Projektowanie filtrów cyfrowych
Projektowanie filtra cyfrowego przebiega w następujących etapach:
1. Określenie właściwości filtra (wymagań),
2. Aproksymacja zadanych właściwości,
3. Realizacja systemu.
4
.
0
=
p
ω
6
.
0
=
s
ω
]
[
6
dB
r
p
=
]
[
20
dB
r
s
=
Dodatkowym wymaganiem może być np. liniowa faza lub niski rząd filtra.
1
Projektowanie dyskretnych filtrów IIR na podstawie filtrów analogowych
Filtry analogowe
Filtr Butterwortha
Charakterystyka częstotliwościowa
|
)
(
|
Ω
j
H
filtra Butterwortha jest maksymalnie płaska w paśmie
przepustowym. Oznacza to, że dla filtra rzędu N pierwsze (2N-1) pochodnych funkcji
2
ma
wartość zero dla
0
=
Ω
. Charakterystyka amplitudowa jest monotoniczna w paśmie przepustowym i
zaporowym. Kwadrat charakterystyki amplitudowej definiuje się następująco:
|
)
(
|
Ω
j
H
N
c
c
j
j
j
H
2
2
)
/
(
1
1
|
)
(
|
Ω
Ω
+
=
Ω
2
Podstawiając
Ω
= j
s
N
c
c
c
c
j
s
s
H
s
H
j
H
2
2
)
/
(
1
1
)
(
)
(
|
)
(
|
Ω
+
=
−
=
Ω
Bieguny transmitancji spełniają
, skąd
0
)
/
(
1
2
=
Ω
+
N
c
j
s
(
,
)
2
(
π
ϕ
ϕ
k
j
j
Me
Me
C
+
=
=
1
,...
1
,
0
,
/
)
2
(
−
=
=
+
n
k
e
M
C
n
k
j
n
n
π
ϕ
)
1
2
,...
1
,
0
,
1
)
1
2
)(
2
/
(
2
−
=
Ω
=
Ω
−
=
−
+
N
k
e
j
s
N
k
N
j
c
c
N
k
π
(*)
Ponieważ (*) podaje bieguny iloczynu
)
(
)
(
s
H
s
H
c
c
−
do realizacji filtra wybiera się bieguny z lewej
półpłaszczyzny, co zapewnia stabilność filtra analogowego.
Przykłady:
7071
.
0
7071
.
0
2
,
1
j
s
±
−
=
)
7071
.
0
70711
.
0
)(
7071
.
0
7071
.
0
(
1
)
(
j
s
j
s
s
H
c
−
+
+
+
=
1
4142
.
1
1
)
(
2
+
+
=
s
s
s
H
c
3
1
,
866
.
0
5
.
0
2
3
,
1
=
±
−
=
s
j
s
1
2
2
1
)
(
2
3
+
+
+
=
s
s
s
s
H
c
8478
.
1
7654
.
0
4
,
1
j
s
±
−
=
7654
.
0
8478
.
1
3
,
2
j
s
±
−
=
16
2
4
=
=
Ω
=
N
c
w
16
905
.
20
6569
.
13
2263
.
5
16
)
(
2
3
4
+
+
+
+
=
s
s
s
s
s
H
c
4
Przykład
Obliczyć rząd N i pulsację
c
Ω
(pulsacja 3dB) analogowego filtra Butterwortha spełniającego następujące
wymagania: krawędź pasma przepustowego
s
rad
p
/
100
=
Ω
, krawędź pasma zaporowego
s
rad
s
/
160
=
Ω
,
maksymalne tłumienie w paśmie przepustowym
dB
r
p
1
=
, minimalne tłumienie w paśmie zaporowym
.
