Předmět A3B31TES/Př. 12
PS 1
1Katedra teorie obvodů, místnost č. 523, blok B2
Přednáška 12: Číslicové filtry – základy
PS Předmět A3B31TES/Př. 12 květen 2015 1 / 39
Obsah
1 Příklady číslicových filtrů2 Příklady číslicových filtrů FIR klouzavé průměry3 Příklady číslicových filtrů - kaskáda4 Zapojení číslicových filtrů5 Příklady číslicových filtrů FIR - diferenční filtr6 Příklady číslicových filtrů FIR hřebenový filtr7 Návrh číslicových filtrů8 Návrh číslicových filtrů pomocí fdatool9 Příklad návrhu nestabilního filtru10 Programová realizace číslicových filtrů11 Vlastnosti FIR a IIR12 Aproximace derivace13 Adaptivní filtry - samonavrhující se filtry14 Dvoudimenzionální filtry15 Další informace o filtrech
PS Předmět A3B31TES/Př. 12 květen 2015 2 / 39
Příklady číslicových filtrů
Příklady číslicových filtrů a trocha teorie
Následující příklady ilustrují vlastnosti často používaných filtrů a některétriky ze zpracování signálů
Připomenutí:1 implementace filtru ↔ diferenční rovnice2 frekvenční charakteristika ↔ přenosové vlastnosti, stabilita3 nuly a póly ↔ stabilita
PS Předmět A3B31TES/Př. 12 květen 2015 3 / 39
Příklady číslicových filtrů FIR klouzavé průměry
Příklady číslicových filtrů FIR klouzavéprůměry - trendy
Modulová frekvenční charakteristika a diagram nul a pólů pro klouzavé průměrydélky 2; diferenční rovnice y [n] = 1/2(x [n] + x [n − 1])
PS Předmět A3B31TES/Př. 12 květen 2015 4 / 39
Příklady číslicových filtrů FIR klouzavé průměry
Modulová frekvenční charakteristika a diagram nul a pólů pro klouzavé průměrydélky 3: y [n] = 1/3(x [n] + x [n − 1] + x [n − 2])
PS Předmět A3B31TES/Př. 12 květen 2015 5 / 39
Příklady číslicových filtrů FIR klouzavé průměry
Modulová frekvenční charakteristika a diagram nul a pólů pro klouzavé průměrydélky 6: y [n] = 1/6(x [n] + ...+ x [n − 5])
PS Předmět A3B31TES/Př. 12 květen 2015 6 / 39
Příklady číslicových filtrů FIR klouzavé průměry
Modulová frekvenční charakteristika a diagram nul a pólů pro klouzavé průměrydélky 10: y [n] = 1/10(x [n] + ...+ x [n − 9])
PS Předmět A3B31TES/Př. 12 květen 2015 7 / 39
Příklady číslicových filtrů - kaskáda
Modulová frekvenční charakteristika a diagram nul a pólů pro kaskádu dvouklouzavých průměrů délky 6 - jeden z používaných triků
PS Předmět A3B31TES/Př. 12 květen 2015 8 / 39
Zapojení číslicových filtrů
Zapojení číslicových filtrů - kaskáda ¶lelní
Podobně lze
realizovat pásmovou zádrž jako kaskádu dolní a horní propust
realizovat pásmovou propust jako paralelní spojení přímé signálovécesty a pásmové zádrže
filtry vyšších řadů realizujeme jako kaskádu filtrů 1. a 2. řádů
PS Předmět A3B31TES/Př. 12 květen 2015 9 / 39
Příklady číslicových filtrů FIR - diferenční filtr
Příklady číslicových filtrů FIR - diferenčnífiltr - náhrada derivace
Modulová frekvenční charakteristika a diagram nul a pólů pro diferenční filtr(zpětná diference) – horní propust: y [n] = 1/2(x [n]− x [n − 1])
PS Předmět A3B31TES/Př. 12 květen 2015 10 / 39
Příklady číslicových filtrů FIR - diferenční filtr
Diferenční filtr
Modulová frekvenční charakteristika a diagram nul a pólů pro diferenční filtr (symetrická
diference) – pásmová propust: y [n] = 1/2(x[n] − x[n − 2])
PS Předmět A3B31TES/Př. 12 květen 2015 11 / 39
Příklady číslicových filtrů FIR hřebenový filtr
Příklady číslicových filtrů FIR hřebenovýfiltr - echo, odrazy
Modulová frekvenční charakteristika a diagram nul a pólů pro hřebenový filtrdélky 6: y [n] = 1/2(x [n]− x [n − 6])
PS Předmět A3B31TES/Př. 12 květen 2015 12 / 39
Návrh číslicových filtrů
Návrh číslicových filtrů
IIR: H(z) = B(z)A(z) =
M∑k=0
bkz−k
1+
L∑l=1
alz−l
M ≤ L ak , bk koeficienty filtru
FIR: H(z) = B(z) =M∑k=0
bkz−k
Cíl návrhu
koeficienty filtru - nejsnažší postup X možné potíže při implemetaci
nuly a póly - robustnější chování - možný rozklad do sekcí 2. řádu
stavový popis - nejrobustnější při návrhu i při kvantování
Zadání požadavků návrhovým programům pomocí tolerančního pole
PS Předmět A3B31TES/Př. 12 květen 2015 13 / 39
Návrh číslicových filtrů
Návrh číslicových filtrů - toleranční pole
PS Předmět A3B31TES/Př. 12 květen 2015 14 / 39
Návrh číslicových filtrů
Návrh číslicových filtrů
Metody návrhu:
IIR - diskretizace analogových filtrů, metoda nejmenších čtverců
FIR - metoda oken, optimalizační postup, metoda nejmenšíchčtverců, frekvenční vzorkování
Doporučený postup:1 návrh filtru - fdatool nebo pro zdatnější: fir1, fir2, firpm, butter, cheby1, cheby2, ellip,. . .
