Úvod do číslicové filtrace

Podobné dokumenty
Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně

Při návrhu FIR filtru řešíme obvykle následující problémy:

Číslicové filtry. Honza Černocký, ÚPGM

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

ÚPGM FIT VUT Brno,

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně

Lineární a adaptivní zpracování dat. 3. SYSTÉMY a jejich popis ve frekvenční oblasti

filtry FIR zpracování signálů FIR & IIR Tomáš Novák

Lineární a adpativní zpracování dat. 3. Lineární filtrace I: Z-transformace, stabilita

SIGNÁLY A LINEÁRNÍ SYSTÉMY

Úvod do zpracování signálů

SIGNÁLY A LINEÁRNÍ SYSTÉMY

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY a SYSTÉMY

VY_32_INOVACE_E 15 03

X31EO2 - Elektrické obvody 2. Kmitočtové charakteristiky

Signál v čase a jeho spektrum

PSK1-9. Číslicové zpracování signálů. Číslicový signál

A7B31ZZS 10. PŘEDNÁŠKA Návrh filtrů 1. prosince 2014

Flexibilita jednoduché naprogramování a přeprogramování řídícího systému

Frekvenční charakteristiky

elektrické filtry Jiří Petržela všepropustné fázovací články, kmitočtové korektory

7.1. Číslicové filtry IIR

Měření neelektrických veličin. Fakulta strojního inženýrství VUT v Brně Ústav konstruování

Předmět A3B31TES/Př. 13

Číslicová filtrace. FIR filtry IIR filtry. ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická

9. PRINCIPY VÍCENÁSOBNÉHO VYUŽITÍ PŘENOSOVÝCH CEST

Funkce komplexní proměnné a integrální transformace

Binární data. Číslicový systém. Binární data. Klávesnice Snímače polohy, dotykové displeje, myš Digitalizovaná data odvozená z analogového signálu

31SCS Speciální číslicové systémy Antialiasing

základní vlastnosti, používané struktury návrhové prostředky MATLAB problém kvantování koeficientů

Návrh frekvenčního filtru

MĚŘENÍ ÚHLOVÝCH KMITŮ ZA ROTACE

Kapitola 1. Signály a systémy. 1.1 Klasifikace signálů

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY

Rekurentní filtry. Matlab

Vlastnosti a modelování aditivního

Snímání biologických signálů. A6M31LET Lékařská technika Zdeněk Horčík Katedra teorie obvodů

Analogové modulace. Podpora kvality výuky informačních a telekomunikačních technologií ITTEL CZ.2.17/3.1.00/36206

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY

CW01 - Teorie měření a regulace

Analýza lineárních regulačních systémů v časové doméně. V Modelice (ale i v Simulinku) máme blok TransfeFunction

Teorie měření a regulace

A/D převodníky - parametry

Multimediální systémy

Inverzní z-transformace. prof. Miroslav Vlček. 25. dubna 2013

12 - Frekvenční metody

Limita a spojitost LDF MENDELU

MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH. Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky

Základní komunikační řetězec

polyfázové filtry (multirate filters) cascaded integrator comb filter (CIC) A0M38SPP - Signálové procesory v praxi - přednáška 8 2

elektrické filtry Jiří Petržela filtry se spínanými kapacitory

r Odvoď te přenosovou funkci obvodů na obr.2.16, je-li vstupem napě tí u 1 a výstupem napě tí u 2. Uvaž ujte R = 1Ω, L = 1H a C = 1F.

Manuální, technická a elektrozručnost

I. Současná analogová technika

1 Topologie roviny a prostoru

Digitální modulace. Podpora kvality výuky informačních a telekomunikačních technologií ITTEL CZ.2.17/3.1.00/36206

teorie elektronických obvodů Jiří Petržela obvodové funkce

Vold-Kalmanova řádová filtrace. JiříTůma

Abychom se vyhnuli užití diferenčních sumátorů, je vhodné soustavu rovnic(5.77) upravit následujícím způsobem

Diskretizace. 29. dubna 2015

MKI Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0.

Czech Technical University in Prague Faculty of Electrical Engineering. Fakulta elektrotechnická. České vysoké učení technické v Praze.

