Filtro De Media Móvil De Respuesta De Impulso Matlab

Respuesta de Frecuencia del Filtro Promedio Corriente La respuesta de frecuencia de un sistema LTI es la DTFT de la respuesta de impulso, La respuesta de impulso de una media móvil de L es el promedio móvil. Dado que el filtro de media móvil es FIR, la respuesta de frecuencia se reduce a la suma finita We Puede utilizar la identidad muy útil para escribir la respuesta de frecuencia como donde hemos dejado ae menos jomega. N 0 y M L menos 1. Podemos estar interesados ​​en la magnitud de esta función para determinar qué frecuencias pasan a través del filtro sin atenuación y cuáles son atenuadas. A continuación se muestra un gráfico de la magnitud de esta función para L 4 (rojo), 8 (verde) y 16 (azul). El eje horizontal varía de cero a pi radianes por muestra. Observe que en los tres casos, la respuesta de frecuencia tiene una característica de paso bajo. Un componente constante (frecuencia cero) en la entrada pasa a través del filtro sin atenuación. Ciertas frecuencias más altas, como pi / 2, son completamente eliminadas por el filtro. Sin embargo, si la intención era diseñar un filtro de paso bajo, entonces no lo hemos hecho muy bien. Algunas de las frecuencias más altas se atenúan sólo por un factor de 1/10 (para la media móvil de 16 puntos) o 1/3 (para la media móvil de cuatro puntos). Podemos hacer mucho mejor que eso. La gráfica anterior se creó mediante el siguiente código Matlab: omega 0: pi / 400: pi H4 (1/4) (1-exp (-iomega4)) ./ (1-exp (-iomega)) H8 (1/8 (1-exp (-iomega8)) ./ (1-exp (-iomega)) trama (omega) , Abs (H4) abs (H8) abs (H16)) (0, pi, 0, 1) Copia de copyright 2000- - Universidad de California, filtros de BerkeleyFIR, filtros IIR y la ecuación de diferencia de coeficientes constantes lineales Causal Moving Average (FIR) Filtros Hemos discutido sistemas en los que cada muestra de la salida es una suma ponderada de (algunas de las) muestras de la entrada. Tomemos un sistema de suma ponderada causal, donde causal significa que una muestra de salida dada depende solamente de la muestra de entrada actual y de otros insumos más temprano en la secuencia. Ni los sistemas lineales en general, ni los sistemas finitos de respuesta al impulso en particular, necesitan ser causales. Sin embargo, la causalidad es conveniente para una especie de análisis que se va a explorar en breve. Si simbolizamos las entradas como valores de un vector x. Y las salidas como valores correspondientes de un vector y. Entonces tal sistema se puede escribir como cuando los valores de b son pesos aplicados a las muestras de entrada actuales y anteriores para obtener la muestra de salida actual. Podemos pensar en la expresión como una ecuación, con el signo de igual signo que es igual, o como una instrucción de procedimiento, con el signo de igual signo de asignación. Permite escribir la expresión para cada muestra de salida como un bucle MATLAB de sentencias de asignación, donde x es un vector N-length de muestras de entrada, yb es un vector M-length de pesos. Para tratar el caso especial al principio, incorporaremos x en un vector más largo xhat cuyas primeras muestras M-1 son cero. Escribiremos la suma ponderada para cada y (n) como un producto interno, y haremos algunas manipulaciones de las entradas (como invertir b) para este fin. Este tipo de sistema es a menudo llamado un filtro de media móvil, por razones obvias. De nuestras discusiones anteriores, debe ser obvio que tal sistema es lineal y invariable del turno. Por supuesto, sería mucho más rápido usar la función de convolución de MATLAB conv () en lugar de nuestro mafilt (). En lugar de considerar las primeras muestras M-1 de la entrada como cero, podríamos considerarlas como las mismas que las muestras M-1 pasadas. Esto es lo mismo que tratar la entrada como periódica. Utilice bien cmafilt () como el nombre de