Implementering av digitala filter

Relevanta dokument
Diskreta signaler och system

TIDSDISKRETA SYSTEM SYSTEMEGENSKAPER. Minne Kausalitet Tidsinvarians. Linjäritet Inverterbarhet Stabilitet. System. Tillämpad Fysik och Elektronik 1

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna 15-18, 30/11-12/

Impulssvaret Betecknas h(t) respektive h(n). Impulssvaret beskriver hur ett system reagerar

DIGITALA FILTER. Tillämpad Fysik Och Elektronik 1. Frekvensfunktioner FREKVENSSVAR FÖR ETT TIDSDISKRET SYSTEM. x(n)= Asin(Ωn)

Tentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl

System. Z-transformen. Staffan Grundberg. 8 februari 2016

DIGITALA FILTER DIGITALA FILTER. Tillämpad Fysik Och Elektronik 1

Resttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19

FÖRELÄSNING 13: Analoga o p. 1 Digitala filter. Kausalitet. Stabilitet. Ex) på användning av analoga p. 2 filter = tidskontinuerliga filter

1. Vi har givet två impulssvar enligt nedan (pilen under sekvenserna indikerar den position där n=0) h 1 (n) = [ ]

Laplacetransform, poler och nollställen

Spektrala Transformer

RÄKNEEXEMPEL FÖRELÄSNINGAR Signaler&System del 2

LUNDS TEKNISKA HÖGSKOLA Inst. for Elektro- och Informationsteknik. SIGNALBEHANDLING I MULTIMEDIA, ETI265 Inlämningsuppgift 1 (av 2), Task 1 (out of 2)

DT1130 Spektrala transformer Tentamen

Syntes av digitala filter

Digital Signalbehandling i Audio/Video

LUNDS TEKNISKA HÖGSKOLA Institutionen för Elektro- och Informationsteknik

Föreläsning 1 Reglerteknik AK

Laplace, Fourier och resten varför alla dessa transformer?

Innehåll. Innehåll. sida i

TATM79: Föreläsning 3 Komplexa tal

GRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen

Tentamen ssy080 Transformer, Signaler och System, D3

Sidor i boken

7x 2 5x + 6 c.) lim x 15 8x + 3x Bestäm eventuella extrempunkter, inflexionspunkter samt horizontella och vertikala asymptoter

Polynomekvationer (Algebraiska ekvationer)

DT1130 Spektrala transformer Tentamen

TATM79: Föreläsning 1 Notation, ekvationer, polynom och olikheter

SYSTEM. Tillämpad Fysik Och Elektronik 1 SYSTEMEGENSKAPER. Minne Kausalitet Tidsinvarians. Linjäritet Inverterbarhet Stabilitet. System.

Lösningsförslag till tentamen i Reglerteknik (TSRT19)

Laboration i tidsdiskreta system

Tentamen i ESS 010 Signaler och System E3 V-sektionen, 16 augusti 2005, kl

Tentamen ssy080 Transformer, Signaler och System, D3

Tentamen SSY041 Sensorer, Signaler och System, del A, Z2

6. Stabilitet. 6. Stabilitet

6. Stabilitet. 6. Stabilitet. 6. Stabilitet. 6.1 Stabilitetsdefinitioner. 6. Stabilitet. 6.2 Poler och stabilitet. 6.1 Stabilitetsdefinitioner

Tentamen i Signaler och kommunikation, ETT080

Signal- och bildbehandling TSEA70

Föreläsning 11, Dimensionering av tidsdiskreta regulatorer

Adaptiva Filter. Johan Haarala Signaler och System

REGLERTEKNIK Laboration 5

Frågorna 1 till 6 ska svaras med sant eller falskt och ger vardera 1

En samling funktionspussel för gymnasienivå

Exempel. Komplexkonjugerade rotpar

TATM79: Föreläsning 1 Notation, ekvationer, polynom och summor

DT1120 Spektrala transformer för Media Tentamen

Matematiska uppgifter

x2 6x x2 6x + 14 x (x2 2x + 4)

Sidor i boken , , 3, 5, 7, 11,13,17 19, 23. Ett andragradspolynom Ett tiogradspolynom Ett tredjegradspolynom

6. Stabilitet. 6. Stabilitet. 6. Stabilitet. 6.1 Stabilitetsdefinitioner. 6. Stabilitet. 6.2 Poler och stabilitet. 6.1 Stabilitetsdefinitioner

vilket är intervallet (0, ).

