี่)
ค่าของฟังก์ชันก่อนการประมวลผล
มีวิธีการอื่น ๆ ที่ค่อนข้างมีประสิทธิภาพในการปรับให้เรียบ ตัวอย่างเช่น ด้วยพาราโบลาของระดับที่สองที่ห้า, เจ็ด, เก้าและสิบเอ็ดจุดตามนิพจน์:
หรือพาราโบลาระดับที่สี่ที่เจ็ด เก้า สิบเอ็ด และสิบสามจุด:
ในการใช้งานจริง วิธีการที่มีประสิทธิภาพอื่นๆ เช่น การปรับให้เรียบ Spencer 15 จุด ให้ผลลัพธ์ที่ดี:
โดยการแทนที่เลขชี้กำลังเชิงซ้อน ซึ่งในนิพจน์เหล่านี้ เราสามารถกำหนดฟังก์ชันถ่ายโอนของการแปลงที่สอดคล้องกันได้
สำหรับการหาค่าเฉลี่ยเลขคณิต
นิพจน์ในวงเล็บแสดงถึงความก้าวหน้าทางเรขาคณิตที่มีตัวส่วน ดังนั้นนิพจน์นี้สามารถแสดงได้เป็น:
.
สูตรนี้แสดงถึงคุณลักษณะการถ่ายโอนของตัวกรองความถี่ต่ำผ่าน และแสดงให้เห็นว่า ยิ่งมีเงื่อนไขที่เกี่ยวข้องกับการหาค่าเฉลี่ยมากเท่าใด การปราบปรามส่วนประกอบสัญญาณรบกวนความถี่สูงในสัญญาณก็จะยิ่งมากขึ้นเท่านั้น (ดูรูปที่ 6.1)
อย่างไรก็ตาม แนวคิดเชิงความหมายของความถี่เมื่อประมวลผลแนวโน้มเวลาแตกต่างจากแนวคิดที่คล้ายกันเมื่อประมวลผลสัญญาณ สิ่งนี้อธิบายได้จากข้อเท็จจริงที่ว่าเมื่อศึกษาแนวโน้มของเวลา ไม่ใช่องค์ประกอบความถี่ที่น่าสนใจ แต่เป็นประเภทของการเปลี่ยนแปลง (เพิ่มขึ้น ลดลง ความคงที่ วงจร ฯลฯ )
การใช้สิ่งที่เรียกว่าอัลกอริธึมฮิวริสติกยังค่อนข้างมีประสิทธิภาพในการปรับข้อมูลให้เรียบ
หนึ่งในนั้นคือการกรองค่ามัธยฐาน ในระหว่างการนำไปใช้ในหน้าต่างเวลาเลื่อนของมิติ โดยที่จำนวนเต็มเป็นเลขคี่ องค์ประกอบกลางจะถูกแทนที่ด้วยองค์ประกอบตรงกลางของลำดับ ซึ่งเรียงลำดับจากน้อยไปมากของค่า องค์ประกอบของอาร์เรย์ข้อมูลของการเรียบ สัญญาณตกภายในกรอบเวลา ข้อดีของการกรองค่ามัธยฐานคือความสามารถในการกำจัดสัญญาณรบกวนแบบอิมพัลส์ ซึ่งมีระยะเวลาไม่เกิน โดยแทบไม่มีการบิดเบือนของสัญญาณที่เปลี่ยนแปลงอย่างราบรื่น วิธีการลดเสียงรบกวนนี้ไม่มีเหตุผลทางคณิตศาสตร์ที่เข้มงวด แต่ความเรียบง่ายของการคำนวณและประสิทธิผลของผลลัพธ์ที่ได้นำไปสู่การใช้อย่างแพร่หลาย
รูปที่ 6.1 - กราฟคุณลักษณะการถ่ายโอน
การดำเนินการหาค่าเฉลี่ยเลขคณิตสำหรับ m=5, 7, 9, 11
อัลกอริธึมการปรับให้เรียบที่น่าสนใจอีกประการหนึ่งคือค่ามัธยฐานเฉลี่ย สาระสำคัญของมันมีดังนี้ ในหน้าต่างเวลาเลื่อนที่มีขนาด (-จำนวนเต็มคี่) องค์ประกอบของอาร์เรย์ข้อมูลจะถูกเรียงลำดับจากน้อยไปมาก จากนั้นองค์ประกอบแรกและสุดท้ายจะถูกลบออกจากลำดับการสั่งซื้อ (<). Центральный элемент временного окна из последовательности сглаживаемых данных заменяется значением, вычисляемым как
วิธีนี้ช่วยให้คุณระงับการรบกวนของพัลส์และความถี่วิทยุ รวมถึงการปรับสัญญาณให้ราบรื่นดี
" |
พิจารณาตัวกรองดิจิทัลที่ง่ายที่สุด - ตัวกรองที่มีพารามิเตอร์คงที่
สัญญาณอินพุตของตัวกรองดิจิทัลจะถูกป้อนในรูปแบบของลำดับค่าตัวเลขตามช่วงเวลา (รูปที่ 4.1, a) เมื่อได้รับค่าสัญญาณถัดไปแต่ละค่าในตัวกรองดิจิทัล ค่าถัดไปของสัญญาณเอาต์พุตจะถูกคำนวณ อัลกอริธึมการคำนวณสามารถมีความหลากหลายมาก ในระหว่างขั้นตอนการคำนวณ สามารถใช้ค่าสุดท้ายของสัญญาณอินพุตได้
ค่าก่อนหน้าของสัญญาณอินพุตและเอาต์พุต: สัญญาณเอาท์พุตของตัวกรองดิจิทัลยังเป็นลำดับของค่าตัวเลขตามช่วงเวลาของ ช่วงเวลานี้จะเท่ากันสำหรับอุปกรณ์ประมวลผลสัญญาณดิจิทัลทั้งหมด
ข้าว. 4.1. สัญญาณที่อินพุตและเอาต์พุตของตัวกรองดิจิทัล
ดังนั้นหากคุณใช้สัญญาณที่ง่ายที่สุดในรูปของพัลส์เดี่ยวกับอินพุตของตัวกรองดิจิทัล (รูปที่ 4.2, a)
จากนั้นที่เอาต์พุตเราจะได้สัญญาณในรูปแบบของลำดับค่าตัวเลขที่ไม่ต่อเนื่องตามช่วงเวลา
โดยการเปรียบเทียบกับวงจรแอนะล็อกทั่วไป เราจะเรียกสัญญาณตอบสนองนี้ว่าการตอบสนองแบบอิมพัลส์ของตัวกรอง (รูปที่ 4.2, b) ต่างจากการตอบสนองแบบอิมพัลส์ของวงจรแอนะล็อก ฟังก์ชันนี้ไม่มีมิติ
ข้าว. 4.2. หน่วยการตอบสนองแรงกระตุ้นและแรงกระตุ้นของตัวกรองดิจิทัล
ให้เราใช้สัญญาณแยกตามอำเภอใจกับอินพุตตัวกรอง (รูปที่. 4.1,a) ซึ่งเป็นชุดของค่าที่ไม่ต่อเนื่องกัน
ภายใต้การกระทำขององค์ประกอบแรก ลำดับคูณด้วยจะเกิดขึ้นที่เอาท์พุตของตัวกรอง ภายใต้การกระทำ ลำดับจะถูกคูณด้วยและเลื่อนไปทางขวาด้วยจำนวน ฯลฯ ด้วยเหตุนี้ ผลลัพธ์ที่ได้จะได้รับ ลำดับที่ไหน
ดังนั้นสัญญาณเอาท์พุตจึงถูกกำหนดให้เป็นการบิดแยกของสัญญาณอินพุตและการตอบสนองแบบอิมพัลส์ ในส่วนนี้ ตัวกรองดิจิทัลจะคล้ายกับวงจรทั่วไป โดยที่สัญญาณเอาท์พุตจะเท่ากับการบิดของสัญญาณอินพุตและการตอบสนองแบบอิมพัลส์
สูตร (4.1) เป็นอัลกอริธึมการกรองแบบดิจิทัล หากการตอบสนองแบบอิมพัลส์ของตัวกรองถูกอธิบายตามลำดับที่มีเงื่อนไขจำนวนจำกัด ตัวกรองนั้นสามารถนำไปใช้ในรูปแบบของวงจรที่แสดงในรูปที่ 1 4.3. ในที่นี้ตัวอักษรจะระบุองค์ประกอบของการหน่วงเวลาของสัญญาณ (ต่อเซลล์) - องค์ประกอบที่คูณสัญญาณด้วยค่าสัมประสิทธิ์ที่สอดคล้องกัน
แผนภาพที่แสดงในรูปที่. 4.3 ไม่ใช่วงจรไฟฟ้าของตัวกรองดิจิทัล แผนภาพนี้เป็นการแสดงภาพกราฟิกของอัลกอริธึมการกรองดิจิทัล และแสดงลำดับการดำเนินการทางคณิตศาสตร์ที่ดำเนินการระหว่างการประมวลผลสัญญาณ
ข้าว. 4.3. วงจรกรองดิจิตอลแบบไม่เรียกซ้ำ
สำหรับตัวกรองดิจิทัลที่ประมวลผลสัญญาณในรูปแบบของลำดับตัวเลขเชิงนามธรรม แนวคิดเรื่อง "การหน่วงเวลา" นั้นไม่ถูกต้องทั้งหมด ดังนั้นองค์ประกอบที่หน่วงเวลาสัญญาณหนึ่งเซลล์มักจะถูกทำเครื่องหมายบนวงจรตัวกรองดิจิทัลพร้อมสัญลักษณ์ที่บ่งบอกถึงการหน่วงเวลาของสัญญาณในภาษาของ -การเปลี่ยนแปลง ต่อไปนี้เราจะยึดตามสัญกรณ์นี้