VY_32_INOVACE_ENI_2.MA_05_Modulace a Modulátory

O řešení diferenční rovnice y(n+2) 1, 25y(n+1)+0, 78125y(n) = x(n + 2) x(n)

Analýza a zpracování signálů. 5. Z-transformace

Matematika I (KMI/PMATE)

ROZDĚLENÍ SNÍMAČŮ, POŽADAVKY KLADENÉ NA SNÍMAČE, VLASTNOSTI SNÍMAČŮ

Laplaceova transformace

KTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni

Struktura a typy lékařských přístrojů. X31LET Lékařskátechnika Jan Havlík Katedra teorie obvodů

25. DIGITÁLNÍ TELEVIZNÍ SIGNÁL A KABELOVÁ TELEVIZE

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth

2. GENERÁTORY MĚŘICÍCH SIGNÁLŮ II

P7: Základy zpracování signálu

Diferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36

Základní metody číslicového zpracování signálu část I.

14 - Moderní frekvenční metody

Analýza a zpracování signálů

3. Kmitočtové charakteristiky

Základy a aplikace digitálních. Katedra radioelektroniky (13137), blok B2, místnost 722

Praktické výpočty s komplexními čísly (především absolutní hodnota a fázový úhel) viz např. vstupní test ve skriptech.

Základy teorie pravděpodobnosti

Základní pojmy o signálech

25.z-6.tr ZS 2015/2016

Digitalizace převod AS DS (analogový diskrétní signál )

íta ové sít baseband narrowband broadband

Tel-30 Nabíjení kapacitoru konstantním proudem [V(C1), I(C1)] Start: Transient Tranzientní analýza ukazuje, jaké napětí vytvoří proud 5mA za 4ms na ka

Při návrhu FIR filtru řešíme obvykle následující problémy:

Akustika. 3.1 Teorie - spektrum

Metody výpočtu limit funkcí a posloupností

Automatizace je proces při němž je řídicí funkce člověka nahrazována činností

Fyzikální praktikum 3 Operační zesilovač

Univerzita Karlova v Praze Pedagogická fakulta

ELEKTRONIKA. Maturitní témata 2018/ L/01 POČÍTAČOVÉ A ZABEZPEČOVACÍ SYSTÉMY

Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení.

Mezi elementární komplexní funkce se obvykle počítají tyto funkce: f(z) = az + b,

Modelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček. 8. přednáška 11MSP pondělí 20. dubna 2015

DSY-4. Analogové a číslicové modulace. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

1 Zpracování a analýza tlakové vlny

Transkript:

jindrich.zdansky@tul.cz Ústav infromačních technologií a elektroniky Technická univerzita v Liberci 2008

Osnova 1 2 3 4 5

Osnova 1 2 3 4 5

Pojem filtr a filtrace Filtrace je proces, kdy systém (filtr) mění složení vstupního signálu (mechanický, optický, elektrický).

Pojem filtr a filtrace Filtrace je proces, kdy systém (filtr) mění složení vstupního signálu (mechanický, optický, elektrický). Filtry: mechanický - např. prachový optický - sluneční brýle elektronický - analogové, digitální

Filtrace ve smyslu elektroinženýrském Filtrace je proces měnící frekvenční spektrum vstupního signálu X f (θ) Y f (θ).

Filtrace ve smyslu elektroinženýrském Filtrace je proces měnící frekvenční spektrum vstupního signálu X f (θ) Y f (θ). Digitální filtr realizuje proces filtrace diktrétnich signálů.

Příklady elektonických filtrů 1 Potlačení šumu - radiové signály, videosignály, bioelektrické signály (EEG, EKG,... ), zvukové signály....

Příklady elektonických filtrů 1 Potlačení šumu - radiové signály, videosignály, bioelektrické signály (EEG, EKG,... ), zvukové signály.... 2 Zvýraznění frekvenčních pásem - grafický ekvalizér (výšky, hloubky), zvukové efekty (ozvěna, hala, koupelna), zaostření obrázků (hrany - ostré přechody - zvýraznění vysokých frekvencí)

Příklady elektonických filtrů 1 Potlačení šumu - radiové signály, videosignály, bioelektrické signály (EEG, EKG,... ), zvukové signály.... 2 Zvýraznění frekvenčních pásem - grafický ekvalizér (výšky, hloubky), zvukové efekty (ozvěna, hala, koupelna), zaostření obrázků (hrany - ostré přechody - zvýraznění vysokých frekvencí) 3 Omezení přenosového pásma v komunikačních kanálech (ADSL, rozhlasové + TV vysílání)

