Filtry Cyfrowe 7

Filtry cyfrowe
Procesory sygnałowe (DSP),

układy programowalne
x(n) Filtr cyfrowy y(n)
h(n) – odpowiedź impulsowa
x(n) y(n)
y(n) = x(n)  h(n) 1
Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Filtry cyfrowe
Po co filtrujemy sygnały?
Aby uzyskać:
 redukcję zakłóceń sygnału
(np. zakłóceń od sieci energetycznej)
 zmianę charakterystyki widmowej sygnału
(preemfaza, deemfaza)
 wyodrębnienie zadanych składowych sygnału
spośród jego innych składowych (detekcja)
2

„Wygładzanie” sygnału
przez filtrowanie
smoothing filters
0.3
0.2
0.1
-0.1
-0.2
-0.3
-0.4
-0.5
-0.6
-0.7
1100 1200 1300 1400 1500 1600 1700 1800 1900

3

Analogowy filtr dolnoprzepustowy
Filter amplitude transfer function

1
0.9
0.8
0.7 -3dB0.707
Ui Uo
0.6
|Uo/Ui|
0.5
0.4
0.3
0.2
0.1
0
Charakterystyka amplitudowa: 10
-2
10
-1
10
0 1
10
f[Hz]
Uo 1
 fc=?
Ui 1  RC 
2
4
Charakterystyki
częstotliwościowe - filtry idealne
A(f) A(f)
górnoprzepustowy dolnoprzepustowy
f f
A(f) A(f)
pasmowoprzepustowy pasmowozaporowy
f f
5

Charakterystyki
częstotliwościowe filtrów
pasmo
A(f) przejściowe
Filtr dolno-przepustowy
pasmo
(np. filtr anty-alisingowy, zaporowe
redukcja zakłóceń) pasmo
przepustowe f
fp fs
A(f)
Filtr górno-przepustowy
(np. preemfaza)
f 6

Charakterystyki
częstotliwościowe filtrów
A(f)
Filtr środkowo-przepustowy
(np. detekcja cech sygnału)
f
A(f)
Filtr środkowo-zaporowy
(np. redukcja zakłóceń od sieci
energetycznej) 50 Hz f
7

Charakterystyki
częstotliwościowe filtrów - przykłady
A(f)
Filtr dolnoprzepustowy
(redukcja zakłóceń)
f
1500 1500
1000 1000
500 500
0V 0V
0 0
200 400 600 800 1000 200 400 600 800 8
1000

Charakterystyki
A(f)
Filtr górno-przepustowy
(np. usuwanie wartości średniej)
f
100
1500
50
1000 0
-50
500
0V
-100
0V
0 -150
200 400 600 800 1000 0 200 400 600 800 1000
9

Charakterystyki
A(f)
Filtr środkowo-przepustowy
(np. detekcja cech sygnału)
f
6000
1500
4000
1000
2000
500
0
0V
0
200 400 600 800 1000 -2000
0 200 400 600 800 1000
10

Charakterystyki
A(f)
Filtr środkowo-zaporowy
(np. redukcja zakłóceń o
zadanej częstotliwości)
50 Hz f
1600 1400
1500
1300
1400
1300 1200
1200
1100
1100
1000
1000
900 900
0 200 400 600 800 1000 0 200 400 600 800 1000
11

Zastosowania filtrów cyfrowych w
przetwarzaniu elektrokardiogramu
 donoprzepustowe (redukcja zakłóceń o

częstotliwościach radiowych, aktywności mięśni
szkieletowych)
 górnoprzepustowe (eliminacja pełzania linii
izoelektrycznej, fg=0.5 Hz, zob. ‘ecg_mit.mat’)
 pasmowoprzepustowe (wydzielanie
składowych sygnału EKG, np. fali P, T, QRS)
 pasmowozaporowe (redukcja zakłóceń od sieci
energetycznej, f=50 Hz)
12

Rodzaje filtrów
A
Wykreśl charakterystyki
filtrów:
B
Filtr
?
C
- Dolnoprzepustowy
- Pasmowo-przepustowy
- Górnoprzepustowy