la función, una pequeña modificación de la función mafilt () anterior. En la determinación de la respuesta de impulso de un sistema, generalmente no hay diferencia entre estos dos, ya que todas las muestras no iniciales de la entrada son cero: Dado que un sistema de este tipo es lineal y invariante por turnos, sabemos que su efecto en cualquier Sinusoid será sólo a escala y cambiarlo. Aquí es importante que utilicemos la versión circular. La versión circularmente convoluida se desplaza y se escala un poco, mientras que la versión con convolución ordinaria se distorsiona al principio. Vamos a ver cuál es el escalado y desplazamiento exactos usando fft: Tanto la entrada como la salida tienen amplitud sólo en las frecuencias 1 y -1, que es como debería ser, dado que la entrada era una sinusoide y el sistema era lineal. Los valores de salida son mayores en una relación de 10.6251 / 8 1.3281. Esta es la ganancia del sistema. ¿Qué pasa con la fase? Sólo necesitamos mirar donde la amplitud es distinta de cero: La entrada tiene una fase de pi / 2, como pedimos. La fase de salida se desplaza por 1,0594 adicionales (con signo opuesto para la frecuencia negativa), o alrededor de 1/6 de un ciclo a la derecha, como podemos ver en el gráfico. Ahora vamos a intentar una sinusoide con la misma frecuencia (1), pero en lugar de la amplitud 1 y fase pi / 2, vamos a intentar la amplitud 1,5 y la fase 0. Sabemos que sólo la frecuencia 1 y -1 tendrá amplitud no nula, Basta con mirarlos: de nuevo la relación de amplitud (15.9377 / 12.0000) es 1.3281 - y en cuanto a la fase se desplaza nuevamente hacia 1.0594. Si estos ejemplos son típicos, podemos predecir el efecto de nuestro sistema (respuesta al impulso .1.2 .3 .4 .5) en cualquier sinusoide con frecuencia 1 - la amplitud se incrementará en un factor de 1,3281 y la fase (frecuencia positiva) se desplazará en 1,0594. Podríamos pasar a calcular el efecto de este sistema sobre sinusoides de otras frecuencias por los mismos métodos. Pero hay una manera mucho más simple, y una que establece el punto general. Dado que la convolución (circular) en el dominio del tiempo significa la multiplicación en el dominio de la frecuencia, de ello se deduce que, en otras palabras, la DFT de la respuesta de impulso es la relación de la DFT de la salida a la DFT de la entrada. En esta relación los coeficientes de DFT son números complejos. Desde abs (c1 / c2) abs (c1) / abs (c2) para todos los números complejos c1, c2, esta ecuación nos dice que el espectro de amplitud de la respuesta de impulso siempre será la relación del espectro de amplitud de la salida a la De la entrada. En el caso del espectro de fase, ángulo (c1 / c2) ángulo (c1) - ángulo (c2) para todos c1, c2 (con la condición de que las fases que se diferencian por n2pi se consideran iguales). Por lo tanto, el espectro de fase de la respuesta de impulso siempre será la diferencia entre los espectros de fase de la salida y la entrada (con las correcciones de 2pi que sean necesarias para mantener el resultado entre - pi y pi). Podemos ver los efectos de fase más claramente si desempolvamos la representación de fase, es decir, si añadimos varios múltiplos de 2pi como sea necesario para minimizar los saltos que son producidos por la naturaleza periódica de la función angle (). Aunque la amplitud y la fase se usan generalmente para la presentación gráfica e incluso tabular, ya que son una manera intuitiva de pensar sobre los efectos de un sistema en los diversos componentes de frecuencia de su entrada, los complejos coeficientes de Fourier son más útiles algebraicamente, ya que permiten La expresión simple de la relación El enfoque general que acabamos de ver funcionará con filtros arbitrarios del tipo esbozado, en los que cada muestra de salida es una suma ponderada de algún conjunto de muestras de entrada. Como se mencionó anteriormente, a