Signalverarbeitung Fallstudie: Das Entfernen der Bad, halten das Gute

Options ein und b sind die FIR- und IIR festen Kerbfilter, respectively. Die Einfachheit dieser Filter ist ein großer Anziehungspunkt. Aber wie gut funktionieren sie? Charakterisieren Sie die Filter in der Frequenzdomäne ist ein guter Ausgangspunkt für diese Einschätzung.

Ein Sinussignal von der Form

wird nicht durch diese Filter in einem stabilen Zustand übergehen.

Die folgende Abbildung zeigt Magnitudenantwort in dB gegenüber der Frequenz Plots der FIR und IIR Notch-Filter, wenn f_ich = 1000 Hz und f_s = 8000 Hz. Für die IIR, Kerbe r über 0,8, 0,9 und 0,95 trat. In c, mit einer Kaskade von zwei IIR Notch-Filter r = 0,95 wird für fi = 1.000 und 600 Hz.

Hier sind die IPython Kommandozeilen-Eingänge für die Erstellung der IIR-Kaskade:

Im [659]: BIIR95, aIIR95 = ssd.fir_iir_notch (1000,8000,0.95) In [664]: BIIR95_600, aIIR95_600 = ssd.fir_iir_notch (600,8000,0.95) In [665]: BIIR_cas, aIIR_cas = ssd.cascade_filters (bIIR95, aIIR95, bIIR95_600, aIIR95_600) In [666]: F, HIIR_cas = signal.freqz (bIIR_cas, aIIR_cas, 1024)

SNOI Töne werden gesperrt, wenn

richtig eingestellt ist. Welche Spektralkomponenten aus dem SOI ebenfalls entfernt? Leider wird einige SOI Informationen verloren, aber Sie wollen den Verlust im Rahmen des Zumutbaren zu minimieren. Das FIR-Kerbe, obwohl einfach zu implementieren, entfernt zu viele Informationen von der SOI. So fallen diese Filter aus der weiteren Betrachtung.

mit dem IIR-Kerbe zu gehen ist der zusätzliche Aufwand lohnt sich, die Präzision Entfernung von im Wesentlichen nur die SNOI zu bekommen. Man muss annehmen, dass, wenn die SOI-Frequenzkomponenten bei den Frequenzen SNOI hat, auch sie werden von den FIR- und IIR-Filter entfernt werden.

Das adaptive Filter kommt mit vielen Parametern zu spielen. Für diese Studie wird die Filterlänge M = 64 und # 956- = 0,005.