Příklady elektonických filtrů 1 Potlačení šumu - radiové signály, videosignály, bioelektrické signály (EEG, EKG,... ), zvukové signály.... 2 Zvýraznění frekvenčních pásem - grafický ekvalizér (výšky, hloubky), zvukové efekty (ozvěna, hala, koupelna), zaostření obrázků (hrany - ostré přechody - zvýraznění vysokých frekvencí) 3 Omezení přenosového pásma v komunikačních kanálech (ADSL, rozhlasové + TV vysílání) 4 Potlačení/odstranění specifických frekvencí (blokování DC složky, potlačení rušení ze sítě 50/60Hz)

Příklady elektonických filtrů 1 Potlačení šumu - radiové signály, videosignály, bioelektrické signály (EEG, EKG,... ), zvukové signály.... 2 Zvýraznění frekvenčních pásem - grafický ekvalizér (výšky, hloubky), zvukové efekty (ozvěna, hala, koupelna), zaostření obrázků (hrany - ostré přechody - zvýraznění vysokých frekvencí) 3 Omezení přenosového pásma v komunikačních kanálech (ADSL, rozhlasové + TV vysílání) 4 Potlačení/odstranění specifických frekvencí (blokování DC složky, potlačení rušení ze sítě 50/60Hz) 5 Speciální operace - diferenciace, integrace, Hilbertova transformace...

Proč digitální filtry? Vlastnosti analogových filtrů aplikace na signály spojité v čase realizace pomocí operačních zesilovačů, rezistorů, kapacitorů teoreticky nekonečný frekveční rozsah (prakticky max. GHz - mikrovlné součástky)

Proč digitální filtry? Vlastnosti analogových filtrů aplikace na signály spojité v čase realizace pomocí operačních zesilovačů, rezistorů, kapacitorů teoreticky nekonečný frekveční rozsah (prakticky max. GHz - mikrovlné součástky) Nevýhody analogových filtrů citlivé na šum, nestálost a nepřesnost jednotlivých součástek, nelinearity omezený dynamický rozsah špatná výrobní reprodukovatelnost

Proč digitální filtry? Vlastnosti digitálních filtrů aplikace na signály diskrétní v čase (a hodnotách - SC obvody) implementace pomocí aritmetických operací (+,*, mov) vysoce lineární (až na kvantizační šum) flexibilní softwarová implementace => změna parametrů za běhu (adaptivní filtry) perfektní reprodukovatelnost takřka neomezený dynamický rozsah (floating point)

Proč digitální filtry? Vlastnosti digitálních filtrů aplikace na signály diskrétní v čase (a hodnotách - SC obvody) implementace pomocí aritmetických operací (+,*, mov) vysoce lineární (až na kvantizační šum) flexibilní softwarová implementace => změna parametrů za běhu (adaptivní filtry) perfektní reprodukovatelnost takřka neomezený dynamický rozsah (floating point) Nevýhody digitálních filtrů frekvenční rozsah dán vzorkovací frekvencí (f r f s/2 vyžadují A/D a D/A převodníky pro kontakt s reálným světem

Číslicové filtry v PZS V PZS se budeme zabývat návrhem filtrů

Číslicové filtry v PZS V PZS se budeme zabývat návrhem filtrů lineárních a časově invariantních (LTI) LTI systém musí splňovat podmínky: aditivity: je-li y 1 [n],y 2 [n] odezva systému na vstupní signály x 1 [n],x 2 [n], pak odezva systému na signál x 1 [n] + x 2 [n] musí být y 1 [n] + y 2 [n] homogenity: je-li y[n] odezva sytému na x[n], pak odezva na αx[n] musí být αy[n] časové invariance: je-li y[n] odezva sytému na x[n], pak odezva na časově zpožděný x[n k] je y[n k]

Číslicové filtry v PZS V PZS se budeme zabývat návrhem filtrů lineárních a časově invariantních (LTI) reálných a racionálních systém je reálný: je-li vstupem reálný signál, pak výstupem je také reálný signál => magnitudová odezva je symetrická, fázová odezva antisymetrická

Číslicové filtry v PZS V PZS se budeme zabývat návrhem filtrů lineárních a časově invariantních (LTI) reálných a racionálních systém je racionální: když jeho přenosová funkce je racionální lomená.

Číslicové filtry v PZS V PZS se budeme zabývat návrhem filtrů lineárních a časově invariantních (LTI) reálných a racionálních kauzálních systém je kauzální: pokud jeho výstupní signál v čase n 0 tj. y[n 0 ] je nezávislý na hodnotách vstupního signálu v časech n > n 0

Číslicové filtry v PZS V PZS se budeme zabývat návrhem filtrů lineárních a časově invariantních (LTI) reálných a racionálních kauzálních stabilních systém je stabilní ve smyslu BIBO: pokud vstupní signál s omezenou velikostí x[n] A vyvolá výstupní signál y[n] s omezenou velikostí y[n] B. A a B jsou libolné kladné konečné konstanty.