dB
r
s
30
=
5
Ze wzoru
N
c
c
j
j
j
H
2
2
)
/
(
1
1
|
)
(
|
Ω
Ω
+
=
Ω
otrzymujemy:
⎪
⎪
⎩
⎪
⎪
⎨
⎧
−
=
Ω
Ω
+
−
=
Ω
Ω
+
]
[
)
/
(
1
1
]
[
)
/
(
1
1
2
2
dB
r
dB
r
s
N
c
s
p
N
c
p
(
)
(
)
⎪⎩
⎪
⎨
⎧
−
=
Ω
Ω
+
−
=
Ω
Ω
+
−
−
s
N
c
s
p
N
c
p
r
r
2
/
1
2
10
2
/
1
2
10
)
/
(
1
log
20
)
/
(
1
log
20
(
)
(
)
⎪⎩
⎪
⎨
⎧
=
Ω
Ω
+
=
Ω
Ω
+
10
/
)
/
(
1
log
10
/
)
/
(
1
log
2
10
2
10
s
N
c
s
p
N
c
p
r
r
⎪⎩
⎪
⎨
⎧
−
=
Ω
Ω
−
=
Ω
Ω
1
10
)
/
(
1
10
)
/
(
10
/
2
10
/
2
s
p
r
N
c
s
r
N
c
p
Dzieląc stronami i logarytmując:
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−
−
=
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
Ω
Ω
1
10
1
10
log
log
10
/
10
/
10
2
10
s
p
r
r
N
s
p
otrzymujemy:
8.785
160
100
log
/
1
10
1
10
log
2
1
log
/
1
10
1
10
log
2
1
10
10
/
30
10
/
1
10
10
10
/
10
/
10
=
⎟
⎠
⎞
⎜
⎝
⎛
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−
−
=
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
Ω
Ω
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−
−
=
s
p
r
r
s
p
N
)
1
10
(
log
2
1
)
/
(
log
10
/
10
10
−
=
Ω
Ω
p
r
c
p
N
N
r
c
p
p
2
1
10
/
10
10
)
1
10
(
log
)
/
(
log
−
=
Ω
Ω
N
r
c
p
p
2
1
10
/
)
1
10
(
/
−
=
Ω
Ω
107.7957
)
1
10
(
100
)
1
10
(
9
2
1
10
/
1
2
1
10
/
=
−
=
−
Ω
=
Ω
⋅
N
r
p
c
p
Ponieważ rząd filtra musi być liczbą całkowitą N zostaje zaokrąglone w górę N=9.
6
Transformacja częstotliwości - filtry FGP, FBP, FBS
7
8
Filtry Czebyszewa
Kwadrat charakterystyki amplitudowej filtra Czebyszewa typu I definiuje się następująco:
)
/
(
1
1
|
)
(
|
2
2
2
c
N
c
j
j
V
j
H
Ω
Ω
+
=
Ω
ε
gdzie
jest wielomianem Czebyszewa rzędu N (
).
⎪⎩
⎪
⎨
⎧
>
≤
=
−
−
1
|
|
),
cosh
cosh(
1
|
|
),
cos
cos(
)
(
1
1
x
x
N
x
x
N
x
V
N
)
arccos(
cos
1
x
x
=
−
1
))
arccos(
0
cos(
)
(
0
=
=
x
x
V
,
x
x
x
V
=
=
))
(
cos(arccos
)
(
1
,
1
2
))
arccos(
2
cos(
)
(
2
2
−
=
=
x
x
x
V
Wielomiany Czebyszewa można wyznaczać rekurencyjnie:
1
),
(
)
(
2
)
(
1
1
≥
−
=
−
+
N
x
V
x
xV
x
V
N
N
N
Dla
, dla
rośnie monotonicznie.
1
|
|
≤
x
1
)
(
0
2
≤
≤
x
V
N
1
|
|
>
x
)
(x
V
N
1
)
1
(
=
N
V
;
dla N parzystego i
dla N nieparzystego.
1
)
0
(
±
=
N
V
0
)
0
(
=
N
V
9
Bieguny analogowego filtra Czebyszewa są położone na płaszczyźnie zespolonej S na elipsie.
Długość półosi małej wynosi
c
a
Ω
a półosi wielkiej
c
b
Ω
, przy czym:
)
(
2
1
/
1
/
1
N
N
a
−
−
=
α
α
,
2
1
1
−
−
+
+
=
ε
ε
α
,
)
(
2
1
/
1
/
1
N
N
b
−
+
=
α
α
.
Na okręgu o promieniu równym wielkiej półosi elipsy wyznacza się bieguny filtra Butterwortha o
tym samym rzędzie, co projektowany filtr Czebyszewa, a następnie przesuwa się je na obwód elipsy.
9037
.
0
1490
.
0
2
,
1
j
s
±
−
=
,
2980
.
0
3
−
=
s
9464
.
0
0850
.
0
2
,
1
j
s
±
−
=
,
3920
.
0
2052
.