Filtry cyfrowe – SOI i NOI
Filtry dzielimy również na: 1
0.8
filtry o skończonej 0.6
odpowiedzi impulsowej (SOI) 0.4
0.2
tzw. filtry nierekursywne 0

0 5 10 15 20
filtry o nieskończonej 0.8
odpowiedzi impulsowej (NOI) 0.6
0.4
tzw. filtry rekursywne 0.2
0
0 5 10 15

20
14

Filtry cyfrowe – SOI i NOI
Elementy (działania) potrzebne realizacji filtru

cyfrowego:
Mnożenie Opóźnienie
Sumator
przez stałą jednostkowe
u1(k)
y(k) u(k) c y(k) u(k) y(k)
z-1
u2(k)
yk   u1 k   u2 k  yk   cuk  yk   uk  1

15

Idea filtracji cyfrowej
współczynniki
współczynniki
ruchomej średniej autoregresji
x(n) b0 a0=1 y(n)
z-1
t z-1
t
b1 a1
x(n-1) y(n-1)
z-1
t z-1
t
b2 a2
x(n-2) y(n-2)
z-1
t zt
bM aN 16
x(n-M) y(n-N)
Filtr o Skończonej Odpowiedzi
Impulsowej(SOI) - przykład
LP:
yn  0.5xn  0.5xn  1
b0 =0.5
x(n)
z-1
t
b1 =0.5
x(n-1) HP:
yn  0.5xn  0.5xn  1
BP: ?

Filtr o Nieskończonej odpowiedzi
Impulsowej (NOI) - przykład
yn  a1 yn  1  xn

Pętla sprzężenia
zwrotnego
x(n) y(n)
a1 t
a1y(n-1) y(n-1)

Równanie różnicowe filtru
N M
 ak yn  k    bk xn  k 

k 0 k 0
Powyższe równanie jest równoważne zapisowi:
a[0]=1
M N
a0 yn    bk xn  k    ak  yn  k 
k 0 k 1
19

Równanie różnicowe filtru
M N
yn    bk xn  k    ak  yn  k 
k 0 k 1
Jeżeli wszystkie współczynniki a(n) są zerowe to

równanie różnicowe opisuje filtr cyfrowy SOI, w
przeciwnym przypadku filtr NOI
SOI – ang. Finite Impulse Response (FIR)
NOI – ang. Infinite Impulse Response (IIR)
20

Prosty filtr dolnoprzepustowy
(freqz)
Impulse response
1
0.5
h=[0.5 -0.5]
0
5 10 15 20 25 30 35 40 45 50
Transfer function
1
HL=FFT(hL)
0.5
0
0 5 10 15 20 25 30 35 40 45 50
N/2+1  fs/2

Prosty filtr górnoprzepustowy
(freqz)
Impulse response
1
0 h=[0.5 -0.5]
-1
5 10 15 20 25 30 35 40 45 50
Transfer function
1
HH=FFT(hH)
0.5
0
0 5 10 15 20 25 30 35 40 45 50
N/2+1  fs/2

Połączenie kaskadowe filtrów
x(n)
hL hH
y(n)
hB hB=hL*hH
x(n) y(n)
hB=hL*hH  HB()= HL()HH()
23
Prosty filtr pasmowoprzepustowy
(freqz)
Impulse response hB  [0.25 0  0.25]
0.5
-0.5
5 10 15 20 25 30 35 40 45 50
Transfer function
1
0.5
HB=FFT(hB)
0
0 5 10 15 20 25 30 35 40 45 50
N/2+1  fs/2
24
Prosty przykład filtru SOI
Filtr o ruchomej średniej:
yn   xn  4  xn  3  xn  2  xn  1  xn 

1
5
Określ wektory współczynników a i b dla tego filtru .
Odpowiedź:
a=[1];
b=[0.2 0.2 0.2 0.2 0.2];
Zatem jest to dolnoprzepustowy filtr SOI
25

