книги / Цифровые сигналы и фильтры
..pdfОтличие частотной характеристики ЦФ |
! |
î |
! |
5 |
от амплитудного спектра сигнала объяс |
|
|
|
|
няется недостаточно малым значением |
|
|
|
|
выбранного интервала дискретизации. |
|
|
|
|
4. Сигнал Баркера {N=7). |
|
|
|
|
Описанный подход к выбору оптималь |
|
|
|
|
ного фильтра используем при выборе ЦФ, |
|
|
|
|
согласованного с сигналом Баркера. |
|
|
|
|
Сигнал Баркера приведен на рис. 7.12. |
|
|
|
|
На рис. 7.13 изображены импульсная ха |
|
|
|
|
рактеристика согласованного фильтра. |
|
|
|
|
Сигнал на выходе ЦФ изображен рис. |
|
Рис. 7.12 |
|
|
7.14. |
|
|
||
При воздействии на ЦФ аддитивной |
|
|
|
|
смеси сигнал и шум ( отношение сигнал/шум на входе 0,5) график сигнала на входе имеет вид, показанный на рис. 7.15 , на выходе ЦФ - рис. 7.16.
Ограничение импульсной характеристики во времени означает умно
жение исходной функции И(пТ) на весовую функцию - |
функцию окна, в |
рассматриваемом случае - прямоугольного вида w(nT): |
|
\(пТ) = h(nT)w(nT), |
(1.21) |
где w(nT) - последовательность конечной длительности (функция окна),
w(n) = |
I при 0 < п < N -1 |
(7.28) |
|
|
О прип< 0,п> N - \ |
Величина hk(nT) и используется в качестве импульсной характеристики выбираемого ЦФ.
В ряде случаев вместо прямоугольного окна используются временные окна другого вида, обеспечивающие сглаживание частотной характерис тики.
Таким образом, последовательность синтеза согласованного ЦФ заклю чается в следующем.
Имея временную функцию исходного непрерывного сигнала, выбира ют импульсную характеристику ЦФ, произведя перенос зеркально отобра женной временной функции сигнала в положительную область и при не обходимости ограничивая ее во времени; производится дискретизация импульсной характеристики.
Умножают импульсную характеристику ЦФ на функцию окна. Полу ченная характеристика определяет нерекурсивную схему согласованного ЦФ. В некоторых случаях от нерекурсивной схемы можно перейти к ре курсивной.
Определив частотную характеристику выбранного ЦФ, можно сравнить ее с требуемой. Корректировка возможна путем уменьшения интервала дискретизации и выбора функции окна.
Таким образом, описан подход к получению нерекурсивной схемы со гласованного ЦФ. Получить рекурсивную схему в общем случае можно только как квазиоптимальную.
Как показывают рассмотренные примеры, сигнал на выходе согласо ванного фильтра может иметь значительные искажения (сигнал имеет вид корреляционной функции сигнала). Указанное обстоятельство при приеме сигнала на фоне шума может явиться веской причиной перехода от опти мальных к квазиоптимальным фильтрам.
7.3. К вази опти м ал ьн ы е циф ровы е ф и л ь т р ы
При оптимизации характеристик ЦФ можно, не обращая внимания на вид частотной характеристики, задать только полосу пропускания, обеспечива ющую наилучшее обнаружение сигнала на фоне шума. Такие фильтры бу дем называть квазиоптимальными. В ряде случаев квазиоптимальные филь тры вследствие своей простоты и универсальности являются более пред почтительными, а потери при замене оптимальных фильтров квазиоптималь ными могут быть несущественны. Использование квазиоптимальных филь тров предоставляет большие возможности обеспечения меньших искаже ний сигнала на выходе фильтра. При выборе квазиоптимальных фильтров появляются большие возможности применения рекурсивных схем, облада ющих определенными достоинствами по сравнению с нерекурсивными.
Рассматривая схемы квазиоптимальных фильтров, выделим только не скольких основных их видов и по отношению к ним рассмотрим подход к выбору оптимальной частотной характеристики (полосы пропускания). Синтез квазиоптимальных ЦФ остальных видов аналогичен выбранным для рассмотрения.
UJ(H 7) |
urfnT) |
LT |
T |
Рис. 7.17
7.3.1.Фильтр нижних частот
Цифровой фильтр ФНЧ, рассмотренный ранее (рис.7.17), имеет частот ную характеристику, описываемую выражением
(7.29)
АЧХ фильтра определяется как
(7.30)
Графики АЧХ фильтра для некоторых значений L и М представлены на рис. 7.18 (при (О>0).
При заданном виде АЧХ, чтобы выбрать оптимальную полосу пропус кания фильтра (при которой обеспечивается максимальное значение отно шения сигнал/шум на выходе) от выражения для нее в виде (7.30) перей дем к более простому, аппроксимирующему характеристику ЦФ. Анализ выражения и графиков АЧХ фильтра позволяет считать наиболее подходя щей для аппроксимации функцию гауссовского вида (Разд. 6)
\Н(а>)\=е 2с1
где с - постоянная величина.
АЧХ фильтра определяется только одним параметром с. Так для фильт ра, включающего М=6 звеньев, можно принять:
при L = 2 с =0,85; L = 3 c =0,57; L =4 с=0,33.
