Αναλογικά φίλτρα Σεραφείμ Καραμπογιάς

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
ΕΙΣΑΓΩΓΗ ΣΤΗ ΘΕΩΡΙΑ ΣΗΜΑΤΩΝ & ΣΥΣΤΗΜΑΤΩΝ ΧΩΡΟΣ ΚΑΤΑΣΤΑΣΗΣ.
Advertisements

Εργαστήριο Ψηφιακής Επεξεργασίας Εικόνας
Ανάλυση Συστημάτων Αυτομάτου Ελέγχου:
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ (Τ. Ε. Ι
ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ-ΦΙΛΤΡΑ.
ΕΙΣΑΓΩΓΗ ΣΤΗ ΘΕΩΡΙΑ ΣΗΜΑΤΩΝ & ΣΥΣΤΗΜΑΤΩΝ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Laplace.
ΕΙΣΑΓΩΓΗ ΣΤΗ ΘΕΩΡΙΑ ΣΗΜΑΤΩΝ & ΣΥΣΤΗΜΑΤΩΝ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ-Z.
Δισδιάστατα Σήματα και Συστήματα #1
ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ-ΦΙΛΤΡΑ. Σχεδίαση FIR Φίλτρων – Ιδανικές Προδιαγραφές 0πω-π 1 ωcωc -ωc-ωc.
ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ-ΦΙΛΤΡΑ. 1 Σχεδίαση Κατωπερατών IIR Φίλτρων Ιδανικές Προδιαγραφές 0ΩΩcΩc -Ωc-Ωc.
Στατιστική Ι Παράδοση 5 Οι Δείκτες Διασποράς Διασπορά ή σκεδασμός.
Ανάλυση Συστημάτων Αυτομάτου Ελέγχου:
ΗΜΥ 100 Εισαγωγή στην Τεχνολογία Διάλεξη 7
Σήματα και Φασματικές Μέθοδοι στη Γεωπληροφορική
Ο Μετασχηματισμός Laplace και ο Μετασχηματισμός Ζ
ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΣΕΡΡΕΣ, Ακαδημαϊκό έτος 2002 – 2007
Ευστάθεια Συστημάτων Αυτομάτου Ελέγχου:
Η. Τζιαβός - Γ. Βέργος Σήματα και φασματικές μέθοδοι στη γεωπληροφορική 2013/2014ΑΠΘ/ΤΑΤΜ Τομέας Γεωδαισίας και Τοπογραφίας 3 ο Εξάμηνο Σήματα και Φασματικές.
ΒΕΣ 06: Προσαρμοστικά Συστήματα στις Τηλεπικοινωνίες © 2007 Nicolas Tsapatsoulis Θεωρία Στοχαστικών Σημάτων: Εκτίμηση φάσματος, Παραμετρικά μοντέλα ΒΕΣ.
Σέρρες,Ιούνιος 2009 Τίτλος: Αυτόματος έλεγχος στο Scilab: Ανάπτυξη πακέτου για εύρωστο έλεγχο. Ονοματεπώνυμο Σπουδάστριας: Ευαγγελία Δάπκα Επιβλέπων Καθηγητής.
1 ΣΧΕΔΙΑΣΗ ΨΗΦΙΑΚΩΝ ΦΙΛΤΡΩΝ Κ. Ψυχαλίνος, Σ. Νικολαϊδης Θεσσαλονίκη 2004 Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Τμήμα Φυσικής Μεταπτυχιακό Ηλεκτρονικής.
ΚΕΣ 01: Αυτόματος Έλεγχος © 2006 Nicolas Tsapatsoulis Ανάλυση Συστημάτων Αυτομάτου Ελέγχου: Διαγράμματα Nyquist & Nichols ΚΕΣ 01 – Αυτόματος Έλεγχος.
Ερωτήσεις Σωστού - Λάθους
Ανάλυση Σ.Α.Ε στο χώρο κατάστασης
Βασικά Στοιχεία Ψηφιακής Επεξεργασίας Σήματος (ΙΙ)
ΑΑΤ με αρχική φάση και αρχική χρονική στιγμή. Αν η μελέτη μιας ΑΑΤ αρχίζει μια χρονική στιγμή διάφορη του μηδενός (t 0 ≠ 0), τότε ισχύει: αρνητικές Οι.
Κεφάλαιο 6 Έλεγχος στο Πεδίο της Συχνότητας
Κοζαλάκης Ευστάθιος ΠΕ03
Επιβλέπων Καθηγητής : Δρ. Σ. Τσίτσος Σπουδάστρια : Μποζίνου Ζαφειρούλα, ΑΕΜ: 1909 Σέρρες, Ιούλιος 2014 ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΕΡΡΩΝ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ.
Τμήμα Μηχανικών Πληροφορικής
Ενότητα : Απόκριση Συχνότητας (Frequency Response)
Βασικά Στοιχεία Ψηφιακής Επεξεργασίας Σήματος (V).
Μετασχηματισμός Fourier
Π ΑΝΕΠΙΣΤΗΜΙΟ Δ ΥΤΙΚΗΣ Μ ΑΚΕΔΟΝΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Θεωρία Σημάτων και Συστημάτων 2013 Μάθημα 3 ο Δ. Γ. Τσαλικάκης.
