IIR和FIR滤波

IIR(无限脉冲响应)滤波器保留传统模拟滤波器的优良幅度特性,没有考虑相位特性,所设计的滤波器一般是某种确定的非线性相位,为了得到线性相位,还要有相位校正网络,复杂度高;FIR(有限脉冲响应)滤波器在保持幅度特性满足技术要求的同时,很容易做到严格的线性相位特性。稳定和线性相位是FIR滤波器的优点。
选频滤波器:低通、带通...;其他:微分器、希尔伯特变换器、频谱校正滤波器。
四个指标
通带边界频率:\omega_p‘ ; 阻带截止频率:\omega_s ;通带最大衰减:\alpha_p ; 阻带最小衰减:\alpha_s
另外:3dB通带截止频率:w_c
通常通带最大衰减越小,通带波纹越小,误差越小;阻带最小衰减越大,阻带波纹越小,误差越小。
频域范围、单位
模拟:0-F_{s}/2
数字: 0-\pi
IIR数字滤波器
系统函数:
H(z)=\frac{\sum_{i=0}^{M}b_{i}z^{-i}}{1-\sum_{j=1}^{N}a_iz^{-j}}
间接法(先设计模拟滤波器,再转换)
巴特沃斯低通滤波器:滤波器阶数N越大,通带越平坦,过度带越窄,过渡带与阻带幅度下降越快。实际上是根据四个指标求取N\Omega_c(3dB截止频率)的过程。无论通带还是阻带都是单调递减函数。
切比雪夫1型:振幅特性在通带内是等波纹的;切比雪夫2型:振幅特性在阻带内是等波纹的;这样设计可以使得滤波器阶数大大降低。
椭圆滤波器:在通带和阻带内都具有等波纹特性。阶数最低,性价比最高。
贝塞尔滤波器:在整个通带逼近线性相位特性,而其幅频特性的过渡带比其让滤波器宽的多。
直接法
将系统函数H_{a}(s)s平面转换到z平面。
1、脉冲响应不变法
利用时域逼近方法,对h_{a}(t)进行等间隔采样,将h(n)=h_{a}(nT)作为数字滤波器的单位脉冲响应,那么数字滤波器的系统函数H(z)就是h(n)Z变换。
H_{a}(s) \to h_{a}(t) \to h_{a}(nT) \to h(n) \to H(z)
映射关系:s=\sigma+{\rm j}\Omega,z=r\rm{e}^{\rm{j}\omega} z=\rm{e}^{sT}
H({\rm e}^{j\Omega T})=\frac{1}{T}\sum_{k=-\infty}^{\infty}H_{a}(j\Omega-j\frac{2\pi}{T}k)
H({\rm e}^{j\omega})=\frac{1}{T}\sum_{k=-\infty}^{\infty}H_{a}(j\frac{\omega -2\pi k}{T})
所以H({\rm e}^{j\omega}) 是 H_{a}(\rm{j}\Omega)以2\pi/T为周期的周期延拓序列
为了不发生频谱混叠: H_{a}({\rm j}\Omega)=0 \quad |\Omega|\ge \frac{\pi}{T} 往往避免H({\rm e}^{j\omega}) 太大增益 h(n)=Th_{a}(nT)
总结:脉冲响应不变法优点是频率变换关系是线性的,即\omega=\Omega T,由于是模仿模拟滤波器的单位冲激响应波形,时域特性逼近好。最大缺点是可能会产生不同程度的频谱混叠失真,其只适合于低通、带通滤波器
2、双线性变换法
为了克服脉冲响应不变法缺点,将整个模拟频率轴压缩到\pm \pi/T之间。


变换规则:
s=\frac{2}{T}\frac{1-z^{-1}}{1+z^{-1}}

z=\frac{{\frac{2}{T}}+s}{{\frac{2}{T}}-s}

带入
s={\rm j}\Omega,z=\rm{e}^{\rm{j}\omega}
得到下列转换关系,二者是非线性关系:
\omega \in[-\pi,\pi]
\Omega \in[-\infty,\infty]

\Omega={\frac{2}{T}}\rm{tan}{\frac{1}{2}}\omega

总结
\Omega与\omega
的非线性关系是双线性变换法的缺点,使得数字滤波器不能保真的模仿模拟滤波器的频响曲线现状。如果设计指标的边界频率以数字频率给出,则必须通过转换得到模拟滤波器的边界频率,称之为"预畸变"。
FIR数字滤波器
系统函数:
H(z)=\sum_{n=0}^{N-1}h(n)z^{-n}

z
平面有
N-1
个零点,在原点
z=0
处有
N-1
重极点。因此FIR滤波器永远是稳定和线性相位的
网络结构没有反馈支路,没有环路,单位脉冲响应有限长。除
z=0
外,没有极点;此外,线性相位脉冲响应应满足下式:
h(n)=\pm h(N-n-1)

H(\rm{e}^{\rm{j}\omega})=H_{g}(\omega)\rm{e}^{\rm{j}\theta(\omega)}

其中。相位特性
\theta(\omega)=-\tau \omega
or
\theta(\omega)=\theta_{0}-\tau \omega
且群时延
{\tau}=\frac{N-1}{2}

第一类线性相位特性:
h(n)=h(N-1-n)

第二类线性相位特性:
h(n)=-h(N-1-n)

H(z)
的零点必定共轭成对,且其倒数也必定是零点。且
h(n)
必为实序列。
1、窗函数法
理想低通滤波器的单位脉冲响应
h_{d}(n)
是无限长的,且是非因果序列。为了保证线性相位用一个窗函数
R_{N}(n)
截取,保证关于
n=(N-1)/2
偶对称,即第一类线性相位。由于用有限长
h(n)
替代
h_d(n)
,会引起吉布斯效应,即:过渡带加宽以及通带和阻带内的波动,尤其使阻带衰减小,满足不了技术指标。也称之为截断效应
截取后,过渡带的宽度约等于窗函数主瓣宽度
4\pi /N
;通带波纹最大峰值在
\omega_c-2\pi/N
;阻带波纹最大负峰在
\omega_c+2\pi/N

加大窗口长度N只能减少过渡带宽度,使得波纹波动频率加快。想要减少带内波动以及增大阻带衰减,只能改变窗函数形状,使其谱函数的主瓣包含更多能量,相应旁瓣幅度更小。但是旁瓣的减小是以加宽过渡带为代价的。
矩形窗、三角窗、汉明窗、哈明窗、布莱克曼窗以及凯塞窗。
原则是在保证阻带衰减满足要求的情况下,尽量选择主瓣窄的窗函数。
2、频率采样法设计FIR滤波器

3、切比雪夫等波纹最佳逼近法设计FIR滤波器

FIR滤波器的阶数一般是IIR阶数的5至10倍,但是IIR滤波器要想有线性相位特性,必须进行相位校正。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,133评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,682评论 3 390
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,784评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,508评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,603评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,607评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,604评论 3 415
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,359评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,805评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,121评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,280评论 1 344
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,959评论 5 339
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,588评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,206评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,442评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,193评论 2 367
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,144评论 2 352