Для случая белого шума на входе дисперсия шума на выходе фильтра с характеристикой (7.31), можно считать, определяется выражением
ст2 |
= —? N 0 1Н (со) |2 do), |
(7.32) |
|
тг* |
|
Энергия сигнала на выходе такого фильтра описывается выражением |
||
W2 |
= —1|5, (û>)f \ Н((о) |2 dco |
(7.33) |
|
п О |
|
Отношение сигнал/шум на выходе фильтра определим с учетом (7.32) и (7.33) как
q= W2/ а2. |
(7.34) |
Таким образом, исходными величинами при определении q являются спектральная плотность сигнала на входе и АЧХ фильтра. В свою очередь АЧХ определяется параметром с, зависящим от параметров ЦФ L и А/, как это следует из (7.31).
Максимальное отношение сигнал/помеха на выходе (7.34) можно опре делить, если взять производную q по с и приравнять ее нулю.
Из этого уравнения найдется значение с и соответствующие параметры квазиопимального фильтра: Lu М.
При использовании ФНЧ с идеальной АЧХ с верхней частотой среза (Ов выражения (7.32) и (7.33) запишутся в виде
<r2 = - \ N 0 \H{co)\2 dco = ^ N ^ |
(7.35) |
|
* о |
л |
|
1 т‘ |
, |
(7.36) |
W2 = - \ \ S x{(o)\ dû). |
71 О
Таким образом, выражение для отношения сигнал/шум на выходе филь тра получим в виде
q= ih : IfrMf*"- <7” >
0Шв О
Максимальное значение этого отношения может быть найдено, если взять производную q по й и приравнять ее нулю. Таким образом, опреде ляется полоса пропускания фильтра, соответствующая максимальному значению отношения сигнал/шум на выходе.
Реализацию идеальной частотной характеристики ФНЧ наиболее удоб но осуществить с использованием цифрового фильтра Баттерворта или фильтра Чебышева (Разд. 5).
Полосовой фильтр
Полосовой фильтр используется преимущественно для выделения уз кополосных сигналов, и пачек импульсных сигналов; с этой точки зрения синтез квазиоптимального ПФ представляет несомненный интерес. Схема ПФ изображена на рис. 7.19.
1
Частотная характеристика ЦФ, включающего М звеньев, описывается выражением
( Г£(2ш7’ -> г)'Л "
sin
.А/ (1-1) (2(оТ-л)
« Н = - р г |
(2<оТ- ж) |
|
sin |
АЧХ фильтра: |
|
|
r L ( 2 ( ù T - n ) ^ M |
|
sin — ----------- |
1 » И 1 = Й Г |
[l(ûT - я ) |
|
sin |
(7.38)
(7.39)
Графики АЧХ полосового фильтра приведены на рис. 7.20. Аппроксимировать амплитудно-частотную характеристику ПФ можно
с использованием следующего выражения
\Н(со)\=е~ 2с2 |
(7-40) |
Отношение сигнал/шум на выходе фильтра определяется выражением
q= W2/ G2. |
(7.41) |
Величина q зависит от спектральной плотности сигнала на входе и АЧХ фильтра. Максимальное значение этого отношения может быть опреде лено, если взять его производную по с и приравнять ее нулю (по анало гии с ФНЧ).
8. АППРОКСИМАЦИЯ СИГНАЛОВ НА ОСНОВЕ АЛГОРИТМОВ ЦИФРОВОЙ ФИЛЬТРАЦИИ
Любая база данных, вводимая в компьютер, превращается во времен ную последовательность - дискретный сигнал и, как сигнал, может обра батываться в соответствии с заданным алгоритмом. Поскольку компью терная обработка становиться неотъемлемой частью анализа в статистике, и не только в статистике, понятие “сигнал” выходит за пределы теорети ческой радиотехники и наполняется новым содержанием.
Таким образом, обработка сигналов с использованием ЦФ может стать средством решения задач в смежных с радиотехникой (и не только смеж ных) областях. В частности, цифровая обработка является эффективным методом аппроксимации функций и случайных процессов с любым физи ческим содержанием. Этой теме посвящен настоящий раздел: рассматри вается сглаживающая аппроксимация осциллирующей функции и случай ного процесса с использованием алгоритмов цифровой фильтрации.
8.1.Содерж ание м е то д а
Каппроксимации часто приходится прибегать тогда, когда рассматри ваемая функция получена с определенными ошибками (например, экспе риментально). Обычно это дискретная функция, интерполяция которой вследствие ошибок дает искаженное представление об исследуемом про цессе. Примерами могут служить гистограммы плотности распределения вероятностей (ПРВ) и функции распределения вероятностей (ФРВ), изоб раженные на рис. 8.1. Гистограммы отражают результаты эксперименталь ного оценивания характеристик случайного процесса на основе статисти ческой обработки отрезка его реализации. Вследствие ограниченного объе ма результатов измерений неизбежны ошибки, которые приводят к раз бросу значений определяемых функций, затрудняют анализ полученных результатов. Интерполяция дискретных значений, отражающих проведен ное оценивание, лишь подчеркнет имеющиеся ошибки. Для получения “сглаженных” непрерывных функций на основе дискретных значений не обходимо выбрать аппроксимирующую функцию, как это и сделано на гра фиках рис. 8.1.
Второй пример - статистические данные, представленные на рис. 8.2,а (слева исходная дискретная последовательность, справа непрерывная апп роксимирующая функция). На рис.8.2,б изображен график “осциллирую щей” функции, как результат интерполяции дискретных значений, отра-