การย้าย ค่าเฉลี่ย กรอง พื้นฐาน

ตัวกรองดิจิทัลเบื้องต้นเปิดตัว MicroModeler DSP ที่ดีและเลือกตัวกรองแบบดิจิทัลจากแถบเครื่องมือที่ด้านบนและลากไปที่แอพพลิเคชันของเรา เลือกตัวกรองเฉลี่ยที่เคลื่อนที่ได้ดีเนื่องจากตัวกรองชนิดที่ง่ายที่สุดชนิดหนึ่ง หลังจากที่คุณวางตัวกรองระบบจะแสดงการอัปเดตโดยอัตโนมัติ (คลิกเพื่อเปิด MicroModeler DSP ในหน้าต่างใหม่) เรารู้ว่าค่าเฉลี่ยคืออะไร - เพิ่มตัวเลขด้วยกันและแบ่งตามจำนวนที่มีอยู่ ตัวกรองเฉลี่ยเคลื่อนที่จะใช้งานได้ เก็บประวัติของตัวเลข N ล่าสุดและแสดงผลค่าเฉลี่ยของค่าเฉลี่ย ทุกครั้งที่มีหมายเลขใหม่เข้ามาค่าเฉลี่ยจะถูกคำนวณใหม่จากตัวอย่างที่เก็บไว้และจะมีการส่งออกหมายเลขใหม่ การตอบสนองต่อความถี่ของตัวกรองที่ด้านขวาบนเราจะเห็นกราฟของ Magnitude และ Frequency หรือความถี่ที่แตกต่างกันจะขยายหรือลดลงโดยใช้ตัวกรองเฉลี่ยเคลื่อนที่ ตามที่คุณอาจคาดหวังโดยเฉลี่ยแล้วตัวอย่าง N ล่าสุดจะใช้การปรับให้เรียบเพื่อให้ได้สัญญาณการรักษาความถี่ต่ำและเอาความถี่สูง เราสามารถควบคุมจำนวนอินพุตก่อนหน้าหรือตัวอย่างที่ค่าเฉลี่ยโดยการปรับความยาวของตัวกรอง N. โดยการปรับค่านี้เราจะเห็นว่าเรามีพื้นฐานที่จะควบคุมความถี่ที่สามารถส่งผ่านและถูกทิ้งไปได้ ด้านในของตัวกรองถ้าเราดูที่มุมมองโครงสร้างเราจะเห็นว่าด้านในของตัวกรองค่าเฉลี่ยที่เคลื่อนที่อาจมีลักษณะเป็นอย่างไร แผนผังได้รับการอธิบายไว้เพื่อแสดงว่าสัญลักษณ์ที่แตกต่างหมายถึงอะไร สัญลักษณ์ Z-1 หมายถึงความล่าช้าโดยตัวอย่างหนึ่งครั้งและสัญลักษณ์หมายถึงเพิ่มหรือรวมสัญญาณ ลูกศรหมายถึงการคูณ (คิดขยาย, ย่อหรือขยาย) สัญญาณโดยจำนวนที่แสดงไว้ทางด้านขวาของลูกศร สำหรับตัวอย่างเฉลี่ย 5 ตัวอย่างเราใช้เวลาหนึ่งในห้า (0.2) ของตัวอย่างล่าสุดตัวอย่างหนึ่งในห้าของตัวอย่างที่สองครั้งล่าสุดและอื่น ๆ ห่วงโซ่ของความล่าช้าเรียกว่าสายล่าช้ากับสัญญาณอินพุตที่ล่าช้าโดยขั้นตอนเวลาหนึ่งเพิ่มเติมในขณะที่คุณดำเนินการไปตามสายการหน่วงเวลา ลูกศรเรียกว่าก๊อกดังนั้นคุณเกือบจะจินตนาการได้ว่าเป็นก๊อกน้ำแบบเดียวกับที่อยู่ในอ่างล้างจานในครัวของคุณ คุณสามารถจินตนาการสัญญาณที่ไหลจากด้านซ้ายและมีความล่าช้าในขณะที่เลื่อนไปตามสายการหน่วงเวลาแล้วรวมตัวกันในจุดแข็งต่างๆผ่านก๊อกเพื่อสร้างผลลัพธ์ นอกจากนี้ควรดูว่าผลลัพธ์ของตัวกรองจะเป็นดังนี้: ซึ่งเท่ากับค่าเฉลี่ยของ 5 ตัวอย่างล่าสุด (Input t-N หมายถึงข้อมูลที่ล่าช้าจากเวลา t-N) ในทางปฏิบัติโค้ดที่สร้างขึ้นโดย MicroModeler DSP จะใช้เทคนิคในการทำเช่นนี้ให้มีประสิทธิภาพมากขึ้นเพื่อให้เฉพาะตัวอย่างแรกและสุดท้ายเท่านั้นที่ต้องมีส่วนเกี่ยวข้อง