数字滤波器的技术指标

文章目录

  • 幅频特性指标
  • 相频特性指标
  • 各型滤波器的幅度响应
  • 表征数字滤波器频率响应特性的三个参量
    • (1) 幅度平方响应
    • (2) 相位响应
    • (3) 群延迟响应


数字滤波器的技术指标一般可以用幅频特性和相频特性指标来给出。
设数字滤波器的频率响应为:
H ( e j ω ) = ∣ H ( e j ω ) ∣ e j φ ( ω ) H(\mathrm{e}^{\mathrm{j}\omega})=\mid H(\mathrm{e}^{\mathrm{j}\omega})\mid\mathrm{e}^{\mathrm{j}\varphi(\omega)} H(ejω)=∣H(ejω)ejφ(ω)
式中:|H(e )|表征幅频特性,φ(ω)表征相频特性。幅频特性表示信号通过该滤波器后各频率成分衰减情况,而相频特性反映了各频率成分通过滤波器后在时间上的延时情况。因此,即使两个滤波器幅频特性相同,而相频特性不一样,对相同的输入,滤波器输出的信号波形也是不一样的。

幅频特性指标

在这里插入图片描述

一个实际数字低通滤波器的幅频特性及技术指标如上图所示。与理想低通滤波器相比可以看出,实际的滤波器有明显的不同:

一是通带和阻带内不再平坦,都存在一定的波动;

二是在通带和阻带之间的切换不再是直线下降的而是有一个过渡带,幅频特性逐步从大变小。

这是因为理想低通滤波器的幅频特性从通带到阻带之间有突变,将导致其物理上是不可实现的。为了物理上可实现,实际设计的滤波器在通带与阻带之间应有一定宽度的过渡带,以便允许幅频特性平滑地下降。同时,通带和阻带内不可能严格为1或0,应允许有一定的偏差,容许偏差的极限称为容限


参数符号
通带截止频率ωp
阻带截止频率ωs
通带容限δp
阻带容限δs
通带允许的最大衰减(波纹)Rp
阻带应达到的最小衰减As
3dB截止频率ωc

频段[0,ωp]称为通带,ωp 称为通带截止频率,δp 称为通带容限,在通带内幅频特性要求为:
1 − δ p ⩽ ∣ H ( e j ω ) ∣ ⩽ 1 , ∣ ω ∣ ⩽ ω p 1-\delta_{_p}\leqslant\mid H\left(\mathrm{e}^{\mathrm{j}\omega}\right)\mid\leqslant1,\quad\mid\omega\mid\leqslant\omega_{_p} 1δpH(ejω)1,ωωp
频段[ωs,π]称为阻带,ωs 称为阻带截止频率,δs 称为阻带容限,在阻带内幅频特性要求为:
∣ H ( e j ω ) ∣ ⩽ δ s , ω s t ⩽ ∣ ω ∣ ⩽ π \mid H(\mathrm{e}^\mathrm{j\omega})\mid\leqslant\delta_\mathrm{s},\quad\omega_\mathrm{st}\leqslant\mid\omega\mid\leqslant\pi H(ejω)δs,ωstωπ
通带容限δp 和阻带容限δs 描述了通带和阻带内幅频特性的波动程度。在工程应用中,这两个参数常用其dB(分贝)值来描述,通带允许的最大衰减(波纹)Rp分贝(dB)以及阻带应达到的最小衰减As分贝(dB)(已归一化为|H(ejw)|max=1),要求:
R ρ ⩾ 20 lg ⁡ ∣ H ( e j ω ) ∣ max ⁡ ∣ H ( e j ω p ) ∣ = − 20 lg ⁡ ∣ H ( e j ω p ) ∣ = − 20 lg ⁡ ( 1 − δ p ) ( d B ) A s ⩽ 20 lg ⁡ ∣ H ( e j ω ) ∣ max ⁡ ∣ H ( e j ω s t ) ∣ = − 20 lg ⁡ ∣ H ( e j ω s t ) ∣ = − 20 lg ⁡ δ s ( d B ) \begin{aligned}&R_\rho\geqslant20\lg\frac{\mid H(\mathrm{e}^{\mathrm{j\omega}})\mid_{\max}}{\mid H(\mathrm{e}^{\mathrm{j\omega_p}})\mid}=-20\lg\mid H(\mathrm{e}^{\mathrm{j}\omega_p})\mid=-20\lg(1-\delta_p)(\mathrm{d}\mathrm{B})\\&A_s\leqslant20\lg\frac{\mid H(\mathrm{e}^{\mathrm{j}\omega})\mid_{\max}}{\mid H(\mathrm{e}^{\mathrm{j}\omega _{st}})\mid}=-20\lg\mid H(\mathrm{e}^{\mathrm{j}\omega _{st}})\mid=-20\lg\delta_s(\mathrm{d}\mathrm{B})\end{aligned} Rρ20lgH(ejωp)H(ejω)max=20lgH(ejωp)∣=20lg(1δp)(dB)As20lgH(ejωst)H(ejω)max=20lgH(ejωst)∣=20lgδs(dB)
如果用分贝(dB)表示增益,则把|H(ejw)|max=1[一般是指w=0处(|H(ej0)|= 1]的增益[20lg|H(ejw)|max =0]称为0dB。则通带边沿(w= wp)处增益为-Rp,而其衰减则称为Rp(Rp为正数,单位为dB);同样阻带起始频率ws处的增益为-As,而其衰减则为As,(A,也为正数,单位为dB)。

