Тема цифровые фильтры обработки одномерных сигналов icon

Тема цифровые фильтры обработки одномерных сигналов



НазваниеТема цифровые фильтры обработки одномерных сигналов
Дата конвертации29.07.2012
Размер308.14 Kb.
ТипРеферат
1. /dsp01-Введение в цифровую обработку сигналов.doc
2. /dsp02-Цифровые фильтры.doc
3. /dsp03-Фильтры МНК.doc
4. /dsp04-Фильтры производных и интегрирования.doc
5. /dsp05-Фильтрация случайных сигналов.doc
6. /dsp06-Весовые функции.doc
7. /dsp07-Нерекурсивные частотные фильтры.doc
8. /dsp08-Z-преобразование.doc
9. /dsp09-Рекурсивные цифровые фильтры.doc
10. /dsp10-Рекурсивные частотные фильтры.doc
11. /dsp11-Адаптивные фильтры.doc
12. /dsp12-Оптимальные фильтры.doc
13. /dsp13-Деконволюция сигналов.doc
14. /dsp14-Аппроксимация сигналов.doc
15. /dsp15-Регрессия.doc
16. /dsp16-Медианные фильтры.doc
17. /dsp17-Обработка изображений.doc
18. /dsp18-Распознавание объектов изображений.doc
19. /dsp19-Основы WT.doc
20. /dsp20-Свойства WT.doc
21. /dsp21-Кратномасштабный анализ.doc
22. /dsp22-Непрерывное и диадное вейвлет-преобразование.doc
23. /dsp24-Преобразование Гильберта-Хуанга.doc
24. /dsp25-Анализ и обработка данных методом EMD.doc
25. /literature.doc
26. /titul.doc
27. /Программа ТЦОД 2007.doc
Тема введение в цифровую обработку сигналов в серьезных делах следует заботиться не столько о том, чтобы создавать благоприятные возможности, сколько о том, чтобы их не упускать
Тема цифровые фильтры обработки одномерных сигналов
Тема фильтры сглаживания. Метод наименьших квадратов
Тема разностные фильтры и фильтры интегрирования
Тема фильтрация случайных сигналов как бы ни кичились люди величием своих знаний, последние часто бывают следствием не великих замыслов, а простой случайности
html">Тема весовые функции
Тема нерекурсивные частотные цифровые фильтры недостаточно овладеть премудростью, нужно уметь пользоваться ею
Тема z-преобразование сигналов и системных функций
Тема рекурсивные цифровые фильтры рекурсия свойство живой природы. И амеба, и человек принимают решения на основании текущей ситуации и прошлого опыта. Это самое удачное решение Всевышнего при сотворении Мира
Тема 10. Рекурсивные частотные цифровые фильтры благословен Господь, кто содеял все нужное нетрудным, а все трудное ненужным
Тема 11. Адаптивная фильтрация цифровых данных пусть они постараются подчинить себе обстоятельства, а не подчиняются им сами
Тема 12. Оптимальные линейные цифровые фильтры
Тема 13. Деконволюция цифровых сигналов если дом красив, то мы понимаем, что он был выстроен для хозяев, а не для мышей
Цифровая обработка сигналов
Тема 15. Регрессия регрессия, это инструмент статистики, на субъективность которого информатики могут сваливать все свои ошибки
Тема 16. Медианные фильтры кому неведомо всегдашнее несоответствие между тем, что человек ищет, и что находит?
Тема 17. Обработка изображений нет ничего, на что бы ни дерзнуло воображение человека
Тема 18. Распознавание объектов изображений любое человеческое знание начинается с интуиции, переходит к понятиям и завершается идеями
Тема 19
Тема 20. Свойства вейвлет
Тема 21
Тема 22. Непрерывное и диадное вейвлет-преобразование если вам непонятно какое-то слово в техническом тексте, не обращайте на него внимания. Текст полностью сохраняет смысл и без него
Тема 24. Преобразование гильберта-хуанга судьба новой истины такова: в начале своего существования она всегда кажется ересью
Тема 25. Анализ и обработка геофизических данных методом
Цифровая обработка сигналов
Давыдов Анатолий Васильевич цифровая обработка сигналов тематические лекции
Давыдов Анатолий Васильевич, проф., доктор геолого-минералогических наук рабочая программа дисциплины




ЦИФРОВАЯ ОБРАБОТКА СИГНАЛОВ

Digital signal processing.

Тема 2. ЦИФРОВЫЕ ФИЛЬТРЫ ОБРАБОТКИ ОДНОМЕРНЫХ СИГНАЛОВ.

Первый натиск и первые крики решают дело.

Тит Ливий. Римский историк, 59 г.д.н.э.-17 г.н.э.

Роль крика в драке - существенный вклад в теорию конфликтов. Но имеет ли он такое же значение при фильтрации данных - не очевидно, Лично я предпочитаю воплем завершать этот процесс, а не начинать.

Эдуард Павелко. Новосибирский геофизик Уральской школы, ХХ в.


Содержание

Введение.

1. Цифровые фильтры. Общие понятия. Основные достоинства цифровых фильтров. Нерекурсивные фильтры. Рекурсивные фильтры.

2. Импульсная реакция фильтров. Функция отклика. Определение импульсной реакции.

3. Передаточные функции фильтров. Z-преобразование. Устойчивость фильтров.

4. Частотные характеристики фильтров. Общие понятия. Основные свойства. Фазовая и групповая задержка. Корреляция входа и выхода фильтров. Области применения нерекурсивных и рекурсивных фильтров.

5. Структурные схемы цифровых фильтров. Структурные схемы. Графы фильтров. Соединения фильтров. Схемы реализации фильтров. Обращенные формы.

Введение

Задачей любого исследования является установление неизвестных свойств среды или отдельных конкретных объектов по данным наблюдения процессов, в них происходящих. Изучаемые объекты могут оказаться труднодоступными или вовсе недоступными для непосредственного изучения методами прямого контакта. Например, о строении земных недр на глубинах более 10-15 км мы можем судить исключительно по данным сейсмических волн и по характеристикам гравитационного и магнитного полей Земли. По этой причине разработка методов математической обработки и интерпретации результатов наблюдений, установления взаимосвязи между физическими свойствами природных сред и происходящих в них процессов, имеет большое значение.

Естественным введением в широкую и фундаментальную область цифровой обработки информации является цифровая фильтрация данных. Под фильтрацией будем понимать любое преобразование информации (сигналов, результатов наблюдений), при котором во входной последовательности обрабатываемых данных целенаправленно изменяются определенные соотношения (динамические или частотные) между различными компонентами этих данных.