แต่แผนภาพนี้เหมาะสำหรับวัตถุประสงค์ในการอธิบาย ถ้าคุณสามารถเข้าใจนี้แล้วคุณจะได้รับความคิดสิ่งที่กรอง FIR คือ ตัวกรอง FIR จะเหมือนกับตัวกรองค่าเฉลี่ยเคลื่อนที่ แต่แทนที่จะใช้จุดแข็งของปากกาทั้งหมดเท่ากันจะแตกต่างกัน ที่นี่เรามีตัวกรองค่าเฉลี่ยเคลื่อนที่และตัวกรอง FIR คุณสามารถเห็นได้ว่าโครงสร้างเหล่านี้มีความแตกต่างกันเพียงจุดแข็งของก๊อก ส่วนถัดไปจะแนะนำตัวกรองฟิลลิ่งอิมพัลส์ตอบ (FIR) เราสามารถสร้างความใกล้เคียงกับการตอบสนองความถี่ใด ๆ ที่เราต้องการได้ FIR Filter Basics 1.1 สิ่งที่เป็นตัวกรอง quotFIR ต้องเป็นตัวกรอง FIR เป็นตัวกรองดิจิตอลประเภทใดชนิดหนึ่งที่ใช้ในแอ็พพลิเคชัน Digital Signal Processing (DSP) เป็น IIR 1.2 quotFIRquot หมายถึงอะไร quotID หมายถึง quotFinite Impulse Responsequot ถ้าคุณใส่แรงกระตุ้นนั่นคือตัวอย่าง quot1quot เดียวตามด้วยตัวอย่าง quot0quot จำนวนมาก zeroes จะออกมาหลังจากที่ตัวอย่าง quot1quot ได้ผ่านทางสายการหน่วงเวลาของตัวกรองแล้ว 1.3 ในกรณีทั่วไปการตอบสนองของอิมพัลซ์มีข้อ จำกัด เนื่องจากไม่มีข้อเสนอแนะใด ๆ ใน FIR การขาดข้อเสนอแนะรับประกันได้ว่าการตอบสนองต่อแรงกระตุ้นจะมี จำกัด เพราะฉะนั้นคำว่า terminfin finituite responsequot เกือบจะตรงกันกับ quotno feedbackquot อย่างไรก็ตามหากมีการตอบรับ แต่การตอบสนองของอิมพัลซ์ก็มี จำกัด ฟิลเตอร์ยังคงเป็น FIR ตัวอย่างคือตัวกรองค่าเฉลี่ยเคลื่อนที่ซึ่งตัวอย่างก่อนหน้า Nth ถูกหักออก (ป้อนกลับ) ทุกครั้งที่มีตัวอย่างใหม่เข้ามาตัวกรองนี้มีการตอบสนองต่อแรงกระตุ้น จำกัด แม้ว่าจะใช้ข้อมูลย้อนกลับ: หลังจากตัวอย่าง N ของแรงกระตุ้นเอาท์พุท จะเป็นศูนย์ 1.4 ฉันจะออกเสียง quotFIRquot บางคนบอกว่าตัวอักษร F-I-R คนอื่นออกเสียงว่าเป็นชนิดของต้นไม้ เราชอบต้นไม้มากกว่า (สิ่งที่แตกต่างคือคุณพูดถึงตัวกรอง F-I-R หรือตัวกรอง FIR) 1.5 ตัวกรองอื่น ๆ ที่เป็นทางเลือกของ FIR ฟิลเตอร์ DSP ยังสามารถเป็นอินวอยซ์อิมพัลส์ตอบสนอง (IIR) (ดูคำถามที่พบบ่อย dspGurus IIR) ตัวกรอง IIR ใช้ข้อเสนอแนะดังนั้นเมื่อคุณป้อนแรงกระตุ้นผลตามทฤษฎีดังขึ้นเรื่อย ๆ 1.6 ฟิลเตอร์ FIR เปรียบเทียบตัวกรอง IIR อย่างไรแต่ละข้อมีข้อดีและข้อเสีย โดยรวมแล้วแม้ว่าข้อดีของตัวกรอง FIR มีมากกว่าข้อเสียดังนั้นจึงมีการใช้งานมากกว่า IIRs 1.6.1 อะไรคือข้อดีของ FIR Filters (เทียบกับตัวกรอง IIR) เมื่อเทียบกับตัวกรอง IIR ตัวกรอง FIR มีข้อดีดังต่อไปนี้: พวกเขาสามารถออกแบบมาให้เป็นแบบไม่มีเงื่อนไข (โดยปกติจะเป็น) ใส่เพียงกรองเชิงเส้นเฟสล่าช้าสัญญาณขาเข้า แต่ donrsquot บิดเบือนระยะของ ใช้งานง่าย สำหรับไมโครโปรเซสเซอร์ DSP ส่วนใหญ่การคำนวณ FIR สามารถทำได้โดยการวนรอบคำสั่งเดียว เหมาะกับงานหลายอัตรา โดยอัตราหลายอัตราเราหมายถึง quotdecimationquot (ลดอัตราการสุ่มตัวอย่าง), quotinterpolationquot (เพิ่มอัตราการสุ่มตัวอย่าง) หรือทั้งสองอย่าง ไม่ว่าจะเป็นการ decimating หรือ interpolating การใช้ฟิลเตอร์ FIR ช่วยให้การคำนวณบางส่วนสามารถละเว้นได้ดังนั้นจึงให้ประสิทธิภาพในการคำนวณที่สำคัญ ในทางตรงกันข้ามถ้าใช้ตัวกรอง IIR เอาต์พุตแต่ละรายการจะต้องได้รับการคำนวณเป็นรายบุคคลแม้ว่าจะมีการส่งออกเอาต์พุต (ดังนั้นข้อเสนอแนะจะรวมอยู่ในตัวกรอง) มีคุณสมบัติเป็นตัวเลขที่ต้องการได้ ในทางปฏิบัติตัวกรอง DSP ทั้งหมดจะต้องดำเนินการโดยใช้คณิตศาสตร์ที่มีความแม่นยำแน่นอนนั่นคือบิตจำนวน จำกัด การใช้เครื่องคำนวณแบบ จำกัด แน่นอนในตัวกรอง IIR อาจทำให้เกิดปัญหาที่สำคัญอันเนื่องมาจากการใช้ข้อเสนอแนะ แต่ตัวกรอง FIR ที่ไม่มีข้อเสนอแนะสามารถใช้งานได้โดยใช้บิตน้อยลงและนักออกแบบมีปัญหาในทางปฏิบัติน้อยกว่าในการแก้ปัญหาเกี่ยวกับการคำนวณทางคณิตศาสตร์ที่ไม่เหมาะ สามารถประยุกต์ใช้เลขคณิตเศษส่วนได้ ซึ่งแตกต่างจากตัวกรอง IIR ก็มักจะเป็นไปได้ที่จะใช้ตัวกรอง FIR โดยใช้ค่าสัมประสิทธิ์ที่มีขนาดน้อยกว่า 1.0 (กำไรโดยรวมของฟิลเตอร์ FIR สามารถปรับเปลี่ยนได้ที่ผลลัพธ์ถ้าต้องการ) นี่เป็นข้อพิจารณาที่สำคัญเมื่อใช้ DSP แบบจุดคงที่เนื่องจากทำให้การใช้งานง่ายขึ้น 1.6.2 ข้อเสียของฟิลเตอร์ FIR (เทียบกับตัวกรอง IIR) เมื่อเทียบกับตัวกรอง IIR ตัวกรอง FIR บางครั้งอาจมีข้อเสียที่ต้องใช้การคำนวณหน่วยความจำและหน่วยความจำมากขึ้นเพื่อให้ได้ลักษณะการตอบสนองของตัวกรองที่กำหนด นอกจากนี้การตอบสนองบางอย่างยังไม่สามารถใช้กับตัวกรอง FIR ได้ 1.7 ข้อที่ใช้ในการอธิบายตัวกรอง FIR การตอบสนองต่ออิมพัลส์ - การตอบสนองต่อราคาของฟิลเตอร์ FIR เป็นเพียงชุดของค่าสัมประสิทธิ์ของ FIR เท่านั้น (ถ้าคุณใส่ quotimplusequot ลงในตัวกรอง FIR ซึ่งประกอบด้วยตัวอย่าง quot1quot ตามตัวอย่าง quot0quot จำนวนมากผลลัพธ์ของตัวกรองจะเป็นชุดค่าสัมประสิทธิ์เนื่องจากตัวอย่าง 1 ตัวเคลื่อนที่ผ่านแต่ละค่าสัมประสิทธิ์ในทางกลับกันเพื่อสร้างผลลัพธ์) แตะ - quottapquot FIR เป็นเพียงคู่ coefficientdelay จำนวนของ FIR taps, (มักเรียกว่า quotNquot) เป็นข้อบ่งชี้ของ 1) จำนวนหน่วยความจำที่จำเป็นในการใช้ตัวกรอง, 2) จำนวนการคำนวณที่ต้องการ, และ 3) จำนวนการกรองที่ต้องการตัวกรองสามารถทำผล, (MAC) - ในบริบท FIR, quotMACquot