为什么理想滤波器不可实现

这篇具有很好参考价值的文章主要介绍了为什么理想滤波器不可实现。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

系统对于信号的作用大体可分为两类:一类是信号的传输,一类是滤波。信号传输要求信号尽量不失真,而滤波则要求滤去或削弱不需要的成分,必然伴随着失真。接下来,本文将从信号的无失真传输来引入信号的滤波,进而详细阐明为什么理想滤波器不可实现。

1. 无失真传输

想必大家都了解过接力传话游戏,往往传到最后会与最初的表达千差万别,也就是产生了失真,这在信号传输过程中是要极力避免的。

1.1 定义

信号无失真传输是指系统的输出信号与输入信号相比,只有幅度的大小和出现时间的先后不同,而没有波形上的变化。

也就是说输出信号的形状应是输入信号经过拉伸或压缩变换加上平移变换的组合,这样的好处是在信号输出端,可以轻而易举的还原出原信号。举个具体的例子吧,若输入信号为 f ( t ) f(t) f(t) , 经过传输系统后的输出为 y ( t ) y(t) y(t) , 如果系统是无失真传输系统的话, f ( t ) 、 y ( t ) f(t)、y(t) f(t)y(t) 应该满足的关系大概是下面这样的:

为什么理想滤波器不可实现

若用严格的数学表达式来形容经过无失真传输系统后输入信号 f ( t ) f(t) f(t) 和输出信号 y ( t ) y(t) y(t) 的关系,则为:
y ( t ) = K f ( t − t d ) y(t)=K f\left(t-t_{d}\right) y(t)=Kf(ttd)
对等号两边分别进行傅里叶变换,根据 傅里叶变换的时移特性 ,得到输入输出的频谱关系:
Y ( j ω ) = K e − j ω t d F ( j ω ) Y(j \omega)=K e^{-j \omega t_{d}} F(j \omega) Y(jω)=KejωtdF(jω)

1.2 无失真传输条件

对系统的冲激响应 h ( t ) h(t) h(t) 的要求:
h ( t ) = K δ ( t − t d ) h(t)=K \delta\left(t-t_d\right) h(t)=Kδ(ttd)
对系统传输函数(频率响应函数) H ( j ω ) H(j\omega) H(jω) 的要求:
H ( j ω ) = Y ( j ω ) / F ( j ω ) = K e − j ω t d 即 ∣ H ( j ω ) ∣ = K , θ ( ω ) = − ω t d \begin{array}{c} H(j \omega)=Y(j \omega) / F(j \omega)=K e^{-j \omega t_{d}}\\ \text {即} \quad |{H}({j} \omega)|={K}, \quad \theta(\omega)=-\omega{t}_{{d}}\\ \end{array} H(jω)=Y(jω)/F(jω)=KejωtdH(jω)=K,θ(ω)=ωtd
所以在无失真传输条件下,系统的幅频特性 ∣ H ( j ω ) ∣ |H(j\omega)| H(jω) 和相频特性 θ ( ω ) \theta(\omega) θ(ω) 应如下图所示:

为什么理想滤波器不可实现

要说明的是,上述条件是信号无失真传输的理想条件。当传输有限带宽的信号时,只要在信号占有频带范围内,系统的幅频、相频特性满足以上条件即可。比如我们要传输人类说话的语音信号,那么只要保证在20000Hz以内,传输系统的幅频特性 ∣ H ( j ω ) ∣ |H(j\omega)| H(jω) 和相频特性 θ ( ω ) \theta(\omega) θ(ω) 要满足如上要求即可。

2. 理想低通滤波器

如果把滤波器看成一个系统,顾名思义,理想低通滤波器的作用应该是:高于设定的某个频率 f C f_C fC 的波形成分将从原信号中滤除。这个设定的频率 f C f_C fC 被称为截止频率,其对应的截止角频率记为 ω C = 2 π f C \omega_C=2\pi f_C ωC=2πfC ,该系统幅频特性 ∣ H ( j ω ) ∣ |H(j\omega)| H(jω) 和相频特性 θ ( ω ) \theta(\omega) θ(ω) 应如下图所示:

为什么理想滤波器不可实现

所以理想低通滤波器的频率响应函数 H ( j ω ) H(j\omega) H(jω) 可以表示为:
H ( j ω ) = { e − j ω t d , ∣ ω ∣ < ω C 0 , ∣ ω ∣ > ω C = g 2 ω C ( ω ) e − j ω t d H(j \omega)=\left\{\begin{array}{cl} \mathrm{e}^{-j \omega t_{d}}, & |\omega|<\omega_{C} \\ 0, & |\omega|>\omega_{C} \end{array}=g_{2 \omega_{C}}(\omega) \mathrm{e}^{-j \omega t_{d}}\right. H(jω)={ejωtd,0,ω<ωCω>ωC=g2ωC(ω)ejωtd
其中 g 2 ω C ( ω ) g_{2 \omega_{C}}(\omega) g2ωC(ω) 表示自变量为 ω \omega ω ,以 0 0 0 为中心,以 2 ω C 2 \omega_{C} 2ωC 为宽度的门函数。

因此该理想低通滤波器的冲激响应 h ( t ) h(t) h(t) 为:
h ( t ) = F − 1 [ g 2 ω c ( ω ) e − j ω t d ] = ω c π S a [ ω c ( t − t d ) ] \begin{aligned} h(t) & =\mathrm{F}^{-1}\left[g_{2 \omega_{c}}(\omega) e^{-j \omega t_{d}}\right] \\ & =\frac{\omega_{c}}{\pi} \mathrm{Sa}\left[\omega_{c}\left(t-t_{d}\right)\right] \end{aligned} h(t)=F1[g2ωc(ω)ejωtd]=πωcSa[ωc(ttd)]
上述计算过程可以参考 真正掌握傅里叶变换 文章中门函数的傅里叶变换求解过程,再根据傅里叶变换的对称性可轻松求得。

截止角频率 ω C = 5 \omega_C=5 ωC=5 ,时移 t d = 1 t_d=1 td=1 时,对应的理想低通滤波器的冲激响应如下图所示:

为什么理想滤波器不可实现

你看,当输入为冲激函数 δ ( t ) \delta(t) δ(t) 时,这个滤波器的冲激响应 h ( t ) h(t) h(t) 竟然要求在输入之前就存在一部分( t < 0 t<0 t<0 时),这违背了因果性,因此说这是理想的低通滤波器,是不可能实现的。

从信号传输的角度来看,当传输信号的系统为理想低通滤波器时,冲激信号 δ ( t ) \delta(t) δ(t) 竟然失真成了理想低通滤波器的冲激响应 h ( t ) h(t) h(t) 的样子。这是因为 δ ( t ) \delta(t) δ(t) 的信号频带无限宽,而理想低通滤波器的通频带是有限的。

3. 物理可实现系统的条件

系统可物理实现有两个必要条件,第一个条件便是因果条件,也就是说因果系统才是物理可实现的系统。而因果系统的定义是:零状态响应不会出现在激励之前的系统,用公式表示为:
h ( t ) = 0 , t < 0 h(t)=0,\qquad t<0 h(t)=0,t<0
这个很好理解,比如我们要在空白的纸上记录一句话,不可能存在这种情况:正准备拿笔呢,这句话已经写了一半了;我们去食堂吃饭,打好菜准备吃之前,菜就已经有一部分进肚子里了。

第二个必要条件是系统的传输函数 H ( j ω ) H(j\omega) H(jω) 要满足佩利-维纳准则:
{ ∫ − ∞ ∞ ∣ H ( j ω ) ∣ 2 d ω < ∞ ∫ − ∞ ∞ ∣ ln ⁡ ∣ H ( j ω ) ∣ ∣ / ( 1 + ω 2 )   d ω < ∞ \begin{cases} \int_{-\infty}^{\infty}|H(j \omega)|^{2} d \omega<\infty\\ \\ \int_{-\infty}^{\infty} \big|\ln | H(\mathrm{j} \omega)|\big|/({1+\omega^{2}}) \mathrm{~d} \omega<\infty \end{cases} H(jω)2dω<lnH(jω)/(1+ω2) dω<
这表明要想系统可以物理实现,可以允许 H ( j ω ) H(j\omega) H(jω) 特性在某些不连续的频率点上为0,但不允许在一个有限频带内为0(因为 H ( j ω ) H(j\omega) H(jω) 为0时,上述第二个式子的被积函数的分子部分 $ \big|\ln | H(\mathrm{j} \omega)|\big|$ 为无穷大)。按此原理,理想低通、理想高通、理想带通、 理想带阻等理想滤波器都是不可实现的。

注:本文首发于微信公众号"振动信号研究所"文章来源地址https://www.toymoban.com/news/detail-513902.html

到了这里,关于为什么理想滤波器不可实现的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 什么是区块链,为什么数据不可被篡改

    一提到区块链,首先想到的就是比特币。确实比特币是第一个区块链项目,也是最成功的项目,目前的价格是60428¥/btc。想想当初用10000个比特币买了2个披萨的程序员Laszlo,估计怎么也想不到比特币能涨到如此之高(毕竟眼光有多远,就只能赚多少钱)。那么到底什么是区块

    2024年01月21日
    浏览(37)
  • 为什么区块链账本不可篡改?

