滤波器介绍

经典滤波器与现代滤波器

经典滤波器就是我们熟知的FIR和IIR,经典滤波器要求对输入信号的频率范围已知,从功能上可划分为:

  • 低通滤波器(LPF)

  • 高通滤波器(HPF)

  • 带通滤波器(BPF)

  • 带阻滤波器(BSF)

  • 陷波滤波器(Notch Filter)

上面的图示是滤波器的增益曲线(Gain Curve).

现代滤波器适用于输入信号中含有混叠干扰频率,常见的包括:

  • 维纳滤波器
  • 卡尔曼滤波器
  • 自适应滤波器
  • ……

对于现代滤波器,有时间要一个个进行研究。

数字滤波器的技术指标

滤波器的技术指标通常是以频率响应的幅值特性(或者说上面提到的增益曲线)来表征,IIR很难实现线性相位,因此一般不考虑相位特性,若要求相位特性,则可使用FIR设计。

滤波器设计指标定义图

在以上的指标中,往往使用衰减指标,滤波器衰减是指信号经过滤波器后信号强度的减少,专指信号功率幅度损失,等于20*log(输出功率/输入功率,单位为分贝(dB).

  • 通带衰减

由图可知,越小滤波器性能越好,即越小越好。

  • 阻带衰减

由图可知,越小滤波器性能越好,即越大越好。

若在处幅值H=0.707时,=3dB,则称为3dB截止频率。我们常说的带宽就是指3dB点间的频率宽度。

滤波器设计中的其它概念:

  • 中心频率(Center Frequency)

滤波器中心频率是指一个滤波器高低3dB频率间的中心频率,该中心频率可以是高低3dB频率的几何平均数或算术平均数。

算术平均数

几何平均数

  • 品质因数(Qaulity Factor)

品质因数通常是用来衡量电感或电容品质的参数,等于相应的电抗与电阻之比。在带通滤波器中,负载Q(Loaded Q)等于该带通滤波器的中心频率 与3dB带宽之比。

滤波器衰减纹波示意图

  • 通带纹波(Passband Ripple)

滤波器通带纹波是指在通带内衰减的波浪状变化,见上述滤波器衰减纹波释义图。滤波器产生的原因之一是由于负债不匹配。

  • 反射损耗(Return/Reflection Loss)

滤波器反射损耗是指滤波器由于所接负载不匹配,由滤波器输出端反射回输入端的能量。滤波器反射损耗可用驻波比(VSWR)来定义,单位为分贝。 理想情况下,滤波器所接负载匹配即驻波比(VSWR)等于1,此时反射损耗为负无穷大分贝。

反射损耗的概念在射频电子电路设计中非常常见。

  • 相对衰减(Relative Attenuation)

滤波器相对衰减指的是相对于零分贝,滤波器所产生的最小衰减。见上述滤波器衰减纹波释义图。

滤波器的实现

滤波器的实现即可以通过软件,也可以通过硬件实现。RC电路就是一种最简单的无源滤波器,通过改变RC电路结构能实现从低通到高通的一系列滤波器,使用FPGA设计滤波器也是一种常见的选择。软件上,通过在DSP或ARM上使用C或汇编编程也可实现FIR或IIR等滤波器。

引用自:http://blog.csdn.net/xiahouzuoxin/article/details/21251561

时间: 2024-10-10 08:19:55

滤波器介绍的相关文章

运动目标跟踪中kalman滤波器的使用

目标跟踪的kalman滤波器介绍 Kalman滤波器是通过前一状态预测当前状态,并使用当前观测状态进行校正,从而保证输出状态平稳变化,可有效抵抗观测误差.因此在运动目标跟踪中也被广泛使用.在视频处理的运动目标跟踪里,每个目标的状态可表示为(x,y,w,h),x和y表示目标位置,w和h表示目标宽高.一般地认为目标的宽高是不变的,而其运动速度是匀速,那么目标的状态向量就应该扩展为(x,y,w,h,dx,dy),其中dx和dy是目标当前时刻的速度.通过kalman滤波器来估计每个时刻目标状态的大致过程

关于slam

什么是SLAM?机器人在未知环境中,要实现智能化需要完成三个任务,第一个是定位(Localization),第二个是建图(Mapping),第三个则是随后的路径规划(Navigation). 之前地平线的高翔博士用这样一句话概括SLAM的释义.不过实际生活中的SLAM都是和激光雷达或者单目/双目摄像头结合的形式出现在我们面前的,有时甚至跟更多的传感器融合,这让很多人觉得这个技术不是一两句话能概括清楚的,但当我们熟悉完它在每一个领域的应用啊,就会明白,它,SLAM,原来是这样一个东西,而且会比我们