0
4
,
3
j
s
±
−
=
10
Kwadrat charakterystyki amplitudowej filtra Czebyszewa typu II definiuje się następująco:
)
/
(
1
1
1
|
)
(
|
2
2
2
Ω
Ω
+
=
Ω
j
j
V
j
H
c
N
c
ε
W porównaniu z filtem typu I następuje odwrócenie członu
w mianowniku oraz
odwrócenie argumentu wielomianu Czebyszewa na
Ω
)
/
(
2
2
c
N
j
j
V
Ω
Ω
ε
Ω
j
j
.
c
/
Bieguny filtra typu II można wyznaczyć znając bieguny filtra typu I na podstawie zależności:
I
k
c
II
k
s
s
2
Ω
=
natomiast zera filtra typu II leżą na osi urojonej w punktach
.
0
)
/
(
=
Ω
Ω
c
N
V
11
0773
.
1
1777
.
0
2
,
1
j
s
±
−
=
,
3553
.
3
3
−
=
s
;
1547
.
1
2
,
1
j
z
±
=
8213
.
0
2860
.
0
2
,
1
j
s
±
−
=
,
3221
.
1
3
−
=
s
;
1547
.
1
2
,
1
j
z
±
=
12
13
Filtr eliptyczny
Charakterystyka amplitudowa filtra eliptycznego jest równomiernie falista w paśmie przepustowym
i zaporowym. Filtr opisują cztery parametry: N - rząd,
c
Ω
- krawędź pasma przepustowego oraz R
p
-
tłumienie w paśmie przepustowym i R
s
- tłumienie w paśmie zaporowym.
14
15
16
17
Transformacja biliniowa
Transformacja biliniowa jest przekształceniem algebraicznym odwzorowującym oś urojoną
płaszczyzny S w okrąg jednostkowy na płaszczyźnie Z. Ponieważ
Ω
j
∞
≤
Ω
≤
−∞
, a
π
ω
π
≤
≤
−
więc
przekształcenie to jest nieliniowe.
Transmitancję dyskretną H(z) uzyskuje się z transmitancji analogowej H
c
(s) przez podstawienie:
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
+
−
=
−
−
1
1
1
1
2
z
z
T
s
d
(*), tzn.:
⎥
⎥
⎦
⎤
⎢
⎢
⎣
⎡
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
+
−
=
−
−
1
1
1
1
2
)
(
z
z
T
H
z
H
d
c
Rozwiązując (*) względem z i podstawiając
Ω
+
=
j
s
σ
otrzymujemy:
s
T
s
T
z
d
d
)
2
/
(
1
)
2
/
(
1
−
+
=
2
/
2
/
1
2
/
2
/
1
d
d
d
d
T
j
T
T
j
T
Ω
−
−
Ω
+
+
=
σ
σ
Dla
0
<
σ
1
|
|
<
z
, a dla
0
>
σ
. Tak, więc jeżeli biegun transmitancji analogowej H
1
|
|
>
z
c
(s) leży w
lewej półpłaszczyźnie to moduł transmitancji H(z) leży wewnątrz okręgu jednostkowego. Stabilny
układ analogowy jest przekształcany w stabilny układ dyskretny.
Podstawiając do wyrażenia na z
Ω
= j
s
2
/
1
2
/
1
d
d
T
j
T
j
z
Ω
−
Ω
+
=
widzimy, że
1
|
|
=
z
dla całej osi
Ω
j
2
/
1
2
/
1
d
d
j
T
j
T
j
e
Ω
−
Ω
+
=
ω
.
18
Zależność pomiędzy a
Ω
ω
wyznacza się z definicji przekształcenia:
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
+
−
=
Ω
−
−
ω
ω
j
j
d
e
e
T
j
1
1
2
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
+
−
=
−
−
−
−
2
/
2
/
2
/
2
/
1
1
2
ω
ω
ω
ω
j
j
j
j
d
e
e
e
e
T
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
+
−
=
−
−
−
−
)
(
)
(
2
2
/
2
/
2
/
2
/
2
/
2
/
ω
ω
ω
ω
ω
ω
j
j
j
j
j
j
d
e
e
e
e
e
e
T
⎟⎟
⎟
⎟
⎟
⎠
⎞
⎜⎜
⎜
⎜
⎜
⎝
⎛
+
−
=
−
−
2
2
2
2
/
2
/
2
/
2
/
ω
ω
ω
ω
j
j
j
j
d
e
e
j
e
e
j
T
)
2
/
(
tan
2
)
2
/
cos(
)
2
/
sin(
2
ω
ω
ω
d
d
T
j
T
j
=
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
=
)
2
/
(
tan
2
ω
d
T
=
Ω
(*),
)
2
/
arctan(
2
d
T
Ω
=
ω
Ze względu na nieliniowość transformacji biliniowej projekt filtra analogowo powinien uwzględnić
(*) (tzn. filtr analogowy należy zaprojektować na
Ω
, a nie
ω
).