กลับไปที่วงจรกรองดิจิตอลดังแสดงในรูปที่ 1 4.3 ตัวกรองดังกล่าวซึ่งใช้เฉพาะค่าของสัญญาณอินพุตในการคำนวณเรียกว่าแบบง่ายหรือแบบไม่เรียกซ้ำ
อัลกอริธึมตัวกรองแบบไม่เรียกซ้ำนั้นง่ายต่อการเขียนหากทราบการตอบสนองแบบอิมพัลส์ของตัวกรอง สำหรับการใช้งานอัลกอริธึมในทางปฏิบัติ การตอบสนองแบบอิมพัลส์จำเป็นต้องมีคำศัพท์จำนวนจำกัด หากการตอบสนองแบบอิมพัลส์มีจำนวนคำศัพท์ไม่ จำกัด แต่ค่าจะลดลงอย่างรวดเร็วคุณสามารถ จำกัด ตัวเองให้อยู่ในจำนวนที่ จำกัด โดยละทิ้งคำศัพท์ที่มีค่าน้อย หากองค์ประกอบของการตอบสนองแบบอิมพัลส์ไม่ลดค่าลง อัลกอริธึมตัวกรองแบบไม่เรียกซ้ำจะกลายเป็นไม่สามารถรับรู้ได้
ข้าว. 4.4. -โซ่
ตัวอย่างเช่นให้พิจารณาตัวกรองดิจิทัลที่ง่ายที่สุดซึ่งคล้ายกับวงจร (รูปที่ 4.4) การตอบสนองแบบอิมพัลส์ของวงจรมีรูปแบบ
ในการเขียนการตอบสนองแบบอิมพัลส์ของตัวกรองดิจิทัลที่สอดคล้องกัน ควรแทนที่นิพจน์ด้วย อย่างไรก็ตาม การตอบสนองแบบอิมพัลส์ของวงจรจะมีมิติ และการตอบสนองแบบอิมพัลส์ของตัวกรองดิจิทัลจะต้องไม่มีมิติ ดังนั้นเราจึงละเว้นตัวคูณในนิพจน์ (4.2) และเขียนการตอบสนองแบบอิมพัลส์ของตัวกรองดิจิทัลในรูปแบบ
การตอบสนองแบบกระตุ้นนั้นประกอบด้วยพจน์มากมายนับไม่ถ้วน แต่ขนาดของพวกมันจะลดลงตามกฎเลขเอ็กซ์โพเนนเชียล และเราสามารถจำกัดตัวเองอยู่แค่เงื่อนไข โดยเลือกเช่นนั้น
ตอนนี้เราสามารถเขียนนิพจน์สำหรับสัญญาณที่เอาต์พุตตัวกรองได้
นิพจน์นี้เป็นอัลกอริธึมตัวกรองดิจิทัลด้วย แผนภาพของตัวกรองนี้แสดงในรูปที่ 1 4.5.
วิธีที่สองในการวิเคราะห์กระบวนการในตัวกรองดิจิทัลนั้นคล้ายคลึงกับวิธีดำเนินการในการวิเคราะห์วงจรแอนะล็อกทั่วไป แทนที่จะใช้การแปลง Laplace เท่านั้น จะใช้ -transform แทน
ข้าว. 4.5. วงจรของตัวกรองดิจิทัลแบบไม่เรียกซ้ำคล้ายกับวงจร
เรามากำหนดพารามิเตอร์ตัวกรองดิจิทัลที่คล้ายกับฟังก์ชันการถ่ายโอนของวงจรไฟฟ้า เมื่อต้องการทำเช่นนี้ ให้ใช้การแปลงกับการตอบสนองแบบอิมพัลส์ของตัวกรองดิจิทัล:
ฟังก์ชันนี้เรียกว่าฟังก์ชันตัวกรองระบบ
ตามนิพจน์ (4.1) สัญญาณที่เอาต์พุตของตัวกรองดิจิทัลจะเท่ากับการบิดแยกของสัญญาณอินพุตและการตอบสนองแบบอิมพัลส์ของตัวกรอง เมื่อใช้ทฤษฎีบทการบิดกับนิพจน์นี้ เราได้มาว่าการแปลงสัญญาณเอาท์พุตเท่ากับการแปลงสัญญาณอินพุตคูณด้วยฟังก์ชันตัวกรองระบบ:
ดังนั้นฟังก์ชันระบบจึงมีบทบาทเป็นฟังก์ชันถ่ายโอนข้อมูลของตัวกรองดิจิทัล
ตัวอย่างเช่น ลองค้นหาฟังก์ชันระบบของตัวกรองดิจิทัลลำดับที่หนึ่งที่คล้ายกับ -circuit:
วิธีที่สามในการวิเคราะห์การส่งผ่านสัญญาณผ่านตัวกรองดิจิทัลนั้นคล้ายคลึงกับวิธีดั้งเดิมของสมการเชิงอนุพันธ์ ลองพิจารณาวิธีนี้โดยใช้กลุ่มการสั่งซื้อเป็นตัวอย่าง
วงจรแอนะล็อกที่ง่ายที่สุดลำดับที่ 1 คือ -วงจร (ดูรูปที่ 4.4) ซึ่งเป็นเส้นทางผ่านของสัญญาณซึ่งอธิบายโดยสมการเชิงอนุพันธ์
สำหรับวงจรแยกแทนที่จะเป็นสมการเชิงอนุพันธ์ (4.8) ควรเขียนสมการความแตกต่างโดยระบุสัญญาณอินพุตและเอาต์พุตสำหรับช่วงเวลาที่ไม่ต่อเนื่องและแทนที่จะเป็นอนุพันธ์ควรใช้ความแตกต่างของค่าสัญญาณที่อยู่ติดกัน ปรากฏ. สำหรับวงจรลำดับที่ 1 แบบแยก สมการผลต่างสามารถเขียนได้ในรูปแบบทั่วไป
ลองใช้การแปลงกับสมการกัน
โดยที่เราพบฟังก์ชันตัวกรองระบบ
สูตร (4.10) เป็นนิพจน์ทั่วไปสำหรับฟังก์ชันระบบของตัวกรองดิจิทัลลำดับที่ 1 เมื่อมันเกิดขึ้นพร้อมกับนิพจน์ที่ได้รับก่อนหน้านี้ (4.7) สำหรับฟังก์ชันระบบของตัวกรองดิจิทัลที่เทียบเท่ากับ -วงจร
ให้เราค้นหาอัลกอริธึมการกรองดิจิทัลที่สอดคล้องกับฟังก์ชันระบบ (4.10) เมื่อต้องการทำเช่นนี้ เราจะแก้สมการ (4.9) เพื่อ
แผนภาพที่เทียบเท่าของอัลกอริธึมนี้แสดงไว้ในรูปที่ 1 4.6. เมื่อเปรียบเทียบกับตัวกรองแบบไม่เรียกซ้ำ (ดูรูปที่ 4.5) มีการเพิ่ม "วงจรป้อนกลับ" ชนิดหนึ่งซึ่งหมายความว่าค่าของสัญญาณเอาท์พุตจะถูกใช้ในภายหลัง
ข้าว. 4.6. วงจรของตัวกรองดิจิทัลแบบเรียกซ้ำคล้ายกับวงจร
การคำนวณ ตัวกรองประเภทนี้เรียกว่าแบบเรียกซ้ำ
อัลกอริทึม (4.11) สอดคล้องกับตัวกรองที่เทียบเท่ากับตัวกรองแบบไม่เรียกซ้ำที่พิจารณาก่อนหน้านี้โดยสมบูรณ์ แต่ในการกำหนดค่าหนึ่งค่าของสัญญาณเอาท์พุตโดยใช้อัลกอริธึมตัวกรองแบบไม่เรียกซ้ำ (4.4) จำเป็นต้องดำเนินการและเมื่อใช้อัลกอริธึมตัวกรองแบบเรียกซ้ำ (4.11) จำเป็นต้องมีการดำเนินการเพียงสองครั้งเท่านั้น นี่คือข้อได้เปรียบหลักของตัวกรองแบบเรียกซ้ำ นอกจากนี้ ตัวกรองแบบเรียกซ้ำยังช่วยให้การประมวลผลสัญญาณมีความแม่นยำสูงขึ้น เนื่องจากตัวกรองเหล่านี้ช่วยให้การดำเนินการตอบสนองอิมพัลส์ถูกต้องมากขึ้นโดยไม่ต้องละทิ้ง "ส่วนท้าย" ตัวกรองแบบเรียกซ้ำช่วยให้คุณสามารถใช้อัลกอริทึมที่ไม่สามารถนำมาใช้ได้เลยโดยใช้ตัวกรองที่ไม่เรียกซ้ำ ตัวอย่างเช่น ตัวกรองทำงานตามวงจรในรูป 4.6 โดยพื้นฐานแล้วเป็นตัวสะสม-รวมระบบในอุดมคติและมีการตอบสนองแบบอิมพัลส์ของตัวกรองรูปแบบ A ที่มีคุณสมบัติดังกล่าวไม่สามารถนำมาใช้ได้โดยใช้รูปแบบที่ไม่เกิดซ้ำ
ตัวอย่างที่พิจารณาแสดงให้เห็นว่าไม่มีประโยชน์ในการใช้อัลกอริธึมที่ไม่เรียกซ้ำเพื่อสร้างตัวกรองดิจิทัลที่มีการตอบสนองแบบอิมพัลส์ที่ยาว ในกรณีเหล่านี้ การใช้ตัวกรองแบบเรียกซ้ำจะเหมาะสมกว่า
ขอบเขตการใช้งานของอัลกอริธึมแบบไม่เรียกซ้ำคือการใช้ตัวกรองดิจิทัลพร้อมการตอบสนองแบบอิมพัลส์ที่มีคำศัพท์จำนวนน้อย ตัวอย่างคือตัวสร้างความแตกต่างที่ง่ายที่สุด โดยสัญญาณเอาท์พุตจะเท่ากับการเพิ่มขึ้นของสัญญาณอินพุต:
วงจรของตัวกรองดิจิทัลดังกล่าวจะแสดงในรูปที่ 1 4.7.