Преобразование сигналов осуществляется в системах. Системы, избирательно меняющие форму сигналов (амплитудно-частотную и/или фазово-частотную характеристику), подавление шумов, устранение помех, извлечение из сигналов определенной информации, разделение сигналов на составляющие, и т.п. называют фильтрами. Фильтры с любым целевым назначением являются частным случаем систем преобразования сигналов.

К основным операциям фильтрации информации относят операции сглаживания, прогнозирования, дифференцирования, интегрирования и разделения сигналов, а также выделение информационных (полезных) сигналов и подавление шумов (помех). Основными методами цифровой фильтрации данных являются частотная селекция сигналов и оптимальная фильтрация.

В настоящем курсе рассматриваются, в основном, методы линейной обработки сигналов линейными дискретными системами. Линейными называют системы, которые осуществляют преобразование линейных комбинаций входных сигналов в суперпозицию выходных сигналов. Принцип реализации линейных систем, физический - в виде специальных микропроцессорных устройств, или алгоритмический - в виде программ на ЭВМ, существенного значения не имеет и определяет только их потенциальные возможности.

В общем случае термином Цифровой фильтр (ЦФ) называют аппаратную или программную реализацию математического алгоритма, входом которого является цифровой сигнал, а выходом – другой цифровой сигнал с определенным образом модифицированной формой и/или амплитудной и фазовой характеристикой. Классификация цифровых фильтров обычно базируется на функциональных признаках алгоритмов цифровой фильтрации, согласно которому ЦФ подразделяются на 4 группы: фильтры частотной селекции, оптимальные (квазиоптимальные), адаптивные и эвристические. Наиболее изученными и опробованными на практике являются ЦФ частотной селекции.

2.1. Цифровые фильтры [2, 24, 43].

Общие понятия. В одномерной дискретной линейной системе связь между входом и выходом (входной и выходной дискретными последовательностями значений сигнала – отсчетами), задается линейным оператором преобразования TL:

y(kt) = TL{x(kt)}.

Это выражение отображает краткую запись линейного разностного уравнения:

am y(kt-mt) =bn x(kt-nt), (2.1.1)

где k = 0, 1, 2, …- порядковый номер отсчетов, t - интервал дискретизации сигнала, am и bn - вещественные или комплексные коэффициенты. Положим a0 = 1, что всегда может быть выполнено соответствующей нормировкой уравнения (2.1.1), и, принимая в дальнейшем t = 1, т.е. переходя к числовой нумерации цифровых последовательностей значений сигналов, приведем его к виду:

y(k) = bn x(k-n) –am y(k-m). (2.1.2)

При k < n и m проведение фильтрации возможно только при задании начальных условий для точек x(-k), k = 1, 2, … , N, и y(-k), k = 1, 2, … , M. Как правило, в качестве начальных условий принимаются либо нулевые значения, либо выполняется продление отсчетов входных сигналов или его тренда по отрицательным значениям аргумента.

Оператор, представленный правой частью данного уравнения, получил название цифрового фильтра, а выполняемая им операция - цифровой фильтрации данных (информации, сигналов). Если хотя бы один из коэффициентов am или bn зависит от переменной k, то фильтр называется параметрическим, т.е. с переменными параметрами. Ниже мы будем рассматривать фильтры с постоянными коэффициентами (инвариантные по аргументу).

Основные достоинства цифровых фильтров по сравнению с аналоговыми.

  • Цифровые фильтры могут иметь параметры, реализация которых невозможна в аналоговых фильтрах, например, линейную фазовую характеристику.

  • ЦФ не требуют периодического контроля и калибровки, т.к. их работоспособность не зависит от дестабилизирующих факторов внешней среды, например, температуры.

  • Один фильтр может обрабатывать несколько входных каналов или сигналов.

  • Входные и выходные данные можно сохранять для последующего использования.

  • Точность цифровых фильтров ограничена только разрядностью отсчетов.

  • Фильтры могут использоваться при очень низких частотах и в большом диапазоне частот, для чего достаточно только изменять частоту дискретизации данных.

Нерекурсивные фильтры. При нулевых значениях коэффициентов am уравнение (2.1.2) переходит в уравнение линейной дискретной свертки функции x(k) с оператором bn:

y(k) = bn x(k-n). (2.1.3)

Значения выходных отсчетов свертки (2.1.3) для любого аргумента k определяются текущим и "прошлыми" значениями входных отсчетов. Такой фильтр называется нерекурсивным цифровым фильтром (НЦФ). Интервал суммирования по n получил название "окна" фильтра. Окно фильтра составляет N+1 отсчет, фильтр является односторонним каузальным, т.е. причинно обусловленным текущими и "прошлыми" значениями входного сигнала, и выходной сигнал не может опережать входного. Каузальный фильтр может быть реализован физически в реальном масштабе времени.

При обработке данных на ЭВМ ограничение по каузальности снимается. В программном распоряжении фильтра могут находиться как "прошлые", так и "будущие" значения входной последовательности отсчетов относительно текущей точки вычислений k, при этом уравнение (2.1.3) будет иметь вид:

y(k) =bn x(k-n). (2.1.4)

При N' = N фильтр называется двусторонним симметричным. Симметричные фильтры, в отличие от односторонних фильтров, не изменяют фазы обрабатываемого сигнала.

Так как реакция НЦФ на единичный входной импульс (а равно и на любой произвольный входной сигнал) всегда конечна и ограничена размером окна фильтра, такие фильтры называют также фильтрами с конечной импульсной характеристикой (КИХ-фильтры).

Техника выполнения фильтрации не отличается от техники выполнения обычной дискретной свертки двух массивов данных.

Представим, что на одной полоске бумаги выписаны по порядку сверху вниз значения данных x(k) ≡ sk (см. рис. 2.1.1). На второй полоске бумаги находятся записанные в обратном порядке значения коэффициентов фильтра bn ≡ hn (обозначение h для коэффициентов операторов НЦФ является общепринятым). Для вычисления yk ≡ y(k) располагаем вторую полоску против первой таким образом, чтобы значение h0 совпало со значением sk, перемножаем все значения hn с расположенными против них значениями sk-n, и суммируем все результаты перемножения. Результат суммирования является выходным значением сигнала yk. Сдвигаем окно фильтра - полоску коэффициентов hk, на один отсчет последовательности sk вниз (или массив sk сдвигаем на отсчет вверх) и вычисляем аналогично следующее значение выходного сигнала, и т.д.