Popis filtru v časové oblasti Impulzní odezva - odezva na jednotkový puls y[n] = x[n] h[n] = x[k]h[n k] = x[n k]h[k] k= k=

Popis filtru v časové oblasti Impulzní odezva - odezva na jednotkový puls Diferenční rovnice y[n] = bx[n] a 1 y[n 1] a 2 y[n 2]

Popis filtru v časové oblasti Impulzní odezva - odezva na jednotkový puls Diferenční rovnice Blokové schéma

Popis filtru v obrazové oblasti Přenosová funkce filtru je racionální lomená funkce definovaná v z-rovině: H z (z) = bo + b 1z 1 + b 2 z 2 + b qz q 1 + a 1 z 1 + a 2 z 2 + a pz p

Popis filtru v obrazové oblasti Přenosová funkce filtru je racionální lomená funkce definovaná v z-rovině: H z (z) = bo + b 1z 1 + b 2 z 2 + b qz q 1 + a 1 z 1 + a 2 z 2 + a pz p Podle přenosové funkce dělíme filtry na: IIR - s nekonečnou impulzní odezvou (p 1 a a p 0) FIR - s konečnou impulzní odezvou (p = 0) a impulzní odezva h[n] FIR filtru je: { bn, 0 n q h[n] = 0, jindy

Popis filtru v obrazové oblasti Frekveční charakteristika filtru

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Osnova 1 2 Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry 3 4 5

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Ideální filtry

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Ideální filtry a) Dolní propust (Low-pass) propouští frekvence od 0 do zlomové frekvence (cut-off) θ 0, blokuje ostatní.

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Ideální filtry b) Horní propust (High-pass) propouští frekvence od θ 0 do zlomové frekvence (cut-off) π, blokuje ostatní.

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Ideální filtry c) Pásmová propust (Band-pass) propouští frekvence od θ 1 do θ 2, blokuje ostatní.

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Ideální filtry d) Pásmová zádrž (Band-stop) blokuje frekvence od θ 1 do θ 2, propouští ostatní.

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Dolní propust

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Dolní propust Propustné pásmo (pass-band) pro frekvenční rozsah 0 θ θ p platí: 1 δ H f (θ) 1 + δ +

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Dolní propust Nepropustné pásmo (pass-band) pro frekvenční rozsah θ s θ π platí: 0 H f (θ) δ s

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Dolní propust Přechodové pásmo (transition-band) pro frekvenční rozsah θ p < θ < θ s H f (θ) nedefinována

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Dolní propust Zvlnění v propustném pásmu (pass-band ripple) je velikost δ p = max {δ +, δ }, v db A p 8.6859 max {δ +, δ }

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Dolní propust Útlum v nepropustném pásmu (stop-band attenuation) δ s v db A s = 20 log 10 δ s

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Horní propust

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Pásmová propust

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Pásmová zádrž

Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry Vícepásmový filtr

Osnova 1 2 3 4 5

Frekvenční odezva Přenosová funkce H z (z) je komplexní funkce komplexní proměnné z (4D zobrazení), zajímá nás vliv H z (z) na spektrum signálu, tj. jen v oblasti z = e jθ

Frekvenční odezva Přenosová funkce H z (z) je komplexní funkce komplexní proměnné z (4D zobrazení), zajímá nás vliv H z (z) na spektrum signálu, tj. jen v oblasti z = e jθ Frekvenční odezva H f (θ) je komplexní funkce reálné proměnné θ Složkový tvar: H f (θ) = H f r (θ) + jh f i (θ) Polární tvar: H f (θ) = H f (θ) e jψ(θ)

Frekvenční odezva Přenosová funkce H z (z) je komplexní funkce komplexní proměnné z (4D zobrazení), zajímá nás vliv H z (z) na spektrum signálu, tj. jen v oblasti z = e jθ Frekvenční odezva H f (θ) je komplexní funkce reálné proměnné θ Složkový tvar: H f (θ) = H f r (θ) + jh f i (θ) Polární tvar: H f (θ) = H f (θ) e jψ(θ) Magnituda a fáze frekveční odezvy Magnituda: H f (θ) = [Hr f (θ)] 2 + [Hi f (θ)]2 Fáze: Ψ(θ) = viz dále