ข้าว. 4.7. วงจรของตัวสร้างความแตกต่างทางดิจิทัลที่ง่ายที่สุด
ให้เราพิจารณาตัวกรองดิจิทัลทั่วไปซึ่งอธิบายโดยสมการ
สมการนี้ถือได้ว่าเป็นสมการผลต่างของลำดับและเป็นอัลกอริธึมการกรองแบบดิจิทัลหากเขียนใหม่ต่างกัน กล่าวคือ
ข้าว. 4.8. วงจรกรองลำดับดิจิทัลแบบเรียกซ้ำ
อัลกอริทึม (4.13) สอดคล้องกับวงจรที่แสดงในรูปที่ 1 4.8. ให้เราค้นหาฟังก์ชั่นระบบของตัวกรองดังกล่าว เมื่อต้องการทำเช่นนี้ ให้ใช้การแปลงกับสมการ:
นิพจน์ (4.14) ช่วยให้เราสามารถสร้างการเชื่อมต่อระหว่างความผันผวนขององค์ประกอบของวงจรตัวกรองและฟังก์ชันของระบบได้ ค่าสัมประสิทธิ์ในตัวเศษของฟังก์ชันระบบจะกำหนดค่าของสัมประสิทธิ์สำหรับ
(ในส่วนที่ไม่เกิดซ้ำของตัวกรอง) และค่าสัมประสิทธิ์ในตัวส่วนจะกำหนดส่วนที่เกิดซ้ำของตัวกรอง
ทุกอย่างเริ่มต้นเมื่อเพื่อนของเพื่อนของเพื่อนต้องการความช่วยเหลือเกี่ยวกับตัวกรองเดียวกันนี้ ตามแนวทางของเจได ข่าวลือเกี่ยวกับเรื่องนี้มาถึงฉัน ฉันยกเลิกการสมัครรับความคิดเห็นในโพสต์ที่ลิงก์ ดูเหมือนว่าจะช่วยได้ ฉันหวังว่า
เรื่องราวนี้ปลุกเร้าความทรงจำเกี่ยวกับเรื่องที่สามหรือบางอย่างในทำนองนั้น เมื่อฉันรับ DSP ด้วยตัวเอง และกระตุ้นให้ฉันเขียนบทความสำหรับทุกคนที่สนใจวิธีการทำงานของตัวกรองดิจิทัล แต่โดยธรรมชาติแล้วกลับรู้สึกหวาดกลัวกับตัวกรองดิจิทัล - สุดยอดสูตรและภาพวาดหลอนๆ (ฉันไม่ได้พูดถึงตำราเรียนอยู่แล้ว)
โดยทั่วไปจากประสบการณ์ของฉัน สถานการณ์ในหนังสือเรียนอธิบายได้ด้วยวลีที่รู้จักกันดีว่าบางครั้งคุณไม่สามารถมองเห็นป่าสำหรับต้นไม้ได้ และกล่าวคือ เมื่อพวกเขาเริ่มทำให้คุณกลัวทันทีด้วยการแปลงรูป Z และสูตรสำหรับการหารพหุนาม ซึ่งมักจะยาวกว่าสองกระดาน ความสนใจในหัวข้อนี้ก็จะหมดไปอย่างรวดเร็วมาก เราจะเริ่มต้นด้วยสิ่งง่ายๆ โชคดีที่เพื่อที่จะเข้าใจสิ่งที่เกิดขึ้น ไม่จำเป็นต้องอธิบายสำนวนที่ซับซ้อนยาวๆ เลย
ก่อนอื่น แนวคิดพื้นฐานง่ายๆ บางประการ
1. การตอบสนองแบบแรงกระตุ้น
สมมติว่าเรามีกล่องที่มีสี่พิน เราไม่รู้ว่ามีอะไรอยู่ข้างใน แต่เรารู้แน่ว่าอาคารผู้โดยสารด้านซ้ายสองแห่งคือทางเข้า และอีกสองแห่งทางด้านขวาคือทางออก ลองใช้พัลส์สั้นมากที่มีแอมพลิจูดขนาดใหญ่มากกับมันแล้วดูว่าเกิดอะไรขึ้นที่เอาท์พุต ยังไม่ชัดเจนว่ามีอะไรอยู่ในจตุรัสนี้ เพราะไม่รู้จะอธิบายอย่างไร แต่อย่างน้อยเราก็จะได้เห็นอะไรบางอย่าง
ในที่นี้ต้องบอกว่าพัลส์ขนาดสั้น (โดยทั่วไปคือสั้นอนันต์) ที่มีแอมพลิจูดขนาดใหญ่ (โดยทั่วไปคืออนันต์) ในทางทฤษฎีเรียกว่าฟังก์ชันเดลต้า อย่างไรก็ตาม สิ่งที่ตลกก็คืออินทิกรัลของสิ่งนี้ ไม่มีที่สิ้นสุดฟังก์ชั่นมีค่าเท่ากับหนึ่ง นี่คือการทำให้เป็นมาตรฐาน
ดังนั้นสิ่งที่เราเห็นที่เอาต์พุตของเครือข่ายควอดริโพลซึ่งใช้ฟังก์ชันเดลต้ากับอินพุตเรียกว่า การตอบสนองแรงกระตุ้นสี่เหลี่ยมนี้ อย่างไรก็ตาม ในตอนนี้ยังไม่ชัดเจนว่าจะช่วยเราได้อย่างไร แต่ให้เราจำผลลัพธ์ที่ได้รับและไปยังแนวคิดที่น่าสนใจถัดไป
2. การบิดตัว
กล่าวโดยสรุป การบิดเป็นการดำเนินการทางคณิตศาสตร์ที่มาจากการรวมผลคูณของฟังก์ชัน:
อย่างที่คุณเห็นมีเครื่องหมายดอกจันกำกับไว้ นอกจากนี้คุณยังสามารถเห็นได้ว่าในระหว่างการบิด ฟังก์ชันหนึ่งจะเรียงลำดับ "ไปข้างหน้า" และเราจะดำเนินการฟังก์ชันที่สอง "กลับไปด้านหน้า" แน่นอน ในกรณีที่ไม่ต่อเนื่องซึ่งมีคุณค่ามากกว่าสำหรับมนุษยชาติ การบิดงอก็เหมือนกับอินทิกรัลอื่นๆ ที่จะเข้าสู่การสรุป:
ดูเหมือนเป็นนามธรรมทางคณิตศาสตร์ที่น่าเบื่อ อย่างไรก็ตาม ในความเป็นจริง มัดอาจเป็นปรากฏการณ์ที่มหัศจรรย์ที่สุดในโลกนี้ รองลงมาคือความอัศจรรย์ต่อการเกิดของบุคคล สิ่งเดียวที่แตกต่างคือคนส่วนใหญ่จะรู้ว่าเด็กมาจากไหนอย่างน้อยที่สุดเมื่ออายุมากขึ้น สิบแปด ในขณะที่เกี่ยวกับสิ่งที่บิดเบี้ยวคืออะไรและเหตุใดมันจึงมีประโยชน์และน่าทึ่ง แต่ประชากรส่วนใหญ่ของโลกไม่มีความคิดเลยตลอดชีวิต
ดังนั้นพลังของการดำเนินการนี้อยู่ที่ว่าถ้า f เป็นสัญญาณอินพุตใด ๆ โดยพลการและ g คือการตอบสนองแบบอิมพัลส์ของเครือข่ายสี่พอร์ตผลลัพธ์ของการบิดของฟังก์ชันทั้งสองนี้จะคล้ายกับสิ่งที่เราจะทำ ได้รับโดยการส่งสัญญาณ f ผ่านเครือข่ายสี่พอร์ตนี้
นั่นคือการตอบสนองแบบอิมพัลส์นั้นเป็นคุณสมบัติที่สมบูรณ์ของเครือข่ายสี่พอร์ตที่เกี่ยวข้องกับเอฟเฟกต์อินพุตและการบิดสัญญาณอินพุตทำให้สามารถกู้คืนสัญญาณเอาต์พุตที่สอดคล้องกันได้ ในความคิดของฉัน นี่มันน่าทึ่งมาก!