คือการดำเนินงานของการคูณค่าสัมประสิทธิ์โดยตัวอย่างข้อมูลล่าช้าที่สอดคล้องกันและสะสมผลลัพธ์ FIR มักต้องใช้ MAC หนึ่งตัวต่อการแตะ ไมโครโพรเซสเซอร์ DSP ส่วนใหญ่ใช้การดำเนินการ MAC ในรอบการสอนเดียว Transition Band - แถบความถี่ระหว่างแถบความถี่ passband และ stopband แถบการเปลี่ยนที่แคบยิ่งต้องใช้ก๊อกมากขึ้นในการใช้ตัวกรอง (แถบผลการแปลง quotsmallquot ส่งผลให้เกิดตัวกรอง quotsharpquot) Delay Line - ชุดของหน่วยความจำที่ใช้องค์ประกอบ delay delay ของ quotZ-1quot ของการคำนวณ FIR บัฟเฟอร์แบบวงกลม - บัฟเฟอร์พิเศษซึ่งเป็นส่วนข้อศอกเนื่องจากการเพิ่มทีละตอนทำให้มันห่อหุ้มรอบจุดเริ่มต้นหรือเนื่องจากการลดลงจากจุดเริ่มต้นทำให้มันห่อหุ้มไปมาจนสุด บัฟเฟอร์แบบวงกลมมักมีให้โดยไมโครโพรเซสเซอร์ DSP เพื่อใช้ชุดคำสั่งซื้อของตัวอย่างผ่านสายการผลิต FIR โดยไม่ต้องย้ายข้อมูลในหน่วยความจำอย่างแท้จริง เมื่อมีการเพิ่มตัวอย่างใหม่ลงในบัฟเฟอร์โดยอัตโนมัติจะแทนที่ตัวเก่าที่เก่าที่สุดนักวิทยาศาสตร์และวิศวกรแนะนำการประมวลผลสัญญาณดิจิตอลโดย Steven W. Smith, Ph. D. บทที่ 14: บทนำเกี่ยวกับตัวกรองดิจิทัลตัวกรองดิจิทัลเป็นส่วนสำคัญของ DSP ในความเป็นจริงการแสดงพิเศษของพวกเขาเป็นหนึ่งในเหตุผลสำคัญที่ DSP ได้รับความนิยมอย่างมาก ดังที่ได้กล่าวไว้ในบทนำตัวกรองมีสองลักษณะคือการแยกสัญญาณและการฟื้นฟูสัญญาณ จำเป็นต้องใช้การแยกสัญญาณเมื่อมีการปนเปื้อนสัญญาณรบกวนสัญญาณรบกวนหรือสัญญาณอื่น ๆ ตัวอย่างเช่นสมมติอุปกรณ์สำหรับวัดกิจกรรมทางไฟฟ้าของหัวใจ babys (EKG) ในขณะที่ยังอยู่ในครรภ์ สัญญาณดิบอาจจะได้รับความเสียหายจากการหายใจและการเต้นของหัวใจของมารดา อาจใช้ตัวกรองเพื่อแยกสัญญาณเหล่านี้ออกเพื่อให้สามารถวิเคราะห์แยกกันได้ การฟื้นฟูสัญญาณจะใช้เมื่อสัญญาณได้รับการบิดเบี้ยวในบางวิธี ตัวอย่างเช่นการบันทึกเสียงที่ทำด้วยอุปกรณ์ที่ไม่ดีอาจได้รับการกรองเพื่อให้เสียงดีขึ้นตามที่เกิดขึ้นจริง อีกตัวอย่างหนึ่งคือการขัดสีของภาพที่ได้มาด้วยเลนส์ที่ไม่ถูกต้องหรือกล้องที่สั่นคลอน ปัญหาเหล่านี้สามารถถูกโจมตีด้วยตัวกรองอนาล็อกหรือดิจิตอล ตัวกรองสัญญาณอนาล็อกมีราคาถูกและรวดเร็วและมีช่วงไดนามิคที่มีขนาดใหญ่ทั้งในด้านความกว้างและความถี่ ตัวกรองแบบดิจิทัลเปรียบเทียบได้ดีกว่าในระดับประสิทธิภาพที่ดีเยี่ยมที่สามารถทำได้ ตัวอย่างเช่นตัวกรองสัญญาณดิจิทัลแบบ low-pass ที่นำเสนอในบทที่ 16 มีการเพิ่มขึ้น 1 - 0.0002 จาก DC เป็น 1000 เฮิรตซ์และมีค่าน้อยกว่า 0.0002 สำหรับความถี่ที่สูงกว่า 1001 เฮิรตซ์ การเปลี่ยนแปลงทั้งหมดเกิดขึ้นภายในเวลาเพียง 1 เฮิรตซ์ อย่าคาดหวังจากวงจร op amp