Osnova 1 2 3 4 5

Definice fázové odezvy Frekvenční odezva H f (θ) Polární tvar: H f (θ) = H f (θ) e jψ(θ)

Definice fázové odezvy Frekvenční odezva H f (θ) Polární tvar: H f (θ) = H f (θ) e jψ(θ) Ψ(θ) Ψ(θ) = { atan2{h f i (θ), Hr f (θ)}, H f (θ) 0 nedefinováno, H f (θ) = 0 kde α = atan2(y, x) je unikátní úhel α ( π, π > pro který platí cos(α) = x (x 2 + y 2 ), sin(α) = y (x 2 + y 2 )

Průběh atan vs. atan2

Osnova 1 2 Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry 3 4 5

Průběh fáze Ψ(θ) je spojitý až na 2 případy: 1 v bodech θ 0 kde Hi f (θ 0 ) = 0 a Hr f (θ) < 0 nabývá hodnoty Ψ(θ 0 ) = π (z definice). Pro Hi f (θ 0 ) < 0 nebo Hf i (θ + 0 ) < 0 nabývá Ψ(θ+ 0 ) nebo Ψ(θ 0 ) hodnoty π. Dochází ke skoku ve fázi 2π (2π nespojitost).

Průběh fáze Ψ(θ) je spojitý až na 2 případy: 1 v bodech θ 0 kde Hi f (θ 0 ) = 0 a Hr f (θ) < 0 nabývá hodnoty Ψ(θ 0 ) = π (z definice). Pro Hi f (θ 0 ) < 0 nebo Hf i (θ + 0 ) < 0 nabývá Ψ(θ+ 0 ) nebo Ψ(θ 0 ) hodnoty π. Dochází ke skoku ve fázi 2π (2π nespojitost). 2 v bodech H f (θ 0 ) = 0 (tj. H f i (θ 0 ) = 0 a H r (θ 0 ) = 0) není fáze definována, dochází ke skoku ve fázi o π (π nespojitost).

Průběh fáze Ψ(θ) je spojitý až na 2 případy: 1 v bodech θ 0 kde Hi f (θ 0 ) = 0 a Hr f (θ) < 0 nabývá hodnoty Ψ(θ 0 ) = π (z definice). Pro Hi f (θ 0 ) < 0 nebo Hf i (θ + 0 ) < 0 nabývá Ψ(θ+ 0 ) nebo Ψ(θ 0 ) hodnoty π. Dochází ke skoku ve fázi 2π (2π nespojitost). 2 v bodech H f (θ 0 ) = 0 (tj. H f i (θ 0 ) = 0 a H r (θ 0 ) = 0) není fáze definována, dochází ke skoku ve fázi o π (π nespojitost). Počet nespojitostí Necht H z (z) je RCSR (reálná, kauzální, stabilní, racionální), pak H f i (θ) = 0 a H f r (θ 0 ) 0 nastane jen v konečném počtu bodů na intervalu π < 0 π.

Průběh fáze Ψ(θ) je spojitý až na 2 případy: 1 v bodech θ 0 kde Hi f (θ 0 ) = 0 a Hr f (θ) < 0 nabývá hodnoty Ψ(θ 0 ) = π (z definice). Pro Hi f (θ 0 ) < 0 nebo Hf i (θ + 0 ) < 0 nabývá Ψ(θ+ 0 ) nebo Ψ(θ 0 ) hodnoty π. Dochází ke skoku ve fázi 2π (2π nespojitost). 2 v bodech H f (θ 0 ) = 0 (tj. H f i (θ 0 ) = 0 a H r (θ 0 ) = 0) není fáze definována, dochází ke skoku ve fázi o π (π nespojitost). Počet nespojitostí Necht H z (z) je RCSR (reálná, kauzální, stabilní, racionální), pak H f i (θ) = 0 a H f r (θ 0 ) 0 nastane jen v konečném počtu bodů na intervalu π < 0 π. Věta o nespojitosti fáze Necht H z (z) je RCSR přenosová funkce. Pak v bodech nespojitosti (konečný počet na π < θ π) se fáze mění bud o 2π nebo π radiánů.