DT1130 Spektrala transformer Tentamen

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB14

TSIU61: Reglerteknik. Poler och nollställen Stabilitet Blockschema. Gustaf Hendeby.

Diskreta Linjära System och Skiftregister

TSDT15 Signaler och System

Signal- och bildbehandling TSBB14

Yrkeshögskolan Novia Utbildningsprogrammet i elektroteknik

Exempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University

Lösningar till utvalda uppgifter i kapitel 8

Signal- och bildbehandling TSBB03

Miniräknare och en valfri formelsamling i signalbehandling eller matematik. Allowed items: calculator, DSP and mathematical tables of formulas

Föreläsning 1: Signaler, matriser och processer. Leif Sörnmo 28 augusti 2009

Exempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University

Avsnitt 3, introduktion.

Euklides algoritm för polynom

Här studera speciellt rationella funktioner, dvs kvoter av polynom, ex:.

Moment 1.15, 2.1, 2.4 Viktiga exempel 2.2, 2.3, 2.4 Övningsuppgifter Ö2.2ab, Ö2.3. Polynomekvationer. p 2 (x) = x 7 +1.

DT1120/DT1130 Spektrala transformer Tentamen

Finaltävling i Uppsala den 24 november 2018

7 MÖNSTERDETEKTERING

ÅBO AKADEMI REGLERTEKNIK I

(A B) C = A C B C och (A B) C = A C B C. Bevis: (A B) C = A C B C : (A B) C = A C B C : B C (A B) C A C B C

Material till kursen SF1679, Diskret matematik: Lite om kedjebråk. 0. Inledning

Föreläsning 10, Egenskaper hos tidsdiskreta system

Avsnitt 1, introduktion.

8.3 Variabeltransformationer Frånkoppling. Betrakta ett 2x2-system, som beskrivs med modellen (8.3.1)

Lösning : Substitution

Optimal Signalbehandling Datorövning 1 och 2

Prov 1 2. Ellips 12 Numeriska och algebraiska metoder lösningar till övningsproven uppdaterad a) i) Nollställen för polynomet 2x 2 3x 1:

Determinanter, egenvectorer, egenvärden.

Övningshäfte 3: Polynom och polynomekvationer

1. Ange samtliga uppsättningar av heltal x, y, z som uppfyller båda ekvationerna. x + 2y + 24z = 13 och x 11y + 17z = 8.

Introduktion till Komplexa tal

Tal och polynom. Johan Wild

Signalanalys med snabb Fouriertransform

Matematik C (MA1203)

Transformer och differentialekvationer M3, 2010/2011 Ett par tillämpningar av Fourieranalys.

Föreläsning 1: Inledning till Digital signalbehandling i audio & video. Leif Sörnmo 11 mars 2009

Laboration i Fourieranalys, TMA132 Signalanalys med snabb Fouriertransform

Reglerteknik AK. Tentamen 24 oktober 2016 kl 8-13

2F1120 Spektrala transformer för Media Tentamen

MA2047 Algebra och diskret matematik

Miniräknare, formelsamling i signalbehandling.

Signal- och bildbehandling TSBB03, TSBB14

Signal- och bildbehandling TSEA70

Miniräknare och en valfri formelsamling i signalbehandling eller matematik. Allowed items: calculator, DSP and mathematical tables of formulas

Transkript:

Kapitel 9 Implementering av digitala filter Som vi sett i kapitel 8 kan det behövas ett mycket stort antal koefficienter för att representera ett digitalt filter. Detta gäller i synnerhet FIR filter. Det följer att vikt bör fästas vid hur filtret implementas. Detta påverkar såväl beräkningshastighet, minnesbehov och inverkan av kvantiseringsfel. Betrakta ett diskret system av typen b k y(n k) + a k x(n k) (9.1) Vid implementeringen av systemet skall utsignalsekvensen {y(n)} beräknas ur insignalsekvensen {x(n)}. En direkt rekursiv lösning av ekvation (9.1) är i allmänhet inte den effektivaste implementeringsmetoden, utan andra sätt att organisera beräkningarna kan vara snabbare eller ge mindre kvantiseringsfel. Olika sätt att organisera beräkningen av utsignalen från ett linjärt system motsvaras av olika sätt att representera systemet med hjälp av delsystem. Dylika representationer kallas realiseringar av systemet. En realisering kan grafiskt beskrivas i form av blockdiagram av den typ som behandlades i kapitel 7 (jämför t.ex. problem 7.1). Realiseringar av ett diskret system kallas också strukturer för representation av systemet. Det har utvecklats en mängd olika strukturer för diskreta system med vilka digitala filter kan realiseras. En del av strukturerna är icke-triviala och speciellt konstruerade för specifika tillämpningstyper. Vi skall här endast i korthet beskriva några av de viktigaste filterstrukturerna. Deras olika egenskaper, såsom effekten av kvantiseringsfel m.m., skall dock ej diskuteras. 9.1 Strukturer för system med ändligt impulssvar I detta avsnitt betraktas realiseringar av ett system med ändligt impulssvar, som beskrivs av differensekvationen N 1 h(k)x(n k) (9.2) 146

Direkt realisering. I en direkt realisering av systemet (9.2), beräknas utsignalen direkt som summan h(0)x(n) + h(1)x(n 1) + + h(n 1)x(n N + 1) (9.3) (jämför figur 6.28 i Ifeachor och Jervis (1993)). Realiseringen fordrar lagring av N 1 tidigare insignalvärden, samt N multiplikationer och N 1 additioner per steg. Om FIR filtret är faslinjärt, så att symmetrivillkoret h(n) = ±h(n 1 n) (9.4) gäller, kan beräkningarna förenklas. För symmetriska faslinjära filter av typ I och II får vi (N 1)/2 1 h(k) [x(n k) + x(n (N 1 k))] +h[(n 1)/2]x(n (N 1)/2) (N udda) (9.5) N/2 1 h(k) [x(n k) + x(n (N 1 k))] (N jämnt) (9.6) Jämför figur 6.29 i Ifeachor och Jervis (1993). Antalet multiplikationer reduceras i detta fall med ca 50% jämfört med en direkt realisering enligt (9.3). Det bör dock observeras att en implementering enligt ovan i flera digitala signalprocessorer kräver en mera komplicerad indexering av data, vilket reducerar metodens effektivitet. Kaskadstrukturer. En kaskadstruktur för realisering av ett FIR filter fås genom att faktorisera överföringsfunktionen i faktorer av ordningen två enligt N 1 h(k)z k = H 1 (z) H 2 (z) H K (z) (9.7) H k (z) = b k0 + b k1 z 1 + b k2 z 2 (9.8) och K är heltalsdelen av (N + 1)/2. Faktoriseringen kan alltid göras så att koefficienterna b ik är reella. Med denna struktur kan FIR filtret realiseras med hjälp av standard byggblock bestående av FIR system av längden tre. Andra strukturer för FIR system. Andra viktiga strukturer för realisering av FIR system är bl.a.: - frekvenssamplings-strukturen, - lattice-strukturen. Dessa strukturer har utvecklats för speciella typer av tillämpningar för vilka de är speciellt effektiva. Vi skall dock ej behandla dem här. 147

9.2 Strukturer för system med oändligt impulssvar I detta avsnitt betraktas system med oändligt impulssvar, som beskrivs av differensekvationen b k y(n k) + a k x(n k) (9.9) och vars överföringsfunktion ges av M a k z k 1 + N b k z k (9.10) Direkt realisering. En direkt realisering av systemet kan åstadkommas på två sätt. Definiera funktionen H 1 (z) bestående av överföringsfunktionens täljare, H 1 (z) = a k z k (9.11) samt funktionen H 2 (z) bestående av överföringsfunktionens nämnare, H 2 (z) = 1 1 + N b k z k (9.12) I en direkt realisering av typ I faktoriseras överföringsfunktionen enligt H 2 (z)h 1 (z) (9.13) Systemet representeras alltså som en produkt av ett FIR system H 1 (z) åtföljt av ett IIR system H 2 (z) med täljarpolynomet 1. I tidsplanet motsvaras detta av att först beräkna en signal w(n) från ett FIR system enligt och utsignalen fås från ett IIR system enligt w(n) = a k x(n k) (9.14) b k y(n k) + w(n) (9.15) I en direkt realisering av typ II faktoriseras överföringsfunktionen enligt H 1 (z)h 2 (z) (9.16) I denna realisering representeras systemet som en produkt av ett IIR system H 2 (z) med täljarpolynomet 1 åtföljt av ett FIR system H 1 (z). Detta motsvarar i tidsplanet beräkningen av en signal w(n) från ett IIR system enligt w(n) = b k w(n k) + x(n) (9.17) 148

