توابع رایج پنجره مورد استفاده در طراحی فیلتر FIR چیست؟

سلام! به‌عنوان یک تامین‌کننده فیلتر، من در دنیای طراحی فیلتر FIR کار کرده‌ام. فیلترهای FIR (پاسخ تکانه محدود) در پردازش سیگنال بسیار مهم هستند و یکی از جنبه های کلیدی طراحی آنها استفاده از عملکردهای پنجره است. در این وبلاگ، من شما را با برخی از عملکردهای رایج پنجره که در طراحی فیلتر FIR استفاده می شود آشنا می کنم.

عملکردهای پنجره چیست و چرا به آنها نیاز داریم؟

قبل از اینکه به توابع خاص پنجره بپردازیم، اجازه دهید به سرعت بفهمیم که آنها چیست و چرا استفاده می شوند. هنگامی که یک فیلتر FIR طراحی می کنیم، اغلب با یک پاسخ فیلتر ایده آل در حوزه فرکانس شروع می کنیم. اما برای پیاده سازی این فیلتر در دنیای واقعی باید آن را به حوزه زمان تبدیل کنیم. پاسخ فیلتر ایده آل در حوزه زمان بی نهایت طول دارد که عملی نیست. بنابراین، ما آن را به یک طول محدود کوتاه می کنیم. با این حال، این برش باعث نشت طیفی می شود، به این معنی که پاسخ فرکانسی فیلتر کوتاه شده با پاسخ ایده آل متفاوت است. توابع پنجره در اینجا به کمک می آیند. آنها لبه های پاسخ ضربه ای کوتاه را کاهش می دهند و نشت طیفی را کاهش می دهند و عملکرد فیلتر را بهبود می بخشند.

پنجره مستطیل شکل

پنجره مستطیلی ساده ترین عملکرد پنجره موجود است. این فقط یک مقدار ثابت 1 برای طول فیلتر و 0 در خارج از آن محدوده است. به عبارت دیگر، به هیچ وجه لبه ها را باریک نمی کند. از نظر ریاضی می توان آن را به صورت زیر نوشت:

[w[n]=\begin{موارد}
1 و 0\leq n\leq N - 1\
0 و \text{در غیر این صورت}
\پایان{موارد}]

که در آن (N) طول فیلتر است.

پنجره مستطیلی دارای باریک ترین لوب اصلی در بین تمام عملکردهای پنجره است، به این معنی که بهترین وضوح فرکانس را دارد. اما دارای لوب های جانبی بالایی نیز می باشد که منجر به نشت طیفی قابل توجهی می شود. این باعث می شود که برای برنامه هایی مناسب باشد که اجزای فرکانس به خوبی از هم جدا شده اند و به وضوح فرکانس خوب نیاز داریم، مانند برخی از طرح های ساده فیلتر پایین گذر.

پنجره همینگ

پنجره Hamming یک انتخاب محبوب در طراحی فیلتر FIR است. به این صورت تعریف می شود:

[w[n]=0.54 - 0.46\cos\left(\frac{2\pi n}{N - 1}\right),\quad 0\leq n\leq N - 1]

پنجره Hamming لبه های پاسخ ضربه ای را مخروطی می کند و لبه های جانبی را در مقایسه با پنجره مستطیلی کاهش می دهد. لوب اصلی پهن تر از پنجره مستطیلی است، اما لبه های کناری بسیار پایین تر است. این منجر به نشت طیفی کمتر و پاسخ فرکانسی کلی بهتر می شود. این یک عملکرد خوب در اطراف پنجره است و در بسیاری از طرح‌های فیلتر FIR عمومی استفاده می‌شود.

پنجره هانینگ

پنجره هانینگ شبیه پنجره Hamming است اما با فرمولی متفاوت. توسط:

[w[n]=0.5\left(1-\cos\left(\frac{2\pi n}{N - 1}\right)\right),\quad 0\leq n\leq N - 1]

پنجره هانینگ حتی لبه های جانبی پایین تری نسبت به پنجره همینگ دارد، اما لبه اصلی آن کمی پهن تر است. این آن را برای کاربردهایی مناسب می کند که در آن کاهش لوب های جانبی مهمتر از داشتن یک لوب اصلی بسیار باریک است، مانند پردازش صدا که می خواهیم تداخل بین اجزای فرکانس مختلف را به حداقل برسانیم.

پنجره بلکمن

پنجره Blackman یکی دیگر از عملکردهای پنجره است که حتی بهتری را ارائه می دهد - سرکوب لوب. به این صورت تعریف می شود:

[w[n]=0.42 - 0.5\cos\left(\frac{2\pi n}{N - 1}\right)+0.08\cos\left(\frac{4\pi n}{N - 1}\right),\quad 0\leq n\leq N - 1]

پنجره Blackman دارای لبه های جانبی بسیار کم است، که آن را برای برنامه هایی که باید یک جزء فرکانس خاص را از دیگران جدا کنیم، عالی می کند. با این حال، در مقایسه با پنجره های قبلی، لوب اصلی گسترده تری دارد که به معنای وضوح فرکانس پایین تر است.