Osnova 1 2 Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry 3 4 5

Nespojitá fáze Příklad Necht H z (z) = 1 z 1. Frekvenční odezva je: Magnituda: Fáze: H f (θ) = 1 e jθ = (e j0.5θ + e j0.5θ )e j0.5θ = 2j sin(0.5θ)e j0.5θ Ψ(θ) = H f (θ) = 2 sin(0.5θ)e j(0.5π 0.5θ) H f (θ) = 2 sin(0.5θ) Fáze v bodě θ 0 = 0 nespojitost 2. druhu: { 0.5π 0.5θ, 0 < θ < π 0.5π 0.5θ, π < θ < 0 Ψ(θ 0 ) = 0.5π, Ψ(θ+ 0 ) = 0.5π

Nespojitá fáze

Reprezentace frekvenční odezvy pomocí spojité fáze Definice Frekvenční odezva RCSR přenosové funkce H z (z) lze vyjádřit jako: H f (θ) = A(θ)e jφ(θ)

Reprezentace frekvenční odezvy pomocí spojité fáze Definice Frekvenční odezva RCSR přenosové funkce H z (z) lze vyjádřit jako: H f (θ) = A(θ)e jφ(θ) A(θ) se nazývá amplitudová funkce (reálná, nemusí být kladná).

Reprezentace frekvenční odezvy pomocí spojité fáze Definice Frekvenční odezva RCSR přenosové funkce H z (z) lze vyjádřit jako: H f (θ) = A(θ)e jφ(θ) A(θ) se nazývá amplitudová funkce (reálná, nemusí být kladná). Φ(θ) se nazývá spojitá fáze (spojitá funkce)

Přechod nespojitá fáze spojitá fáze Krok 1 Najdeme první bod nespojitosti θ 1 napravo od π

Přechod nespojitá fáze spojitá fáze Krok 2 Nadefinujeme: A(θ) = H f (θ), Φ(θ) = Ψ(θ), π < θ < θ 1 A(θ 1 ) = lim θ θ1 A(θ), Φ(θ 1 ) = lim θ θ1 Φ(θ)

Přechod nespojitá fáze spojitá fáze Krok 3 Najdeme další bod nespojitosti napravo od θ 1 a definujeme A(θ) = ( 1) k H f (θ), Φ(θ) = Ψ(θ) + kπ, θ 1 < θ < θ 2

Přechod nespojitá fáze spojitá fáze Krok 4 opakujeme krok 3 dokud neodstraníme poslední bod nespojitosti

Přechod nespojitá fáze spojitá fáze Krok 5 Zajistíme jednoznačnost reprezentace: posuneme (přičteme) Φ(θ) o π nebo 2π tak, aby 0 θ(0) < π. Při posunu o π musíme otočit znaménko, tj. A(θ) = A(θ). Při posunu o 2π A(θ) zůstává.

Reprezentace pomocí spojité fáze Příklad A(θ) = 2 sin(0.5θ), Φ(θ) = 0.5π 0.5θ

Reprezentace pomocí spojité fáze Příklad A(θ) = 2 sin(0.5θ), Φ(θ) = 0.5π 0.5θ

Osnova 1 2 Dolní propust Horní propust Pásmová propust Pásmová zádrž Vícepásmové filtry 3 4 5

Filtr s lineární fází Necht má číslicový filtr frekvenční odezvu H f (θ) = A(θ)e jθτp, kde τ p = konst.

Filtr s lineární fází Necht má číslicový filtr frekvenční odezvu H f (θ) = A(θ)e jθτp, kde τ p = konst. pak se nazývá filtr s lineární fází

Filtr s lineární fází Necht má číslicový filtr frekvenční odezvu H f (θ) = A(θ)e jθτp, kde τ p = konst. pak se nazývá filtr s lineární fází konstanta τ p se nazývá fázové zpoždění (ve vzorcích)

Celočíselné fázové zpoždění Příklad Mějme filtr H z (z) = z L, H f (θ) = e jθl, kde L je celé číslo. y[n] = x[n] h[n] = IDTFT (H f (θ)x f (θ)) y[n] = 1 2π y[n] = 1 2π π π π π H f (θ)x f (θ)e jθn dθ X f (θ)e jθ(n L) dθ y[n] = x[n L]

Celočíselné fázové zpoždění Příklad Mějme filtr H z (z) = z L, H f (θ) = e jθl, kde L je celé číslo. y[n] = x[n] h[n] = IDTFT (H f (θ)x f (θ)) y[n] = 1 2π y[n] = 1 2π π π π π H f (θ)x f (θ)e jθn dθ X f (θ)e jθ(n L) dθ y[n] = x[n L] Má-li filtr konstantní celočíselné fázové zpoždění (lineární fází) na intervalu θ 1 θ θ 2, bude y[n] v tomto pásmu ovlivněn pouze magnitudou a zpožděn o L vzorků.