Рис. 2.1.1. Нерекурсивный ЦФ.
Описанный процесс является основной операцией цифровой фильтрации, и называется сверткой в вещественной области массива данных с оператором фильтра. Для математического описания наряду с формулами (2.1.3-2.1.4) применяются символические формы записи фильтрации:

y(k) = b(n) * x(k-n)  b(n) x(k-n).

Сумма коэффициентов фильтра определяет коэффициент передачи (усиления) средних значений сигнала в окне фильтра и постоянной составляющей в целом по массиву данных (с учетом начальных и конечных условий). Как правило, сумма коэффициентов фильтра нормируется к 1.

Имеется целый ряд методов обработки данных, достаточно давно и широко известных, которые по существу относятся к методам цифровой фильтрации, хотя и не называются таковыми. Например, методы сглаживания отсчетов в скользящем окне постоянной длительности. Так, для линейного сглаживания данных по пяти точкам с одинаковыми весовыми коэффициентами используется формула:

yk = 0.2(xk-2+xk-1+xk+xk+1+xk+2).

С позиций цифровой фильтрации это не что иное, как двусторонний симметричный нерекурсивный цифровой фильтр:

yk =bn xk-n, bn = 0,2. (2.1.5)

Аналогично, при сглаживании данных методом наименьших квадратов (МНК) на основе кубического уравнения:

yk = (-3xk-2+12xk-1+17xk+12xk+1-3xk+2)/35. (2.1.6)

Это также НЦФ с коэффициентами: b0 = 17/35, b1 = b-1 = 12/35, b2 = b-2 = -3/35.

Пример. Уравнение НЦФ: yk =bn xk-n, bn = 0,2. Начальные условия - нулевые.

Входной сигнал – скачок функции (ступень): xk = {0,0,0,0,0,0,10,10,10,10,…}.

Выходной сигнал: yk = {0,0,0,0,2,4, 6, 8,10,10,10,10,…}.

Результат фильтрации приведен на рис. 2.1.2(А). Проверьте результат (выполните фильтрацию, как это показано на рис. 2.1.1, с учетом четности фильтра).




Рис. 2.1.2. Сглаживание МНК в скользящем окне по пяти точкам
Заметим: сумма коэффициентов сглаживающих НЦФ всегда должна быть равна 1, при этом сумма значений массива выходного сигнала равна сумме значений массива входного сигнала. Координатная детальность выходного сигнала ниже входного, резкие изменения входных сигналов "размазываются" по аргументу.

Повторите фильтрацию фильтром МНК на основе кубического уравнения. Сравните результаты фильтрации с результатами первого НЦФ (приведены на рис. 2.1.2(В)).

Для операции фильтрации характерны следующие основные свойства:

  • Дистрибутивность: h(n) ③ [a(k)+b(k)] = h(n) ③ a(k)+h(n) ③ b(k).

  • Коммутативность: h(n) ③ a(k) ③ b(k) = a(k) ③ b(k) ③ h(n).

  • Ассоциативность: [a(k) ③ b(k)] ③ h(n) = h(n) ③ a(k) ③ b(k).

Фильтрация однозначно определяет выходной сигнал y(k) для установленного значения входного сигнала s(k) при известном значении импульсного отклика фильтра h(n).




Рис. 2.1.3. Рекурсивный ЦФ.
Рекурсивные фильтры. Фильтры, которые описываются полным разностным уравнением (2.1.2)

y(k) = bn x(k-n) –am y(k-m),

принято называть рекурсивными цифровыми фильтрами (РЦФ), так как в вычислении текущих выходных значений участвуют не только входные данные, но и значения выходных данных фильтрации, вычисленные в предшествующих циклах расчетов. С учетом последнего фактора рекурсивные фильтры называют также фильтрами с обратной связью, положительной или отрицательной в зависимости от знака суммы коэффициентов am. Полное окно фильтра состоит из нерекурсивной части bn, ограниченной в работе текущими и "прошлыми" значениями входного сигнала (на ЭВМ возможно использование и “будущих” отсчетов сигнала) и рекурсивной части am, которая работает с "прошлыми" значениями выходного сигнала. Техника вычислений приведена на рис. 2.1.3.

Пример. Уравнение РЦФ: yk = boxk+a1yk-1, при bo = a1 = 0.5, y-1 = 0.

Входной сигнал: xk = {0,0,1,0,0,0,0,0,0,0,1,1,1,1,1....}

Расчет выходного сигнала:

уо = 0,5xo + 0,5y-1 = 0; y1 = 0,5x1 + 0,5yo =0; y2 = 0,5x2 + 0,5y1 = 0.5; y3 = 0,5x3 + 0,5y2 = 0.25;

y4 = 0,5x4 + 0,5y3 = 0.125; y5 = 0,5x5 + 0,5y4 = 0.0625; y6 = 0,5x6 + 0,5y5 = 0.03125; и т.д.

Выходной сигнал: yk = {0, 0, 0.5, 0.25, 0.125, 0.0625, 0.03125, 0.015625,...}



Рис. 2.1.4. Рекурсивная фильтрация.

Из примера рекурсивной фильтрации на рис. 2.1.4 можно видеть, что реакция РЦФ на входной сигнал (например, на единичный импульс Кронекера в точке 2), в результате действия обратной связи, в принципе, может иметь бесконечную длительность (в данном случае с близкими к нулю, но не нулевыми значениями), в отличие от реакции НЦФ, которая ограничена количеством членов bk (окном фильтра). Фильтры такого типа называют фильтрами с бесконечной импульсной характеристикой (БИХ-фильтры). При положительной обратной связи (сумма коэффициентов am больше 1) фильтр становится неустойчивым (идет «в разнос» как на рис. 2.1.5)

Пример. Уравнение РЦФ: yk = boxk - a1yk-1, при bo = 0.5, a1=1.1, y-1 = 0

Входной сигнал: xk = {0, 10, 0, 0, 0,....}.

Выходной сигнал: yk = {0,0,5,-5.5,6.05,-6.655,7.321,-8.053,8.858,-9.744,10.718,-11.79,… и т.д.}

Заметим: коэффициент обратной связи больше a1 > 1 и выходной сигнал идет "в разнос".



Рис. 2.1.5. Неустойчивый рекурсивный фильтр.