Μετασχηματισμός Fourier Διακριτού Χρόνου Δειγματοληψία
Ψηφιακή Επεξεργασία Σήματος και Εικόνας
Μετασχηματισμός αναλογικών φίλτρων σε ψηφιακά Η κλασική μέθοδος για το σχεδιασμό ψηφιακών φίλτρων βασίζεται στο μετασχηματισμό ενός αναλογικού φίλτρου.
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II Καθ. Πέτρος Π. Γρουμπός Διάλεξη 6η Φίλτρα.
ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ Ι 7 η Διάλεξη Η ΜΕΘΟΔΟΣ ΤΟΥ ΓΕΩΜΕΤΡΙΚΟΥ ΤΟΠΟΥ ΡΙΖΩΝ  Ορισμός του γεωμετρικού τόπου ριζών Αποτελεί μια συγκεκριμένη καμπύλη,
Μεταβατική απόκριση ενός συστήματος δεύτερης τάξης Σχήμα 5.7 σελίδα 370.
Χρονική απόκριση και θέση των ριζών στο μιγαδικό επίπεδο Γενική μορφή συνάρτησης μεταφοράς κλειστού βρόχου Όπου Δ(s)=0 είναι η χαρακτηριστική εξίσωση του.
Τεχνολογικό Εκπαιδευτικό Ίδρυμα Κρήτης Τμήμα Εφηρμοσμένης Πληροφορικής και Πολυμέσων Εργαστήριο Νευρωνικών Δικτύων Slide 1 ΨΗΦΙΑΚΑ ΦΙΛΤΡΑ Προδιαγραφές.
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II Καθ. Πέτρος Π. Γρουμπός Διάλεξη 3η Μετασχηματισμός Fourier.
Κεφάλαιο 5 Συμπεριφορά των ΣΑΕ Πλεονεκτήματα της διαδικασίας σχεδίασης ΣΑΕ κλειστού βρόχου Συμπεριφορά των ΣΑΕ στο πεδίο του χρόνου Απόκριση ΣΑΕ σε διάφορα.
Σήματα και Συστήματα 11 10η διάλεξη. Σήματα και Συστήματα 12 Εισαγωγικά (1) Έστω γραμμικό σύστημα που περιγράφεται από τη σχέση: Αν η είσοδος είναι γραμμικός.
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II Καθ. Πέτρος Π. Γρουμπός Διάλεξη 4η Δειγματοληψία.
ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ Ι 8 η Διάλεξη ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ Ι ΠΑΡΑΔΕΙΓΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΧΡΗΣΗΣ ΤΟΥ ΓΕΩΜΕΤΡΙΚΟΥ ΤΟΠΟΥ ΤΩΝ ΡΙΖΩΝ Το σύστημα ελέγχου.
ΜΕΘΟΔΟΣ ΑΝΑΛΥΣΗΣ ΣΥΣΤΗΜΑΤΩΝ ΣΤΟ ΠΕΔΙΟ ΤΗΣ ΣΥΧΝΟΤΗΤΑΣ
Θεωρία Σημάτων και Συστημάτων 2013
ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΣΕΡΡΕΣ, Ακαδημαϊκό έτος 2002 – 2007
ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ Ι
Τι είναι φίλτρο; Φίλτρο είναι είναι μια ηλεκτρονική διάταξη που αλλάζει το σχετικό πλάτος ή απαγορεύει τη διέλευση ορισμένων συνιστωσών ενός σήματος σε.
Αλγόριθμος κατασκευής ψηφιακών IIR φίλτρων από αντίστοιχα αναλογικά
Πού χρησιμοποιείται ο συντελεστής συσχέτισης (r) pearson
Άσκηση 2-Περιγραφικής Στατιστικής
Υλοποίηση ψηφιακών φίλτρων
Η Έννοια της τυχαίας Διαδικασίας
φίλτρα IIR (Infinite Impulse Response)
Η Έννοια της τυχαίας Διαδικασίας
ΜΗΧΑΝΙΚΑ ΚΥΜΑΤΑ ΣΤΑΣΙΜΑ ΚΥΜΑΤΑ.
Εισαγωγή στην Στατιστική
ΠΑΡΑΔΕΙΓΜΑΤΑ ΔΙΑΓΡΑΜΜΑΤΩΝ BODE ΜΕΤΡΟΥ ΚΑΙ ΦΑΣΗΣ
Η ΕΝΝΟΙΑ ΤΗΣ ΤΥΧΑΙΑΣ ΜΕΤΑΒΛΗΤΗΣ - ΠΙΘΑΝΟΤΗΤΑΣ
Απόκριση Γραμμικών Συστημάτων σε Εκθετικές Εισόδους
Μετασχηματισμός Laplace και φίλτρα
Ονοματεπώνυμο Σπουδάστριας: Ευαγγελία Δάπκα
ΗΛΕΚΤΡΙΚΑ ΚΥΚΛΩΜΑΤΑ ΙΙ
ΦΑΣΗ φ ΤΗΣ ΑΠΛΗΣ ΑΡΜΟΝΙΚΗΣ ΤΑΛΑΝΤΩΣΗΣ
Δισδιάστατα Σήματα και Συστήματα #1
Σεραφείμ Καραμπογιάς Τι είναι σήμα;
Μεταγράφημα παρουσίασης:

Αναλογικά φίλτρα Σεραφείμ Καραμπογιάς Τα IIR φίλτρα είναι επαναληπτικά ή αναδρομικά, με την έννοια ότι δείγματα της εξόδου χρησιμοποιούνται από το σύστημα για τον υπολογισμό των νέων τιμών της εξόδου σε επόμενες χρονικές στιγμές. Για να επιτύχουμε μια επιθυμητή απόκριση χρειαζόμαστε σημαντικά λιγότερους συντελεστές για ένα IIR φίλτρο σε σχέση με το αντίστοιχο FIR. Τα IIR φίλτρα είναι ασταθή, αν οι πόλοι της συνάρτησης μεταφοράς βρίσκονται εκτός του μοναδιαίου κύκλου. Τα IIR δεν έχουν γραμμική απόκριση φάσης στη ζώνη διέλευσης, όπως τα μη επαναληπτικά FIR φίλτρα με συμμετρική ή αντισυμμετρική κρουστική απόκριση. Τα IIR φίλτρα μπορούν εύκολα να σχεδιασθούν αρχίζοντας από ένα αναλογικό φίλτρο και κατόπιν χρησιμοποιώντας κατάλληλη απεικόνιση του επιπέδου-s στο επίπεδο-z. Αρχικά προσδιορίζεται η H(s) και στη συνέχεια στο H(z), έτσι ώστε τα επιθυμητά χαρακτηριστικά του αναλογικού φίλτρου να διατηρούνται κατά τον καλύτερο δυνατό τρόπο

Ιδανικό βαθυπερατό φίλτρο με εύρος-ζώνης W = 2ωc Σεραφείμ Καραμπογιάς Ζώνη αποκοπής Ζώνη διέλευσης Ιδανικό βαθυπερατό φίλτρο με εύρος-ζώνης W = 2ωc Η γραφική παράσταση της απόκρισης ισχύος σε συνάρτηση με τη κυκλική συχνότητα. Η γραφική παράσταση της απόκρισης ισχύος σε dB σε συνάρτηση με τη κυκλική συχνότητα. Ζώνη αποκοπής Ζώνη διέλευσης Μεταβατική ζώνη Πραγματικό βαθυπερατό φίλτρο Αναλογικά φίλτρα 10-2

Χαρακτηριστικά χαμηλοπερατού αναλογικού φίλτρου Σεραφείμ Καραμπογιάς Χαρακτηριστικά χαμηλοπερατού αναλογικού φίλτρου Ζώνη διέλευσης Zώνη με- τάβασης αποκοπής (normalized magnitude response) Το όριο της ζώνης διέλευσης (passband edge frequency) Κανονικοποιημένη απόκριση ισχύος ενός αναλογικού φίλτρου βασικής ζώνης. Το όριο της ζώνης αποκοπής (stopband edge frequency) ε παράμετρος ταλαντώσεων ζώνης διέλευσης (passband ripple parameter) ωp συχνότητα αποκοπής ζώνης διέλευσης (passband cutoff frequency) Α παράμετρος εξασθένησης ζώνης αποκοπής (stopband attenuation parameter) ωs συχνότητα αποκοπής ζώνης αποκοπής (stopband cutoff frequency) Αναλογικά φίλτρα 10-3

Η απόκριση συχνότητας του αναλογικού φίλτρου ικανοποιεί τις Σεραφείμ Καραμπογιάς Ζώνη με- τάβασης Ζώνη διέλευσης αποκοπής Απόλυτη απόκριση ισχύος ενός ψηφιακού φίλτρου βασικής ζώνης. Ζώνη διέλευσης Zώνη με- τάβασης αποκοπής πολλαπλασιασμός επί Κανονικοποιημένη απόκριση ισχύος ενός αναλογικού φίλτρου βασικής ζώνης. Decibels Σχετική απόκριση ισχύος ενός ψηφιακού φίλτρου βασικής ζώνης. Η απόκριση συχνότητας του αναλογικού φίλτρου ικανοποιεί τις Αναλογικά φίλτρα 10-4

Σχετική απόκριση ισχύος ενός ψηφιακού φίλτρου βασικής ζώνης. Σεραφείμ Καραμπογιάς Ζώνη διέλευσης Zώνη με- τάβασης αποκοπής Decibels Σχετική απόκριση ισχύος ενός ψηφιακού φίλτρου βασικής ζώνης. Κανονικοποιημένη απόκριση ισχύος ενός αναλογικού φίλτρου βασικής ζώνης. Σχέσεις μεταξύ των παραμέτρων ψηφιακού - αναλογικού φίλτρου Οι παράμετροι ε και Α σχετίζονται με τις Rp και As αντίστοιχα στην κλίμακα dB με τις Αναλογικά φίλτρα 10-5