วงจรกรองแบบดิจิตอลสามารถบรรลุผลการทำงานที่ดีกว่าตัวกรองอะนาล็อกนับพันเท่า ซึ่งทำให้เกิดความแตกต่างอย่างมากในปัญหาการกรอง ด้วยตัวกรองสัญญาณอนาล็อกเน้นการจัดการกับข้อ จำกัด ของอุปกรณ์อิเล็กทรอนิกส์เช่นความถูกต้องและความเสถียรของตัวต้านทานและตัวเก็บประจุ ในการเปรียบเทียบตัวกรองดิจิทัลดีมากจนประสิทธิภาพการทำงานของตัวกรองมักถูกละเลย เน้นการเปลี่ยนแปลงข้อ จำกัด ของสัญญาณ และประเด็นทางทฤษฎีเกี่ยวกับการประมวลผลของพวกเขา เป็นเรื่องปกติใน DSP เพื่อบอกว่าอินพุตตัวกรองและสัญญาณเอาต์พุตอยู่ในโดเมนเวลา เนื่องจากสัญญาณมักถูกสร้างขึ้นโดยการสุ่มตัวอย่างเป็นระยะ ๆ แต่นี่ไม่ใช่วิธีเดียวที่จะใช้การสุ่มตัวอย่าง วิธีที่ใช้บ่อยที่สุดในการสุ่มตัวอย่างเป็นครั้งที่สองอยู่ในช่วงเวลาที่เท่ากันในอวกาศ ตัวอย่างเช่นลองจินตนาการถึงการอ่านพร้อมกันจากเซนเซอร์วัดความเครียดที่เพิ่มขึ้นหนึ่งเซนติเมตรตามความยาวของปีกเครื่องบิน โดเมนอื่น ๆ อีกมากมายเป็นไปได้อย่างไรก็ตามเวลาและพื้นที่เป็นที่นิยมมากที่สุด เมื่อคุณเห็นโดเมนระยะเวลาใน DSP โปรดจำไว้ว่านี่อาจเป็นตัวอย่างในช่วงเวลาหรืออาจเป็นข้อมูลอ้างอิงทั่วไปสำหรับโดเมนที่ตัวอย่างถูกนำเข้า 14-1 ทุกตัวกรองเชิงเส้นมีการตอบสนองต่ออิมพัลส์ การตอบสนองขั้นตอนและการตอบสนองต่อความถี่ คำตอบแต่ละข้อเหล่านี้มีข้อมูลที่สมบูรณ์เกี่ยวกับตัวกรอง แต่ในรูปแบบอื่น หากมีการระบุอย่างใดอย่างหนึ่งในสามข้ออื่นสองจะได้รับการแก้ไขและสามารถคำนวณได้โดยตรง การรับรองทั้งสามอย่างนี้มีความสำคัญเนื่องจากอธิบายวิธีที่ตัวกรองจะตอบสนองภายใต้สถานการณ์ที่ต่างกัน วิธีที่ง่ายที่สุดในการใช้ตัวกรองแบบดิจิตอลคือการหมุนเวียนสัญญาณอินพุทด้วยการตอบสนองต่อตัวรับสัญญาณดิจิตอล ตัวกรองเชิงเส้นที่เป็นไปได้ทั้งหมดสามารถทำได้ในลักษณะนี้ (นี่ควรชัดเจนถ้าไม่ใช่คุณอาจไม่มีพื้นฐานในการทำความเข้าใจกับส่วนนี้เกี่ยวกับการออกแบบตัวกรองลองทบทวนส่วนก่อนหน้าเกี่ยวกับหลักการพื้นฐานของ DSP) เมื่อมีการตอบสนองต่ออิมพัลส์ด้วยวิธีนี้นักออกแบบตัวกรองจะให้ชื่อพิเศษ: เคอร์เนลตัวกรอง นอกจากนี้ยังมีวิธีอื่นที่จะทำให้ตัวกรองแบบดิจิทัลเรียกว่าการทับทิม เมื่อตัวกรองถูกนำมาใช้โดย convolution แต่ละตัวอย่างในเอาต์พุตจะคำนวณโดยการชั่งน้ำหนักตัวอย่างในอินพุตและเพิ่มเข้าด้วยกัน ตัวกรองซ้ำเป็นส่วนขยายของข้อมูลนี้โดยใช้ค่าที่คำนวณได้ก่อนหน้านี้จากข้อมูลพัสดุ นอกเหนือจากจุดจากข้อมูล แทนที่จะใช้เคอร์เนลของตัวกรองตัวกรอง recursive จะถูกกำหนดโดยชุดค่าสัมประทานการทับซ้ำ (recursive coefficients) วิธีนี้จะกล่าวถึงในรายละเอียดในบทที่ 