menudo se les llama filtros de Respuesta de Impulso Finito, ya que la respuesta de impulso es de tamaño finito, oa veces filtros de Promedio Móvil. Podemos determinar las características de respuesta de frecuencia de dicho filtro a partir de la FFT de su respuesta de impulso, y también podemos diseñar nuevos filtros con características deseadas por IFFT a partir de una especificación de la respuesta de frecuencia. Filtros Autoregresivos (IIR) No tendría mucho sentido tener nombres para los filtros FIR a menos que hubiera algún otro tipo de distinción, por lo que aquellos que han estudiado la pragmática no se sorprenderán al saber que hay de hecho otro tipo principal Del filtro lineal tiempo-invariante. Estos filtros a veces se llaman recursivos porque el valor de salidas anteriores (así como entradas anteriores) importa, aunque los algoritmos generalmente se escriben usando construcciones iterativas. También se les llama Filtros de Respuesta a Impulsos Infinitos (IIR), porque en general su respuesta a un impulso permanece para siempre. También a veces se les llama filtros auto-regresivos, porque los coeficientes pueden considerarse como el resultado de hacer una regresión lineal para expresar valores de señal en función de valores de señal anteriores. La relación de los filtros FIR y IIR se puede ver claramente en una ecuación de diferencia de coeficiente constante lineal, es decir, establecer una suma ponderada de salidas igual a una suma ponderada de entradas. Esto es como la ecuación que dimos anteriormente para el filtro FIR causal, excepto que además de la suma ponderada de entradas, también tenemos una suma ponderada de salidas. Si queremos pensar en esto como un procedimiento para generar muestras de salida, necesitamos reorganizar la ecuación para obtener una expresión para la muestra de salida actual y (n), Adoptando la convención de que a (1) 1 (por ejemplo, escalando otra como Y bs), podemos deshacernos del término 1 / a (1): y (n) b (1) x (n) b (2) x (n-1). B (Nb _ {1}) _ {x} (n - nb) - a (2) y (n - 1) -. - a (Na1) y (n-na) Si todos los a (n) distintos de a (1) son cero, esto reduce a nuestro viejo amigo el filtro FIR causal. Este es el caso general de un filtro (causal) LTI, y es implementado por el filtro de función MATLAB. Veamos el caso en que los coeficientes b distintos de b (1) son cero (en lugar del caso FIR, donde a (n) son cero): En este caso, la muestra de salida corriente y (n) se calcula como (N-1), y (n-2), etc. Para tener una idea de lo que sucede con estos filtros, comencemos con el caso en el que: Es decir, la muestra de salida actual es la suma de la muestra de entrada actual y la mitad de la muestra de salida anterior. Bueno, tome un impulso de entrada a través de unos pasos de tiempo, uno a la vez. Debe quedar claro en este punto que podemos escribir fácilmente una expresión para el n-ésimo valor de muestra de salida: es justo (si MATLAB contado a partir de 0, esto sería simplemente .5n). Puesto que lo que estamos calculando es la respuesta de impulso del sistema, hemos demostrado por ejemplo que la respuesta de impulso puede de hecho tener infinitas muestras no cero. Para implementar este filtro trivial de primer orden en MATLAB, podríamos usar filtro. La llamada se verá así: y el resultado es: ¿Es este negocio realmente todavía lineal? Podemos mirar esto empíricamente: Para un enfoque más general, considere el valor de una muestra de salida y (n). Por sustitución sucesiva podríamos escribir esto como Esto es como nuestro viejo amigo la forma convolución-suma de un filtro FIR, con la respuesta impulsiva proporcionada por la expresión .5k. Y la longitud de la respuesta de impulso es infinita. Así, los mismos argumentos que utilizamos para demostrar que los filtros FIR eran lineales ahora se aplicarán aquí. Hasta ahora esto puede parecer un montón de alboroto sobre no mucho. ¿Qué