    区块链 区块头 区块头 前序区块头哈希 时间戳 难度 随机数 默克尔根 默克尔根 区块链链账本的数据结构是hash链表,下一个区块头记录了上一个区块头的hash值,如果篡改了区块链交易,会导致区块的默克尔树改变,从而导致区块头的默克尔根的改变,引起区块头的hash值的改

    2024年02月13日
    浏览(25)
  • 使用C++设计滤波器(低通滤波器,高通滤波器,带通滤波器)

    以下是一个使用C++语言编写的基本低通滤波器的示例代码,它可以对输入信号进行滤波以降低高频成分: 在这个示例中,我们使用一个一阶滤波器来实现低通滤波器。该滤波器具有一个截止频率,所有高于该频率的信号成分都会被过滤掉。在构造函数中,我们根据采样率和截

    2024年02月11日
    浏览(27)
  • python实现陷波滤波器、低通滤波器、高斯滤波器、巴特沃斯滤波器

    在一幅图像中,其低频成分对应者图像变化缓慢的部分,对应着图像大致的相貌和轮廓,而其高频成分则对应着图像变化剧烈的部分,对应着图像的细节(图像的噪声也属于高频成分)。 低频滤波器,顾名思义,就是过滤掉或者大幅度衰减图像的高频成分,让图像的低频成分

    2024年02月11日
    浏览(31)
  • 高通滤波器,低通滤波器

    1.高通滤波器是根据像素与邻近像素的亮度差值来提升该像素的亮度。   确实容易看出,第三种效果最好。 2. 使用medianBlur()作为模糊函数,它对去除数字化的视频噪声非常有效。  从BGR色彩空间转灰度色彩空间   使用Laplacian()作为边缘检测函数,它会产生明显的边缘线条 

    2024年02月14日
    浏览(23)
  • 【状态估计】卡尔曼滤波器、扩展卡尔曼滤波器、双卡尔曼滤波器和平方根卡尔曼滤波器研究(Matlab代码实现)

    💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 目录 💥1 概述 📚2 运行结果 🎉3 参考文献 🌈4 Matlab代码实现 本文包括

    2024年02月08日
    浏览(31)
  • 现代信号处理——自适应滤波器(匹配滤波器)

    信号处理的目的是从噪声中提取信号,得到不受干扰影响的真正信号。采用的处理系统称为滤波器。 实时信号处理中,希望滤波器的参数可以根据系统或环境的变化进行更新,称为自适应滤波器。 滤波器的分类: 线性滤波器、非线性滤波器; FIR滤波器、IIR滤波器; 时域滤

    2023年04月27日
    浏览(56)
  • 【状态估计】粒子滤波器、Σ点滤波器和扩展/线性卡尔曼滤波器研究(Matlab代码实现)

    💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 目录 💥1 概述 📚2 运行结果 2.1 扩展卡尔曼滤波 2.2 线性卡尔曼滤波 

    2024年02月09日
    浏览(29)
  • 图像处理之高通滤波器与低通滤波器

    目录 高频与低频区分: 高通滤波器: 1.傅里叶变换: 低通滤波器: 总结:         在了解图像滤波器之前,先谈一下如何区分图像的高频信息和低频信息,所谓高频就是该像素点与周围像素差异较大,常见于一副图像的边缘细节和噪声等;而低频就是该像素点与周围像素

    2023年04月09日
    浏览(37)
  • 卡尔曼滤波器简介——α−β−γ滤波器

            现在我们已经准备好了第一个简单的例子。在此示例中,我们估计静态系统的状态。静态系统是在合理的时间段内不会更改其状态的系统。例如,静态系统可以是一座塔,而状态将是它的高度。         在此示例中,我们估计金条的重量。我们有无偏尺度,即

    2024年02月01日
    浏览(86)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包