och beräkningen av utsignalen med ett FIR system enligt a k w(n k) (9.18) De direkta realiseringarna av IIR system är känsliga för kvantiseringfel. Detta beror på det faktum att utsignalen y(n) beräknas som en funktion av ett antal tidigare utsignaler y(n 1),..., y(n N). Kvantiseringfelen kommer för att påverkas av ett dynamiskt system, och i värsta fall förstärkas av detta. Observera också att systemets egenskaper beror kritiskt av polernas lägen, dvs av nämnarpolynomets nollställen. Nollställena hos polynom av hög ordning är emellertid extremt känsliga för polynomets koefficienter. Det följer att kvantiseringsfel kan ha en stor inverkan på ett systems poler och igenom helt förändra systemet egenskaper. För IIR system av hög ordning är de direkta implementeringsmetoderna för ej att rekommendera. Motsvarande fenomen inträffar ej för FIR system, eftersom dynamiken ej på samma sätt är känsligt beroende av överföringsfunktionens nollställen. Känslighetsproblemet som den direkta implementeringen av IIR system lider av kan undvikas genom att uppdela systemet i delsystem av låg ordning. Vanligen används delsystem av ordningen två, eftersom det är den lägsta ordning med vilken system med komplexkonjugerade poler kan behandlas med reell aritmetik. Delsystem kan kombineras antingen i serie (kaskadstruktur) eller parallellt. Kaskadstrukturer. Precis som FIR system så kan även IIR system realiseras i form av kaskadstrukturer. Vi faktoriserar överföringsfunktionen (9.10) enligt H 1 (z) H 2 (z) H K (z) (9.19) H k (z) = a k0 + a k1 z 1 + a k2 z 2 1 + b k1 z 1 + b k2 z 2 (9.20) och K är heltalsdelen av (N + 1)/2. Systemet kan således realiseras som en produkt av standard byggblock bestående av IIR system av andra ordningen (jämför figur 7.20 i Ifeachor och Jervis (1993)). Parallellstrukturer. Ett annat sätt att uppdela ett IIR system är genom att införa en partialbråksuppdelning av överföringsfunktionen (9.10) enligt K C + H k (z) (9.21) a k0 + a k1 z 1 H k (z) = (9.22) 1 + b k1 z 1 + b k2 z 2 I detta fall kan systemet realiseras genom att parallellkoppla IIR system av andra ordningen, jämför figur 7.21 i Ifeachor och Jervis (1993). 149

Exempel 9.1. Betrakta ett system av fjärde ordningen med överföringsfunktionen 10(1 1 2 z 1 )(1 2 3 z 1 )(1 + 2z 1 ) (1 3 4 z 1 )(1 1 8 z 1 )(1 z 1 + 1 2 z 2 ) Systemet kan realiseras med en kaskadstruktur sammansatt av andra ordningens delsystem t.ex. genom uppdelningen 10H 1 (z)h 2 (z) H 1 (z) = 1 2 3 z 1 1 7 8 z 1 + 3 32 z 2 H 2 (z) = 1 + 3 2 z 1 z 2 1 z 1 + 1 2 z 2 För att bestämma en parallellstruktur för realisering av systemet bör överföringsfunktionen partialbråkuppdelas. En partialbråksuppdelning med nämnarpolynom av andra ordningen är 14.75 12.90z 1 24.50 + 26.82z 1 1 7 8 z 1 + 3 + z 2 1 z 32 1 + 1 2 z 2 150