Απόλυτη απόκριση ισχύος ενός ψηφιακού φίλτρου βασικής ζώνης. Σεραφείμ Καραμπογιάς Ζώνη διέλευσης Zώνη με- τάβασης αποκοπής Ζώνη διέλευσης Ζώνη με- τάβασης Ζώνη αποκοπής Απόλυτη απόκριση ισχύος ενός ψηφιακού φίλτρου βασικής ζώνης. Κανονικοποιημένη απόκριση ισχύος ενός αναλογικού φίλτρου βασικής ζώνης. Σχέσεις μεταξύ των παραμέτρων ψηφιακού - αναλογικού φίλτρου Οι ταλαντώσεις δ1 και δ2 σχετίζονται με τις ε και Α αντίστοιχα με τις Αναλογικά φίλτρα 10-6

Ιδιότητες της απόκρισης ισχύος αναλογικού φίλτρου Σεραφείμ Καραμπογιάς Ιδιότητες της απόκρισης ισχύος αναλογικού φίλτρου Από τη συνάρτηση μεταφοράς ενός αναλογικού συστήματος προσδιορίζεται η απόκριση συχνότητας του συστήματος αν περιέχεται ο φανταστικός άξονας στο πεδίο σύγκλισης ως έχουμε για το τετράγωνο του μέτρου της απόκρισης συχνότητας ή ισοδύναμα Αναλογικά φίλτρα 10-7

Παράδειγμα πόλων και μηδενικών της Σεραφείμ Καραμπογιάς Προσοχή διπλό μηδενικό Παρατηρούμε ότι οι πόλοι και τα μηδενικά είναι τοποθετημένα συμμετρικά ως προς το φανταστικό άξονα. Για πραγματικά φίλτρα οι πόλοι και τα μηδενικά είναι συζυγή, δηλαδή, παρουσιάζουν συμμετρία ως προς τον πραγματικό άξονα. Παράδειγμα πόλων και μηδενικών της Αν θέλουμε το αναλογικό φίλτρο να είναι αιτιατό και ευσταθές θα πρέπει οι πόλοι να βρίσκονται στο αριστερό ημιεπίπεδο. Έτσι δίνουμε όλους τους πόλους της Ha(s)Ha(-s) που βρίσκονται στο αριστερό ημιεπίπεδο στην Ha(s) Αντίθετα τα μηδενικά της Ha(s) μπορούν να βρίσκονται οπουδήποτε στο μιγαδικό επίπεδο. Επιλέγουμε τα μηδενικά της Ha(s)Ha(-s) που βρίσκονται στο φανταστικό άξονα ως μηδενικά της Ha(s), και έτσι το φίλτρο είναι φίλτρο ελάχιστης φάσης. Αναλογικά φίλτρα 10-8

Χαμηλοπερατό Φίλτρο Butterworth Σεραφείμ Καραμπογιάς Χαμηλοπερατό Φίλτρο Butterworth Η απόκριση ισχύος του φίλτρου είναι N είναι η τάξη του φίλτρου. Για τη συνάρτηση μεταφοράς του συστήματος ισχύουν Αναλογικά φίλτρα 10-9

Χαμηλοπερατό Φίλτρο Butterworth Σεραφείμ Καραμπογιάς Χαμηλοπερατό Φίλτρο Butterworth Η απόκριση ισχύος του φίλτρου είναι Οι ρίζες του πολυωνύμου του παρονομαστή (ή οι πόλοι της Ha(s)Ha(– s)) είναι Αναλογικά φίλτρα 10-10

Οι θέσεις των πόλων στο μιγαδικό επίπεδο Βαθμός φίλτρου n Παράγοντες των πολυωνύμων Bn(s) 1ου  βαθμού (s+1) 2ου  βαθμού (s2+1,414s+1) 3ου  βαθμού (s+1)(s2+s+1) 4ου  βαθμού (s2+0,765s+1)(s2+1,848s+1) 5ου  βαθμού (s+1)(s2+0,618s+1)(s2+1,618s+1) 6ου  βαθμού (s2+0,518s+1)(s2+1,414s+1)(s2+1,932s+1) 7ου  βαθμού (s+1)(s2+0,445s+1)(s2+1,247s+1)(s2+1,802s+1) 8ου  βαθμού (s2+0,390s+1)(s2+1,111s+1)(s2+1,663s+1)(s2+1,962s+1) Σεραφείμ Καραμπογιάς Οι θέσεις των πόλων στο μιγαδικό επίπεδο Για Ν = 1 έχουμε Για Ν = 2 έχουμε Διαγράμματα πόλων φίλτρων Batterworth 1η και 2η τάξης Αναλογικά φίλτρα 10-11