پنجره قیصر

پنجره قیصر کمی با بقیه متفاوت است. دارای یک پارامتر (\beta) است که به ما اجازه می دهد تا تبادل بین عرض لوب اصلی و سطح لوب جانبی را کنترل کنیم. فرمول پنجره Kaiser به صورت زیر است:

[w[n]=\frac{I_0\left(\beta\sqrt{1-\left(\frac{2n}{N - 1}-1\right)^2}\right)}{I_0(\beta)},\quad 0\leq n\leq N - 1]

که در آن (I_0(x)) تابع بسل اصلاح شده مرتبه صفر از نوع اول است. با تنظیم مقدار (\beta)، می‌توانیم پنجره را بیشتر شبیه یک پنجره مستطیلی (برای کوچک (\beta)) یا بیشتر شبیه یک پنجره با لبه‌های جانبی بسیار کم (برای بزرگ (\beta)) کنیم. این انعطاف پذیری پنجره Kaiser را برای طیف وسیعی از کاربردها مناسب می کند.

چگونه این عملکردهای پنجره بر محصولات فیلتر ما تأثیر می گذارد

به عنوان یک تامین کننده فیلتر، ما از این عملکردهای پنجره برای طراحی فیلترهای FIR استفاده می کنیم که نیازهای مشتریان مختلف را برآورده می کند. به عنوان مثال، اگر مشتری برای یک برنامه صوتی ساده به فیلتر نیاز دارد که در آن فقط می‌خواهیم نویز فرکانس بالا را قطع کنیم، پنجره Hamming یا Hanning می‌تواند انتخاب خوبی باشد. این پنجره ها می توانند نشت طیفی را کاهش دهند و یک پاسخ فرکانسی صاف را ارائه دهند.

از سوی دیگر، اگر مشتری روی پروژه‌ای کار می‌کند که در آن نیاز به جداسازی دقیق یک جزء فرکانس خاص دارد، مانند برخی از سیستم‌های ارتباطی، ممکن است از پنجره Blackman یا Kaiser استفاده کنیم. این پنجره ها سرکوب لوب جانبی بهتری را ارائه می دهند که برای جداسازی دقیق فرکانس بسیار مهم است.

ماشین های پرکننده فیلتر ما

در شرکت ما، ما فقط بر طراحی فیلتر تمرکز نمی کنیم. ما همچنین طیف وسیعی ازخط پر کردن خودکارکه می تواند فیلترها را با مواد مختلف پر کند. ماEGL - 4 دستگاه پرکننده خودکار برای 0.4 ~ 4 لیتریک گزینه عالی برای پر کردن فیلترها در اندازه های مختلف است. این به گونه ای طراحی شده است که کارآمد و دقیق باشد و اطمینان حاصل شود که هر فیلتر تا سطح مناسب پر شده است.

ما همچنین یکدستگاه پرکن پمپ دوارکه می تواند انواع مختلف مایعات را مدیریت کند. چه یک مایع چسبناک یا یک محلول رقیق باشد، این دستگاه می تواند این کار را انجام دهد. این دستگاه‌های پرکننده بخش مهمی از خط تولید ما هستند، زیرا اطمینان می‌دهند که فیلترهایی که طراحی می‌کنیم به درستی پر شده و آماده استفاده هستند.

بیایید تجارت صحبت کنیم

اگر در بازار فیلترهای FIR با کیفیت بالا هستید یا برای تولید فیلتر خود به یک دستگاه پرکننده قابل اعتماد نیاز دارید، خوشحال می‌شویم نظر شما را بشنویم. ما تیمی از کارشناسان داریم که می‌توانند به شما در انتخاب عملکرد پنجره مناسب برای طراحی فیلتر و بهترین دستگاه پرکننده برای نیازهایتان کمک کنند. چه یک تولید کننده در مقیاس کوچک یا یک شرکت صنعتی در مقیاس بزرگ باشید، ما می توانیم راه حل های سفارشی ارائه دهیم. بنابراین، در تماس گرفتن و شروع گفتگو در مورد نیازهای تدارکات خود تردید نکنید. ما اینجا هستیم تا مطمئن شویم بهترین محصولات و خدمات را دریافت می کنید.

مراجع

• Oppenheim, AV, & Schafer, RW (1989). گسسته - پردازش سیگنال زمان. پرنتیس - هال.
• لیون، آر جی (2011). درک پردازش سیگنال دیجیتال پیرسون.