Операции, относящиеся к рекурсивной фильтрации, также известны в обычной практике, например - интегрирование. При интегрировании по формуле трапеций:

yk = (xk+xk-1)/2 + yk-1, (2.1.7)

т.е. здесь мы имеем РЦФ с коэффициентами: bo = b1 = 0.5, a1 = 1.

Пример. Уравнение РЦФ: yk=(xk+xk-1)/2+yk-1, начальные условия - нулевые.

Входной сигнал: xk={0,0,2,2,4,0,0,0,4,4,4,0,0,0,5,0,0,0,....}

Выполните фильтрацию. Контроль: yk= {0,0,0,1,3,6,8,8,8,10,14,18,20,20,20,22.5,25,25,25...}



2.1.6. Интегрирующий рекурсивный фильтр.

2.2. Импульсная реакция фильтров.

Функция отклика. Если на вход нерекурсивного фильтра подать импульс Кронекера, расположенный в точке k = 0, то на выходе фильтра мы получим его реакцию на единичный входной сигнал (формула 2.1.3), которая определяется весовыми коэффициентами bn оператора фильтра:

y(k) = TL[(0)] = bn ③(k-n) = h(k) ≡ bn. (2.2.1)

Для рекурсивных фильтров реакция на импульс Кронекера зависит как от коэффициентов bn фильтра, так и от коэффициентов обратной связи am. С использованием формулы (2.1.2):

y(k) = bn (k-n) –am y(k-m) = hk. (2.2.1')

Функция h(k), которая связывает вход и выход фильтра по реакции на единичный входной сигнал и однозначно определяется оператором преобразования фильтра, получила название импульсного отклика фильтра (функции отклика). Для рекурсивных фильтров длина импульсного отклика, в принципе, может быть бесконечной.

Если произвольный сигнал на входе фильтра представить в виде линейной комбинации взвешенных импульсов Кронекера

x(k) =(n) x(k-n),

то сигнал на выходе фильтра можно рассматривать как суперпозицию запаздывающих импульсных реакций на входную последовательность взвешенных импульсов:

y(k) = h(n) (n) x(k-n))  h(n) x(k-n).

Для нерекурсивных фильтров пределы суммирования в последнем выражении устанавливаются непосредственно по длине импульсного отклика h(n).

Определение импульсной реакции на практике требуется, как правило, только для рекурсивных фильтров, так как импульсная реакция для НЦФ при известных значениях коэффициентов b(n), как это следует из выражения (2.2.1), специального определения не требует: h(n) ≡ b(n).

Если выражение для системы известно в общей форме (2.1.2), определение импульсной реакции производится подстановкой в уравнение системы импульса Кронекера с координатой k = 0 при нулевых начальных условиях. В соответствии с выражением (2.2.1) сигнал на выходе системы будет представлять собой импульсную реакцию системы.

Пример. Уравнение РЦФ: yk = xk + 0.5yk-1.

Входной сигнал: xk= o= {1,0,0,0,...}.

Расчет выходного сигнала при нулевых начальных условиях:

yo = xo+0.5 y-1 = 1+0 = 1 = ho. y1 = x1+0.5 yo = 0+0.5 = 0.5 = h1. y2 = x2+0.5 y1 = 0+0.25 = 0.25 = h2.

y3 = x3+0.5 y2 = 0.125 = h3. y4 = x4+0.5 y3 = 0.0625 = h4, и т.д.

Импульсный отклик фильтра: hk = (O.5)k, k = 0, 1, 2....

Определение импульсной реакции физической системы обычно производится подачей на вход системы ступенчатой функции Хевисайда, которая равна u(k)= 1 при k0, и u(k)= 0 при k<0:

g(k) =h(n) u(k-n) =h(n).

Отсюда:

h(k) = g(k) - g(k-1).

Функция g(k) получила название переходной характеристики системы (из одного статического состояния в другое). Форму реакции фильтра на функцию Хевисайда можно видеть на рис. 2.1.4 (с точки k = 10 и далее) в сопоставлении с реакцией на импульс Кронекера в точке k=2.

2.3. Передаточные функции фильтров /7/.

Z-преобразование. Удобным методом решения разностных уравнений линейных систем является z-преобразование.

Напоминание.

ynyn zn = Y(z).

Аргумент z используется в двух вариантах: zn или z-n. В данном курсе по умолчанию используем аргумент zn.

Применяя z-преобразование к обеим частям равенства (2.1.1), c учетом сдвига функций (y(k-m)  zm Y(z)), получаем:

Y(z)amzm = X(z)bnzn, (2.3.1)

где X(z),Y(z)- соответствующие z-образы входного и выходного сигнала. Отсюда, полагая ao = 1, получаем в общей форме уравнение передаточной функции системы в z-области:

H(z) = Y(z)/X(z) =bnzn(1+amzm). (2.3.2)

Для НЦФ, при нулевых коэффициентах am:

H(z) =bnzn. (2.3.3)

При проектировании фильтров исходной, как правило, является частотная передаточная функция фильтра H(ω), по которой вычисляется ее Z-образ H(z) и обратным переходом в пространство сигналов определяется алгоритм обработки данных. В общей форме для выходных сигналов фильтра:

Y(z) = H(z)·X(z).

Y(z)·(1+am zm) = X(z)bn zn

Y(z) = X(z)bn zn – Y(z)am zm. (2.3.4)

После обратного Z-преобразования выражения (2.3.4):

y(k) =bn x(k-n) –am y(k-m). (2.3.5)

При подаче на вход фильтра импульса Кронекера о, имеющего z-образ (z) = zn = 1, сигнал на выходе фильтра будет представлять собой импульсную реакцию фильтра y(k) ≡ h(k), при этом:

H(z) = Y(z)/(z) = Y(z) = TZ[y(k)] =h(k) zk, (2.3.6)

т.е. передаточная функция фильтра является z-образом его импульсной реакции. При обратном z-преобразовании передаточной функции получаем импульсную характеристику фильтра:

h(k)  H(z). (2.3.7)

Если функция H(z) представлена конечным степенным полиномом, что характерно для НЦФ, являющихся КИХ-фильтрами, то обратное z-преобразование осуществляется элементарно - идентификацией коэффициентов по степеням z. Передаточная функция РЦФ также может быть представлена степенным полиномом прямым делением числителя на знаменатель правой части выражения (2.3.2), однако результат при этом может оказаться как конечным, так и бесконечным, т.е. система может иметь либо конечную, либо бесконечную импульсную характеристику. Практически используемые рекурсивные фильтры обычно имеют бесконечную импульсную характеристику (БИХ-фильтры) при конечном числе членов алгоритма фильтрации (2.3.5).

