是否有根据通带与采样率计算FIR / IIR近似滤波器阶数的经验法则?我似乎记得在Undergrad读过一次。我认为您可以像缩放器*通带/阻带那样进行粗略估算。

我一直在努力实现不同的FIR / IIR滤波器,并且想要一些粗略的公式来说明是否更改了一个变量,要获得类似的性能,大约还需要多少个抽头。

评论

对于FIR滤波器,此答案中给出了一个公式。

#1 楼

对于低通FIR滤波器,我最喜欢的“经验法则”是“弗雷德·哈里斯经验法则”:

$ N = [f_s / delta(f)] * [atten( dB)/ 22] $

其中
$ f_s $是滤波器的采样率
atten(dB)是目标抑制,以dB为单位

例如,如果您在以1KHz采样的系统中具有100 Hz的过渡带,而您的阻带要求是阻带中的50 dB那么顺序可以近似为:

N = 1KHz / 100Hz * 50/22 = 23抽头(四舍五入)

谢谢哈里斯!

请注意,考虑通带纹波的另一个更详细的公式是Kaiser的公式,这要归功于Bell Labs的James Kaiser,我将其包含在下面的图形中。

对于大多数我已经完成的应用,fred harris方法很好,因为受到了一定的拒绝,所以使用传统的滤波器设计算法(例如Parks-McClellan和Reme)生成的滤波器满足拒绝要求时,z已超过我的通带纹波要求。 (我通常要做的是估计顺序,使用该顺序设计滤波器,检查结果并从那里增加或减少顺序以进行微调)。估计的结果只是:估计,并且可以根据整体设计参数而有很大不同,因此不能认为是精确的解决方案。



对于那些熟悉使用窗口方法的滤波器设计的人来说,对棚车或矩形窗口(这是简单的截断)的回顾揭示了为什么需要$ f_s / \ Delta f $次抽头(如果经常使用标准化频率的单位为弧度/样本,则与$ 2 \ pi / \ Delta \ omega $相同)来完成过渡带。请参阅下面的图片,以帮助对此进行解释。

下面的第一张图片显示了矩形窗口在时间上的预期Sinc频率,然后以离散形式显示,这是别名Sinc函数,关键是矩形函数在N个样本上的频率响应将是在f = 1 / N处具有第一个零值(其中f是归一化的频率,其中1是采样率)。



下一张图片显示了矩形窗口方法进行滤波器设计(我从不建议这样做,但内容翔实)。左上角的第一幅图显示了作为理想“砖墙”响应的滤波器的目标频率响应。请不要将它与也是矩形的“棚车窗口”(或“矩形窗口”)混淆,该窗口在时域内!

为了实现这种过滤器,我们将使用所需频率响应的脉冲响应作为FIR滤波器中的系数(该滤波器的系数就是脉冲响应-随即输入和输出所有系数!)。矩形频率(砖墙)响应的脉冲响应是逆FT,它是时域中的Sinc函数,在左下角显示为“所需的脉冲响应”。 Sinc函数扩展到正负无穷大,因此要真正实现这样的滤波器,我们需要一个无限长的滤波器,并且它具有无限长的延迟。显然,我们无法做到这一点,因此我们将系数截断为可实现的值。滤波器越长,我们越接近理想的砖墙响应,但延迟也会越长(就滤波器构造而言,我们将需要更多的资源;更多的抽头)。

在时域中截断脉冲响应在数学上等同于在时域中乘以矩形窗口。 (请注意,脉冲响应也会延迟窗口持续时间的一半,以使系统具有因果关系)。时域中的乘法等效于频域中的卷积。截断之前的脉冲响应的频域(FT)是我们最初期望的砖墙频率响应。矩形窗口的频率响应是频域中的Sinc函数。

因此,当我们截断所需的脉冲响应(时间乘以矩形窗口)时,我们会将所需的频率响应与Sinc函数,导致我们的目标频率响应近似,如下图右上角所示。



Sinc的关键要点函数通常是第一个空值是1 / T,其中T是矩形函数的持续时间。对于采样系统,第一个空值应为$ 2 \ pi / N $,其中N表示矩形函数持续时间内的采样数。在图像中,归一化的弧度频率用于频率轴-(如果让您感到困惑,您只知道$ 2 \ pi $是采样率的弧度频率)。因此,在卷积过程中,尖锐的砖墙过渡扩展开了,在这种情况下,在$ 2 \ pi / N $的频率上变为0(我们的$ \ Delta \ omega $)!因此,这里$$ N = 2 \ pi / \ Delta \ omega $$,当然,滤波器的旁瓣等较差。请注意:对于给定的抽头数,从Sinc函数开始的这种转换是最清晰的;它具有最佳的频率分辨率,但动态范围(抑制)最差。其他窗口类型(Blackman,Blackman-harris,Kaiser(我最喜欢)等)将显着提高动态范围,但始终以过渡为代价。



因此,从上面的内容中,我们看到了近似公式中使用的$ 2 \ pi / \ Delta \ omega $的原点,并且我们还看到了为什么对于典型的滤波器设计,还有一个额外的乘法因子会增加高于此值的抽头数量;在$ N = 2 \ pi / \ Delta \ omega $但拒绝率极低的情况下,矩形窗口将为我们提供N次抽头的最佳过渡效果。使用更多的抽头可以使时间过渡更加平滑,超出矩形窗口的尖锐过渡范围,从而提供更大的抑制能力,但以过渡带宽为代价。

评论


$ \ begingroup $
为了避免混淆,您称为“ Kaiser公式”的公式实际上是Parks McClellan最佳过滤器(实际上是Kaiser找到的)的公式,而不是Kaiser窗口方法的公式。后者没有两个不同的$ \ delta $值,而只有一个。
$ \ endgroup $
– Matt L.
17年2月16日在17:08

$ \ begingroup $
确实,由于有Kaiser窗方法,因此请对Matt进行澄清。但是,该公式在文献中被称为“ Kaiser公式”,因此读者不认为这是我自己使用的该术语。 engold.ui.ac.ir/~sabahi/Advanced%20digital%20communication / ...
$ \ endgroup $
–丹·博申(Dan Boschen)
17-2-16在17:12



$ \ begingroup $
太棒了!看起来像是来自Fred Harris的书“通信系统的多速率信号处理”第48页吗?
$ \ endgroup $
–杰里米
17年2月16日在19:08

$ \ begingroup $
经验法则还是图片?这些照片是我上课的。我没有弗雷德的书,但我是弗雷德的忠实拥护者,他在1996年左右的DSP World演讲中被他介绍给他的“经验法则”。(请注意,他坚持用小写字母拼写他的名字) )。
$ \ endgroup $
–丹·博申(Dan Boschen)
17年2月16日在19:13

$ \ begingroup $
@DanBoschen设计带通FIR滤波器时,Parks McClellan的公式也有效吗?如果没有,是否还有其他“经验法则”可以适用?
$ \ endgroup $
–lR8n6i
17年8月8日在19:22

#2 楼

FIR滤波器的长度或IIR滤波器的阶数与过渡带的宽度(最窄的,如果有的话)与采样率的比值大致成反比,除了极短或极小以外,其他条件都相当低阶滤波器。

评论


$ \ begingroup $
不知道为什么有人不赞成。我将其修复为零。
$ \ endgroup $
–罗伯特·布里斯托-约翰逊
17年2月15日在19:28

$ \ begingroup $
其他东西在某种程度上是等效的吗?
$ \ endgroup $
–本
19年4月27日在14:41