Jaka jest odpowiedź impulsowa tego filtru?
1 k
yk   xk  4  xk  3  xk  2  xk  1  xk    xn 
1
5 5 nk 4
Odpowiedź:
h=[0.2 0.2 0.2 0.2 0.2];
Wniosek: dla filtru SOI współczynniki filtru i jego
! odpowiedź impulsowa to jest to samo!
26

Charakterystyka
Charakterystyka fazowafazowa Charakterystyka amplitudowa
Charakterystyka amplitudowa
3 1
2
0.8
1 tzw. zero filtru

0.6
Amplituda
radiany
0.4
-1
0.2
-2
-3 0
0 20 40 60 80 100 0 20 40 60 80 100
f [Hz] f [Hz]
0.2
0.15
Odpowiedź 0.1
impulsowa filtru 0.05
0 27
0 5 10 15 20
Ćwiczenie:
Zbadaj amplitudy i przesunięcia fazowe przebiegów

wyjściowych filtru gdy na jego wejście podano:
 przebieg sinusoidalny f=1 Hz
28

1 Hz
1
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

5 Hz
1
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

20 Hz
1
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

input signal
2
1.5
0.5
-0.5
-1
-1.5
-2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Warunek liniowej fazy dla filtrów SOI
Można projektować filtry SOI tak by zachować

liniową charakterystykę fazową. Zapewniają to
warunki symetrii dla współczynników filtru:
hM  k   hk 
dla k  0,1,, M
hM  k   hk  dla M parzystych lub nieparzystych
Jaka jest korzyść z liniowej fazy filtru?

Opóźnienie sygnału na wyjściu filtru jest niezależne od
! jego częstotliwości.
33

Filtr o liniowej fazie
/4 – opóźnienie fazowe
s(t)=sin(t)
td – opóźnienie czasowe
s(t)=sin(2t)
/2 – opóźnienie czasowe
Filtry o liniowej fazie opóźniają wszystkie

częstotliwości o ten sam czas!
34

Warunek liniowej fazy dla filtrów SOI
hM  k   hk 
dla k  0,1,, M
hM  k   hk 
czas dyskretny czas dyskretny

35

Zniekształcenia fazowe
   
xwe  sin10t   sin20t  xwy  sin10t    sin 20t  
 2  2
2 2
1.5
1.5
1
1
0.5
0.5
Wyj
Wyj
0
0
-0.5
-0.5
-1
-1.5 -1
-2 -1.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
[sek] [sek]
tzw. nieliniowe zniekształcenia fazowe

(np. duże zniekształcenia sygnałów akustycznych) 36

Zniekształcenia fazowe - przykład
30
Magnitude Response (dB)

20
10
-10
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Normalized frequency (Nyquist == 1)
Phase (degrees) 0
-20
-40
-60
-80
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Normalized frequency (Nyquist == 1)
37

Inne przykłady filtrów SOI
Ćwiczenie cd:
Zbadaj charakterystyki filtrów o odpowiedzi impulsowej:
 h=0.25*[1 2 1] , tzw. filtr von Hanna (tzw. filtr Gaussa)
 h=[1 -2 1] , ~ druga pochodna sygnału
38

Projektowanie filtrów
from scipy.signal import firwin
Gdzie f jest tzw. częstoli-

wością znormalizowaną
f=<0,1>, przy czym
1 odowiada fs/2
39
Projektowanie filtrów SOI
M=40 rząd filtru
foff=0.7*fs/2
3dB
fs/2 fs
40
Projektowanie filtrów NOI
Butterworth filter
-0dB ->
len(coeff[0])=16
len(coeff[1])=17
-3dB ->
fs/2
-60dB ->
41
Zastosowanie filtru
a[0]=1
42
Porównanie filtrów SOI i NOI
SOI NOI
 z definicji stabilne  mogą być niestabilne
 łatwe projektowanie  bardziej złożone projektowanie
 łatwo zapewnić liniową fazę  nieliniowa faza
 uzyskanie stromej  możliwość uzyskiwania bardzo

charakterystyki jest możliwe stromej charakterystyki
dla dużego rzędu filtru
 problemy implementacyjne
 skończoną dokładność z uwagi na skończoną
reprezentacji współczynników dokładność reprezentacji
filtru nie jest dokuczliwa współczynników filtru
43