es toda esta línea de investigación para bien responder a esta pregunta en etapas, a partir de un ejemplo. No es una gran sorpresa que podamos calcular un exponencial muestreado por multiplicación recursiva. Veamos un filtro recursivo que hace algo menos obvio. Esta vez también lo convierten en un filtro de segundo orden, de modo que la llamada al filtro será de la forma. Permite establecer el segundo coeficiente de salida a2 a -2cos (2pi / 40) y el tercer coeficiente de salida a3 a 1, y mirar La respuesta al impulso. No muy útil como filtro, en realidad, pero genera una onda sinusoidal muestreada (de un impulso) con tres multiplicaciones por muestra. Para entender cómo y por qué lo hace, y cómo se pueden diseñar y analizar los filtros recursivos en El caso más general, tenemos que dar un paso atrás y echar un vistazo a algunas otras propiedades de los números complejos, en el camino a la comprensión de la transformación z. Moving Media Filter (filtro MA) Loading. El filtro de media móvil es un simple filtro FIR de paso bajo (respuesta de impulso finito) comúnmente utilizado para suavizar una matriz de datos / señal muestreados. Se toman M muestras de entrada a la vez y tomar el promedio de esas M-muestras y produce un solo punto de salida. Se trata de una simple LPF (Low Pass Filter) estructura que viene práctico para los científicos y los ingenieros para filtrar el componente ruidoso no deseado de los datos previstos. A medida que aumenta la longitud del filtro (el parámetro M) aumenta la suavidad de la salida, mientras que las transiciones bruscas en los datos se hacen cada vez más contundentes. Esto implica que este filtro tiene excelente respuesta en el dominio del tiempo pero una respuesta de frecuencia pobre. El filtro MA realiza tres funciones importantes: 1) toma M puntos de entrada, calcula el promedio de esos puntos M y produce un único punto de salida. 2) Debido al cálculo / cálculos involucrados. El filtro introduce una cantidad definida de retardo 3) El filtro actúa como un filtro de paso bajo (con una respuesta de dominio de frecuencia pobre y una buena respuesta de dominio de tiempo). Código Matlab: El siguiente código matlab simula la respuesta en el dominio del tiempo de un filtro M-point Moving Average y también traza la respuesta de frecuencia para varias longitudes de filtro. Respuesta de Dominio de Tiempo: En la primera trama, tenemos la entrada que va en el filtro de media móvil. La entrada es ruidosa y nuestro objetivo es reducir el ruido. La siguiente figura es la respuesta de salida de un filtro de media móvil de 3 puntos. Puede deducirse de la figura que el filtro de media móvil de 3 puntos no ha hecho mucho en filtrar el ruido. Aumentamos los grifos de filtro a 51 puntos y podemos ver que el ruido en la salida se ha reducido mucho, que se representa en la siguiente figura. Aumentamos los grifos más allá de 101 y 501 y podemos observar que aunque el ruido sea casi cero, las transiciones se atenuan drásticamente (observe la pendiente en cada lado de la señal y compárelas con la transición ideal de pared de ladrillo en Nuestra entrada). Respuesta de Frecuencia: A partir de la respuesta de frecuencia se puede afirmar que el roll-off es muy lento y la atenuación de banda de parada no es buena. Dada esta atenuación de banda de parada, claramente, el filtro de media móvil no puede separar una banda de frecuencias de otra. Como sabemos que un buen rendimiento en el dominio del tiempo da como resultado un rendimiento pobre en el dominio de la frecuencia, y viceversa. En resumen, el promedio móvil es un filtro de suavizado excepcionalmente bueno (la acción en el dominio del tiempo), pero un filtro de paso bajo excepcionalmente malo (la acción en el dominio de frecuencia) Enlaces externos: Libros recomendados: Primary SidebarThe Scientist and Engineers Guide to Procesamiento de señales