Примеры.

1. Передаточная функция РЦФ: H(z) = (1-z5)/(1-z).

Прямым делением числителя на знаменатель получаем: H(z) = 1+z+z2+z3+z4.

H(z)  h(n) = {1,1,1,1,1}. Фильтр РЦФ является КИХ-фильтром.

2. Передаточная функция: H(z) = 1/(1-2z).

Методом обратного z-преобразования: h(n) = 2n. Фильтр РЦФ является БИХ-фильтром.

Устойчивость фильтров. Фильтр называется устойчивым, если при любых начальных условиях реакция фильтра на любое ограниченное воздействие также ограничена. Критерием устойчивости фильтра является абсолютная сходимость отсчетов его импульсного отклика:

|h(n)| < . (2.3.8)

Анализ устойчивости может быть проведен по передаточной функции. В устойчивой системе значение H(z) должно быть конечным во всех точках z-плоскости, где |z|  1, а, следовательно, передаточная функция не должна иметь особых точек (полюсов) на и внутри единичного круга на z-плоскости. Полюсы H(z) определяются корнями знаменателя передаточной функции (2.3.2).

Пример.

Передаточная функция фильтра рис. 2.1.4: H(z) = b0/(1-a1z). При а1= 0.5 полюс знаменателя: zр= 2. |zр|>1. Фильтр устойчив.

Передаточная функция фильтра рис. 2.1.5: H(z) = b0/(1+a1z). При а1= 1.1 полюс знаменателя: zр= -0.909. |zр| < 1. Фильтр неустойчив, что и подтверждает пример фильтрации.

Передаточная функция фильтра рис. 2.1.6: H(z) = 0.5(1+z)/(1-z). Полюс знаменателя: zр= 1. В принципе, фильтр неустойчив, но эта неустойчивость проявляется только при k = ∞. Импульсный отклик фильтра h(n) = {0.5,1,1,1, ….}, сумма которого равна ∞ только при n = ∞, т.е. при интегрировании бесконечно больших массивов. При интегрировании конечных массивов результат всегда конечен.

Приведенный критерий устойчивости относится к несократимой дроби, т.к. в противном случае возможна компенсация полюса нулем передаточной функции, и следует проверить наличие однозначных нулей и полюсов.

Проверка на устойчивость требуется только для рекурсивных цифровых фильтров (систем с обратной связью), нерекурсивные системы всегда устойчивы.

2.4. Частотные характеристики фильтров /2,13,24/.

Общие понятия. От z-образов передаточных функций подстановкой z = exp(-jt) в уравнение (2.3.2) можно перейти к Фурье-образам функций, т.е. к частотным спектрам сигналов и частотной характеристике фильтров, а точнее – к функциям их спектральных плотностей.

Можно применить и способ получения частотных характеристик непосредственно из разностного уравнения системы обработки данных. Так как цифровая фильтрация относится к числу линейных, то, принимая для сигнала на входе фильтра выражение x(kt) = B() exp(jkt), мы вправе ожидать на выходе фильтра сигнал y(kt) = A() exp(jkt). Подставляя эти выражения в разностное уравнение фильтра (2.1.1), получаем:

am A() exp(jkt-jmt) =bn B() exp(jkt-jnt).

A() exp(jkt) am exp(-jmt) = B() exp(jkt)bn exp(-jnt).

A()am exp(-jmt) = B()bn exp(-jnt). (2.4.1)

Передаточная частотная функция (частотная характеристика при ао=1):

H() = A()/B() =bn exp(-jnt)[1+am exp(-jmt)]. (2.4.2)

Полученная частотная характеристика повторяет функцию (2.3.2) при z = exp(-jt), что и следовало ожидать. Аналогично z-преобразованию (2.3.7), частотная характеристика фильтра представляет собой Фурье-образ его импульсной реакции, и наоборот. При t = 1:

H() =h(n) exp(-jn), (2.4.3)

h(n) = (1/2)H() exp(jn) d. (2.4.4)

В общем случае H() является комплексной функцией, модуль которой R() называется амплитудно-частотной характеристикой (АЧХ), а аргумент () – фазово-частотной характеристикой (ФЧХ).

A() = |H()| =

() = arctg(-Im H()/Re H()).

Выбор знака фазового угла ориентирован на каузальные системы с отрицательным временным запаздыванием сигналов. Допустим, что система осуществляет только сдвиг сигнала x(t) вправо по временной оси, т е. y(t) = x(t-). Для преобразования Фурье функции y(t) имеем:

Y(f) =y(t) exp(-j2ft) dt =x(t-) exp(-j2ft) dt =

= exp(-j2f)x(t) exp(-j2ft) dt = exp(-j2f) X(f).

Отсюда:

H(f) = Y(f)/X(f) = exp(-j2ft), |H(f)| = 1, h(f) = -2f.

Из последнего равенства следует, что фаза представляет собой прямую с отрицательным тангенсом угла наклона -2f. Соответственно, для всех каузальных фильтров, осуществляющих преобразование с определенной задержкой сигнала на выходе, при выполнении операции над частотными составляющими сигнала имеет место:

Y(f)= H(f) X(f)= |H(f)|exp(jh(f)) |X(f)|exp(jx(f))= |H(f)| |X(f)| exp{jh(f)+x(f)]},

|Y(f)| = |H(f)| |X(f)|, y(f) = h(f)+x(f).

C учетом отрицательного знака h(f) фазовой характеристики каузальных фильтров это вызывает сдвиг в "минус" всех частотных составляющих сигнала и соответствующую задержку выходного сигнала относительно входного.

На рис. 2.4.1-2.4.3 приведены частотные характеристики фильтров (модули и аргументы спектральных плотностей), которые были рассмотрены выше в примерах и на рис. 2.1.4 – 2.1.6. Графики приведены в границах главных диапазонов спектров, и получены непосредственной подстановкой z=exp(-jt) при t=1 в уравнения передаточных функций H(z).



Рис. 2.4.1. Спектр не имеет особых точек.



Рис. 2.4.2. Спектр имеет особые точки на границах диапазонов.



Рис. 2.4.3. Спектр интегрирующего фильтра. Особая точка на нулевой частоте.

При обработке ограниченных массивов амплитуда центрального пика равна количеству точек массива.

Основные свойства частотных характеристик цифровых фильтров:

1. Частотные характеристики являются непрерывными функциями частоты.