若要求w=wp时, ∣ H ( e j ω p ) ∣ = 1 − δ p = 1 2 = 0.707 \mid H(\mathrm{e}^{\mathrm{j}\omega_{p}})\mid=1-\delta_{p}=\frac{1}{\sqrt{2}}=0.707 H(ejωp)∣=1δp=2 1=0.707

则在w=wp处衰减为
201 g [ ∣ H ( e j ω m ) ∣ m a x ∣ H ( e j ω p ) ∣ ] = − 201 g ∣ H ( e j ω p ) ∣ = − 20 l g ( 1 − δ s ) = 3 d B {\rm{201g}}\left[ {\frac{{{{\left| {H({e^{{j_{{\omega _m}}}}})} \right|}_{{\rm{max}}}}}}{{\left| {H({e^{{j_{{\omega _p}}}}})} \right|}}} \right] = - 201g|H({e^{{j_{{\omega _p}}}}})| = - 20{\rm{lg}}(1 - {\delta _s}) = 3{\rm{dB}} 201g[ H(ejωp) H(ejωm) max]=201gH(ejωp)=20lg(1δs)=3dB
即在w=wp处增益为-3dB(衰减为3dB)[把|H(ejw)|的最大值的增益定为0dB]。在w=wp处的衰减,也可以要求是其他分贝数,例如1dB、2dB等。


在这里插入图片描述

上图画出了同一滤波器的幅频特性绝对值和相对值(dB值)曲线。一般来说,在工程应用中通常要求As>40dB,即对噪声、干扰等无用信号的抑制作用要大于40dB,此时对应的幅频特性绝对值小于0.01。显然,此时图(a)中显示的幅频特性绝对值曲线不便于观察阻带响应曲线(近似与零值坐标轴重合),而图(b)清楚地显示出阻带-40dB以下的响应曲线,这样便于观察和描述滤波器频率响应特性。所以,常用幅频特性的衰减dB值描述设计指标
频段[ωps]称为过渡带,Δω=ωsp 表示过渡带宽,在这个过渡带内幅频特性平滑地从通带下降到阻带。对比理想滤波器,从理论上来说过渡带越窄越好。但当通带和阻带指标不变时,过渡带越窄,要求的滤波器阶数越高,付出的代价也越高。

在《数字信号处理原理与应用》书中对通带最大衰减的计算有所不同,采用w=0为归一基准。

在这里插入图片描述

部分书籍中计算公式:
a p = 20 lg ⁡ 1 + δ p 1 − δ p , a_{_p}=20\lg\frac{1+\delta_{_p}}{1-\delta_{_p}}, ap=20lg1δp1+δp,