3. ตัวกรอง
คุณสามารถทำสิ่งที่น่าสนใจมากมายด้วยการตอบสนองแบบกระตุ้นและการบิดตัว ตัวอย่างเช่น หากสัญญาณเป็นเสียง คุณสามารถจัดระเบียบเสียงก้อง เสียงสะท้อน คอรัส แฟลงเจอร์ และอื่นๆ อีกมากมาย คุณสามารถแยกแยะและบูรณาการ... โดยทั่วไป คุณสามารถสร้างอะไรก็ได้ สำหรับเราตอนนี้ สิ่งที่สำคัญที่สุดคือ แน่นอนว่า ตัวกรองสามารถหาได้อย่างง่ายดายโดยใช้การบิด
ตัวกรองดิจิทัลนั้นเป็นการบิดของสัญญาณอินพุตพร้อมการตอบสนองแบบอิมพัลส์ที่สอดคล้องกับตัวกรองที่ต้องการ
แต่แน่นอนว่าต้องได้รับการตอบสนองแบบกระตุ้น แน่นอนว่าเราได้คิดวิธีการวัดค่าข้างต้นแล้ว แต่ในงานดังกล่าวไม่มีเหตุผลในเรื่องนี้ - ถ้าเราประกอบตัวกรองแล้วทำไมต้องวัดอย่างอื่นเราสามารถใช้มันตามที่เป็นอยู่ได้ นอกจากนี้ ค่าที่สำคัญที่สุดของตัวกรองดิจิทัลก็คือ ตัวกรองสามารถมีลักษณะเฉพาะที่ไม่สามารถบรรลุได้ (หรือบรรลุได้ยาก) ในความเป็นจริง เช่น เฟสเชิงเส้น ตรงนี้ไม่มีวิธีวัดเลย คุณแค่ต้องนับ
4. การได้รับการตอบสนองแบบแรงกระตุ้น
เมื่อมาถึงจุดนี้ ในสิ่งพิมพ์ส่วนใหญ่ในหัวข้อนี้ ผู้เขียนเริ่มทิ้งการแปลงรูป Z และเศษส่วนจากพหุนามจำนวนมากลงบนผู้อ่าน ทำให้เขาสับสนอย่างสิ้นเชิง ฉันจะไม่ทำเช่นนี้ ฉันจะอธิบายสั้น ๆ ว่าทั้งหมดนี้เกี่ยวกับอะไร และเหตุใดในทางปฏิบัติจึงไม่จำเป็นสำหรับสาธารณชนที่ก้าวหน้ามากนัก
สมมติว่าเราได้ตัดสินใจว่าเราต้องการอะไรจากตัวกรองและสร้างสมการที่อธิบายตัวกรองนั้น ถัดไป เพื่อค้นหาการตอบสนองแบบอิมพัลส์ คุณสามารถแทนที่ฟังก์ชันเดลต้าลงในสมการที่ได้รับแล้วได้ค่าที่ต้องการ ปัญหาเดียวคือต้องทำอย่างไร เนื่องจากฟังก์ชันเดลต้าตรงเวลา โอภูมิภาคนี้มอบให้โดยระบบอันชาญฉลาด และโดยทั่วไปแล้วจะมีอนันต์ทุกประเภท ดังนั้นในขั้นตอนนี้ทุกอย่างจึงกลายเป็นเรื่องยากลำบากมาก
นี่คือที่ที่พวกเขาจำได้ว่ามีสิ่งที่เรียกว่าการแปลงลาปลาซ โดยตัวมันเองมันไม่ใช่ลูกเกดหนึ่งปอนด์ เหตุผลเดียวที่ยอมรับได้ในวิศวกรรมวิทยุก็คือความจริงที่ว่าในพื้นที่ของการโต้แย้งว่าการเปลี่ยนแปลงนี้เป็นการเปลี่ยนแปลง บางสิ่งจะง่ายขึ้นจริงๆ โดยเฉพาะอย่างยิ่ง ฟังก์ชันเดลต้าแบบเดียวกันที่ทำให้เรามีปัญหาอย่างมากในโดเมนเวลานั้นสามารถแสดงออกมาได้อย่างง่ายดายมาก - มีเพียงฟังก์ชันเดียวเท่านั้น!
การแปลงรูป Z (หรือที่เรียกว่าการแปลงรูป Laurent) เป็นเวอร์ชันหนึ่งของการแปลงรูป Laplace สำหรับระบบแยก
นั่นคือโดยการใช้การแปลงลาปลาซ (หรือการแปลง Z ตามความจำเป็น) กับฟังก์ชันที่อธิบายตัวกรองที่ต้องการ โดยแทนที่ตัวกรองหนึ่งเป็นผลลัพธ์แล้วเปลี่ยนกลับ เราจะได้การตอบสนองแบบอิมพัลส์ ฟังดูง่ายใครๆ ก็ลองดูได้ ฉันจะไม่เสี่ยงเพราะดังที่ได้กล่าวไปแล้ว การแปลงลาปลาซเป็นสิ่งที่รุนแรง โดยเฉพาะอย่างยิ่งในทางกลับกัน ปล่อยให้เป็นทางเลือกสุดท้าย แล้วเราจะมองหาวิธีที่ง่ายกว่านี้เพื่อให้ได้สิ่งที่เรากำลังมองหา มีหลายคน
ประการแรก เราสามารถนึกถึงข้อเท็จจริงที่น่าทึ่งอีกประการหนึ่งของธรรมชาติได้ - คุณลักษณะของแอมพลิจูด-ความถี่และแรงกระตุ้นมีความสัมพันธ์ซึ่งกันและกันโดยการแปลงฟูริเยร์ที่ดีและคุ้นเคย ซึ่งหมายความว่าเราสามารถดึงการตอบสนองความถี่ใดๆ มาใช้กับรสนิยมของเรา นำการแปลงฟูริเยร์ผกผันจากนั้น (ไม่ว่าจะต่อเนื่องหรือแยกกัน) และรับการตอบสนองแบบอิมพัลส์ของระบบที่นำไปใช้ นี่มันน่าทึ่งมาก!