2. При дискретизации данных по интервалам t функция H() является периодической. Период функции H() равен частоте дискретизации входных данных F = 1/t. Первый низкочастотный период (по аргументу  от -/t до /t, по f от -1/2t до 1/2t) называется главным частотным диапазоном. Граничные частоты главного частотного диапазона соответствуют частоте Найквиста N, N = /t. Частота Найквиста определяет предельную частоту данных, которую способен обрабатывать фильтр.

3. Для фильтров с вещественными коэффициентами импульсной реакции h(nt) функция АЧХ является четной, а функция ФЧХ - нечетной. С учетом этого частотные характеристики фильтров обычно задаются только на интервале положительных частот 0-N главного частотного диапазона. Значения функций на интервале отрицательных частот являются комплексно сопряженными со значениями на интервале положительных частот.

Как правило, при частотном анализе фильтров значение t интервала дискретизации принимают за 1, что соответственно определяет задание частотных характеристик на интервале (0,) по частоте  или (0,1/2) по f. При использовании быстрых преобразований Фурье (БПФ) вычисления спектров осуществляются в одностороннем варианте положительных частот в частотном интервале от 0 до 2 (от 0 до 1 Гц), где комплексно сопряженная часть спектра главного диапазона (от - до 0) занимает интервал от  до 2 (для ускорения вычислений используется принцип периодичности дискретных спектров). Заметим, что при выполнении БПФ количество точек спектра равно количеству точек входной функции, а, следовательно, отсчет на частоте 2, комплексно сопряженный с отсчетом на частоте 0, отсутствует. При нумерации точек входной функции от 0 до N он принадлежит точке N+1 - начальной точке следующего периода, при этом шаг по частоте равен 2/(N+1). Современное программное обеспечение БПФ допускает любое количество точек входной функции, при этом для нечетного значения N частоте  соответствует отсчет на точке (N+1)/2, не имеющий сопряженного отсчета, а при четном значении N отсутствует отчет на частоте  (она располагается между отсчетами k=N/2 и N/2 +1). Отсчетам с номерами k главного диапазона БПФ (за исключением точки k=0) соответствуют комплексно сопряженные отсчеты N+1-k (за исключением точки k=(N+1)/2 при нечетном N).

Фазовая и групповая задержка. Задержка сигналов во времени относится к характерной особенности каузальных систем в целом, а, следовательно, рекурсивных и односторонних нерекурсивных фильтров.

Фазовая задержка, это прямая характеристика временной задержки фильтром гармонических колебаний. При подаче на вход фильтра гармоники sin t, сигнал на выходе каузального фильтра, без учета изменения его амплитуды, равен sin(t-), при этом:

sin(t-) = sin (t-tp), ωt- = ω(t-tp).

Отсюда, фазовая задержка tp на частоте  равна:

tp = /ω. (2.4.5')

При распространении (2.4.5) в целом на спектральную передаточную функцию фильтра получаем:

tp()= /ω. (2.4.5)

Постоянство значения tp() в определенном частотном диапазоне обеспечивает для всех гармоник сигнала такое же соотношение их фазовых характеристик, какое было на входе системы, т.е. не изменяет формы сигнала, если его спектр полностью сосредоточен в этом частотном диапазоне, и значения АЧХ в этом диапазоне также имеют постоянное значение. Это условие является определяющим, например, для систем передачи данных, для сглаживающих и полосовых частотных фильтров.

Что касается каузальных фильтров, то они, как правило, имеют в рабочем диапазоне определенную зависимость значения tp от частоты, которая характеризуется групповым временем задержки (ГВЗ). ГВЗ характеризует среднюю временную задержку составного сигнала.

Допустим, что сигнал на входе фильтра представляет собой сумму двух гармоник с близкими частотами:

s(t) = cos ω1t + cos ω2t.

Тождественная тригонометрическая запись:

s(t) = 2 cos 0.5(ω12)t · cos 0.5(ω12)t.

Эта запись показывает, что сумму двух гармоник с частотами ω1 и ω2 можно рассматривать, как амплитудную модуляцию гармоники с частотой (ω12)/2 гармоникой с частотой (ω12)/2.

При прохождении через фильтр каждая из гармоник ω1 и ω2 может получить различную задержку, при этом сигнал на выходе фильтра, без учета амплитудных изменений:

s(t) = cos (ω1t-1) + cos (ω2t-2).

Тождественная запись:

s(t) = 2 cos[0.5((ω12)t-(1+2))] · cos[0.5((ω12)t-(1-2))].

Пульсацию колебаний выразим через групповую временную задержку tg:

cos[0.5((ω12)t-(1-2))] = cos[0.5(ω12)·(t-tg)].

Отсюда:

12)·tg = 1-2.

tg = (1-2)/(ω12) = /ω. (2.4.6)

При распространении выражения на непрерывную частотную характеристику фильтра:

tg(ω)= d()/dω. (2.4.7)

Для вычислений ГВЗ удобно использовать комплексный логарифм передаточной функции фильтра:

Ln H(ω) = ln |H(ω)| + j·(ω), (ω) = Im [Ln H(ω)].

tg(ω)= d/dω = Im{d[Ln(H(ω))]/dω} = Im{dH(ω)/[H(ω)dω]}. (2.4.8)

Приближение для дискретных спектральных функций:

tg(k·ω) ≈ (2/ω) Im{(Hk+1-Hk) / (Hk+1+Hk)}. (2.4.9)

Различают фильтры с линейной и нелинейной фазовой характеристикой.

В фильтрах с нелинейной фазовой характеристикой частотные компоненты сигнала задерживаются на величину, не пропорциональную частоте, и тем самым в выходном сигнале изменяется связь между его компонентами, что может быть недопустимо во многих случаях обработки сигналов (передача данных, обработка биосигналов, воспроизведение музыки и видео, и пр.).

Чтобы фильтр имел линейную фазовую характеристику необходимо и достаточно, если выполняется одно из следующих условий:

(2.4.10)

 (2.4.11)

где  и  - константы. Условие (2.4.10) обеспечивает постоянные значения групповой и фазовой задержки. Оно выполняется, если импульсная характеристика фильтра имеет положительную симметрию:

h(n) = h(N-n-1), n = 0, 1, 2, …, (N-1)/2, N – нечетное;

n = 0, 1, 2, …, (N/2)-1, N – четное.

При этом фазовая характеристика является функцией длины фильтра:

(N-1)/2.

Пример.