需要注意区分。

相频特性指标

数字滤波器的相频特性可以表示为:
φ ( ω ) = arg [ H ( e j ω ) ] \varphi(\omega)=\text{arg}\Big[H\left(\mathrm{e}^{\mathrm{j}\omega}\right)\Big] φ(ω)=arg[H(ejω)]
式中:arg[●]表示取相位操作。

数字滤波器的相频特性表征了输人信号各频率成分通过滤波器后在时间上的延时情况。一般来说,如果滤波器用于对相位要求不敏感的场合时,如语音通信等,设计滤波器可以只考虑幅频特性。而对于一些对输出波形有要求的应用场景,如波形传输、图像信号处理等,必须要同时考虑幅频和相频特性。此时,要求设计的滤波器除了具有所期望的幅频特性外,还应具有线性相位。

各型滤波器的幅度响应

在这里插入图片描述

表征数字滤波器频率响应特性的三个参量

(1) 幅度平方响应

在这里插入图片描述

(2) 相位响应

在这里插入图片描述

(3) 群延迟响应

在这里插入图片描述

参考:
《数字信号处理教程》程佩青。
《数字信号处理原理与应用》

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/248527.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

多线程事务如何回滚?

背景介绍 1,最近有一个大数据量插入的操作入库的业务场景,需要先做一些其他修改操作,然后在执行插入操作,由于插入数据可能会很多,用到多线程去拆分数据并行处理来提高响应时间,如果有一个线程执行失败&am…

构建基于Flask的跑腿外卖小程序

跑腿外卖小程序作为现代生活中的重要组成部分,其技术实现涉及诸多方面,其中Web开发框架是至关重要的一环。在这篇文章中,我们将使用Python的Flask框架构建一个简单的跑腿外卖小程序的原型,展示其基本功能和实现原理。 首先&…

echarts:获取省、市、区/县、镇的地图数据

目录 第一章 前言 第二章 获取地图的数据(GeoJSON格式) 2.1 获取省、市、区/县地图数据 2.2 获取乡/镇/街道地图数据 第一章 前言 需求:接到要做大屏的需求,其中需要用echarts绘画一个地图,但是需要的地图是区/县…

Linux浅学笔记03

目录 有关root的命令 用户和用户组 用户组管理:(以下需要root用户执行) 创建用户组: 删除用户组: 用户管理:(以下需要root用户执行) 创建用户: 删除用户: 查看用…

掌握 Android JNI 基础

写在前面 最近在看一些底层源码,发现 JNI 这块还是有必要系统的看一下,索性就写一写博客,加深加深印象🍻 本文重点聊一聊一些干货,避免长篇大论 JNI 概述 JNI 是什么? 定义:Java Native In…

Mysql流程控制函数

任何一门语言都有顺序结构 分支结构 循环结构 流程处理函数可以根据不同的条件,执行不同的处理流程,可以在 SQL 语句中实现不同的条件选择。 MySQL 中的流程处理函数主要包括 IF() 、 IFNULL() 和 CASE() 函数。 IF(value,value1,value2)函数举例 IF…

Qt无边框窗口拖拽和阴影

先看下效果: 说明 自定义窗口控件的无边框,窗口事件由于没有系统自带边框,无法实现拖拽拉伸等事件的处理,一种方法就是重新重写主窗口的鼠标事件,一种时通过nativeEvent事件处理。重写事件相对繁琐,我们这里推荐nativeEvent处理。注意后续我们在做win平…

微信小程序 仿微信聊天界面

1. 需求效果图 2. 方案 为实现这样的效果,首先要解决两个问题: 2.1.点击输入框弹出软键盘后,将已有的少许聊天内容弹出,导致看不到的问题 点击输入框弹出软键盘后,将已有的少许聊天内容弹出,导致看不到的问…

算法面试八股文『 基础知识篇 』

博客介绍 近期在准备算法面试,网上信息杂乱不规整,出于强迫症就自己整理了算法面试常出现的考题。独乐乐不如众乐乐,与其奖励自己,不如大家一起嗨。以下整理的内容可能有不足之处,欢迎大佬一起讨论。 PS:…

EPSON RC 机器人-第一个程序

创建项目 有机械人且用USB线连接好。可以USB。没有真机的选择 C4 Sample 可以运行程序。 否刚会提示【不能连接到控制器,未安装USB驱动器】 代码 按F5打开运行窗口 再点【开始】 点 【是】,查看运行结果

