Documente Academic
Documente Profesional
Documente Cultură
Separarea semnalelor; Refacerea semnalelor distorsionate; In DSP semnalele de intrare si de iesire sunt reprezentate in domeniul timp (discret)!
Banda de tranzitie (roll-off); Riplul in bandaa de trecere (eventual oprire); Atenuarea in banda de oprire Ce este cu faza? de obicei are mai putina importanta la prelucrarile in frecventa si se pot face filter cu defazaj 0!
Intoarcere de spectru.
FTJ+FTS=>FTB
FTJ+FTS=> FOB
Clasificarea filtrelor
Convolutie (FIR) Domeniul timp (netezire, eliminare DC) Domeniul frecventa (separare frecvente) Custom (deconvolutie) FIR-custom design (filtre adaptive si optimal) Sinc-ferestruit Mediere alunecatoare
Folosite in domeniul timp pentru netezirea zgomotelor, dar pastrarea fronturilor; Merg rau in domeniul frecventa
Exemplu:
Filtre Sinc-ferestruit
Utilizate pentru separarea benzilor de frecventa Foarte stabile! Performante bune in domeniul frecventa Nu sunt bune in domeniul timp (riplu mare la treapta)
Ferestruirea
Exemplu: c.c. la 1000Hz variatie mai mica de 0.02% la peste 1001Hz atenuare 99.98%
Care este costul- matematica care permite un kernel mai scurt si de aici executia mai rapida prin convolutie directa
Filtre adaptive
Caracteristica arbitrara de filtrare dupa necesitati Deconvolutie Filtrare optimal (separarea semnaleor cu spectru suprapus) Cel mai bun exemplu pentru DSP
M=40
Deconvolutia
Necesita cunoasterea caracteristicii de convolutie nedorita Greu de inteles in timp dar usor in frecventa (refacere amplitudine si faza
Ce face deconvolutia: ingusteaza pulsurile pentru a fi separate daca vin unele dupa altele
Filtrare optimala
De definit ce inseamna optimal Daca semnalele se suprapun in frecventa, operatiaa trebuie facuta in timp! Exemplu:
3 solutii:
filtru potrivit - ideea este corelatia, Corelatia se face prin convolutie - amplitudinea pt. fiecare punct din semnalul de iesire este o msur de ct de bine se potrivete cu kernel-ul filtrului cu seciunea corespunztoare din semnalul de intrare. Amintiti-va ca ieire a unui filtru potrivit nu neaprat arata ca semnalul ce trebuie detectat. Acest lucru nu prea conteaza, forma semnalului int trebuie s fie deja cunoscuta.
Filtrarea Wiener
Filtrul Wiener (numit asa dupa teoria estimarii optime a lui Norbert Wiener) - separ semnalele pe baza benzilor lor de frecvene. Aa cum se arat n Fig., la unele frecvene exist mai mult semnal n timp ce la altele exist cea mai mare parte de zgomot. Pare logic ca frecvenele cu "cea mai mare parte semnal" sa treaca prin filtru, n timp ce frecvenele "cea mai mare parte de zgomot" ar trebui s fie blocate. Filtrul Wiener preia aceast cu idee un pas mai departe, ctigul filtrului la fiecare frecven este determinat de cantitatea
Merita? Rezultatele celor trei metode sunt foarte apropiate Complexitatea ultimelor doua - folosesc convolutia si necesita cunoasterea semnalului
Convolutie
Cum se face? Convolutia arata trecerea semnalului x(n) printr-un circuit cu ponderea h(n) catre iesire.
y ( n) =
k =
x(i)h(n i)
y ( n) = x ( n) ( h( n)
FTJ
FTS
Atenuator cu inversare
Derivata discrete
Cum se face?
y (0) = x(0)h(0 0) y (1) = x(0)h(1 0) + x(1)h(1 1) y (2) = x(0)h(2 0) + x(1)h(2 1) + x(2)h(2 2) . . y (5) = x(3)h(5 3) + x(4)h(5 4) h in d e < 2 x x in d e < 4 x
[y(n)]=[h(n)][x(n)]
Toeplitz- dreptunghiular:
h0 h1 h2 h h h k 1 0 2 h2 h1 h0
depinde de k, nu depinde de semnal
K =0
N 1
y (n k ) =
M 1 K =0
x(n k )
y(n)=
K =0
x(n k ) a K y (n k )
K =1
N 1
x- intrari y- iesiri
nu are reactie FIR (inpuls finit la raspuns) IIR (impuls infinit la raspuns)