Hay varios filtros que se pueden utilizar, y la opción real del filtro dependerá de lo que usted está intentando alcanzar. Desde que mencionaste Butterworth, Chebyschev y filtros elípticos, supongo que estás buscando filtros IIR en general. Wikipedia es un buen lugar para empezar a leer sobre los diferentes filtros y lo que hacen. Por ejemplo, Butterworth es máximo plano en la banda de paso y la respuesta se desplaza en la banda de parada. En Chebyschev. Usted tiene una respuesta suave en la banda de paso (tipo 2) o la banda de parada (tipo 1) y ondas irregulares más grandes en la otra y por último, en los filtros elípticos, hay ondas en ambas bandas. La siguiente imagen se toma de wikipedia. Así que en los tres casos, usted tiene que cambiar algo por otra cosa. En Butterworth, no se obtienen ondulaciones, pero la respuesta de frecuencia es más lenta. En la figura anterior, toma de 0,4 a aproximadamente 0,55 para llegar a la mitad de potencia. En Chebyschev, se obtiene un rollo más pronunciado, pero hay que tener en cuenta las ondulaciones irregulares y mayores en una de las bandas, y en elíptica, se obtiene cerca de instantánea de corte, pero tienes ondulaciones en ambas bandas. La elección del filtro dependerá enteramente de su aplicación. ¿Está tratando de obtener una señal limpia con pocas o ninguna pérdida Entonces necesita algo que le da una respuesta suave en la banda de paso (Butterworth / Cheby2). ¿Estás tratando de matar las frecuencias en la banda de parada, y no te importa una pequeña pérdida en la respuesta en la banda de paso Entonces necesitarás algo que sea suave en la banda de parada (Cheby1). ¿Necesita esquinas muy cortantes, es decir, cualquier cosa un poco más allá de la banda de paso es perjudicial para su análisis Si es así, debe utilizar filtros elípticos. Lo que hay que recordar acerca de los filtros IIR es que tienen polos. A diferencia de los filtros FIR donde se puede aumentar el orden del filtro con la única ramificación que es el retardo del filtro, aumentar el orden de los filtros IIR hará que el filtro sea inestable. Por inestable, quiero decir que tendrá polos que se encuentran fuera del círculo de la unidad. Para ver por qué esto es así, puede leer los artículos de wiki sobre los filtros IIR. Especialmente la parte sobre la estabilidad. Para ilustrar mejor mi punto, considere el filtro de paso de banda siguiente. Ahora, si observamos el diagrama de polos cero usando zplane (b, a). Verás que hay varios polos (x) situados fuera del círculo unitario, lo que hace que este enfoque sea inestable. Y esto es evidente por el hecho de que la respuesta de frecuencia es todo haywire. Utilice freqz (b, a) para obtener lo siguiente Para obtener un filtro más estable con sus requisitos de diseño exactos, tendrá que utilizar filtros de segundo orden utilizando el método z-p-k en lugar de b-a. En MATLAB. Ahora, si observamos las características de este filtro, veremos que todos los polos están dentro del círculo unitario (por lo tanto estable) y coincide con los requisitos de diseño. El enfoque es similar para la mantequilla y el elipse . Con equivalente buttord y ellipord. La documentación de MATLAB también tiene buenos ejemplos en el diseño de filtros. Usted puede construir sobre estos ejemplos y mina para diseñar un filtro según lo que usted desea. Para usar el filtro en sus datos, puede hacer filtro (b, a, datos) o filtro (Hd, datos) dependiendo del filtro que utilice. Si desea una distorsión de fase cero, utilice filtfilt. Sin embargo, esto no acepta objetos dfilt. Así que el filtro de fase cero con Hd. Utilice el archivo filtfilthd disponible en el sitio de intercambio de archivos de Mathworks. Esto es en respuesta al comentario de DarenW. El suavizado y el filtrado son dos operaciones diferentes, y aunque son similares en algunos aspectos (la media móvil es un filtro de paso bajo), no puede simplemente sustituir uno por el otro a menos que pueda estar seguro de que no será preocupante en el aplicación específica. Por ejemplo, implementando la sugerencia de Daren en una señal de chirrido lineal de 0-25 kHz, muestreada a 100 kHz, este es el espectro de frecuencia después de suavizar con un filtro gaussiano. Claro, la deriva cerca de 10Hz es casi nula. Sin embargo, la operación ha cambiado completamente la naturaleza de los componentes de frecuencia en la señal original. Esta discrepancia se produce porque ignoraron completamente el roll-off de la operación de alisado (véase la línea roja), y asumieron que sería cero plano. Si eso fuera cierto, entonces la sustracción hubiera funcionado. Pero por desgracia, ese no es el caso, por lo que existe un campo completo en el diseño de filtros. Cree su filtro - por ejemplo, usando B, A mantequilla (N, Wn, alto) donde N es el orden del filtro - si no está seguro de lo que es, simplemente establezca a 10. Wn es la frecuencia de corte normalizada entre 0 y 1, correspondiendo 1 a la mitad de la velocidad de muestreo de la señal. Si su frecuencia de muestreo es fs y desea una frecuencia de corte de 10 Hz, debe ajustar Wn (10 / (fs / 2)). A continuación, puede aplicar el filtro mediante el filtro Y (B, A, X) donde X es la señal. También puede ver la función filtfilt. Respuesta de Frecuencia del Filtro Promedio Corriente La respuesta de frecuencia de un sistema LTI es la DTFT de la respuesta de impulso. La respuesta de impulso de un promedio móvil de L-muestra es. Dado que el filtro de media móvil es FIR, la respuesta de frecuencia se reduce a la suma finita We Puede utilizar la identidad muy útil para escribir la respuesta de frecuencia como donde hemos dejado ae radianes por muestra. Observe que en los tres casos, la respuesta de frecuencia tiene una característica de paso bajo. Un componente constante (frecuencia cero) en la entrada pasa a través del filtro sin atenuación. Ciertas frecuencias más altas, como / 2, son eliminadas completamente por el filtro. Sin embargo, si la intención era diseñar un filtro de paso bajo, entonces no lo hemos hecho muy bien. Algunas de las frecuencias más altas se atenúan sólo por un factor de 1/10 (para la media móvil de 16 puntos) o 1/3 (para la media móvil de cuatro puntos). Podemos hacer mucho mejor que eso. La gráfica anterior se creó mediante el siguiente código de Matlab: omega 0: pi / 400: pi H4 (1/4) (1-exp (-i oméga 4)) ./ (1-exp (-i omega)) H8 1/8) (1-exp (-i omega 8)) ./ (1-exp (-i oméga)) H16 (1/16) (0, pi, 0, 1) Copyright 2000- - Universidad de California, Berkeley Slideshare utiliza cookies para mejorar la funcionalidad y el rendimiento (Omega) , Y para proporcionarle publicidad relevante. Si sigues viendo el sitio, aceptas el uso de cookies en este sitio web. Consulte nuestro Acuerdo de usuario y Política de privacidad. Slideshare utiliza cookies para mejorar la funcionalidad y el rendimiento, y para proporcionarle publicidad relevante. Si sigues viendo el sitio, aceptas el uso de cookies en este sitio web. Consulte nuestra Política de privacidad y el Contrato de usuario para obtener más detalles. Explorar todos tus temas favoritos en la aplicación SlideShare Obtener la aplicación SlideShare para guardarla para más tarde, incluso sin conexión Continuar al sitio para móviles Cargar Iniciar sesión Registrarse Toque dos veces para alejar el mapa Programas básicos de Matlab Comparte este SlideShare LinkedIn Corporation 2016
No comments:
Post a Comment