减采样滤波的计算

减采样滤波的计算可以从卷积式子直接推导:

y[n]=x[n]*h[n]

=∑(h[k]x[n-k])

对于M倍减采样,

y[Mn]=∑(h[k]x[Mn-k])

直接就可以看出不需要计算所有输出采样点。

这个式子和奥本海默的《离散时间信号处理》中的减采样滤波流程图在本质上是一致的。

将这个式子展开:

y[Mn] = h[0]x[Mn] + h[1]x[Mn-1] + h[2]x[Mn-2] + ...

h[0]x[Mn]是那张图的第一行滤波器所对应卷积式的第一求和项;

h[1]x[Mn-1]是那张图的第二行滤波器所对应卷积式的第一求和项;

。。。。。。

我们可以将这个式子看作“按列求和滤波”,将那张流程图看作“按行求和滤波”。

时间: 2024-10-17 21:27:04

减采样滤波的计算的相关文章

滤波和减采样的互换

[参见<离散时间信号处理>,滤波器和减采样互换.] 初看上去这一节有点难于理解:如果先减采样后滤波,那么在减采样过程中已经混叠了会怎样?还能互换吗? 这个问题的解释如下: 因为H(ejω)是以2pi为周期的,所以这就暗示H(ejωM)是以2pi/M为周期的.这样,互换后所使用的滤波器H(ejωM)将不再是一个简单的低通滤波,而是一个“多通带”的滤波器.于是,从原理上来说互换仍然成立,混叠也同样会发生. 反过来说,如果先设计了一个低通滤波器H(ejωM)然后减采样,想要简单地互换到先减采样后滤波

减采样的频域表示

减采样的频域表示可以从两个角度来看: 1. 直接从原始信号角度考虑,这个不用说,根据新的采样频率将原信号频谱直接归一化到数字域就行了: 2. 从已有频谱角度考虑,可以推出(参考<离散时间信号处理>): Xd(ejω)=(1/M)Sigma(i, 0:M-1)X(ej(ω/M-2πi/M)) Xd(ejω)是新的频谱. 假设M=2, 那么上式就是:Xd(ejω)=(1/2)[X(ejω/2) +  X(ej(ω-2π)/2)] X(ejω/2)将原本在0,2pi,4pi...处的周期频谱X(ej

四线电阻触摸屏采样滤波算法C语言代码

四线电阻触摸屏的采样滤波算法,实践证明很好用的! void TsAdcStart(void) // 自己实现 { } bool IsTsAdcOver(void) // 自己实现 { bool iRes; return iRes; } u16 TsAdcGetX(void) // 自己实现 { u16 iXPhy = 0; return iXPhy; } u16 TsAdcGetY(void) // 自己实现 { u16 iYPhy = 0; return iYPhy; } void delay

【信号与系统】05 - 滤波、采样和通信

本篇将举三个重要的理论或领域,以展示之前信号理论的应用和意义.其中滤波理论和通信系统是非常大的应用领域,这里仅对基础的概念和方法做个介绍,以作入门之用. 1. 滤波系统 1.1 滤波器 在系统函数的性质中,我们看到信号在时域上的微分.积分.卷积等复杂运算,在频域都变成了代数运算.这说明分析和使用信号的频域,有其天然的优势,也会带来更广泛的应用.当然,频域的操作最终都体现在时域上,注意讨论其相互关系和平衡,有时也是必需的.滤波系统主要就是以信号的频域为操作对象,具体来说就是调整不同基波的波幅.相位

学习 opencv---(7) 线性邻域滤波专场:方框滤波,均值滤波,高斯滤波

本篇文章中,我们一起仔细探讨了OpenCV图像处理技术中比较热门的图像滤波操作.图像滤波系列文章浅墨准备花两次更新的时间来讲,此为上篇,为大家剖析了"方框滤波","均值滤波","高斯滤波"三种常见的邻域滤波操作.而作为非线性滤波的"中值滤波"和"双边滤波",我们下次再分析. 因为文章很长,如果详细啃的话,或许会消化不良.在这里给大家一个指引,如果是单单想要掌握这篇文章中讲解的OpenCV线性滤波相关的三个函

图像处理之基础---滤波器 高斯滤波

引用 keendawn 的 高斯(核)函数简介 1函数的基本概念 所谓径向基函数 (Radial Basis Function 简称 RBF), 就是某种沿径向对称的标量函数. 通常定义为空间中任一点x到某一中心xc之间欧氏距离的单调函数 , 可记作 k(||x-xc||), 其作用往往是局部的 , 即当x远离xc时函数取值很小.最常用的径向基函数是高斯核函数 ,形式为 k(||x-xc||)=exp{- ||x-xc||^2/(2*σ)^2) } 其中xc为核函数中心,σ为函数的宽度参数 ,

基于粒子滤波的物体跟踪

先上图: Rob Hess(http://web.engr.oregonstate.edu/~hess/)实现的这个粒子滤波. 从代码入手,一下子就明白了粒子滤波的原理. 根据维基百科上对粒子滤波的介绍(http://en.wikipedia.org/wiki/Particle_filter),粒子滤波其实有很多变种,Rob Hess实现的这种应该是最基本的一种,Sampling Importance Resampling (SIR),根据重要性重采样. 算法原理的粗浅理解: 1)初始化阶段-提

【下位机软件】平均值滤波之鬼斧神工算法

平均值滤波之鬼斧神工算法 摘自:http://www.cnblogs.com/ifpga/archive/2012/10/07/2713530.html 在十种经典软件滤波算法中,可以看到很多算法都是平均值滤波算法变种,事实上最常用的也还是平均值滤波算法.但传统的平均值滤波算法很占内存,每次运算都要求累加和,再求平均值,导致运算效率不高. 今天介绍一种超简洁超高效的平均滤波算法,此算法是以前搞单片机时一老师所创(单片机上的内存简直是寸土寸金),仅仅用三个变量,就完成了平均值滤波的计算.刚开始看到

图像算法之十二:非局部均值滤波及其Matlab实现

保边去噪算法之二: 首先谈一下什么是非局部均值滤波.在此之前,我们先来看一下均值滤波的原理. 均值滤波 均值滤波的计算非常简单,将图像像素点灰度记录在数组中,然后设置方框半径的值,然后将方框中的所有点的像素求和取平均,得到的结果就是均值滤波后对应像素点的灰度值. 优点: 计算很快而且简单 从算法可以看出,只是求了平均,并没有很复杂的计算 缺点: 得到的图像很模糊 当方框的半径越大,得到的图像中那些变化较大的地方(边缘)计算后变化就越小,即边缘不明显,即模糊 非局部均值滤波 非局部均值滤波的基本原