专题一:滤波器
数字滤波器
第一篇
本篇学自于《【滤波专题-第1篇】数字滤波器15分钟入门!——这可能是最简单的FIR有限冲激响应滤波讲解》(侵删)
- 一般来讲,含噪声信号是在纯净信号上下波动的。
- 一种简单直观的解决方案:取某几个含噪声信号的平均值,作为滤波结果,则可以抵消噪声在上下随机波动的干扰效果。
假如对图1中每3个点做一次平均,实现过程见下图(为了便于观察,使用前0.25秒数据演示):
从图2中可以看出,经过该方法处理后的数据相对于纯净信号的波动幅值得到了一定程度的抑制,也就是可以得到一定程度的滤波效果。
这是一种最简单的FIR滤波器,也可以叫做滑动平均滤波方法。
- 在上述“滑动平均滤波方法”的基础上,引入“权重系数”概念,即从权重的角度去解释“滑动平均滤波方法”:
上边讲到的滑动平均,是将3个相邻信号求取平均值,这也可以理解为这3个值分别乘以权重系数1/3再求和,那么上述滤波过程可以用下边这张动图来演示,应该是比较直观的了:
从上图可以看出,“滑动平均滤波方法”其实是一种卷积。
- 一个十分重要性质:时域的卷积等于频域相乘!!!
- 为什么要提及上面的性质,原因如下:
- 因为 1. 频域相乘,可以实现频率的筛选
- 因为 2. 滤波的目的就是想要得到某特定的频率段
- 为何说滤波就是想要得到某特定的频率段?从下图可以看出:
纯净信号的频率范围只在一个较小的范围(大概在3Hz以下),如果可以筛选出这个范围的信号,即可滤除含噪声信号中的噪声、仅留下纯净信号。这种是从频域上实现滤波,具体过程如下:
step1. 构造如下一组频域信号:
将含噪声信号的频谱和构造的低通滤波器相乘,则高于3Hz的数值就全部变为了0,此时频谱就成了图13:
再将此频域数值进行傅里叶逆变换,得到时域数值,如图14:
从上图可以看出,近乎完美的实现了滤波。一句话表述上述滤波过程:设计一个频域滤波器(将想要保留的频率段赋值为1,其他频率段赋值为0),将其与含噪声信号的频谱在频域上相乘,再将乘积做傅里叶逆变换,即可实现滤波,这种滤波器叫频域滤波器。
- 回顾十分重要性质:时域的卷积等于频域相乘!!!
- 所以,上述在频域空间的一大堆操作,可以简单地转化成在频域上的卷积操作,具体来说,就是将含噪声信号与低通滤波器的傅里叶逆变换值进行卷积,这个过程就是FIR滤波。下图便为时域滤波与频域滤波的不同。
- 所以FIR滤波器的本质是设计一组系数,这组系数实际就是滤波器的IFFT(还记得张三的鼓包吗)离散化以后的结果。
- FIR滤波器表达式
将上述的理论浓缩成一个表达式,表示FIR滤波器:
y[n] = a0x[n] + a1x[n-1] + a2x[n-2] + ··· ···
上式中,x代表待滤波数据,y代表输出数据;系数a0、a1、a2…就是滤波器的冲激响应系数。所以在FIR滤波器中,每一时刻的输出取决于之前的有限个输入,因此就是“有限冲激响应”。