2 kontrola stability (ne pro FIR) - fdatool , roots, zplane
3 kontrola frekvenční charakteristiky (tolerančního pole) - fdatool ,freqz
4 simulace filtru - fdatool , filter
PS Předmět A3B31TES/Př. 12 květen 2015 15 / 39
Návrh číslicových filtrů pomocí fdatool
Návrh číslicových filtrů pomocí fdatool
PS Předmět A3B31TES/Př. 12 květen 2015 16 / 39
Návrh číslicových filtrů pomocí fdatool
Analýza číslicových filtrů pomocí fdatool
PS Předmět A3B31TES/Př. 12 květen 2015 17 / 39
Příklad návrhu nestabilního filtru
Příklad stabilního a nestabilního návrhu IIRfiltru
Pozor: použití MATLABu nezaručuje stabilní a správný návrh
PS Předmět A3B31TES/Př. 12 květen 2015 18 / 39
Programová realizace číslicových filtrů
Příklad programové realizace IIR filtru řádu2
y [n] = b0x [n] + b1x [n − 1] + b2x [n − 2]− a1y [n − 1]− a2y [n − 2]
function y=filtr radu2(x);% direct form I, vstup=x, vystup=ymem f(1)=0; % pameti pro dopredne a zpetne vazbymem f(2)=0;mem b(1)=0;mem b(2)=0;for nn=1:N; % filtrace signalu=vypocet konvoluceout=b(1)*x(nn)+b(2)*mem f(1)+b(3)*mem f(2)-a(2)*mem b(1)-a(3)*mem b(2);mem f(2)=mem f(1);mem f(1)=x(nn);mem b(2)=mem b(1);mem b(1)=out;y(nn)=out;endend
PS Předmět A3B31TES/Př. 12 květen 2015 19 / 39
Vlastnosti FIR a IIR
Porovnání vlastností FIR a IIR filtrů
FIR IIRdopředné vazby dopř. i zpětné vazbyimp. odezva konečná imp. odezva nekonečnáH(z) = polynom H(z)= rac. lomená funkcevždy stabilní může být nestabilnířád = vysoký řád = nízký1
fáze lineární fáze nelineárníkvantování → šum kvantování → oscilace2
|H(e jΘ| formují nuly |H(e jΘ| formují póly i nuly
1Větší strmost v přechodovém pásmu ↔ nuly i póly
2Limitní cykly
PS Předmět A3B31TES/Př. 12 květen 2015 20 / 39
Aproximace derivace
Aproximace derivace - diferenciátor
Porovnání frekvenční charakteristiky diferenčního3 filtru délky 2 a diferenciátoru4
délky 51
3Filtr typu horní propust
4Opět má blízko k horní propusti
PS Předmět A3B31TES/Př. 12 květen 2015 21 / 39
Adaptivní filtry - samonavrhující se filtry
Adaptivní filtry
Adaptivní filtry = „samonavrhující seÿ filtry – nastaví své koeficienty podletypu signálu a podle kritéria5
Obrázek: Schema adaptivního filtru
5Více informací na přednášce
PS Předmět A3B31TES/Př. 12 květen 2015 22 / 39
Adaptivní filtry - samonavrhující se filtry
Obrázek: Spektrogram chirp signálu
PS Předmět A3B31TES/Př. 12 květen 2015 23 / 39
Adaptivní filtry - samonavrhující se filtry
Obrázek: Odhad frekvence adaptivní pásmovou zádrží (vlevo nahoře), vývoj vah (vpravo nahoře), vývoj modulu nulyfiltru (vlevo dole), vývoj polohy nuly filtru v z rovině (vpravo dole)
PS Předmět A3B31TES/Př. 12 květen 2015 24 / 39
Adaptivní filtry - samonavrhující se filtry
Obrázek: Frekvenční charakteristika adaptivní pásmové zádrže měřící frekvenci sinusovky
PS Předmět A3B31TES/Př. 12 květen 2015 25 / 39
Adaptivní filtry - samonavrhující se filtry
Obrázek: Vývoj frekvenční charakteristiky v čase
PS Předmět A3B31TES/Př. 12 květen 2015 26 / 39
Dvoudimenzionální filtry
2-D filtry a 2-D konvoluce
Použití 2-D filtrů: zpracování obrazů