Οι θέσεις των πόλων στο μιγαδικό επίπεδο Σεραφείμ Καραμπογιάς Οι θέσεις των πόλων στο μιγαδικό επίπεδο Διαγράμματα πόλων φίλτρων Batterworth 1η και 2η τάξης Διαγράμματα πόλων φίλτρων Batterworth 3η και 4η τάξης Αναλογικά φίλτρα 10-12

Σεραφείμ Καραμπογιάς Ένα ευσταθές και αιτιατό φίλτρο Ha(s) μπορεί να οριστεί αν επιλέξουμε τους πόλους που βρίσκονται στο αριστερό ημιεπίπεδο του μιγαδικού ημιεπιπέδου, δηλαδή, Η συνάρτηση μεταφοράς των πρωτότυπων φίλτρων Butterworth βασικής ζώνης πρώτης και δεύτερης τάξης είναι αντίστοιχα Αναλογικά φίλτρα 10-13

Για την παράμετρο ταλάντωσης ε στη ζώνη διέλευσης έχουμε Σεραφείμ Καραμπογιάς Παράδειγμα Να υπολογιστεί η τάξη ενός χαμηλοπερατού φίλτρου Butterworth το οποίο παρουσιάζει εξασθένιση 1 dB στο 1 KHz και 40 dB στο 5 KHz Λύση: Για την παράμετρο ταλάντωσης ε στη ζώνη διέλευσης έχουμε Για την παράμετρο εξασθένησης Α στη ζώνη αποκοπής έχουμε Για τις συχνότητες ωp και ωs έχουμε Αναλογικά φίλτρα 10-14

Για την απόκριση ισχύος στη συχνότητα ωp έχουμε Σεραφείμ Καραμπογιάς Για την απόκριση ισχύος στη συχνότητα ωp έχουμε Για την απόκριση ισχύος στη συχνότητα ωp έχουμε από τις οποίες έχουμε η τιμή στρογγυλεύεται στον αμέσως μεγαλύτερο ακέραιο. Έτσι η τάξη είναι Ν = 4. Η τιμή για την τάξη του φίλτρου εκφράζεται με τη βοήθεια του λόγου μετάβασης . και του παράγοντα διακριτότητας ως Αναλογικά φίλτρα 10-15

Παράδειγμα Σεραφείμ Καραμπογιάς Δίνεται η απόκριση ισχύος του αναλογικού φίλτρου Παράδειγμα Να προσδιοριστεί η συνάρτηση μεταφοράς, Ha(s), του αναλογικού φίλτρου που έχει Λύση: Παρατηρούμε Οι πόλοι της έτσι η συνάρτηση μεταφοράς είναι Αναλογικά φίλτρα 10-16

function [b,a] = u_buttap(N,Omegac); Σεραφείμ Καραμπογιάς Στο ΜATLAB υπάρχει η συνάρτηση [z,p,k] = buttap( N ) η οποία σχεδιάζει ένα πρωτότυπο (δηλαδή ωc=1) αναλογικό φίλτρο Butterworth τάξης N και επιστρέφει τα μηδενικά στο διάνυσμα z τους πόλους στο p και την τιμή κέρδους στο k. Η συνάρτηση u_buttap που ακολουθεί σχεδιάζει ένα μη κανονικοποιημένο αναλογικό φίλτρο Butterworth σε άμεση μορφή. function [b,a] = u_buttap(N,Omegac); % b = Συντελεστές του πολυωνύμου του αριθμητή της Ha(s) % a = Συντελεστές του πολυωνύμου του παρονομαστή της Ha(s) % N = Τάξη του φίλτρου Butterworth % Omegac = Συχνότητα αποκοπής σε radians/sec [z,p,k] = buttap(N); p = p*Omegac; k = k*Omegac^N; B = real(poly(z)); b0 = k; b = k*B; a = real(poly(p)); [b,a] = u_buttap(3, 0.5) b = 0.125 a = 1.000 1.000 0.500 0.1250 Αναλογικά φίλτρα 10-17

Σχετική απόκριση ισχύος ενός ψηφιακού φίλτρου βασικής ζώνης. Σεραφείμ Καραμπογιάς Από τα χαρακτηριστικά του αναλογικού χαμηλοπερατού φίλτρου ωp, Rp, ωs και As θα προσδιοριστούν η τάξη N και η συχνότητα αποκοπής ωc της ζώνης διέλευσης φίλτρου Butterworth για για Κανονικοποιημένη απόκριση ισχύος ενός αναλογικού φίλτρου βασικής ζώνης. Ζώνη διέλευσης Zώνη με- τάβασης αποκοπής Decibels Σχετική απόκριση ισχύος ενός ψηφιακού φίλτρου βασικής ζώνης. Λύνοντας τις δύο παραπάνω εξισώσεις έχουμε Αναλογικά φίλτρα 10-18