19
Przykład:
Zaprojektować dolnoprzepustowy, cyfrowy filtr eliptyczny spełniający następujące wymagania: częstotliwość
próbkowania F
p
=100 [Hz], krawędź pasma przepustowego f
1
=20 [Hz], krawędź pasma zaporowego f
2
=25 [Hz],
nieliniowość charakterystyki w paśmie przepustowym R
p
=0.1 [dB], nieliniowość charakterystyki w paśmie
zaporowym R
s
=60 [dB].
Projekt
1. Unormowanie częstotliwości filtra cyfrowego f
1
i f
2
podanych w [Hz] do pulsacji cyfrowej
ω
w [rad]:
2566
.
1
100
20
2
2
1
1
=
=
=
π
π
ω
p
F
f
,
5708
.
1
100
25
2
2
2
2
=
=
=
π
π
ω
p
F
f
2. Obliczenie krawędzi pasma
Ω
[rad/s] filtra analogowego uwzględniające nieliniowość transformacji
biliniowej:
3085
.
145
)
2
/
2566
.
1
(
tan
100
/
1
2
)
2
/
(
tan
2
1
1
=
=
=
Ω
ω
d
T
,
200
2
=
Ω
3. Określenie parametrów filtra analogowego na podstawie podanych wymagań odnośnie pasma oraz
wyznaczenie jego transmitancji
)
(s
H
w postaci zer i biegunów.
Dla zadanych wymagań rząd analogowego filtra eliptycznego wynosi N=7, rozkład jego zer i biegunów
przedstawia rysunek.
4. Transformacja biliniowa zer i biegunów filtra analogowego H(s) zgodnie ze wzorem
s
T
s
T
z
d
d
)
2
/
(
1
)
2
/
(
1
−
+
=
.
Otrzymujemy zera i bieguny filtra cyfrowego H(z).
20
filtr eliptyczny
Uwaga!
Transformacja biliniowa odwzorowuje całą oś
Ω
j
płaszczyzny S w okrąg jednostkowy na płaszczyźnie Z,
dlatego jeżeli filtr analogowy ma zera w
∞
=
Ω
j
to przechodzą one w zera
. Rozważany filtr ma jedno
zero w
1
−
, ponieważ stopień licznika jego transmitancji H(s) jest o jeden mniejszy od stopnia mianownika. (Dla
porównania dolnoprzepustowy filtr Butterwortha ma wielokrotne zero w
1
−
=
ω
j
e
1
−
).
filtr Butterwortha
21
5. Weryfikacja charakterystyk amplitudowych filtra cyfrowego
22
23
24
25
Implementacja
Matlaba
?
26
Metoda okien - filtry FIR - liniowa faza
W metodzie okien najpierw zadaje się wymaganą charakterystykę częstotliwościową filtra:
∑
∞
−∞
=
−
=
n
n
j
d
j
d
e
n
h
e
H
ω
ω
]
[
)
(
,
na podstawie której wyznacza się jego nieskończoną odpowiedź impulsową
ω
π
ω
π
π
ω
d
e
e
H
n
h
n
j
j
d
d
∫
−
=
)
(
2
1
]
[
,
a następnie mnoży się tę odpowiedź impulsową przez okno o skończonej długości (wycina się
fragment np. oknem prostokątnym):
]
[
]
[
]
[
n
w
n
h
n
h
d
=
,
.
⎩
⎨
⎧
>
≤
≤
=
M
n
M
n
n
w
|
|
,
0
0
,
1
]
[
Na podstawie twierdzenia o okienkowaniu
jest splotem widma filtra idealnego z widmem
okna:
)
(
ω
j
e
H
∫
−
Θ
−
Θ
Θ
=
π
π
ω
ω
π
d
e
W
e
H
e
H
j
j
d
j
)
(
)
(
2
1
)
(
)
(
.