Idea filtru adaptacyjnego
kolejne próbki sygnału
x0 = 1
w1
x(n-P+1) w0
w2 y(n)
... 
x(n-1)
wP (n)
x(n) 
d(n)
Funkcja celu:
E[d(n) – wTx] = [(d(n) - y(n))2] = E[2]  min
44

Adaptacyjna redukcja zakłóceń
źródło
sygnału e(t) = ^x(t)
s(t) = x(t) + v(t) +
S
_
n(t) ^
v(t)
Filtr
adaptacyjny
źródło
zakłóceń (tzw. wejście
odniesienia) Reguła
adaptacji wag
wt   et 
45

Minimum wielkości e(t) odpowiada najskuteczniejszej
(zgodnie z minimum błędu średniokwadratowego)
redukcji zakłóceń:
e(t )  s(t )  vˆ(t )  x(t )  v(t )  vˆ(t )
E[e2 ]  E[ x 2 ]  2E[ x(v  vˆ)]  E[(v  vˆ)2 ]  E[ x 2 ]

c.n.d.
= 
sygnał i zakłócenie
są nieskorelowane 46

Po usunięciu EKG matki

Źródło: Widrow, B. ; Glover, J.R., Jr. ; McCool, J.M. ; Kaunitz, J. ;Williams, C.S. ; Hearn, R.H. ; Zeidler, J.R. ; Eugene Dong,
Jr. ;Goodlin, R.C., Adaptive noise cancelling: Principles and applications, Proceedings of the IEEE
vol: 63 ,no: 12, 1975 47
Zastosowania filtracji adaptacyjnej
Filtry adaptacyjne są stosowane głównie do

filtracji sygnałów niestacjonarnych, np.:
 w adaptacyjnej redukcji zakłóceń mierzonego sygnału

od sieci energetycznej oraz redukcji zakłóceń od
elektronarzędzi chirurgicznych (f~120 Hz)
 do redukcji energii sygnału EKG matki przy pomiarze
EKG płodu
 jako model predykcyjny sygnałów biologicznych do
wykrywania ich zaburzeń (np. detekcji stanu fibrylacji
komór serca  implantowane defibrylatory)
48

Uśrednianie synchroniczne sygnału
Filtry dolnoprzepustowe nie są skuteczne przy

wygładzaniu sygnałów, w których pasmo zakłóceń
pokrywa się z pasmem składowych użytecznych sygnału
xt   st   nt 

A(f) sygnał
A(f) sygnał
użyteczny
użyteczny zakłócenie zakłócenie
S  
S   N   N  
f f
Widma częstotliwościowe sygnału i zakłócenia 49

Idea uśredniania synchronicznego
Sygnały synchronizujące
50

Uśrednianie synchroniczne sygnału jest skuteczne przy

spełnieniu następujących warunków:
 składowe deterministyczne sygnału powinny
występować okresowo (niekoniecznie w regularnych
odstępach)
 sygnał zakłócający powinien być sygnałem losowym,
nieskorelowanym ze składowymi deterministycznymi
sygnału
 powinna istnieć możliwość detekcji cech sygnału
potrzebnych do synchronizacji kolejnych jego cykli 51

N
1
xˆ 
N
x
n 1
n
……
x1 x2 x3 xN ^
x
52

Odchylenie standardowe sygnału: s
Odchylenie standardowe zakłócenia: n
s
Stosunek sygnału do zakłócenia: SNR 
n
Po N uśrednieniach:
s
2
10
SNRN  N
n
1
10
Zatem poprawa SNR po