Neceločíselné fázové zpoždění Příklad Mějme filtr H f (θ) = e jθ(l+δ), kde L + δ není celé číslo. y[n] = 1 2π π π [ 1 π ] x[m]e jθm e jθ(n L δ) dθ = 2π π m= y[n] = m= X f (θ)e jθ(n L δ) dθ = m= x[m]sinc(n m L δ) [ 1 π ] x[m] e jθ(n L δ) dθ 2π π

Neceločíselné fázové zpoždění Příklad Mějme filtr H f (θ) = e jθ(l+δ), kde L + δ není celé číslo. y[n] = 1 2π π π [ 1 π ] x[m]e jθm e jθ(n L δ) dθ = 2π π m= y[n] = m= X f (θ)e jθ(n L δ) dθ = m= x[m]sinc(n m L δ) [ 1 π ] x[m] e jθ(n L δ) dθ 2π π Má-li filtr konstantní neceločíselné fázové zpoždění (lineární fází) na intervalu θ 1 θ θ 2, bude y[n] v tomto pásmu ovlivněn pouze magnitudou a zpožděn jakoby o L + δ vzorků (sinc interpolace).

Fázové zpoždění obecně Pro filtry nemající lineární fázi definujeme: τ p(θ) = φ(θ) θ

Příklad Necht má filtr frekvenční odezvu (filtr nemá lineární fázi) e jφ0 jθ(l+δ), θ 1 θ θ 2 H f (θ) = e jφ0 jθ(l+δ), θ 2 θ θ 1 libovolné, jinde kde L je přirozené číslo, δ zlomek, φ 0 fixní úhel a θ 1, θ 2 fixní frekvence. Vstupní signál x[n] (obálka) je amplitudově modulován na nosnou frekvenci θ c, tj. x[n]cos(θ cn). Dále předpokládejme: 1 modulující signál x[n] je pásmově omezený, tj. θ θ 0 2 platí následující nerovnost: θ 1 θ c θ 0 < θ c + θ 0 θ 2 Otázka: Jak bude vypadat výstupní signál?

Příklad Necht má filtr frekvenční odezvu (filtr nemá lineární fázi) e jφ0 jθ(l+δ), θ 1 θ θ 2 H f (θ) = e jφ0 jθ(l+δ), θ 2 θ θ 1 libovolné, jinde kde L je přirozené číslo, δ zlomek, φ 0 fixní úhel a θ 1, θ 2 fixní frekvence. Vstupní signál x[n] (obálka) je amplitudově modulován na nosnou frekvenci θ c, tj. x[n]cos(θ cn). Dále předpokládejme: 1 modulující signál x[n] je pásmově omezený, tj. θ θ 0 2 platí následující nerovnost: θ 1 θ c θ 0 < θ c + θ 0 θ 2 Otázka: Jak bude vypadat výstupní signál? y[n] = w[n]cos[θ cn + φ 0 θ c(l + δ)]

Filtr se zobecněnou lineární fází (GLP - Generalized linear phase) GLP filtr má frekveční odezvu ve tvaru H f (θ) = A(θ)e j(φ 0 θτ g ) τ g se nazývá skupinové zpoždění (group delay) - ve vzorcích.

Filtr se zobecněnou lineární fází (GLP - Generalized linear phase) GLP filtr má frekveční odezvu ve tvaru H f (θ) = A(θ)e j(φ 0 θτ g ) τ g se nazývá skupinové zpoždění (group delay) - ve vzorcích. Skupinové zpoždění pro obecný filtr τ g = dφ(θ) dθ

Skupinové zpoždění Výpočet skupinového zpoždění pro obecný filtr τ g(θ) = d dθ arctan2{hf i (θ), H f r (θ)} = dh r f (θ) dθ Hf i (θ) dhf i (θ) dθ Hf r (θ) [H i f (θ)]2 +[Hr f (θ)]2

Skupinové zpoždění Výpočet skupinového zpoždění pro obecný filtr τ g(θ) = d dθ arctan2{hf i (θ), H f r (θ)} = dh r f (θ) dθ Hf i (θ) dhf i (θ) dθ Hf r (θ) [H i f (θ)]2 +[Hr f (θ)]2 Výpočet skupinového zpoždění pro FIR H f (θ) = N n=0 h[n]e jθn, dh f (θ) dθ = j N n=0 nh[n]e jθn

