Filtre Digitale

Scopuri:
- Separarea semnalelor;
- Refacerea semnalelor distorsionate;
In DSP semnalele de intrare si de iesire sunt reprezentate in domeniul timp (discret)!
Filtrele liniare (provenite din SLIT) au raspuns:
- In domeniul timp: la impuls si la treapta;
- In domeniul frecventa: la sin
Parametrii filtrului in domeniul timp
- Segmentarea domeniului timp de catre observatory +> semnale treapta;
- Raspunsul la impuls=> functia pondere - h(n)
Parametrii filtrului in domeniul frecventa
Scopul: frecvente care trec nealterate, altele care se opresc: FTJ, FTS, FTB, FOB
Alti parametri in domeniul frecventa:
- 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!
FTS, FTB si FOB
Se incepe de la FTJ !
FTJ->FTS
2 metode:
- Inversare de spectru;
- Intoarcere de spectru.
FTJ->FTS Inversare de spectru (2 pasi de modificare):
- Inversare fiecare element din h(n)
- Adaugare un 1 in centrul de simetrie
FTJ->FTS Inversare de spectru (de ce 2 pasi de modificare?)
FTJ->FTS Intoarcere de spectru (un pas de modificare):
- Se schiba sensul la fiecare al doilea esantion din h(n)
FTJ+FTS=>FTB
FTJ+FTS=> FOB
Clasificarea filtrelor
Convolutie (FIR) Recursive (IIR)
Domeniul timp
(netezire, eliminare
DC)
Mediere alunecatoare Filtre cu un singur
pol
Domeniul frecventa
(separare frecvente)
Sinc-ferestruit Chebyshev
Custom
(deconvolutie)
FIR-custom design
(filtre adaptive si
optimal)
Design iterativ
Filtre cu mediere alunecatoare
- Folosite in domeniul timp pentru netezirea zgomotelor, dar pastrarea fronturilor;
- Merg rau in domeniul frecventa
Implementare prin Convolutie
Exemplu:
sau simetric fata de punctual current:
Filtre cu mediere alunecatoare.
Reducerea de zgomot vs. raspunsul la treapta
Filtre cu mediere alunecatoare.
Raspunsul in frecventa.
Filtre cu mediere alunecatoare.
Implementare Recursiva.
Exemplu:
General: (nu conteaza M!)
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
Parametrii filtrelor Sinc-ferestruit
Relatia de calcul pentru Sinc-ferestruit
Exemple de raspuns la treapta
Performantele unui filtru Sinc-ferestruit
Avand un kernel de 32001 puncte!
Exemplu:
- c.c. la 1000Hz variatie mai mica de 0.02%
- la peste 1001Hz atenuare 99.98%
Limitarile filtrelor Sinc-ferestruit
- timpul de executie!
- Sunt alte filter mai bune din acest punc de vedere-DA
- 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
Filtre cu caracteristica arbitrara de raspuns
- Fara forma anlitica a caracteristicii (ca Sinc)
- Caracteristica este reprezentata de o matrice
M=40
Deconvolutia
- Ne pazeste de convolutiile nedorite (miscarea camerie, ecoul la
telefonia de lunga distanta)
- Necesita cunoasterea caracteristicii de convolutie nedorita
- Greu de inteles in timp dar usor in frecventa (refacere amplitudine si
faza
Exemplu: detectorul de raze gama (convolutie nedorita si inevitabila)
Ce face deconvolutia: ingusteaza pulsurile pentru a fi separate daca
vin unele dupa altele
Cheia problemei
Convolutia in timp este inmultire in frecventa!
Alt exemplu de deconvolutie (oarba)
Filtrare optimala
- De definit ce inseamna optimal
- Daca semnalele se suprapun in frecventa, operatiaa trebuie facuta in timp!
Exemplu:
3 solutii:
- Mediere alunecatoare deja discutata
- Filtru optimal- Corelatia
- Filtrarea Wiener (teoria estimarii optimal a lui Norbert Wiener)
Filtru optimal- corlatia
- 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 este optim - n sensul ca vrful semnalului este mai departe de zgomot dect la
orice alta filtrare liniara.
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 relativ a semnalului i a zgomotului la acea frecvena:
Filtrarea Wiener, max SNR:
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.
) 3 ( ), 2 ( ), 1 ( ), 0 (
) ( ) ( ) (
x x x x x
i n h i x n y
k

=
;
} 3 ; 2 ; 1 ; 0 { 3 , 0 sup = = n
) 2 ( ), 1 ( ), 0 ( h h h h
;
} 2 ; 1 ; 0 { 2 , 0 sup = = k
) ( ( ) ( ) ( n h n x n y - =
FTJ
FTS
Atenuator cu inversare
Derivata discrete
Cum se face?
4
2
) 4 5 ( ) 4 ( ) 3 5 ( ) 3 ( ) 5 (
.
.
) 2 2 ( ) 2 ( ) 1 2 ( ) 1 ( ) 0 2 ( ) 0 ( ) 2 (
) 1 1 ( ) 1 ( ) 0 1 ( ) 0 ( ) 1 (
) 0 0 ( ) 0 ( ) 0 (
<
<
+ =
+ + =
+ =
=
index x
index h
h x h x y
h x h x h x y
h x h x y
h x y
[y(n)]=[h(n)][x(n)]
Toeplitz- dreptunghiular:
(
(
(
(

(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(

3
2
1
0
5
4
3
2
1
0
) 2 ( ... 0 ....... 0
) 1 ( ) 2 ( ...... 0
) 0 ( ) 1 ( ).. 2 (
0 )... 0 ( )( 1 (
0 ....... 0 .... 0 ..
0 ....... 0 .... 0 ..
0
0
0
) 2 (
) 1 (
) 0 (
x
x
x
x
h
h h
h h h
h h h
h
h
y
y
y
y
y
y
Toeplitz patratic:
(
(
(

0 1 2
2 0 1
2 1 0
h h h
h h h
h h h
k
depinde de k, nu depinde de semnal

Cum se aplica convolutia la filtrare
Ecuatii cu diferente finite (SLIT):


=

=
=
1
0
1
0
) ( ) (
M
K
k
N
K
k
k n x k n y
Forma canonica de filtru
0
0
0
0

K
K
K
K
b
a
=
=
=
y(n)=


=

=

1
1
1
0
) ( ) (
N
K
K
M
K
K
k n y a k n x b
x- intrari
y- iesiri
nu are reactie FIR (inpuls finit la raspuns)
IIR (impuls infinit la raspuns)