อย่างไรก็ตามเรื่องนี้จะไม่มีปัญหา ประการแรก การตอบสนองแบบกระตุ้นที่เราได้รับนั้นน่าจะไม่มีที่สิ้นสุด (ฉันจะไม่อธิบายว่าเหตุใด นั่นคือวิธีการทำงานของโลก) ดังนั้นเราจะต้องตัดสินใจโดยสมัครใจที่จะตัดมันทิ้งไป ณ จุดใดจุดหนึ่ง (การตั้งค่า มันเท่ากับศูนย์เลยจุดนั้น) แต่สิ่งนี้จะไม่เกิดขึ้นเช่นนั้น - ผลที่ตามมาจากสิ่งนี้อย่างที่คาดไว้คือการบิดเบือนการตอบสนองความถี่ของตัวกรองที่คำนวณได้ - มันจะกลายเป็นคลื่นและจุดตัดความถี่จะเบลอ
เพื่อลดผลกระทบเหล่านี้ ฟังก์ชันหน้าต่างการปรับให้เรียบต่างๆ จะถูกนำไปใช้กับการตอบสนองของอิมพัลส์ที่สั้นลง เป็นผลให้การตอบสนองความถี่มักจะเบลอมากยิ่งขึ้น แต่การสั่นที่ไม่พึงประสงค์ (โดยเฉพาะในพาสแบนด์) จะหายไป
จริงๆ แล้ว หลังจากการประมวลผลดังกล่าว เราได้รับการตอบสนองแบบอิมพัลส์ที่ใช้งานได้ และสามารถสร้างตัวกรองดิจิทัลได้
วิธีการคำนวณที่สองนั้นง่ายกว่า - การตอบสนองแบบกระตุ้นของตัวกรองยอดนิยมนั้นแสดงออกมาในรูปแบบการวิเคราะห์มานานแล้วสำหรับเรา สิ่งที่เหลืออยู่คือการทดแทนค่าของคุณและใช้ฟังก์ชันหน้าต่างกับผลลัพธ์ตามที่คุณต้องการ คุณจึงไม่ต้องพิจารณาการแปลงใดๆ ด้วยซ้ำ
และแน่นอนว่า หากเป้าหมายคือการจำลองพฤติกรรมของวงจรใดวงจรหนึ่ง คุณสามารถรับการตอบสนองแบบอิมพัลส์ได้ในเครื่องจำลอง:
ที่นี่ฉันใช้พัลส์ 1,00500 โวลต์ (ใช่ 100.5 kV) ด้วยระยะเวลา 1 μs กับอินพุตของวงจร RC และได้รับการตอบสนองแบบอิมพัลส์ เป็นที่ชัดเจนว่าสิ่งนี้ไม่สามารถทำได้ในความเป็นจริง แต่ในเครื่องจำลองวิธีนี้อย่างที่คุณเห็นว่าใช้งานได้ดี
5. หมายเหตุ
สิ่งที่กล่าวไว้ข้างต้นเกี่ยวกับการลดการตอบสนองแรงกระตุ้นที่ใช้กับสิ่งที่เรียกว่าแน่นอน ตัวกรองการตอบสนองแรงกระตุ้นจำกัด (ตัวกรอง FIR/FIR) พวกมันมีคุณสมบัติที่มีคุณค่ามากมาย รวมถึงเฟสเชิงเส้น (ภายใต้เงื่อนไขบางประการสำหรับการสร้างการตอบสนองแบบอิมพัลส์) ซึ่งช่วยให้มั่นใจว่าไม่มีการบิดเบือนสัญญาณในระหว่างการกรอง รวมถึงความเสถียรที่สมบูรณ์ นอกจากนี้ยังมีตัวกรองการตอบสนองแบบอิมพัลส์ที่ไม่มีที่สิ้นสุด (ตัวกรอง IIR/IIR) มีการใช้ทรัพยากรน้อยกว่าในแง่ของการคำนวณ แต่ไม่มีข้อได้เปรียบที่ระบุไว้อีกต่อไป
ในบทความถัดไป ฉันหวังว่าจะดูตัวอย่างง่ายๆ ของการใช้งานตัวกรองดิจิทัลในทางปฏิบัติ
มหาวิทยาลัยเทคนิคแห่งรัฐโนโวซีบีร์สค์
คณะอัตโนมัติและวิศวกรรมคอมพิวเตอร์
กรมระบบรวบรวมและประมวลผลข้อมูล
วินัย "ทฤษฎีและการประมวลผลสัญญาณ"
งานห้องปฏิบัติการเลขที่10
ฟิลเตอร์ดิจิตอล
ด้วยลักษณะเฉพาะของแรงกระตุ้นอันจำกัด
กลุ่ม:เอที-33
ตัวเลือก: 1 ครู:
นักเรียน: Shadrina A.V. รศ. Shchetinin Yu.I.
เป้าหมายของงาน: ศึกษาวิธีการวิเคราะห์และการสังเคราะห์ตัวกรองการตอบสนองแบบไฟไนต์อิมพัลส์โดยใช้ฟังก์ชันหน้าต่างปรับให้เรียบ
เสร็จสิ้นการทำงาน:
1. แผนการตอบสนองแบบอิมพัลส์ของตัวกรอง FIR แบบ low-pass พร้อมความถี่ตัดหน้าต่างสี่เหลี่ยมสำหรับค่าความยาวตัวกรองและ
การตอบสนองแบบอิมพัลส์ของตัวกรอง FIR แบบแยกส่วนในอุดมคติมีความยาวไม่สิ้นสุดและไม่เป็นศูนย์สำหรับค่าลบของ :
.
เพื่อให้ได้ตัวกรองที่เป็นไปได้ทางกายภาพ ควรจำกัดการตอบสนองแบบอิมพัลส์ให้เป็นจำนวนจำกัด จากนั้นจึงเลื่อนการตอบสนองแบบตัดทอนไปทางขวาตามจำนวน
ค่าคือความยาว (ขนาด) ของตัวกรอง – ลำดับการกรอง
สคริปต์ Matlab (labrab101.m)
N = input("ป้อนความยาวตัวกรอง N = ");
h = บาป(wc.*(n-(N-1)/2))./(pi.*(n-(N-1)/2));
xlabel("หมายเลขอ้างอิง, n")
>> โครงเรื่องย่อย (2,1,1)
>> ลาบราบ101
ป้อนความยาวตัวกรอง N = 15
>> title("การตอบสนองแบบอิมพัลส์ของตัวกรอง FIR สำหรับ N=15")
>> โครงเรื่องย่อย (2,1,2)
>> ลาบราบ101
ป้อนความยาวตัวกรอง N = 50
>> title("การตอบสนองแบบอิมพัลส์ของตัวกรอง FIR สำหรับ N=50")
รูปที่ 1. แผนการตอบสนองแบบอิมพัลส์ของตัวกรอง FIR แบบ low-pass พร้อมความถี่ตัดหน้าต่างสี่เหลี่ยมสำหรับค่าความยาวตัวกรองและ
ความคิดเห็น:หากเราพิจารณาการตอบสนองความถี่ของตัวกรองดิจิทัลเป็นอนุกรมฟูเรียร์: จากนั้นค่าสัมประสิทธิ์ของซีรีย์นี้จะแสดงค่าของการตอบสนองแบบอิมพัลส์ของตัวกรอง ในกรณีนี้ อนุกรมฟูริเยร์ถูกตัดทอนในกรณีแรกเป็น และในกรณีที่สอง - ถึง จากนั้นคุณลักษณะที่ถูกตัดทอนจะถูกเลื่อนไปตามแกนตัวอย่างไปทางขวาเพื่อให้ได้ตัวกรองเชิงสาเหตุ เมื่อความกว้างของกลีบหลักคือ 2 และเมื่อ - 1 นั่นคือ เมื่อความยาวของตัวกรองเพิ่มขึ้น กลีบหลักของการตอบสนองแบบอิมพัลส์จะแคบลง หากเราพิจารณาระดับของกลีบด้านข้าง (โดยใช้ ) เมื่อเพิ่มขึ้นก็จะเพิ่มค่าสัมบูรณ์จาก เป็น . ดังนั้น เราสามารถสรุปได้ว่าเมื่อใช้การประมาณการตอบสนองความถี่ในอุดมคติของตัวกรองที่มีหน้าต่างสี่เหลี่ยม มันเป็นไปไม่ได้ที่จะจำกัดกลีบหลักให้แคบลงพร้อมกัน (และลดขอบเขตการเปลี่ยนแปลง) และลดระดับของกลีบด้านข้าง (ลด ระลอกคลื่นใน passband และ stopband ของตัวกรอง) พารามิเตอร์ที่ควบคุมได้เพียงอย่างเดียวของหน้าต่างสี่เหลี่ยมคือขนาดของมัน ซึ่งคุณสามารถกำหนดความกว้างของกลีบหลักได้ อย่างไรก็ตาม ไม่มีผลกระทบต่อกลีบด้านข้างมากนัก