Παράδειγμα Σεραφείμ Καραμπογιάς Να σχεδιαστεί ένα χαμηλοπερατό φίλτρο Butterworth με χαρακτηριστικά Λύση: επιλέγουμε ωc= 0,5, έτσι καταλήγουμε στο φίλτρο του προηγούμενου παραδείγματος Η συνάρτηση afd_butt που ακολουθεί σχεδιάζει ένα μη κανονικοποιημένο αναλογικό φίλτρο Butterworth σε άμεση μορφή από τα χαρακτηριστικά του. Αναλογικά φίλτρα 10-19

function [b,a] = afd_butt(Wp,Ws,Rp,As) Σεραφείμ Καραμπογιάς function [b,a] = afd_butt(Wp,Ws,Rp,As) % b = Οι συντελεστές του αριθμητή της Ha(s) % a = Οι συντελεστές του παρονομαστή της Ha(s) % wp = Συχνότητα άκρης της ζώνης διέλευσης σε rad/sec; wp > 0 % ws = Συχνότητα ακρής της ζώνης αποκοπής σε rad/sec; ws > wp > 0 % Rp = Ταλαντώσεις της ζώνης διέλευσης σε +dB; (Rp > 0) % As = Εξασθένιση της ζώνης αποκοπής σε +dB; (As > 0) if wp <= 0 error('Η συχνότητα άκρης της ζώνης διέλευσης πρέπει να είναι > 0') end if ws <= wp error('Η άκρη της ζώνης αποκοπής πρέπει να είναι > της συχνότητας άκρης της ζώνης διέλευσης ') if (Rp <= 0) | (As < 0) error('PB ταλάντωση και/ή SB εξασθένηση πρέπει να είναι > 0') N = ceil((log10((10^(Rp/10)-1)/(10^(As/10)-1)))/(2*log10(wp/ws))); fprintf('\n*** Butterworth Filter Order = %2.0f \n',N) OmegaC = wp/((10^(Rp/10)-1)^(1/(2*N))); [b,a]=u_buttap(N,OmegaC); Αναλογικά φίλτρα 10-20

function [db,mag,pha,w] = freqs_m(b,a,wmax); Σεραφείμ Καραμπογιάς Η συνάρτηση freqs_m που ακολουθεί προσδιορίζει τα χαρακτηριστικά ενός φίλτρου Butterworth. function [db,mag,pha,w] = freqs_m(b,a,wmax); % db = Το μέτρο σε db στο διάστημα [0 έως wmax] % mag = Το μέτρο στο διάστημα [0 έως wmax] % pha = Η απόκριση φάσης σε radians στο διάστημα [0 έως wmax] % w = διάνυσμα από 500 δείγματα συχνότητας στο διάστημα [0 έως wmax] % b = Οι συντελεστές του αριθμητή της Ha(s) % a = Οι συντελεστές του παρομανομαστή της Ha(s) % wmax = Μέγιστη συχνότητα σε rad/sec του διαστήματος ενδιαφέροντος % w = [0:1:500]*wmax/500; H = freqs(b,a,w); mag = abs(H); db = 20*log10((mag+eps)/max(mag)); pha = angle(H); Αναλογικά φίλτρα 10-21

Παράδειγμα Σεραφείμ Καραμπογιάς Να σχεδιαστεί ένα χαμηλοπερατό φίλτρο Butterworth με χαρακτηριστικά Παράδειγμα wp = 0.2*pi; ws = 0.3*pi; Rp = 7; As = 16; Ripple = 10 ^ (-Rp/20); Attn = 10 ^ (-As/20); % Σχεδιάση αναλογικού φίλτρου [b,a] = afd_butt(wp,ws,Rp,As); % Υπολογισμός της απόκρισης συχνότητας: [db,mag,pha,w] = freqs_m(b,a,0.5*pi); % Υπολογισμός της κρουστικής απόκρισης: [ha,x,t] = impulse(b,a); % Plots Αναλογικά φίλτρα 10-22

Μετατροπή φίλτρου βασικής ζώνης σε φίλτρο διέλευσης ζώνης συχνοτήτων Σεραφείμ Καραμπογιάς Μετατροπή φίλτρου βασικής ζώνης σε φίλτρο διέλευσης ζώνης συχνοτήτων Για τη μετατροπή ενός αναλογικού φίλτρου βασικής ζώνης με συχνότητα ωp στο όριο της ζώνης διέλευσης, σε φίλτρο ζώνης διέλευσης με συχνότητες ωl και ωu στο κατώτερο και ανώτερο όριο της ζώνης διέλευσης αντίστοιχα, εκτελούμε το μετασχηματισμό Παρατηρούμε ότι η τάξη του φίλτρου διέλευσης ζώνης συχνοτήτων που προκύπτει είναι διπλάσια της τάξης του αρχικού φίλτρου βασικής ζώνης. Εφαρμογή Να μετατραπεί το πρώτης τάξης φίλτρο Butterworth βασικής ζώνης με συνάρτηση μεταφοράς H(s) = ωp / (s + ωp), όπου ωp = 2π rad/sec, σε ένα αναλογικό φίλτρο διέλευσης ζώνης συχνοτήτων με συχνότητες στα όρια της ζώνης διέλευσης ωl = π rad / sec και ωu = 3π rad / sec. Αναλογικά φίλτρα 10-23