19. ตอนนี้ประเด็นสำคัญคือตัวกรองเชิงเส้นทั้งหมดมีการตอบสนองต่อแรงกระตุ้นแม้ว่าคุณจะไม่ใช้ตัวกรองดังกล่าวเพื่อใช้ตัวกรองก็ตาม หากต้องการค้นหาการตอบสนองต่ออิมพัลส์ของตัวกรอง recursive เพียงป้อนข้อมูลด้วยแรงกระตุ้นและดูว่ามีอะไรเกิดขึ้น การตอบสนองต่ออิมพัลส์ของตัวกรอง recursive ประกอบด้วย sinusoids ที่สลายตัวแบบ exponentially ใน amplitude ในหลักการนี้ทำให้การตอบสนองต่อแรงกระตุ้นของพวกเขาเป็นไปอย่างไม่มีที่สิ้นสุด อย่างไรก็ตามแอมพลิจูดจะลดลงต่ำกว่าเสียงรบกวนรอบตัวของระบบและตัวอย่างที่เหลือสามารถละเลยได้ เนื่องจากลักษณะนี้ฟิลเตอร์เรียกซ้ำเรียกว่า Infinite Impulse Response หรือ IIR filters ในการเปรียบเทียบตัวกรองที่ดำเนินการโดย convolution เรียกว่า Finite Impulse Response หรือ FIR filters ดังที่คุณทราบแล้วการตอบสนองของอิมพัลส์คือผลลัพธ์ของระบบเมื่ออินพุตเป็นแรงกระตุ้น ในลักษณะเดียวกันนี้การตอบสนองขั้นตอนคือเอาท์พุทเมื่ออินพุตเป็นขั้นตอน (เรียกว่าขอบและการตอบสนองขอบ) เนื่องจากขั้นตอนนี้เป็นส่วนหนึ่งของแรงกระตุ้นการตอบสนองต่อขั้นตอนคือการตอบสนองต่ออิมพัลส์ วิธีนี้มีสองวิธีในการหาคำตอบขั้นตอน: (1) ป้อนข้อมูลรูปแบบขั้นตอนลงในตัวกรองและดูสิ่งที่ออกมาหรือ (2) รวมการตอบสนองต่ออิมพัลส์ (เพื่อให้ถูกต้องทางคณิตศาสตร์: การรวมใช้กับสัญญาณต่อเนื่องในขณะที่การรวมกันแบบไม่ต่อเนื่องคือผลรวมที่ใช้งานจะใช้กับสัญญาณแบบไม่ต่อเนื่อง) การตอบสนองต่อความถี่สามารถพบได้โดยการใช้ DFT (โดยใช้อัลกอริธึม FFT) ของการตอบสนองต่ออิมพัลส์ ซึ่งจะได้รับการตรวจสอบในตอนท้ายของบทนี้ การตอบสนองต่อความถี่สามารถวางแผนลงบนแกนแนวตั้งเช่นใน (c) หรือในรูปลอการิทึม (เดซิเบล) ดังแสดงใน (d) มาตราส่วนเชิงเส้นเป็นวิธีที่ดีที่สุดในการแสดงเส้นรอบวงและวงกลมแบบ Passband ในขณะที่ระดับเดซิเบลเป็นสิ่งจำเป็นเพื่อแสดงการลดทอนของ Stopband อย่าลืมเดซิเบลนี่คือการตรวจสอบอย่างรวดเร็ว เบลล์ (เพื่อเป็นเกียรติแก่ Alexander Graham Bell) หมายความว่าพลังงานมีการเปลี่ยนแปลงโดยปัจจัยที่สิบ ยกตัวอย่างเช่นวงจรอิเล็กทรอนิกส์ที่มีการขยายตัว 3 bels จะสร้างสัญญาณเอาต์พุต 10 ครั้ง 10 ครั้ง 10 1000 เท่าของกำลังรับเข้า เดซิเบล (เดซิเบล) คือหนึ่งในสิบของเข็มขัด ดังนั้นค่าเดซิเบลของ: -20dB, -10dB, 0dB, 10dB amp 20dB หมายถึงอัตราส่วนพลังงาน: 0.01, 0.1, 1, 10, amp 100 ตามลำดับ กล่าวอีกนัยหนึ่งทุกสิบเดซิเบลหมายความว่าอำนาจมีการเปลี่ยนแปลงโดยปัจจัยที่สิบ นี่แหละคือการจับ: คุณมักต้องการทำงานกับสัญญาณแอมปลิจูด ไม่ใช่พลังของมัน ตัวอย่างเช่นสมมติเครื่องขยายเสียงที่มีกำลังรับ 20dB