27
Idealny filtr dolnoprzepustowy (nieprzyczynowy)
⎩
⎨
⎧
≤
<
<
=
π
ω
ω
ω
ω
ω
|
|
,
0
|
|
,
1
)
(
c
c
j
lp
e
H
⎪
⎪
⎩
⎪⎪
⎨
⎧
=
≠
=
=
−
=
=
=
−
−
−
∫
0
,
0
,
)
sin(
)
sin(
)
(
2
1
]
[
2
1
2
1
]
[
n
n
n
n
n
n
e
e
jn
e
jn
d
e
n
h
c
c
c
n
j
n
j
n
j
n
j
lp
c
c
c
c
c
c
π
ω
π
ω
π
ω
π
π
ω
π
ω
ω
ω
ω
ω
ω
ω
ω
Idealny filtr dolnoprzepustowy (przyczynowy)
,
⎪⎩
⎪
⎨
⎧
≤
<
<
=
−
π
ω
ω
ω
ω
ω
ω
|
|
,
0
|
|
,
)
(
2
/
c
c
M
j
j
lp
e
e
H
(
)
)
2
/
(
)
2
/
(
sin
2
1
]
[
2
/
M
n
M
n
d
e
e
n
h
c
n
j
M
j
lp
c
c
−
−
=
=
∫
−
−
π
ω
ω
π
ω
ω
ω
ω
28
Można również wyznaczyć współczynniki filtra przez obliczenie odwrotnej dyskretnej transformaty
Fouriera (IDFT) zadanej charakterystyki częstotliwościowej.
close all, clear all
N
= 32;
%długość filtra FDP
Wn =
0.5;
%częstotliwość graniczna, 1 odpowiada fp/2
%1. zadana ch-ka częstotliwościowa
%1.1 od 0 do fp/2
Hf=zeros(1,round(N/2)); Hf(1:round(Wn*N/2))=1;
Hf=Hf.*exp(-j*(1:length(Hf))*pi); %liniowa
faza
%1.2 od fp/2 do fp - symetrie widma
Hf=[1 Hf 0 conj(fliplr(Hf))];
%2. Współczynniki filtra
%2.1 Przez DFT
ht=ifft(Hf); ht(1)=[];
%2.2 Dla porównania - analitycznie
n=1:(length(ht)-1)/2; B=sin(Wn*n*pi)./(pi*n); B=[fliplr(B) Wn B];
%3. Ch-ki częstotliwościowe filtrów
M=1024; %zmniejszenie kroku w osi częstotliwości
htz=zeros(1,M); htz(1:length(ht))=ht;
htb=zeros(1,M); htb(1:length(B)) =B;
H=fft(htz);
Hb=fft(htb);
f=2*(0:M-1)/(M-1); %unormowana os częstotliwości
%4. Wykresy
figure,
subplot(2,1,1)
stem(real(Hf)),
xlabel('k'), ylabel('Re[H(k)]')
subplot(2,1,2)
stem(imag(Hf)), axis([0 N -1 1])
xlabel('k'), ylabel('Im[H(k)]')
figure, hold on
stem(real(ht),'filled','r')
stem(B ,'b'),
xlabel('n'), ylabel('Re[h(n)]')
legend('obliczeniowo','analitycznie')
figure
subplot(2,1,1), hold on
plot(f,abs(H), 'r:'),
plot(f,abs(Hb),'b')
xlabel('f unormowana'), ylabel('|H[e^j^\omega]|')
legend('obliczeniowo','analitycznie')
subplot(2,1,2), hold on
plot(f,unwrap(angle(H)),'r:'),
plot(f,unwrap(angle(Hb)),'b'),
xlabel('f unormowana'), ylabel('faza')
legend('obliczeniowo','analitycznie')
figure , hold on
plot(f,20*log10(abs(H)), 'r:'),
plot(f,20*log10(abs(Hb)),'b'),
xlabel('f unormowana'), ylabel('|H[e^j^\omega]| [dB]')
legend('obliczeniowo','analitycznie')
axis([0 1 -40 5])
29
Zadana charakterystyka częstotliwościowa filtra
Uzyskana charakterystyka częstotliwościowa
filtra
Współczynniki filtra
30
31
Filtr FIR z oknem prostokątnym - największa stromość w paśmie przejściowym i najmniejsze
tłumienie pierwszego listka bocznego.