Magnitude Response of lowpass Butterworth filter Σεραφείμ Καραμπογιάς Magnitude Response of lowpass Butterworth filter |Ha(w)| 2 1 0.5 -0.5 0.5 frequency in rad/sec Magnitude Response of bandpass filter |Ha(w)| 2 1 0.5 -18.8496 -12.5664 12.5664 18.8496 frequency in rad/sec Αναλογικά φίλτρα 10-24

Μετατροπή φίλτρου βασικής ζώνης σε φίλτρο διέλευσης υψηλών συχνοτήτων Σεραφείμ Καραμπογιάς Μετατροπή φίλτρου βασικής ζώνης σε φίλτρο διέλευσης υψηλών συχνοτήτων Για τη μετατροπή ενός αναλογικού φίλτρου βασικής ζώνης με συχνότητα ωp στο όριο της ζώνης διέλευσης, σε φίλτρο διέλευσης υψηλών συχνοτήτων με συχνότητα ωl στο όριο της ζώνης διέλευσης αντίστοιχα, εκτελούμε το μετασχηματισμό Μετατροπή φίλτρου βασικής ζώνης σε φίλτρο διαφορετικής βασικής ζώνης Για να μετατρέψουμε ένα αναλογικό φίλτρο βασικής ζώνης με συχνότητα αποκοπής ωp, σε ένα άλλο φίλτρο βασικής ζώνης με συχνότητα αποκοπής ω΄p , εκτελούμε το μετασχηματισμό Αναλογικά φίλτρα 10-25

Σεραφείμ Καραμπογιάς Αναλογικά φίλτρα 10-26

Σεραφείμ Καραμπογιάς Αναλογικά φίλτρα 10-27

Σεραφείμ Καραμπογιάς Αναλογικά φίλτρα 10-28

Σεραφείμ Καραμπογιάς ) KHz ( f Αναλογικά φίλτρα 10-29

Σεραφείμ Καραμπογιάς Αναλογικά φίλτρα 10-30

Σεραφείμ Καραμπογιάς Αναλογικά φίλτρα 10-31

Χαμηλοπερατό Φίλτρο Chebyshev Σεραφείμ Καραμπογιάς Χαμηλοπερατό Φίλτρο Chebyshev όπου Ν είναι η τάξη του φίλτρου, ε είναι ο παράγοντας ταλάντωσης στη ζώνη διέλευσης και ΤΝ (x) το πολυώνυμο Chebyshev Ν-τάξης το οποίο δίνεται από τη Το πολυώνυμο TN(x) μεταξύ 0 < x < 1 ταλαντώνεται μεταξύ του –1 και 1 έτσι το φίλτρο παρουσιάζει ταλαντώσεις ίσου πλάτους στη ζώνη διέλευσης. Επίσης για 1 < x < ∞ ελαττώνεται μονότονα στο μηδέν. Αναλογικά φίλτρα 10-32

Σεραφείμ Καραμπογιάς Για να προσδιορίσουμε ένα αιτιατό και ευσταθές φίλτρο Ha(s) πρέπει να βρούμε τους πόλους του Ha(s) Ha(– s) και να επιλέξουμε τους πόλους που βρίσκονται στο αριστερό ημιεπίπεδο για το Ha(s) . Οι πόλοι του Ha(s) Ha(– s) είναι οι ρίζες του Αν είναι οι πόλοι στο αριστερό ημιεπίπεδο του παρα-πάνω πολυωνύμου τότε όπου και Αναλογικά φίλτρα 10-33

Η συνάρτηση μεταφοράς του συστήματος είναι Σεραφείμ Καραμπογιάς Οι πόλοι του φίλτρου βρίσκονται σε έλλειψη με κύριο άξονα και δευτερεύοντα άξονα Η συνάρτηση μεταφοράς του συστήματος είναι όπου Κ είναι ο παράγοντας κανονικοποίησης που επιλέγεται έτσι ώστε Η θέση των πόλων για ένα φίλτρο Chebyshev τρίτης τάξης Στο ΜATLAB υπάρχει η συνάρτηση η οποία σχεδιάζει ένα κανονικοποιημένο αναλογικό φίλτρο Chebyshev τάξης N με ταλάντωση ζώνης διέλευσης Rp και επιστρέφει τα μηδενικά στο διάνυσμα z τους πόλους στο p και την τιμή κέρδους στο k. Η συνάρτηση u_chblap που ακολουθεί σχεδιάζει ένα μη κανονικοποιημένο αναλογικό φίλτρο Chebyshev σε άμεση μορφή. Αναλογικά φίλτρα 10-34

function [b,a] = u_chb1ap(N,Rp,Omegac); Σεραφείμ Καραμπογιάς function [b,a] = u_chb1ap(N,Rp,Omegac); % b = Συντελεστές του πολυωνύμου του αριθμητή % a = Συντελεστές του πολυωνύμου του παρονομαστή % N = Τάξη του φίλτρου % Rp = Ταλάντωση στη ζώνη διέλευσης σε dB; Rp > 0 % Omegac = Συχνότητα αποκοπής σε radians/sec % [z,p,k] = cheb1ap(N,Rp); a = real(poly(p)); aNn = a(N+1); p = p*Omegac; aNu = a(N+1); k = k*aNu/aNn; b0 = k; B = real(poly(z)); b = k*B; Αναλογικά φίλτρα 10-35