Импульсный отклик фильтра задан параметрами: N=7, h(0)=h(6), h(1)=h(5), h(2)=h(4), h(3).

Передаточная функция фильтра: H(z) = h(k) zk. Подставляем z=exp(-jt) при t = 1 и получаем частотную характеристику фильтра в главном диапазоне (-, ):

H() = h(0)+h(1)exp(-j)+h(2)exp(-2j)+ h(3)exp(-3j)+h(4)exp(-4j)+ h(5)exp(-5j)+h(6)exp(-6j) =

= exp(-3j) {h(0)[exp(3j)+exp(-3j)] + h(1)[exp(2j)+exp(-2j)] + h(2)[exp(j)+exp(-j)] + h(3)} =

= exp(-3j) {2h(0) cos 3j + 2h(1) cos 2j + 2h(2) cos j + h(3)}.

Изменяя обозначения и переходя к индексации относительно центра симметрии a(0) = h(3), a(n) = 2h(3-n), n=1, 2, 3, записываем в компактной форме:

H() =a(n) cos(nj) exp(-3j) = |H()| exp(j()), () = -3N-1)/2.

Частотная характеристика фильтра линейна.

Условие (2.4.11) обеспечивает постоянную групповую задержку и выполняется при отрицательной симметрии импульсной характеристики фильтра:

h(n) = -h(N-n-1),

 = (N-1)/2,  = /2.

Для того чтобы убедиться в последнем, достаточно рассмотреть пример, аналогичный выше приведенному.

Корреляция входа и выхода фильтров может быть получена на основе следующих простых соображений.

Примем для входного сигнала x(t)X(f) и выходного сигнала y(t)Y(f) за основу выражение преобразования в частотной области

Y(f) = H(f) X(f). (2.4.12)

Умножим обе части этого выражения на комплексно сопряженную функцию X*(t) и найдем математические ожидания левой и правой части:

M{X*(f) Y(f)} = M{X*(f) H(f) X(f)} = H(f) M{X*(f) X(f)}.

Но математические ожидания этих произведений спектров представляют собой спектры плотности мощности, и, при обратном преобразовании Фурье, зависимость взаимной корреляционной функции входного и выходного сигналов фильтра от корреляционной функции входного сигнала и функции импульсного отклика фильтра:

Wxy = H(f) Wx  h(t) ③ Bx() = Bxy().

Это выражение в спектральной области может использоваться для практического определения частотных передаточных функций фильтров с неизвестной формой импульсных откликов.

Если математические ожидания взять от квадратов модулей левой и правой части исходного выражения (2.4.12), то в результате получим выражения:

Wy(f) = |H(f)|2 Wx(f)  Bh() ③ Bx().

Области применения НЦФ и РЦФ обычно обуславливаются видом их передаточных функций.

В принципе, нерекурсивные цифровые фильтры универсальны и способны реализовать любые практические задачи обработки сигналов. Это и понятно, т.к. реакция РЦФ на импульс Кронекера представляет собой импульсный отклик НЦФ, а, следовательно, задачи, решаемые РЦФ, могут выполняться и НЦФ, но при условии отсутствия ограничений по размерам окна фильтра. В первую очередь это касается реализации БИХ-фильтров с незатухающим или слабо затухающим импульсным откликом, например, интегрирующих или фильтров рекурсивной деконволюции. Ограничение по размерам окна является скорее не теоретическим (бесконечных операторов НЦФ не требуется), а чисто практическим. Нет смысла применять НЦФ с огромными размерами операторов и тратить машинное время, если та же задача во много раз быстрее решается рекурсивным фильтром.

Существенным преимуществом НЦФ является их устойчивость, возможность выполнения в виде двусторонних симметричных фильтров, не изменяющих фазу выходных сигналов относительно входных, и реализации строго линейных фазовых характеристик.

С другой стороны, нерекурсивные фильтры могут быть преобразованы в рекурсивные фильтры, если есть возможность z-полином передаточной функции НЦФ выразить в виде отношения двух коротких z-полиномов РЦФ типа (2.3.2), что может дать существенное повышение производительности вычислений. Как правило, такая возможность имеется для сходящихся степенных рядов. Отношение двух z-полиномов позволяет реализовать короткие и очень эффективные фильтры с крутыми срезами на частотных характеристиках.

2.5. Структурные схемы цифровых фильтров /8, 21/.

Структурные схемы. Алгоритмы цифровой фильтрации сигналов (цифровых фильтров) представляются в виде структурных схем, базовые элементы которых показаны на рисунке 2.5.1 вместе с примерами структурных схем фильтров. Как правило, структурные схемы соответствуют программной реализации фильтров на ЭВМ, но не определяют аппаратной реализации в специальных радиотехнических устройствах, которая может отличаться от программной реализации.



Рис. 2.5.1. Структурные схемы цифровых фильтров.




Рис. 2.5.2. Граф фильтра.
Графы фильтров. Наряду со структурной схемой фильтр может быть представлен в виде графа, который отображает диаграмму прохождения сигналов, и состоит из направленных ветвей и узлов.

Пример структурной схемы фильтра с передаточной функцией H(z) = (1+b1z)/(1+a1z) и графа, ей соответствующего, приведен на рисунке 2.5.2. С каждым i - узлом графа связано значение сигнала xi(k) или его образа Xi(z), которые определяются суммой всех сигналов или z-образов входящих в узел ветвей. В каждой ij - ветви (из узла i в узел j) происходит преобразование сигнала в соответствии с передаточной функцией ветви, например задержка сигнала или умножение на коэффициент.

Соединения фильтров. Различают следующие соединения фильтров.




Рис. 2.5.3.



Рис. 2.5.4.
1. Последовательное соединение (рис. 2.5.3). Выходной сигнал предшествующего фильтра является входным для последующего. Эквивалентная передаточная функция общей системы равна произведению передаточных функций фильтров, в нее входящих:

H(z) = H1(z)H2(z)...HN(z).

2. Параллельное соединение (рис. 2.5.4). Сигнал подается на входы всех параллельно соединенных фильтров одновременно, выходные сигналы фильтров суммируются. Эквивалентная передаточная функция общей системы равна сумме передаточных функций фильтров, в нее входящих:

H(z) = H1(z)+H2(z)+...+HN(z).




Рис. 2.5.5.
3. Соединение обратной связи (рис. 2.5.5). Сигнал первого фильтра подается на выход системы и одновременно на вход фильтра обратной связи, выходной сигнал которого суммируется, со знаком плюс или минус в зависимости от вида связи (отрицательной или положительной), с входным сигналом системы. Эквивалентная передаточная функция системы:

H(z) = H1(z)/(1H1(z)H2(z)).