ตามคำนิยามหมายความว่าพลังงานในสัญญาณเพิ่มขึ้น 100 เท่าเนื่องจากความกว้างของสัญญาณเป็นสัดส่วนกับรากที่สองของกำลังการรับส่งสัญญาณความกว้างของสัญญาณคือ 10 เท่าของความกว้างของอินพุท ขณะที่ 20dB หมายถึงกำลังไฟฟ้า 100 ตัว แต่ก็หมายถึงมีความกว้าง 10 นิ้วเท่านั้น ทุกยี่สิบเดซิเบลหมายความว่าแอมพลิจูดมีการเปลี่ยนแปลงโดยปัจจัยที่สิบ ในรูปแบบสมการ: สมการข้างต้นใช้ฐาน 10 ลอการิทึม แต่ภาษาคอมพิวเตอร์จำนวนมากมีเพียงฟังก์ชันสำหรับลอการิทึมอีฐาน (log ธรรมชาติ, log log หรือ x ln x) log ธรรมชาติสามารถใช้โดยการแก้ไขสมการด้านบน: dB 4.342945 log e (P 2 P 1) และ dB 8.685890 log e (A 2 A 1) เนื่องจากเดซิเบลเป็นวิธีแสดงอัตราส่วนระหว่างสัญญาณสองแบบจึงเหมาะสำหรับการอธิบายถึงอัตราการได้รับของระบบเช่นอัตราส่วนระหว่างสัญญาณขาออกและสัญญาณเข้า อย่างไรก็ตามวิศวกรยังใช้เดซิเบลเพื่อระบุแอมพลิจูด (หรือกำลัง) ของสัญญาณเดียวโดยการอ้างอิงถึงมาตรฐานบางอย่าง ตัวอย่างเช่นคำว่า: dBV หมายความว่าสัญญาณกำลังถูกอ้างถึงสัญญาณ rms 1 โวลต์ ในทำนองเดียวกัน dBm แสดงสัญญาณอ้างอิงที่ผลิต 1 mW เป็นโหลด 600 โอห์ม (ประมาณ 0.78 โวลต์ rms) ถ้าคุณไม่เข้าใจอะไรอื่นเกี่ยวกับเดซิเบลโปรดจำไว้ว่าสองประการคือประการแรก -3 dB หมายความว่าแอมพลิจูดจะลดลงเหลือ 0.707 (และลดกำลังลงเหลือ 0.5) ประการที่สองจดจำ Conversion ต่อไปนี้ระหว่างเดซิเบลและอัตราส่วนความกว้าง: Moving Average Filter คำอธิบาย MovingAverageFilter ใช้ตัวกรองเฉลี่ยเคลื่อนที่ต่ำ MovingAverageFilter เป็นส่วนหนึ่งของโมดูล Preprocessing ตัวอย่างของสัญญาณ (สัญญาณรบกวนจากคลื่นไซน์) กรองโดยใช้ตัวกรองเฉลี่ยเคลื่อนที่ สัญญาณสีแดงคือสัญญาณรบกวนดั้งเดิมสัญญาณสีเขียวคือสัญญาณที่กรองโดยใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่ที่มีขนาดหน้าต่างเท่ากับ 5 และสัญญาณสีน้ำเงินคือสัญญาณที่กรองโดยใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่ที่มีขนาดหน้าต่างเท่ากับ 20. MovingAverageFilterExampleImage1 jpg ข้อดี MovingAverageFilter เหมาะสำหรับการกำจัดเสียงรบกวนความถี่สูงจากสัญญาณ N มิติจำนวนเล็กน้อย ข้อเสียข้อเสียหลักของ MovingAverageFilter คือเพื่อกรองเสียงรบกวนความถี่สูงอย่างมีนัยสำคัญขนาดหน้าต่างของตัวกรองต้องมีขนาดใหญ่ ปัญหาเกี่ยวกับการมีหน้าต่างตัวกรองขนาดใหญ่คือสิ่งนี้จะทำให้เกิดความล่าช้าขนาดใหญ่ในสัญญาณใด ๆ ที่ผ่านตัวกรองซึ่งอาจไม่เป็นประโยชน์สำหรับแอพพลิเคชันแบบเรียลไทม์ หากคุณพบว่าคุณจำเป็นต้องมีหน้าต่างตัวกรองขนาดใหญ่เพื่อกรองเสียงรบกวนที่มีความถี่สูงและเวลาแฝงที่เกิดจากขนาดหน้าต่างนี้ไม่เหมาะสำหรับแอ็พพลิเคชันแบบเรียลไทม์ของคุณคุณอาจลองใช้ตัวกรองอัตราการย้ายคู่เฉลี่ยหรือตัวกรองความถี่ต่ำ แทน. ตัวอย่างรหัสตัวอย่าง GRT MovingAverageFilter ตัวอย่างนี้แสดงวิธีการสร้างและใช้โมดูล GRT MovingAverageFilter PreProcessing MovingAverageFilter ใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่เฉลี่ยต่ำ ในตัวอย่างนี้เราสร้างอินสแตนซ์ของ MovingAverageFilter และใช้ตัวกรองนี้เพื่อกรองข้อมูลหลอกลวงซึ่งสร้างขึ้นจากสัญญาณรบกวนแบบสุ่มของไซน์ สัญญาณการทดสอบและสัญญาณที่ผ่านการกรองจะถูกบันทึกลงในไฟล์ (เพื่อให้คุณสามารถคำนวณผลลัพธ์ในรูปแบบ Matlab, Excel และอื่น ๆ ได้ถ้าจำเป็น) ตัวอย่างเช่นคุณจะแสดงวิธีการ: - สร้างอินสแตนซ์ MovingAverageFilter ใหม่ที่มีขนาดหน้าต่างเฉพาะสำหรับสัญญาณ 1 มิติ - กรองข้อมูลบางส่วนโดยใช้ MovingAverageFilter - บันทึกการตั้งค่า MovingAverageFilter ลงในไฟล์ - โหลดการตั้งค่า MovingAverageFilter จากไฟล์ที่มี quotGRT. hquot ใช้ namespace GRT int main 40 int argc const char argv 91 93 41 123 สร้างอินสแตนซ์ใหม่ของตัวกรองค่าเฉลี่ยเคลื่อนที่ที่มีขนาดหน้าต่างเท่ากับ 5 สำหรับสัญญาณ 1 มิติ MovingAverageFilter filter 40 5. 1 41 สร้างและเปิดไฟล์เพื่อบันทึกไฟล์ข้อมูล fstream file เปิด 40 quotMovingAverageFilterData. txtquot fstream out 41 สร้างข้อมูลบางส่วน (สัญญาณรบกวนของคลื่นไซน์) และกรองค่า x เป็นสองเท่า UINT M 1000 สุ่มสุ่มสำหรับ 40 UINT i 0 i lt M i 41 123 sin สัญญาณคู่ 40 x 41 random getRandomNumberUniform 40 - 0.2 0.2 41 ตัวกรองคู่กรองค่า filter 40 signal 41 file ltlt signal ltlt tt ltlt filteredValue ltlt endl x TWOPI double 40 M 41 10 125 ปิดไฟล์ข้อมูล ปิด 40 41 บันทึกการตั้งค่าตัวกรองลงในตัวกรองไฟล์ saveSettingsToFile 40 quotMovingAverageFilterSettings. txtquot 41 จากนั้นเราจะโหลดการตั้งค่าในภายหลังหากจำเป็นต้องใช้ตัวกรอง loadSettingsFromFile 40 quotMovingAverageFilterSettings. txtquot 41 return EXITSUCCESS 125 MovingAverageFilter ยังทำงานร่วมกับสัญญาณ N มิติใดก็ได้: สร้างอินสแตนซ์ใหม่ของ MovingAverageFilter ที่มีขนาดหน้าต่างเท่ากับ 10 สำหรับสัญญาณ 3 มิติ MovingAverageFilter filter 40 10. 3 41 ค่าที่คุณต้องการกรอง vector lt double gt data 40 3 41 ข้อมูล 91 0 93 0. รับค่าจากข้อมูลเซ็นเซอร์ 91 1 93 0 รับค่าจากข้อมูลเซ็นเซอร์ 91 2 93 0 รับค่าจากเซ็นเซอร์กรองเวกเตอร์สัญญาณ lt double gt filteredValue filter กรอง 40 ข้อมูล 41 รหัส amp ทรัพยากร