digitales Por Steven W. Smith, Ph. D. Como su nombre indica, el filtro de media móvil opera promediando un número de puntos de la señal de entrada para producir cada punto en la señal de salida. En forma de ecuación, esto se escribe: Donde es la señal de entrada, es la señal de salida, y M es el número de puntos en la media. Por ejemplo, en un filtro de media móvil de 5 puntos, el punto 80 de la señal de salida viene dado por: Como alternativa, el grupo de puntos de la señal de entrada puede ser elegido simétricamente alrededor del punto de salida: Esto corresponde a cambiar la suma en Eq . 15-1 de: j 0 a M -1, a: j - (M -1) / 2 a (M -1) / 2. Por ejemplo, en un filtro de media móvil de 10 puntos, el índice, j. Puede ir de 0 a 11 (promedio de un lado) o de -5 a 5 (promedio simétrico). El promedio simétrico requiere que M sea un número impar. La programación es ligeramente más fácil con los puntos en solamente un lado sin embargo, esto produce un cambio relativo entre las señales de entrada y de salida. Debe reconocer que el filtro de media móvil es una convolución utilizando un núcleo de filtro muy simple. Por ejemplo, un filtro de 5 puntos tiene el núcleo del filtro: 82300, 0, 1/5, 1/5, 1/5, 1/5, 1/5, 0, 08230. Es decir, el filtro de media móvil es una convolución De la señal de entrada con un impulso rectangular que tiene un área de uno. La tabla 15-1 muestra un programa para implementar el filtro de media móvil. Fundamentos del filtro FIR 1.1 ¿Qué son filtros quotFIR? Los filtros FIR son uno de los dos tipos primarios de filtros digitales utilizados en aplicaciones DSP (Digital Signal Processing), el otro tipo IIR. 1.2 ¿Qué significa quotFIR significa quotFIR significa quotFinite Impulse Response? Si se introduce un impulso, es decir, una muestra única de 1 quot seguido de muchas muestras de quot0quot, los ceros saldrán después de que la muestra quot1quot haya hecho su camino a través de la línea de retardo del filtro. 1.3 ¿Por qué la respuesta de impulso es quotfinita? En el caso común, la respuesta de impulso es finita porque no hay retroalimentación en la FIR. La falta de retroalimentación garantiza que la respuesta al impulso será finita. Por lo tanto, el término respuesta de impulso quotfinito es casi sinónimo de "retroalimentación". Sin embargo, si se emplea retroalimentación pero la respuesta de impulso es finita, el filtro sigue siendo un FIR. Un ejemplo es el filtro de media móvil, en el que la N-ésima muestra anterior es sustraída (retroalimentada) cada vez que entra una nueva muestra. Este filtro tiene una respuesta de impulso finito aunque utiliza retroalimentación: después de N muestras de un impulso, la salida Siempre será cero. 1.4 Cómo se pronuncia quotFIRquot Algunas personas dicen que las letras F-I-R otras personas se pronuncian como si fuera un tipo de árbol. Nosotros preferimos el árbol. (La diferencia es si hablas de un filtro F-I-R o de un filtro FIR). 1.5 ¿Cuál es la alternativa a los filtros FIR? Los filtros DSP también pueden ser QuotResponse de Impulso Inferior (IIR). (Vea las preguntas frecuentes de dspGurus IIR.) Los filtros IIR utilizan retroalimentación, por lo que al introducir un impulso la salida teóricamente suena indefinidamente. 1.6 ¿Cómo comparan los filtros FIR con los filtros IIR Cada uno tiene sus ventajas y desventajas. En general, sin embargo, las ventajas de los filtros FIR superan las desventajas, por lo que se utilizan mucho más que IIRs. 1.6.1 ¿Cuáles son las ventajas de los filtros FIR (en comparación con los filtros IIR) En comparación con los filtros IIR, los filtros FIR ofrecen las siguientes ventajas: Pueden diseñarse fácilmente para ser fase quotlinear (y normalmente son). En pocas palabras, los filtros de fase lineal demoran la señal de entrada pero no alteran su fase. Son fáciles de implementar. En la mayoría de los microprocesadores DSP, el cálculo FIR