Рис. 2.5.6.
Схемы реализации фильтров. По принципам структурной реализации фильтров различают следующие схемы:

1. Прямая форма (рис. 2.5.6) реализуется непосредственно по разностному уравнению

yk =bnxk-namyk-m,

или по передаточной функции

H(z) =bnzn /(1+amzm).




Рис. 2.5.7.
2. Прямая каноническая форма содержит минимальное число элементов задержки. Передаточную функцию РЦФ можно представить в следующем виде:

H(z) = Y(z)/X(z) = H1(z)H2(z),

H1(z) = V(z)/X(z) = 1/(1+amzm),

H2(z) = Y(z)/V(z) =bnzn.

Отсюда: v(k) = x(k) -amv(k-m), (2.5.1)

y(k) =bnv(k-n). (2.5.2)

В разностных уравнениях (2.5.1-2.5.2) осуществляется только задержка сигналов v(k). Граф реализации РЦФ в прямой канонической форме приведен на рисунке 2.5.7.

3. Каскадная (последовательная) форма соответствует представлению передаточной функции в виде произведения:

H(z) =Hi(z).

Hi(z) - составляющие функции вида (1-riz)/(1-piz) при представлении H(z) в факторизованной форме, где ri и pi - нули и полюсы функции H(z). В качестве функций Hi(z) обычно используются передаточные функции биквадратных блоков - фильтров второго порядка:

Hi(z) = (b0i + b1i z + b2i z2) / (1 + a1i z + a2i z2).

4. Параллельная форма используется много реже, и соответствует представлению передаточной функции в виде суммы биквадратных блоков или более простых функций.




Рис. 2.5.8.
Обращенные формы. В теории линейных направленных сигнальных графов существуют процедуры преобразования исходных графов с сохранением передаточных функций. Одна из таких процедур - обращение (транспозиция) графов, которая выполняется путем изменения направления всех ветвей цепи, при этом вход и выход графа также меняются местами. Для ряда систем такая транспозиция позволяет реализовать более эффективные алгоритмы обработки данных. Пример обращения графа прямой канонической формы рекурсивной системы (с перестроением графа на привычное расположение входа с левой стороны) приведен на рис. 2.5.8.


литература

2. Баскаков С.И. Радиотехнические цепи и сигналы Учебник для вузов. - М. Высшая школа, 1988.- 448 с.

7. Гольденберг Л.М. и др. Цифровая обработка сигналов: Справочник. - М.: Радио и связь, 1985.- 312 с.

8. Гольденберг Л.М. и др. Цифровая обработка сигналов: Учебное пособие для вузов. - М.: Радио и связь, 1990.- 256 с.

13. Клаербоут Д.Ф. Теоретические основы обработки геофизической информации с приложением к разведке нефти. – М.: Недра, 1981. – 304 с.

21. Рабинер Л., Гоулд Б. Теория и применение цифровой обработки сигналов. – М.: Мир, 1978. – 848 с.

24. Хемминг Р.В. Цифровые фильтры. – М.: Недра, 1987. – 221 с.

43. Айфичер Э., Джервис Б. Цифровая обработка сигналов. Практический подход. / М., "Вильямс", 2004, 992 с.

Главный сайт автора ~ Лекции по ЦОС ~ Практикум

О замеченных опечатках, ошибках и предложениях по дополнению: davpro@yandex.ru.

Copyright © 2008-2010 Davydov А.V.




Похожие:

Тема цифровые фильтры обработки одномерных сигналов iconТема цифровые фильтры обработки одномерных сигналов
Роль крика в драке существенный вклад в теорию конфликтов. Но имеет ли он такое же значение при фильтрации данных не очевидно, Лично...
Тема цифровые фильтры обработки одномерных сигналов iconЦифровая обработка сигналов
Антонью А. Цифровые фильтры: анализ и проектирование. – М.: Радио и связь, 1983. – 320 с
Тема цифровые фильтры обработки одномерных сигналов iconТема нерекурсивные частотные цифровые фильтры недостаточно овладеть премудростью, нужно уметь пользоваться ею
Общие сведения. Типы фильтров. Методика расчетов нерекурсивных цифровых фильтров. Фильтры с линейной фазовой характеристикой
Тема цифровые фильтры обработки одномерных сигналов iconТема пространство и метрология сигналов физическая величина более точно определяется уравнением, чем измерением
Пространство сигналов. Множества сигналов. Линейное пространство сигналов. Норма сигналов. Метрика сигналов. Скалярное произведение...
Тема цифровые фильтры обработки одномерных сигналов iconВейвлетные преобразования сигналов
Удаление шума и сжатие одномерных и двумерных сигналов. Параметры удаления шумов и сжатия сигналов. Изменение вейвлет-коэффициентов....
Тема цифровые фильтры обработки одномерных сигналов iconТема 10. Рекурсивные частотные цифровые фильтры благословен Господь, кто содеял все нужное нетрудным, а все трудное ненужным
Рекурсивные фильтры нужны при обработке данных. Однако разрабатывать их трудно. Отсюда следует, что Всевышний фильтров не создавал,...
Тема цифровые фильтры обработки одномерных сигналов iconТема 12. Оптимальные линейные цифровые фильтры
Специалисты в науке подобны старателям. Стоит одному найти крупинку золота, как другие выроют в этом месте котлован. А тема оптимальности,...
Тема цифровые фильтры обработки одномерных сигналов iconТема введение в цифровую обработку сигналов в серьезных делах следует заботиться не столько о том, чтобы создавать благоприятные возможности, сколько о том, чтобы их не упускать
Для цифровой обработки сигналов нужно сначала определить, для тебя это дело или возможность. Если дело – вперед и с песней, будешь...
Тема цифровые фильтры обработки одномерных сигналов iconВадим Анатольевич Давыдов
На примерах обработки геофизических данных показано, что модовая декомпозиция сигналов обеспечивает устойчивую адаптивную очистку...
Тема цифровые фильтры обработки одномерных сигналов iconДокументы
1. /Хемминг Р.В.Цифровые фильтры.1980.djvu
Разместите кнопку на своём сайте:
Документы


База данных защищена авторским правом ©podelise.ru 2000-2014
При копировании материала обязательно указание активной ссылки открытой для индексации.
обратиться к администрации
Документы

Разработка сайта — Веб студия Адаманов