2. การคำนวณ DVFT ของคุณลักษณะอิมพัลส์จากขั้นตอนที่ 1 โดยใช้ฟังก์ชัน กราฟการตอบสนองความถี่ในระดับเชิงเส้นและเป็นเดซิเบลสำหรับ 512 ตัวอย่างความถี่ Passband, แถบเปลี่ยนผ่าน และแถบหยุดของตัวกรอง อิทธิพลของลำดับตัวกรองต่อความกว้างของแถบการเปลี่ยนผ่านและระดับระลอกคลื่นตอบสนองความถี่ในแถบผ่านและหยุด
ฟังก์ชัน Matlab (DTFT.m)
ฟังก์ชัน = DTFT(x,M)
N = สูงสุด(M, ความยาว(x));
% ลด FFT เหลือขนาด 2^m
N = 2^(ceil(บันทึก(N)/log(2)));
% คำนวณ fft
% เวกเตอร์ความถี่
w = 2*pi*((0:(N-1))/N);
w = w - 2*pi*(w>=pi);
% Shift FFT เป็นช่วงจาก -pi ถึง +pi
X = fftshift(X);
w = fftshift(w);
สคริปต์ Matlab (labrab102.m)
h1 = บาป(wc.*(n1-(N1-1)/2))./(pi.*(n1-(N1-1)/2));
h2 = บาป(wc.*(n2-(N2-1)/2))./(pi.*(n2-(N2-1)/2));
DTFT(h1,512);
DTFT(h2,512);
พล็อต(w./(2*pi),abs(H1)./max(abs(H1)),,"r")
xlabel("f, Hz"), ylabel("|H1|/max(|H1|)"), ตาราง
พล็อต(w./(2*pi),abs(H2)./max(abs(H2)),,"b")
xlabel("f, Hz"), ylabel("|H2|/max(|H2|)"), ตาราง
พล็อต(w./(2*pi),20*log10(abs(H1)),,"r")
title("การตอบสนองความถี่ของตัวกรอง FIR แบบ low-pass พร้อมหน้าต่างสี่เหลี่ยมสำหรับ N = 15")
xlabel("f, Hz"), ylabel("20lg(|H1|), dB"), ตาราง
พล็อต(w./(2*pi),20*log10(abs(H2)),"b")
title("การตอบสนองความถี่ของตัวกรอง FIR แบบ low-pass พร้อมหน้าต่างสี่เหลี่ยมสำหรับ N = 50")
xlabel("f, Hz"), ylabel("20lg(|H2|), dB"), ตาราง
รูปที่ 2. แผนการตอบสนองความถี่ของตัวกรอง FIR แบบ low-pass พร้อมความถี่ตัดหน้าต่างสี่เหลี่ยมสำหรับค่าความยาวตัวกรองและในระดับเชิงเส้น
รูปที่ 3 แผนการตอบสนองความถี่ของตัวกรอง FIR แบบ low-pass พร้อมความถี่ตัดหน้าต่างสี่เหลี่ยมสำหรับค่าความยาวตัวกรองและในระดับลอการิทึม
ความคิดเห็น:
ตารางที่ 1. ช่วงของพาสแบนด์ ขอบเขตการเปลี่ยน และแถบหยุดสำหรับความยาวตัวกรองและ
ความยาวตัวกรอง |
แบนด์วิดท์, เฮิรตซ์ |
ภูมิภาคการเปลี่ยนผ่าน, Hz |
แถบหยุด, Hz |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
การบรรยายครั้งที่ 10 "ฟิลเตอร์ดิจิตอลที่มีการตอบสนองอิมพัลส์จำกัด" ฟังก์ชันถ่ายโอนของตัวกรองการตอบสนองอิมพัลส์จำกัดแบบดิจิทัลที่รับรู้ได้ทางกายภาพ (ตัวกรอง FIR) สามารถแสดงเป็นได้ (10.1). เมื่อแทนที่ในนิพจน์ (10.1) เราจะได้การตอบสนองความถี่ของตัวกรอง FIR ในรูปแบบ (10.2), ที่ไหน - การตอบสนองความถี่แอมพลิจูด (AFC)กรอง, - การตอบสนองความถี่เฟส (PFC)กรอง. เฟสล่าช้าตัวกรองถูกกำหนดให้เป็น (10.3). ความล่าช้าของกลุ่มตัวกรองถูกกำหนดให้เป็น (10.4). คุณลักษณะที่โดดเด่นของตัวกรอง FIR คือความสามารถในการใช้เฟสคงที่และความล่าช้าของกลุ่ม เช่น การตอบสนองเฟสเชิงเส้น (10.5), ที่ไหน - คงที่. หากตรงตามเงื่อนไขนี้ สัญญาณที่ผ่านตัวกรองจะไม่บิดเบือนรูปร่าง เพื่อให้ได้มาซึ่งเงื่อนไขที่รับประกันการตอบสนองเฟสเชิงเส้น เราเขียนการตอบสนองความถี่ของตัวกรอง FIR โดยคำนึงถึง (10.5) (10.6). เราได้รับความเท่าเทียมระหว่างส่วนจริงและจินตภาพของความเท่าเทียมกันนี้ (10.7). เราได้หารสมการที่สองด้วยสมการแรก (10.8). ในที่สุดเราก็สามารถเขียนได้ (10.9). สมการนี้มีสองคำตอบ ครั้งแรกเมื่อไรก =0 สอดคล้องกับสมการ (10.10). สมการนี้มีคำตอบเฉพาะที่สอดคล้องกับข้อใดข้อหนึ่ง h (0) (sin (0)=0) และ h (n)=0 สำหรับ n >0. โซลูชันนี้สอดคล้องกับตัวกรองที่การตอบสนองแบบอิมพัลส์มีตัวอย่างที่ไม่เป็นศูนย์เพียงตัวเดียวในครั้งแรก ตัวกรองดังกล่าวไม่เป็นประโยชน์ในทางปฏิบัติ เราจะหาวิธีแก้ปัญหาอื่นสำหรับ. ในกรณีนี้ การคูณข้ามตัวเศษและส่วนใน (10.8) เราจะได้ (10.11). จากที่นี่เรามี (10.12). เนื่องจากสมการนี้มีรูปแบบของอนุกรมฟูริเยร์ ดังนั้น คำตอบของสมการนี้ (หากมี) จึงไม่ซ้ำกัน จะเห็นได้ง่ายว่าการแก้สมการนี้ต้องเป็นไปตามเงื่อนไข (10.13), (10.14). จากเงื่อนไข (10.13) เป็นไปตามนั้นสำหรับลำดับตัวกรองแต่ละรายการเอ็น มีความล่าช้าเฟสเดียวเท่านั้นก ซึ่งสามารถบรรลุความเป็นเส้นตรงที่เข้มงวดของการตอบสนองเฟสได้ จากเงื่อนไข (10.14) เป็นไปตามว่าการตอบสนองอิมพัลส์ของตัวกรองจะต้องสมมาตรเกี่ยวกับจุดสำหรับคี่เอ็น และสัมพันธ์กับจุดกึ่งกลางของช่วงเวลา (รูปที่ 10.1) การตอบสนองความถี่ของตัวกรองดังกล่าว (สำหรับคี่เอ็น ) สามารถเขียนได้ในรูป (10.15). ทำการทดแทนในจำนวนที่สองม. = N -1- n เราได้ (10.16). เนื่องจาก ชั่วโมง (n)= ชั่วโมง (N -1- n ) จากนั้นจึงนำผลรวมทั้งสองมารวมกันได้ แทนที่เราได้ (10.18). หากเรากำหนด (10.19), ในที่สุดเราก็สามารถเขียนได้ (10.20). ดังนั้นสำหรับตัวกรองที่มีการตอบสนองเฟสเชิงเส้นเรามี (10.21). สำหรับกรณีคู่เอ็น เราจะมีเช่นเดียวกัน (10.22). เราได้การทดแทนด้วยผลรวมที่สอง (10.23). ทำการทดแทนเราได้รับ (10.24). กำหนดแล้ว (10.25), ในที่สุดเราก็จะได้ (10.26). ดังนั้นสำหรับตัวกรอง FIR ที่มีการตอบสนองเฟสเชิงเส้นและลำดับคู่ N สามารถเขียนได้ (10.27). ต่อไปนี้ เพื่อความง่าย เราจะพิจารณาเฉพาะตัวกรองที่มีลำดับคี่เท่านั้น เมื่อทำการสังเคราะห์ฟังก์ชันถ่ายโอนตัวกรอง ตามกฎแล้วพารามิเตอร์เริ่มต้นจะเป็นข้อกำหนดสำหรับการตอบสนองความถี่ มีเทคนิคมากมายในการสังเคราะห์ตัวกรอง FIR