【图像处理】基于OpenCV底层实现的滤波

高斯滤波 高斯滤波器介绍:wikipedia.高斯滤波器的未知数(或者说函数输入)有两个:(1)滤波器核半径:(2)σ(正态分布的标准偏差).在连续二维空间中,这个函数长这样: 除了函数中心是极大值,周围都是围绕中心对称的. 这样有一个好处,因为滤波器实质上是卷积(convolution)操作,卷积操作需要将核函数围绕中心翻转之后,在与对应矩阵中各个数相乘(注意:此时不是矩阵相乘,只是函数核中每个数字单独的相乘,不涉及整体相乘求和).而高斯函数的对称的,所以函数核翻不翻转都一样结果. 首先,我们

卡尔曼滤波器的介绍

卡尔曼滤波器包括5个方程.分别是先验和后验方程,其中先验方程有两个,一个是预测值方程,一个是预测值协方差方程.后验方程有三个,一个后验校正方程,一个后验增益方程,一个后验协方差方程. 以下是摘录

LC滤波器简单设计法 - 一文读懂LC滤波器简单设计方法及原理介绍,LC值计算方法

LC滤波器概述 LC滤波器也称为无源滤波器,是传统的谐波补偿装置.LC滤波器之所以称为无源滤波器,顾名思义,就是该装置不需要额外提供电源.LC滤波器一般是由滤波电容器.电抗器和电阻器适当组合而成,与谐波源并联,除起滤波作用外,还兼顾无功补偿的需要. LC滤波器是利用电感.电容和电阻的组合设计构成的滤波电路,可滤除某一次或多次谐波,最普通易于采用的无源滤波器结构是将电感与电容串联,可对主要次谐波(3.5.7)构成低阻抗旁路:单调谐滤波器.双调谐滤波器.高通滤波器都属于无源滤波器. LC滤波器的分类

深度滤波器(3)——深度滤波器的原理及实现

在前两篇文章中,我们介绍了三角化恢复深度信息,并对三角化过程中的误差进行了分析和讨论. 今天,我们就进入我们这个系列的正题:深度滤波器的原理及实现. 一提到深度滤波器,大家肯定首先会觉得深不可测,听名字就觉得高大上.其实,有了前面的预备知识,不难理解今天要讲解的深度滤波器的原理. 我们今天给大家介绍的是比较简单的高斯分布假设下的深度滤波器. 高斯分布是自然界中最常见的一种分布形式,并且也符合绝大部分的自然情况.简单起见,我们先假设三角化后恢复的深度值符合高斯分布.对于像素点的深度值d,满足: P

OpenCV 学习(利用滤波器进行边缘提取)

OpenCV 学习(利用滤波器进行边缘提取) 通过低通滤波器,我们可以将图像平滑,相反的,利用高通滤波器可以提取出图像的边缘. Sobel 滤波器 Sobel 滤波器是一种有方向性的滤波器,可以作用在 X 方向或 Y 方向. 关于这种滤波器的理论介绍可以参考: https://en.wikipedia.org/wiki/Sobel_operator 函数原型如下: void Sobel( InputArray src, OutputArray dst, int ddepth, int dx, i

FPGA的FIR抽取滤波器设计

摘 要:本文介绍了FIR抽取滤波器的工作原理,重点阐述了用XC2V1000实现FIR抽取滤波器的方法,并给出了仿真波形和设计特点. 关键词:FIR抽取滤波器:流水线操作:FPGA 用FPGA实现抽取滤波器比较复杂,主要是因为在FPGA中缺乏实现乘法运算的有效结构,现在,FPGA中集成了硬件乘法器,使FPGA在数字信号处理方面有了长足的进步.本文介绍了一种采用Xilinx公司的XC2V1000实现FIR抽取滤波器的设计方法. 具体实现 结构设计 基于抽取滤波器的工作原理,本文采用XC2V1000实

学习 opencv---(11)OpenC 边缘检测:Canny算子,Sobel算子,Laplace算子,Scharr滤波器

本篇文章中,我们将一起学习OpenCV中边缘检测的各种算子和滤波器--Canny算子,Sobel算子,Laplace算子以及Scharr滤波器.文章中包含了五个浅墨为大家准备的详细注释的博文配套源代码.在介绍四块知识点的时候分别一个,以及最后的综合示例中的一个.文章末尾提供配套源代码的下载. **** 给大家分享一个OpenCv中写代码是节约时间的小常识.其实OpenCv中,不用nameWindow,直接imshow就可以显示出窗口.大家看下文的示例代码就可以发现,浅墨在写代码的时候并没有用na