Skupinové zpoždění Výpočet skupinového zpoždění pro obecný filtr τ g(θ) = d dθ arctan2{hf i (θ), H f r (θ)} = dh r f (θ) dθ Hf i (θ) dhf i (θ) dθ Hf r (θ) [H i f (θ)]2 +[Hr f (θ)]2 Výpočet skupinového zpoždění pro FIR H f (θ) = N n=0 h[n]e jθn, dh f (θ) dθ = j N n=0 nh[n]e jθn Výpočet skupinového zpoždění pro racionální IIR Skupinové zpoždění je dáno rozdílem skuoinového zpoždění čitatele a jmenovatele: τ g(θ) = τ b g (θ) τ a g (θ)

Vliv polohy nulových bodů na τ g Příklad H1 z (z) = (1 0.5z 1 )(1 0.2z 1 ), H z 1 z 1 + 0.5z 2 2 (z) = 0.5(1 2z 1 )(1 0.2z 1 ) 1 z 1 + 0.5z 2 H3 z (z) = 0.2(1 0.5z 1 )(1 5z 1 ), H z 1 z 1 + 0.5z 2 4 (z) = 0.1(1 2z 1 )(1 5z 1 ) 1 z 1 + 0.5z 2

Vliv polohy nulových bodů na τ g Příklad H1 z (z) = (1 0.5z 1 )(1 0.2z 1 ), H z 1 z 1 + 0.5z 2 2 (z) = 0.5(1 2z 1 )(1 0.2z 1 ) 1 z 1 + 0.5z 2 H3 z (z) = 0.2(1 0.5z 1 )(1 5z 1 ), H z 1 z 1 + 0.5z 2 4 (z) = 0.1(1 2z 1 )(1 5z 1 ) 1 z 1 + 0.5z 2 Obrázek: Magnituda filtrů

Poloha nul a pólů

Skupinové zpoždění H1 z (z) = (1 0.5z 1 )(1 0.2z 1 ), H z 1 z 1 + 0.5z 2 2 (z) = 0.5(1 2z 1 )(1 0.2z 1 ) 1 z 1 + 0.5z 2 H3 z (z) = 0.2(1 0.5z 1 )(1 5z 1 ), H z 1 z 1 + 0.5z 2 4 (z) = 0.1(1 2z 1 )(1 5z 1 ) 1 z 1 + 0.5z 2

Filtr s minimální fází Filtr s minimální fází nemá žádný nulový body vně jednotkového kruhu

Filtr s minimální fází Filtr s minimální fází nemá žádný nulový body vně jednotkového kruhu Filtr s maximální fází má všechny nulové body vně jednotkového kruhu

Filtr s minimální fází Filtr s minimální fází nemá žádný nulový body vně jednotkového kruhu Filtr s maximální fází má všechny nulové body vně jednotkového kruhu Filtr s smíšenou fází má libovolně rozmístěné nulové body

Převod filtru s neminimální na minimální fázi 1 Navrhneme filtr splňující požadavky na magnitudu, ignorujeme fázi

Převod filtru s neminimální na minimální fázi 1 Navrhneme filtr splňující požadavky na magnitudu, ignorujeme fázi 2 Najdeme nulové body filtru z n

Převod filtru s neminimální na minimální fázi 1 Navrhneme filtr splňující požadavky na magnitudu, ignorujeme fázi 2 Najdeme nulové body filtru z n 3 Nahradíme nuly vně jednotkového kruhu (tj. z n > 1 ) jejich komplexně sdruženými inverzemi, tj. z n z n 1.

Převod filtru s neminimální na minimální fázi 1 Navrhneme filtr splňující požadavky na magnitudu, ignorujeme fázi 2 Najdeme nulové body filtru z n 3 Nahradíme nuly vně jednotkového kruhu (tj. z n > 1 ) jejich komplexně sdruženými inverzemi, tj. z n z n 1. 4 Přizpůsobíme zisk (magnitudu) filtru (násobením konstantou K ) tak, aby odpovídal původnímu.

- fázovací články mají konstatní magitudovou odezvu H f (θ) = 1 Racionální filtr je all-pass: 1 když má stejný počet nul a pólů

- fázovací články mají konstatní magitudovou odezvu H f (θ) = 1 Racionální filtr je all-pass: 1 když má stejný počet nul a pólů 2 každé nule odpovídá koplexně srdužený pól

- fázovací články mají konstatní magitudovou odezvu H f (θ) = 1 Racionální filtr je all-pass: 1 když má stejný počet nul a pólů 2 každé nule odpovídá koplexně srdužený pól 3 přenosová fuknkce má tvar: H z (z) = p k=1 α k z 1 1 α k z 1

Osnova 1 2 3 4 5