N uśrednieniach wynosi: N
0
10
0 100 200 300 400 53500

Zastosowania:
 detekcja podszumowa sygnału tj. dla s << n
(zastosowania w telekomunikacji)
 analiza elektrycznych potencjałów wywołanych
mózgu, tj. potencjałów generowanych w mózgu o
amplitudzie kilku mikrowoltów na skutek okresowego
pobudzenia bodźcem: świetlnym (potencjały
wzrokowe), dźwiękowym (potencjały słuchowe) lub
dotykowym (potencjały czuciowe)
54

Czuciowe potencjały wywołane
M. F. El-Bab, COGNITIVE EVENT RELATED POTENTIALS DURING A LEARNING TASK,

PhD, University of Southampton, UK. 55
Filtracja medianowa sygnałów
Mediana – element środkowy w ciągu

uporządkowanych liczb, np.:
x(n)={1, 5, -7, 101, -25, 3, 0, 11, 7}
Porządkowanie (sortowanie) ciągu:
xs(n)={-25, -7, 0, 1, 3, 5, 7, 11, 101 }
Element środkowy
56

sortowanie
czas dyskretny
M=2m+1=5 M=5
57

Filtracja medianowa sygnału:
xn 2 5 -1 7 0 3 -15 9 1 20 6 -9
Kierunek przesuwania
-1 1
2 2
5 7
okna filtracji
med3(xn) 2 2 5 0 3 0 ? ? ? ? 6 6
wyznacz medianę
58

Filtracja medianowa -przykład
400
390
380
x(t)
370
y=med(x)
360
350
340
330
M=7
320
45
310
40
35 0 20 40 60 80 100 120 140 160
30
25
20
y=x-med(x)
15
10
5
59
0
-50
Paweł20Strumiłło,
40 Instytut
60 Elektroniki
80 Politechniki
100 120 Łódzkiej
140 160
Filtracja cyfrowa - podsumowanie
1. Idea filtracji sygnału
2. Charakterystyka częstotliwościowa filtru
3. Rodzaje filtrów
4. Real filters
5. Równania różnicowe
6. Filtry SOI i NOI
7. Liniowa faza i zniekształcenia fazowe
8. Projektowanie filtrów i filtrowanie sygnału
9. Filtracja adaptacyjna
10. Filtracja medianowa (filtracja nieliniowa)
60

Filtry Cyfrowe 7

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Filtry Cyfrowe 7

Uploaded by

Copyright:

Available Formats

Filtry cyfrowe

Procesory sygnałowe (DSP),

x(n) Filtr cyfrowy y(n)

h(n) – odpowiedź impulsowa

y(n) = x(n)  h(n) 1

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

1100 1200 1300 1400 1500 1600 1700 1800 1900

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Filter amplitude transfer function

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

 donoprzepustowe (redukcja zakłóceń o

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

filtry o skończonej 0.6

odpowiedzi impulsowej (SOI) 0.4

tzw. filtry nierekursywne 0

filtry o nieskończonej 0.8

odpowiedzi impulsowej (NOI) 0.6

tzw. filtry rekursywne 0.2

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Elementy (działania) potrzebne realizacji filtru

yk   u1 k   u2 k  yk   cuk  yk   uk  1

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

yn  a1 yn  1  xn

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

 ak yn  k    bk xn  k 

Powyższe równanie jest równoważne zapisowi:

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Jeżeli wszystkie współczynniki a(n) są zerowe to

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

hB=hL*hH  HB()= HL()HH()

yn   xn  4  xn  3  xn  2  xn  1  xn 

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

1 tzw. zero filtru

Zbadaj amplitudy i przesunięcia fazowe przebiegów

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Można projektować filtry SOI tak by zachować

Jaka jest korzyść z liniowej fazy filtru?

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

/2 – opóźnienie czasowe

Filtry o liniowej fazie opóźniają wszystkie

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

czas dyskretny czas dyskretny

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

tzw. nieliniowe zniekształcenia fazowe

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej

Magnitude Response (dB)

Paweł Strumiłło, Instytut Elektroniki Politechniki Łódzkiej