Παράδειγμα Σεραφείμ Καραμπογιάς Να σχεδιαστεί ένα χαμηλοπερατό FIR φίλτρο διακριτού χρόνου με χαρακτηριστικά Λύση και η τάξη του φίλτρου είναι Αναλογικά φίλτρα 10-36

Ο αριθμητής είναι τέτοιος ώστε Σεραφείμ Καραμπογιάς Υπάρχουν 4 πόλοι επομένως Ο αριθμητής είναι τέτοιος ώστε Αναλογικά φίλτρα 10-37

Σεραφείμ Καραμπογιάς function [b,a] = afd_chb1(wp,ws,Rp,As); % b = Οι συντελεστές του αριθμητή της Ha(s) % a = Οι συντελεστές του παρομανομαστή της Ha(s) % wp = Συχνότητα άκρης της ζώνης διέλευσης σε rad/sec; wp > 0 % ws = Συχνότητα ακρής της ζώνης αποκοπής σε rad/sec; ws > wp > 0 % Rp = Ταλαντώσεις της ζώνης διέλευσης σε +dB; (Rp > 0) % As = Εξασθένιση της ζώνης αποκοπής σε +dB; (As > 0) if wp <= 0 error('Η συχνότητα άκρης της ζώνης διέλευσης πρέπει να είναι > 0') end if ws <= wp error('Η άκρη της ζώνης αποκοπής πρέπει να είναι > της συχνότητας άκρης της ζώνης διέλευσης ') if (Rp <= 0) | (As < 0) error('PB ταλάντωση και/ή SB εξασθένηση πρέπει να είναι > 0') ep = sqrt(10^(Rp/10)-1); A = 10^(As/20); OmegaC = wp; OmegaR = ws/wp; g = sqrt(A*A-1)/ep; N = ceil(log10(g+sqrt(g*g-1))/log10(OmegaR+sqrt(OmegaR*OmegaR-1))); [b,a]=u_chb1ap(N,Rp,OmegaC); Αναλογικά φίλτρα 10-38

Σεραφείμ Καραμπογιάς Αναλογικά φίλτρα 10-39 function [C,B,A] = sdir2cas(b,a); % C = συντελεστές κέρδους % B = Ο πίνακας K x 3 των πραγματικών συντελεστών bk % A = Ο πίνακας K x 3 των πραγματικών συντελεστών ak % b = Συντελεστές του πολυωνύμου του αριθμητή του άμεσου σχήματος % a = Συντελεστές του πολυωνύμου του παρονομαστή του άμεσου σχήματος Na = length(a)-1; Nb = length(b)-1; % υπολογισμός του κέρδους C b0 = b(1); b = b/b0; a0 = a(1); a = a/a0; C = b0/a0; % % Παρονομαστής των τμημάτων δεύτερης τάξης: p= cplxpair(roots(a)); K = floor(Na/2); if K*2 == Na % Υπολογισμός όταν Na είναι περιττός A = zeros(K,3); for n=1:2:Na Arow = p(n:1:n+1,:); Arow = poly(Arow); A(fix((n+1)/2),:) = real(Arow); end elseif Na == 1 % Υπολογισμός όταν Na = 1 A = [0 real(poly(p))]; else % Υπολογισμός όταν Na είναι άρτιο και > 1 A = zeros(K+1,3); for n=1:2:2*K Arow = p(n:1:n+1,:); Arow = poly(Arow); A(fix((n+1)/2),:) = real(Arow); end A(K+1,:) = [0 real(poly(p(Na)))]; % Αριθμητής των τμημάτων δεύτερης τάξης: : z = cplxpair(roots(b)); K = floor(Nb/2); if Nb == 0 % Υπολογισμός όταν Nb = 0 B = [0 0 poly(z)]; elseif K*2 == Nb % Υπολογισμός όταν Nb είναι περιττό B = zeros(K,3); for n=1:2:Nb Brow = z(n:1:n+1,:); Brow = poly(Brow); B(fix((n+1)/2),:) = real(Brow); elseif Nb == 1 % Υπολογισμός του Nb = 1 B = [0 real(poly(z))]; else % Υπολοιγμός όταν Nb είναι άρτιος και > 1 B = zeros(K+1,3); B(K+1,:) = [0 real(poly(z(Nb)))]; Αναλογικά φίλτρα 10-39