Пред.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
3.1.2. Теория аппроксимацииЧастотная характеристика цифрового фильтра определяется передаточной функцией, которая определена в предыдущем разделе как
и которая является
где принимается, что Если коэффициенты импульсной характеристики являются чисто действительными, можно записать
где звездочкой обозначена комплексно-сопряженная величина. Если одновременно считать, что и частотная характеристика является чисто действительной (при этом фильтр вносит нулевой фазовый сдвиг), то
и вместо (3.4) можно записать
Поскольку
Фиг. 3.1. (см. скан) Ограничения по симметрии; X — независимые коэффициенты импульсной характеристики; О — коэффициенты импульсной характеристики, обусловленные ограничениями по симметрии. Указанную ситуацию иллюстрирует фиг. 3.1, а для случая импульсной характеристики, имеющей 7X7 отсчетов. Иногда желательно ввести дополнительные ограничения, касающиеся симметрии импульсной и частотной характеристик. Если принять, что
то
и частотную характеристику можно записать в виде (фиг. 3.1,6)
Наконец, если принять, что
то
и частотную характеристику можно записать в виде (фиг. 3.1, б)
Можно ли с помощью выражений (3.4) — (3.7) реализовать абсолютно точно «идеальные» фильтры? Если речь идет об идеальных фильтрах общего вида, то ответ на этот вопрос будет отрицательным. Например, для идеального «кругового» фильтра нижних частот частотная характеристика
в пределах одного периода, например при
где
а его импульсная характеристика имеет вид
Идеальный круговой фильтр верхних частот имеет частотную характеристику
и импульсную характеристику
Идеальный двумерный дифференциатор одного из возможных типов обладает частотной характеристикой вида
Соответствующая импульсная характеристика имеет вид
Во всех рассмотренных случаях импульсная характеристика имеет бесконечную протяженность, т. е. не существует конечной области, за пределами которой импульсная характеристика была бы тождественно равна нулю. Следовательно, рассмотренные фильтры не являются нерекурсивными и не могут быть реализованы с помощью выражений (3.4) — (3.7). Поскольку частотные характеристики таких фильтров нельзя реализовать абсолютно точно, их следует аппроксимировать. При этом необходимо пользоваться некоторой мерой, характеризующей степень приближения аппроксимированной частотной характеристики к требуемой, некоторым критерием, позволяющим выбрать наиболее точную или наилучшую аппроксимацию. Единственный выбор в обоих случаях падает на чебышевскую норму [6]. Для некоторой функции
Наилучшей аппроксимацией Некоторые фундаментальные выводы теории линейной чебышевской аппроксимации применимы к задаче проектирования фильтров в том виде, в каком она формулировалась выше. В частности, важное значение имеют три теоремы: теорема существования, теорема идентификации и теорема единственности. Эти теоремы приводятся здесь без доказательств, поскольку последние содержатся в литературе [6]. Все три теоремы сформулированы применительно к задаче проектирования двумерных фильтров. Сделано это исключительно ради удобства изложения. Все результаты, применимые к двумерному случаю, в равной степени применимы к трех-, четырех- или Теорема существования. Конечномерное линейное подпространство нормированного линейного пространства содержит по меньшей мере одну точку, расположенную на минимальном расстоянии от любой фиксированной точки. Чтобы показать, каким образом эта теорема используется при решении задачи проектирования фильтров, необходимо отметить следующее: множество с всех функций, являющихся непрерывными на замкнутом подмножестве области —
для любой действительной константы X и для Выражения (3.5) — (3.7) можно записать в форме обобщенных полиномов вида
где Теорема идентификации. Для того чтобы при выборе коэффициентов достаточно, чтобы начало координат
Выпуклая оболочка множества А определяется как множество точек
откуда вытекает, что ограничение можно заменить на Теорема единственности (теорема Хаара). Наилучшая аппроксимация непрерывной функции Множество непрерывных функций
составленный из Сразу же возникает следущий вопрос. Удовлетворяют ли косинусные функции (3.5) — (3.7) условию Хаара в пределах области две точки, например точки Когда множество функций Теорема чередования. Пусть Для задачи проектирования одномерного фильтра фундаментальное значение имеют два множества функций: Задачу проектирования двумерного фильтра можно сформулировать несколько иначе [17], если начать с системы (возможно, бесконечной степени) несовместных уравнений вида
где которое минимизирует чебышевскую норму функции А, определяемой как
Конечномерная подсистема
исходной системы уравнений называется ограничивающей, если все
где
является несовместной, т. е. если невозможно удовлетворить всем этим неравенствам при произвольном выборе множества Эти предварительные замечания позволяют доказать следующую теорему, являющуюся вариантом обобщенной теоремы Балле — Пуссена. Теорема. Если
является ограничивающей, то
где Доказательство. Правое неравенство является тривиальным, поскольку
Это означает, что все значения
является ограничивающей. Следовательно, левое неравенство доказано. Обобщенная теорема Балле — Пуссена лежит в основе алгоритма, с помощью которого можно вычислить наилучшую чебышевскую аппроксимацию
Далее определяется новое множество точек
и такое, что система уравнений
является ограничивающей. Согласно теореме, имеем
или
где
Это означает, что
Точный метод определения множества Алгоритмы, подобные рассмотренному, можно подразделить на три широкие категории [18]: минимизирующие методы, максимизирующие методы и минимаксные методы. Любой минимизирующий метод гарантирует понижение верхней границы ошибки от итерации к итерации. Соответственно максимизирующий метод гарантирует повышение нижней границы ошибки. Наконец, минимаксный метод обеспечивает одновременно повышение нижней и понижение верхней границ ошибки. Неравенство (3.8) ясно показывает, что рассмотренный выше алгоритм является максимизирующим методом, поскольку
|
1 |
Оглавление
|