32
Zwiększenie długości okna M powoduje zmniejszenie szerokości listka głównego nie wpływa
jednak na położenie (tłumienie) pierwszego listka bocznego.
33
34
35
Okno Kaisera - okno parametryczne
(
)
⎪
⎩
⎪
⎨
⎧
≤
≤
=
⎥⎦
⎤
⎢⎣
⎡
−
−
0
0
,
]
[
)
(
]
/
)
[(
1
0
2
/
1
2
0
M
n
n
w
I
n
I
β
α
α
β
,
2
/
M
=
α
,
)
(
0
⋅
I
- zmodyfikowana funkcja Bessela zerowego rzędu pierwszego rodzaju.
Okno Kaisera ma dwa parametry:
- długość (liczba niezerowych współczynników),
- parametr kształtu .
β
Wzrost
β
powoduje obniżanie pierwszego listka bocznego (i niestety zwiększanie szerokości listka
głównego - tj. pasma przejściowego). Natomiast wzrost M powoduje zawężanie listka głównego i
nie wpływa na położenie pierwszego listka bocznego.
Na podstawie doświadczeń numerycznych Kaiser określił wymagania odnośnie M i
β
pozwalające
spełnić zadane wymagania charakterystyki amplitudowej filtra FIR (tj.
ω
∆
,
δ
).
36
p
s
ω
ω
ω
−
=
∆
δ
10
log
20
−
=
A
⎪
⎩
⎪
⎨
⎧
<
≤
≤
−
+
−
>
−
=
50
,
0
50
21
),
21
(
07886
.
0
)
21
(
5842
.
0
50
),
7
.
8
(
1102
.
0
4
.
0
A
A
A
A
A
A
β
ω
∆
−
=
285
.
2
8
A
M
z dokładnością do
2
±
37
38
39
Przykład:
Dobrać parametry okna Kaisera dla FDP: krawędź pasma przepustowego
π
ω
4
.
0
=
p
, krawędź
pasma zaporowego
π
ω
6
.
0
=
s
, maksymalna nieliniowość w paśmie przepustowym
dB
r
p
1
.
0
=
,
minimalne tłumienie w paśmie zaporowym
dB
r
s
60
=
.
1. Obliczenie
δ
dla obu pasm:
pasmo przepustowe
(
)
0.0057
2
/
10
1
20
/
=
−
=
−
p
r
p
δ
pasmo
zaporowe
0.001
10
20
/
=
=
−
s
r
s
δ
Ponieważ dla FIR projektowanego metodą okien
s
p
δ
δ
=
wiec wybiera się wymaganie ostrzejsze:
001
.
0
}
,
min{
=
=
s
p
δ
δ
δ
2. Korzystając ze wzorów projektowych wyznacza się
5.6533
=
β
i
37
=
M
, a następnie okno o
tych parametrach.
3. Odpowiedź impulsową FIR wylicza się dla
2
s
p
ω
ω
ω
+
=
.
4. Weryfikacja otrzymanych charakterystyk filtra i ewentualna ich korekcja (przez zmianę
parametrów okna).
40
Po korekcji parametrów
41
Filtry FGP, FPP, FPS
42
Optymalny filtr FIR - algorytm Parksa-McClellana
Przy projektowaniu FIR metodą okien, okno prostokątne jest najlepszą średniokwadratową
aproksymacją zadanej charakterystyki częstotliwościowej dla danego rzędu M, tzn. minimalizuje
wyrażenie:
∫
−
−
=
π
π
ω
ω
ω
π
ε
d
e
H
e
H
j
j
d
2
2
)
(
)
(
2
1
Niestety powyższe kryterium nie uwzględnia
oscylacji w punktach nieciągłości (efekt
Gibbsa) i uniemożliwia osobne traktowanie
pasma przepustowego i zaporowego. Dlatego
stosuje się optymalizację
min-max
(minimalizację błędów maksymalnych) oraz
ważone częstotliwościowo kryteria błędów.
W algorytmie Parksa-McClellana rząd filtra
krawędzie pasma
p
ω
i
s
ω
oraz stosunek
2
1
/
δ
δ
są stałe natomiast
1
δ
(lub
2
δ
) jest
zmienne.
43
44
45