ลองดูบางส่วนของพวกเขา เนื่องจากการตอบสนองความถี่ของตัวกรองดิจิทัลใดๆ เป็นฟังก์ชันคาบของความถี่ จึงสามารถแสดงเป็นอนุกรมฟูริเยร์ได้ (10.28), โดยที่ค่าสัมประสิทธิ์ของอนุกรมฟูริเยร์เท่ากัน (10.29). จะเห็นได้ว่าค่าสัมประสิทธิ์ของอนุกรมฟูริเยร์ชั่วโมง(น ) ตรงกับค่าสัมประสิทธิ์การตอบสนองแรงกระตุ้นของตัวกรอง ดังนั้นหากทราบคำอธิบายเชิงวิเคราะห์ของการตอบสนองความถี่ที่ต้องการของตัวกรองก็เป็นไปได้ที่จะกำหนดค่าสัมประสิทธิ์ของการตอบสนองแบบอิมพัลส์ได้อย่างง่ายดายและจากฟังก์ชันการถ่ายโอนของตัวกรอง อย่างไรก็ตาม ในทางปฏิบัติสิ่งนี้ไม่สามารถทำได้ เนื่องจากการตอบสนองแบบอิมพัลส์ของตัวกรองดังกล่าวมีความยาวไม่สิ้นสุด นอกจากนี้ ตัวกรองดังกล่าวไม่สามารถเกิดขึ้นได้ทางกายภาพเนื่องจากการตอบสนองแบบกระตุ้นเริ่มต้นที่ -¥ และไม่มีความล่าช้าอันจำกัดจะทำให้ตัวกรองนี้สามารถใช้งานได้จริง วิธีหนึ่งที่เป็นไปได้ในการได้รับตัวกรอง FIR ที่ประมาณการตอบสนองความถี่ที่กำหนดคือการตัดทอนอนุกรมฟูริเยร์ที่ไม่มีที่สิ้นสุดและการตอบสนองแบบอิมพัลส์ของตัวกรอง โดยสมมติว่าชั่วโมง (n)=0 ที่ . แล้ว (10.30). ความสามารถในการรับรู้ทางกายภาพของฟังก์ชันการถ่ายโอนซ(ซ ) สามารถทำได้โดยการคูณ H(z) บน (10.31), ที่ไหน (10.32). ด้วยการปรับเปลี่ยนฟังก์ชันถ่ายโอน ลักษณะแอมพลิจูดของตัวกรองจะไม่เปลี่ยนแปลง และความล่าช้าของกลุ่มจะเพิ่มขึ้นตามจำนวนคงที่ ตามตัวอย่าง ลองคำนวณตัวกรอง FIR ความถี่ต่ำผ่านที่มีการตอบสนองความถี่ของแบบฟอร์ม (10.33). ตามข้อ (10.29) สัมประสิทธิ์การตอบสนองแรงกระตุ้นของตัวกรองอธิบายไว้ในนิพจน์ (10.34). ตอนนี้จาก (10.31) เราสามารถรับนิพจน์สำหรับฟังก์ชันถ่ายโอนได้ (10.35), ที่ไหน (10.36). ลักษณะแอมพลิจูดของตัวกรองที่คำนวณได้ต่างๆเอ็น แสดงในรูปที่ 10.2 รูปที่ 10.2 การกระเพื่อมในพาสแบนด์และสต็อปแบนด์เกิดขึ้นเนื่องจากการบรรจบกันอย่างช้าๆ ของอนุกรมฟูริเยร์ ซึ่งในทางกลับกัน ก็เกิดจากการที่ฟังก์ชันไม่ต่อเนื่องที่ความถี่คัตออฟของพาสแบนด์ การเต้นเป็นจังหวะเหล่านี้เรียกว่า ระลอกคลื่นกิ๊บส์. จากรูปที่ 10.2 จะเห็นได้ชัดเจนว่าเพิ่มขึ้นเอ็น ความถี่ของการเต้นเป็นจังหวะจะเพิ่มขึ้น และแอมพลิจูดจะลดลงทั้งที่ความถี่ต่ำและสูง อย่างไรก็ตาม แอมพลิจูดของระลอกสุดท้ายในพาสแบนด์และระลอกแรกในแถบหยุดยังคงไม่เปลี่ยนแปลงในทางปฏิบัติ ในทางปฏิบัติ ผลกระทบดังกล่าวมักไม่เป็นที่พึงปรารถนา ซึ่งต้องหาวิธีลดการเต้นเป็นจังหวะของกิ๊บส์ การตอบสนองแรงกระตุ้นที่ถูกตัดทอนชั่วโมง(น ) สามารถแสดงเป็นผลคูณของการตอบสนองแรงกระตุ้นอนันต์ที่ต้องการและบางส่วน ฟังก์ชั่นหน้าต่าง w (n) ความยาว n (รูปที่ 10.3) (10.37). ในกรณีที่พิจารณาถึงการตัดทอนอนุกรมฟูริเยร์อย่างง่าย เราจะใช้ หน้าต่างสี่เหลี่ยม (10.38). ในกรณีนี้ การตอบสนองความถี่ของตัวกรองสามารถแสดงเป็นการบิดที่ซับซ้อนได้ (10.39). ซึ่งหมายความว่าจะเป็นเวอร์ชัน "เบลอ" ของคุณลักษณะที่ต้องการ ปัญหาเกิดขึ้นที่การค้นหาฟังก์ชันหน้าต่างที่ทำให้สามารถลดการกระเพื่อมของ Gibbs ด้วยการเลือกตัวกรองแบบเดียวกัน เมื่อต้องการทำเช่นนี้ คุณต้องศึกษาคุณสมบัติของฟังก์ชันหน้าต่างโดยใช้ตัวอย่างของหน้าต่างสี่เหลี่ยมก่อน สเปกตรัมของฟังก์ชันหน้าต่างสี่เหลี่ยมสามารถเขียนได้เป็น (10.40). สเปกตรัมของฟังก์ชันหน้าต่างสี่เหลี่ยมแสดงไว้ในรูปที่ 10.4 รูปที่ 10.4 เนื่องจาก ที่ ความกว้างของกลีบหลักของสเปกตรัมจะเท่ากับ การมีอยู่ของกลีบด้านข้างในสเปกตรัมของฟังก์ชันหน้าต่างทำให้การกระเพื่อมของ Gibbs เพิ่มขึ้นในการตอบสนองความถี่ของตัวกรอง เพื่อให้เกิดการกระเพื่อมต่ำในพาสแบนด์และการลดทอนสูงในแถบหยุด จำเป็นที่พื้นที่ที่ถูกจำกัดโดยกลีบด้านข้างจะเป็นเพียงส่วนเล็กๆ ของพื้นที่ที่ถูกจำกัดโดยกลีบหลัก ในทางกลับกัน ความกว้างของกลีบหลักจะกำหนดความกว้างของโซนการเปลี่ยนแปลงของตัวกรองผลลัพธ์ เพื่อให้สามารถเลือกตัวกรองได้สูง ความกว้างของกลีบหลักควรมีขนาดเล็กที่สุดเท่าที่จะเป็นไปได้ ดังที่เห็นจากด้านบน ความกว้างของกลีบหลักจะลดลงตามลำดับตัวกรองที่เพิ่มขึ้น ดังนั้นจึงสามารถกำหนดคุณสมบัติของฟังก์ชันหน้าต่างที่เหมาะสมได้ดังนี้ - ฟังก์ชั่นหน้าต่างต้องถูกจำกัดเวลา - สเปกตรัมของฟังก์ชันหน้าต่างควรใกล้เคียงกับฟังก์ชันที่จำกัดความถี่ได้ดีที่สุด เช่น มีพลังงานขั้นต่ำอยู่นอกกลีบหลัก - ความกว้างของกลีบหลักของสเปกตรัมฟังก์ชันหน้าต่างควรมีขนาดเล็กที่สุดเท่าที่จะเป็นไปได้ ฟังก์ชั่นหน้าต่างที่ใช้บ่อยที่สุดคือ: 1. หน้าต่างสี่เหลี่ยม. กล่าวถึงข้างต้น 2. ทุบหน้าต่าง (10.41), ที่ไหน . หน้าต่างนี้เรียกว่าหน้าต่างฮันน์ (ฮันนิ่ง) 3. หน้าต่างแบล็คแมน 4. หน้าต่างของบาร์ตเลตต์ (10.43). ตัวบ่งชี้ตัวกรองที่สร้างขึ้นโดยใช้ฟังก์ชันหน้าต่างที่ระบุสรุปไว้ในตาราง 10.1
ปัจจัยระลอกคลื่นถูกกำหนดให้เป็นอัตราส่วนของความกว้างสูงสุดของกลีบด้านข้างต่อความกว้างของกลีบหลักในสเปกตรัมของฟังก์ชันหน้าต่าง ในการเลือกลำดับตัวกรองที่ต้องการและฟังก์ชันหน้าต่างที่เหมาะสมที่สุดเมื่อคำนวณตัวกรองจริง คุณสามารถใช้ข้อมูลในตาราง 10.2