puede realizarse mediante un bucle de una sola instrucción. Son adecuados para aplicaciones de múltiples velocidades. Por multi-tasa, queremos decir quotdecimationquot (reducir la tasa de muestreo), quotinterpolationquot (aumentar la tasa de muestreo), o ambos. Ya sea diezmando o interpolando, el uso de filtros FIR permite que algunos de los cálculos sean omitidos, proporcionando así una importante eficiencia computacional. Por el contrario, si se utilizan filtros IIR, cada salida se debe calcular individualmente, incluso si se descarta la salida (por lo que la retroalimentación se incorporará al filtro). Tienen propiedades numéricas deseables. En la práctica, todos los filtros DSP deben ser implementados usando aritmética de precisión finita, es decir, un número limitado de bits. El uso de la aritmética de precisión finita en los filtros IIR puede causar problemas significativos debido al uso de retroalimentación, pero los filtros FIR sin retroalimentación generalmente se pueden implementar usando menos bits y el diseñador tiene menos problemas prácticos que resolver relacionados con la aritmética no ideal. Pueden implementarse utilizando aritmética fraccional. A diferencia de los filtros IIR, siempre es posible implementar un filtro FIR usando coeficientes con magnitud inferior a 1,0. (La ganancia general del filtro FIR puede ajustarse en su salida, si se desea). Esta es una consideración importante al usar DSP de punto fijo, ya que hace la implementación mucho más simple. 1.6.2 ¿Cuáles son los inconvenientes de los filtros FIR (comparados con los filtros IIR) En comparación con los filtros IIR, los filtros FIR a veces tienen la desventaja de que requieren más memoria y / o cálculo para obtener una característica de respuesta de filtro dada. Además, ciertas respuestas no son prácticas para implementar con filtros FIR. 1.7 ¿Qué términos se usan para describir los filtros FIR? Respuesta de Impulso - La respuesta de respuesta de un filtro FIR es en realidad sólo el conjunto de coeficientes FIR. (Si se pone un quotimplusequot en un filtro FIR que consta de una quot1quot muestra seguida de muchas quot0quot muestras, la salida del filtro será el conjunto de coeficientes, ya que la muestra 1 pasa de cada coeficiente a su vez para formar la salida). Tap - Una FIR quottapquot es simplemente un par de coeficientes / delay. El número de taps FIR (a menudo designado como quotNquot) es una indicación de 1) la cantidad de memoria requerida para implementar el filtro, 2) el número de cálculos requeridos, y 3) la cantidad de quotfilteringquot el filtro puede hacer en efecto, Multiplicar-Acumular (MAC) - En un contexto de FIR, una quotMACquot es la operación de multiplicar un coeficiente por la correspondiente muestra de datos retardada y acumular el resultado. Las FIRs usualmente requieren un MAC por toque. La mayoría de los microprocesadores DSP implementan la operación MAC en un solo ciclo de instrucción. Banda de transición - La banda de frecuencias entre los bordes de banda de paso y de banda de parada. Cuanto más estrecha es la banda de transición, más taps son necesarios para implementar el filtro. (Una banda de transición quotsmallquot da como resultado un filtro quotsharpquot.) Línea de retardo - Conjunto de elementos de memoria que implementan los elementos de retardo de quotZ-1quot del cálculo FIR. Buffer circular - un buffer especial que es quotcircular porque incrementar en el extremo hace que se envuelva alrededor del principio, o porque decrementar desde el principio hace que se envuelva hasta el final. Los microprocesadores DSP proporcionan con frecuencia a los tampones circulares para implementar el quotmotimaje de las muestras a través de la línea de retardo FIR sin tener que mover literalmente los datos en la memoria. Cuando se agrega una nueva muestra al búfer, reemplaza automáticamente a la más antigua.