手把手教你使用Flask搭建ES搜索引擎(实战篇)

目录 一、引言 二、准备工作 三、搭建Flask应用程序 四、创建索引并插入数据 五、运行应用程序和测试搜索功能 一、引言 随着互联网的发展,搜索引擎已经成为我们获取信息的重要工具。然而,传统的搜索引擎如Google、Baidu等,虽然功能强大…

C语言之刷到的怪题(i与sizeof(i)比较大小)

这个题目一般都是选择输出<。为什么呢&#xff1f;因为i是一个全局变量&#xff0c;并且没有初始化&#xff0c;那么i的值就等于0。i--之后就是-1了。而sizeof(i)求出的就是整形变量对应的大小4个字节。-1<4&#xff0c;因此就选择 输出<。其实不然&#xff0c;这个si…

1.迭代与递归 - JS

迭代与递归是函数进阶的第一个门槛。迭代就是对已知变量反复赋值变换&#xff1b;递归就是函数体内调用自身。 迭代 一个迭代是就是一个循环&#xff0c;根据迭代式对变量反复赋值。 求近似根&#xff08;切线法&#xff09;&#xff1b; 迭代描述&#xff1a; x 0 x_0 x0…

mysql之基本查询

基本查询 一、SELECT 查询语句 一、SELECT 查询语句 本文所用案例已上传资源 查询所有列 1 SELECT *FORM emp;查询指定字段 SELECT empno,ename,job FROM emp;给字段取别名 SELECT empno 员工编号 FROM emp; SELECT empno 员工编号,ename 姓名,job 岗位 FROM emp; SELECT …

Servlet过滤器个监听器

过滤器和监听器 过滤器 什么是过滤器 当浏览器向服务器发送请求的时候&#xff0c;过滤器可以将请求拦截下来&#xff0c;完成一些特殊的功能&#xff0c;比如&#xff1a;编码设置、权限校验、日志记录等。 过滤器执行流程 Filter实例 package com.by.servlet;import jav…

Codeforces Round 799 (Div. 4)

目录 A. Marathon B. All Distinct C. Where’s the Bishop? D. The Clock E. Binary Deque F. 3SUM G. 2^Sort H. Gambling A. Marathon 直接模拟 void solve() {int ans0;for(int i1;i<4;i) {cin>>a[i];if(i>1&&a[i]>a[1]) ans;}cout<&l…

开源博客项目Blog .NET Core源码学习(8:EasyCaching使用浅析)

开源博客项目Blog使用EasyCaching模块实现缓存功能&#xff0c;主要是在App.Framwork项目中引用了多类包&#xff0c;包括内存缓存&#xff08;EasyCaching.InMemory&#xff09;、Redis缓存&#xff08;EasyCaching.CSRedis&#xff09;&#xff0c;同时支持多种序列化方式&am…

人脸识别技术在网络安全中有哪些应用前景?

人脸识别技术在网络安全中有广泛的应用前景。以下是一些主要的应用方向&#xff1a; 1. 身份验证和访问控制&#xff1a;人脸识别可以用作一种更安全和方便的身份验证方法。通过将用户的人脸与事先注册的人脸进行比对&#xff0c;可以实现强大的身份验证&#xff0c;避免了传统…

uniapp微信小程序-请求二次封装(直接可用)

一、请求封装优点 代码重用性&#xff1a;通过封装请求&#xff0c;你可以在整个项目中重用相同的请求逻辑。这样一来&#xff0c;如果 API 发生变化或者需要进行优化&#xff0c;你只需在一个地方修改代码&#xff0c;而不是在每个使用这个请求的地方都进行修改。 可维护性&a…

Pytest测试用例参数化

pytest.mark.parametrize(参数名1,参数名2...参数n, [(参数名1_data1,参数名2_data1...参数名n_data1),(参数名1_data2,参数名2_data2...参数名n_data2)]) 场景&#xff1a; 定义一个登录函数test_login,传入参数为name,password&#xff0c;需要用多个账号去测试登录功能 # …