ดังที่เห็นได้จากตาราง 10.1 มีความสัมพันธ์บางอย่างระหว่างค่าสัมประสิทธิ์การกระเพื่อมและความกว้างของกลีบหลักในสเปกตรัมของฟังก์ชันหน้าต่าง ยิ่งค่าสัมประสิทธิ์การเต้นของชีพจรน้อยลง ความกว้างของกลีบหลักก็จะมากขึ้น และโซนการเปลี่ยนแปลงในการตอบสนองความถี่ของตัวกรองก็จะมากขึ้นด้วย เพื่อให้แน่ใจว่ามีการกระเพื่อมต่ำในพาสแบนด์ จำเป็นต้องเลือกหน้าต่างที่มีค่าสัมประสิทธิ์การกระเพื่อมที่เหมาะสม และจัดเตรียมความกว้างที่ต้องการของโซนการเปลี่ยนแปลงด้วยลำดับตัวกรองที่เพิ่มขึ้น N ปัญหานี้สามารถแก้ไขได้โดยใช้หน้าต่างที่ Kaiser เสนอ ฟังก์ชันหน้าต่าง Kaiser มีรูปแบบ (10.44), โดยที่ a เป็นพารามิเตอร์อิสระ , I 0 – ฟังก์ชัน Bessel ของลำดับศูนย์ชนิดแรก ซึ่งกำหนดโดยนิพจน์ (10.45). คุณสมบัติที่น่าสนใจของหน้าต่าง Kaiser คือความสามารถในการเปลี่ยนค่าสัมประสิทธิ์การเต้นของจังหวะจากค่าเล็กไปเป็นค่าขนาดใหญ่ได้อย่างราบรื่นในขณะที่เปลี่ยนพารามิเตอร์ a เพียงตัวเดียว ในกรณีนี้ สำหรับฟังก์ชันหน้าต่างอื่นๆ ความกว้างของกลีบหลักสามารถปรับได้ตามลำดับตัวกรอง N พารามิเตอร์หลักที่กำหนดเมื่อพัฒนาตัวกรองจริงคือ: แบนด์วิธ - wp ; แถบอุปสรรค - w a ; ระลอกคลื่นสูงสุดที่อนุญาตในพาสแบนด์คือ A p ; การลดทอนแถบหยุดขั้นต่ำ – A a ; -ความถี่ในการสุ่มตัวอย่าง -ส. พารามิเตอร์เหล่านี้แสดงไว้ในรูปที่ 10.5 ในกรณีนี้ ระลอกสูงสุดในพาสแบนด์จะถูกกำหนดเป็น (10.46), และการลดทอนขั้นต่ำในแถบหยุดจะเป็นดังนี้ ขั้นตอนที่ค่อนข้างง่ายในการคำนวณตัวกรองด้วยหน้าต่าง Kaiser มีขั้นตอนต่อไปนี้: 1. พิจารณาการตอบสนองแบบอิมพัลส์ของตัวกรอง h (n) โดยมีเงื่อนไขว่าการตอบสนองความถี่เหมาะสมที่สุด (10.48), โดยที่ (10.49) 2. เลือกพารามิเตอร์ d เป็น (10.50), ที่ไหน (10.51). 3. ค่าที่แท้จริงของ A a และ A p คำนวณโดยใช้สูตร (10.46), (10.47) 4.พารามิเตอร์ a ถูกเลือกเป็น (10.52). 5.พารามิเตอร์ D ถูกเลือกเป็น (10.53). 6. เลือกค่าคี่ที่น้อยที่สุดของลำดับตัวกรองจากเงื่อนไข (10.54), (10.57) ตามนั้น เนื่องจากตัวอย่างของการตอบสนองอิมพัลส์ของตัวกรองคือค่าสัมประสิทธิ์ของฟังก์ชันการถ่ายโอน เงื่อนไข (10.59) หมายความว่ารหัสของค่าสัมประสิทธิ์ตัวกรองทั้งหมดมีเพียงส่วนเศษส่วนและบิตเครื่องหมายเท่านั้น และไม่มีส่วนจำนวนเต็ม จำนวนหลักของส่วนเศษส่วนของค่าสัมประสิทธิ์ตัวกรองถูกกำหนดจากเงื่อนไขของการตอบสนองฟังก์ชันการถ่ายโอนตัวกรองด้วยค่าสัมประสิทธิ์เชิงปริมาณซึ่งเป็นข้อกำหนดที่ระบุสำหรับการเข้าใกล้ฟังก์ชันการถ่ายโอนอ้างอิงด้วยค่าสัมประสิทธิ์ที่แน่นอน ค่าสัมบูรณ์ของตัวอย่างสัญญาณอินพุตตัวกรองมักจะถูกทำให้เป็นมาตรฐานเช่นนั้น หากทำการวิเคราะห์สำหรับตัวกรอง FIR ที่มีการตอบสนองเฟสเชิงเส้นอัลกอริทึมสำหรับการคำนวณสัญญาณเอาท์พุตอาจเป็นดังนี้ โดยที่ค่าสัมประสิทธิ์ตัวกรองถูกปัดเศษเป็น sk อัลกอริทึมนี้สอดคล้องกับแผนภาพบล็อกตัวกรองที่แสดงในรูปที่ 10.5 มีสองวิธีในการใช้อัลกอริทึมนี้ ในกรณีแรก การดำเนินการคูณทั้งหมดจะดำเนินการทุกประการและไม่มีการปัดเศษผลคูณ ในกรณีนี้ ความลึกบิตของผลิตภัณฑ์จะเท่ากับ s ใน +s k โดยที่ s in คือความลึกบิตของสัญญาณอินพุต และ sk คือความลึกบิตของสัมประสิทธิ์ตัวกรอง ในกรณีนี้ บล็อกไดอะแกรมของตัวกรองที่แสดงในรูปที่ 10.5 สอดคล้องกับตัวกรองจริงทุกประการ ในวิธีที่สองของการใช้อัลกอริทึม (10.61) แต่ละผลลัพธ์ของการดำเนินการคูณจะถูกปัดเศษ นั่นคือ สินค้าถูกคำนวณโดยมีข้อผิดพลาดบางประการ ในกรณีนี้จำเป็นต้องเปลี่ยนอัลกอริธึม (10.61) เพื่อคำนึงถึงข้อผิดพลาดที่เกิดจากการปัดเศษผลิตภัณฑ์ หากค่าตัวอย่างของสัญญาณเอาต์พุตตัวกรองคำนวณโดยใช้วิธีแรก (ด้วยค่าที่แน่นอนของผลิตภัณฑ์) การกระจายตัวของสัญญาณรบกวนเอาต์พุตจะถูกกำหนดเป็น (10.66), เหล่านั้น. ขึ้นอยู่กับความแปรปรวนของสัญญาณรบกวนการปัดเศษของสัญญาณอินพุตและค่าของค่าสัมประสิทธิ์ตัวกรอง จากที่นี่คุณจะพบจำนวนบิตที่ต้องการของสัญญาณอินพุตเป็น (10.67). การใช้ค่าที่ทราบของ s in และ sk เราสามารถกำหนดจำนวนบิตที่จำเป็นสำหรับส่วนที่เป็นเศษส่วนของรหัสสัญญาณเอาท์พุตได้ดังนี้ หากค่าของตัวอย่างสัญญาณเอาท์พุตคำนวณโดยใช้วิธีที่สองเมื่อแต่ละผลิตภัณฑ์ถูกปัดเศษเป็นตัวเลข d การกระจายตัวของสัญญาณรบกวนการปัดเศษที่สร้างขึ้นโดยตัวคูณแต่ละตัวสามารถแสดงในรูปของความจุหลักของ สินค้าเป็น DR เข้าและอัตราส่วนสัญญาณต่อเสียงรบกวนที่เอาต์พุตตัวกรอง SNR ออก ช่วงไดนามิกของสัญญาณอินพุตในหน่วยเดซิเบลถูกกำหนดเป็น (10.74), โดยที่ค่าสูงสุดและค่าต่ำสุดคือแอมพลิจูดสูงสุดและต่ำสุดของสัญญาณอินพุตตัวกรอง อัตราส่วนสัญญาณต่อเสียงรบกวนที่เอาต์พุตตัวกรอง ซึ่งแสดงเป็นเดซิเบล ถูกกำหนดเป็น (10.75), กำหนดค่ารากกำลังสองเฉลี่ยของกำลังของสัญญาณไซน์ซอยด์เอาต์พุตของตัวกรองด้วยแอมพลิจูด A min และ (10.77) กำหนดกำลังเสียงที่เอาต์พุตตัวกรอง จาก (10.75) และ (10.76) ด้วย A max =1 เราได้รับนิพจน์สำหรับการกระจายตัวของสัญญาณรบกวนเอาต์พุตของตัวกรอง (10.78). ค่าการกระจายสัญญาณรบกวนเอาต์พุตของตัวกรองนี้สามารถใช้เพื่อคำนวณความลึกบิตของสัญญาณอินพุตและเอาต์พุตของตัวกรอง โลกแห่งโปรแกรมฟรีและเคล็ดลับที่เป็นประโยชน์ 2024 whatsappss.ru |