Používáme6 lineární i nelineární filtry
Lineární filtryNávrh 2-D filtrů = řada metod, často založeny na transformaci 1-DFIR filtru na 2-D filtrFiltrace obrazů se realizuje pomocí dvourozměrné konvolucePodle typu filtru dochází:
k vyhlazení (zprůměrování) sousedních hodnot7 ↔ typicky operátoryvycházející z dolní propustike zvýraznění hran ↔ typicky operátory aproximující derivace8
Nelineární filtrynapř. mediánový filtr – zachovává hrany a potlačuje zřídka sevyskytující odlehlé hodnoty9
6Podobně jako pro 1-D signály
7A tím dochází i k redukci šumu
8Vycházejí z filtrů typu horní (pámová) propust – viz předchozí výklad
9A proto potlačuje impulsní šum (šum typu „salt&pepperÿ)
PS Předmět A3B31TES/Př. 12 květen 2015 27 / 39
Dvoudimenzionální filtry
1-D filtr a jeho transformace na 2-D
Obrázek: 1-D filtr dolní propust
b=remez(10,[0 0.4 0.6 1],[1 1 0 0]); % 1-D filtr FIR DP[h,w]=freqz(b,1,64,’whole’);
plot(w/pi-1,fftshift(abs(h)))
PS Předmět A3B31TES/Př. 12 květen 2015 28 / 39
Dvoudimenzionální filtry
1-D filtr a jeho transformace na 2-D
Obrázek: Transformace 1-D filtru na 2-D filtr – dolní propust
b=remez(10,[0 0.4 0.6 1],[1 1 0 0]); % 1-D filtr FIR DPb2=ftrans2(b); % 2-D filtr
freqz2(b2,[64 64]); axis([-1 1 -1 1 0 1.5])
PS Předmět A3B31TES/Př. 12 květen 2015 29 / 39
Dvoudimenzionální filtry
Příklady 2-D filtrů
Obrázek: 2-D filtr – pásmová propust
PS Předmět A3B31TES/Př. 12 květen 2015 30 / 39
Dvoudimenzionální filtry
Příklady 2-D filtrů
Obrázek: Filtr klouzavých průměrů – 2-D filtr – dolní propust
maska=ones(9,9);norm=sum(sum(maska));bb2=1/norm*maska;
Jf=conv2(bb2,agn); % agn je 2-D matice obrazkuPS Předmět A3B31TES/Př. 12 květen 2015 31 / 39
Dvoudimenzionální filtry
Příklady 2-D a operátorů
Obrázek: Sobelův operátor pro zvýrazňování hran – 2-D filtr – pásmová propust
hp=[1 2 1;0 0 0;-1 -2 -1]; % operator pro vodorovne hrany
Jp=conv2(hp,ag); % ag je 2-D matice obrazku
PS Předmět A3B31TES/Př. 12 květen 2015 32 / 39
Dvoudimenzionální filtry
Příklady zpracování obrazů
Obrázek: Obrázek representovaný 2-D maticí
PS Předmět A3B31TES/Př. 12 květen 2015 33 / 39
Dvoudimenzionální filtry
Obrázek: Obrázek se silným impulsním šumem
PS Předmět A3B31TES/Př. 12 květen 2015 34 / 39
Dvoudimenzionální filtry
Obrázek: Mediánová filtrace, okolí 3 na 3 – šum není zcela potlačen ↔ median(3,3) potlačí pouze 1 odlehlou hodnotu
PS Předmět A3B31TES/Př. 12 květen 2015 35 / 39
Dvoudimenzionální filtry
Obrázek: Mediánová filtrace, okolí 9 na 9 – potlačí skupinu 4 odlehlých hodnot → šum kompletně potlačen, zkresleny idetaily v obrazku
PS Předmět A3B31TES/Př. 12 květen 2015 36 / 39
Dvoudimenzionální filtry
Obrázek: Filtrace klouzavými průměry délky 9 – okolí 9 na 9
PS Předmět A3B31TES/Př. 12 květen 2015 37 / 39
Dvoudimenzionální filtry
Obrázek: Zvýrazněné hrany obrazu ve svislém směru
PS Předmět A3B31TES/Př. 12 květen 2015 38 / 39
Další informace o filtrech
Další informace o 1-D filtrech
Přílohy k této přednášce - 3 přehledové články z časopisu AUTOMATIZACE
PS Předmět A3B31TES/Př. 12 květen 2015 39 / 39