当前位置: 首页 > news >正文

数字信号处理IIR与FIR笔记

数字信号处理IIR与FIR笔记

一、IIR与FIR系统的基本判别

1.1 基于系统函数H(z)H(z)H(z)的零极点判别

系统函数通式:
H(z)=∑m=0Mbmz−m1+∑k=1Nakz−k H(z) = \frac{\sum_{m=0}^{M} b_m z^{-m}}{1 + \sum_{k=1}^{N} a_k z^{-k}}H(z)=1+k=1Nakzkm=0Mbmzm

  • FIR系统(有限长单位冲激响应)
    当所有ak=0a_k = 0ak=0(即分母为1)时,系统函数仅含零点(分子多项式),无极点(除z=0z=0z=0外),称为全零点系统
  • IIR系统(无限长单位冲激响应)
    只要存在任意ak≠0a_k \neq 0ak=0,系统函数必有极点(分母不为1),此时为全极点或零极点混合系统

1.2 基于差分方程的结构判别

差分方程通式:
y(n)=∑m=0Mbmx(n−m)−∑k=1Naky(n−k) y(n) = \sum_{m=0}^{M} b_m x(n-m) - \sum_{k=1}^{N} a_k y(n-k)y(n)=m=0Mbmx(nm)k=1Naky(nk)

  • 递归结构(IIR)
    若至少有一个ak≠0a_k \neq 0ak=0,输出y(n)y(n)y(n)依赖于过去输出y(n−k)y(n-k)y(nk),形成反馈回路,系统为递归型,对应无限长单位冲激响应。
  • 非递归结构(FIR)
    若所有ak=0a_k = 0ak=0,输出y(n)y(n)y(n)仅依赖于当前及过去输入x(n−m)x(n-m)x(nm),无反馈,系统为非递归型,对应有限长单位冲激响应。

二、典型系统的单位冲激响应分析

2.1 一阶IIR系统示例

差分方程:y(n)=x(n)+ay(n−1)y(n) = x(n) + a y(n-1)y(n)=x(n)+ay(n1)
系统函数:H(z)=11−az−1=zz−a(∣z∣>∣a∣)H(z) = \frac{1}{1 - a z^{-1}} = \frac{z}{z - a} \quad (|z| > |a|)H(z)=1az11=zaz(z>a)
单位冲激响应:h(n)=anu(n)h(n) = a^n u(n)h(n)=anu(n)

  • 特点
    h(n)h(n)h(n)为无限长序列(随nnn增加呈指数衰减),因存在极点z=az=az=aa≠0a \neq 0a=0,系统为递归型IIR系统

2.2 FIR系统示例

差分方程:y(n)=x(n)+ax(n−1)+⋯+aMx(n−M)y(n) = x(n) + a x(n-1) + \dots + a^{M} x(n-M)y(n)=x(n)+ax(n1)++aMx(nM)
系统函数:H(z)=∑k=0Makz−k=1−aM+1z−(M+1)1−az−1=zM+1−aM+1zM(z−a)H(z) = \sum_{k=0}^{M} a^k z^{-k} = \frac{1 - a^{M+1} z^{-(M+1)}}{1 - a z^{-1}} = \frac{z^{M+1} - a^{M+1}}{z^M (z - a)}H(z)=k=0Makzk=1az11aM+1z(M+1)=zM(za)zM+1aM+1

  • 特点
    h(n)h(n)h(n)为有限长序列(仅在0≤n≤M0 \leq n \leq M0nM非零),无反馈(所有ak=0a_k=0ak=0),系统为非递归型FIR系统

三、滤波器设计基础

3.1 滤波器的基本概念

  • 定义:允许特定频率范围的信号通过,抑制其他频率的信号。
  • 分类
    • 低通、高通、带通、带阻
    • 全通滤波器:所有频率幅度响应恒为1(仅改变相位)。

3.2 FIR滤波器的线性相位特性

  • 线性相位条件
    频率响应满足H(ejω)=∣H(ejω)∣ejθ(ω)H(e^{j\omega}) = |H(e^{j\omega})| e^{j\theta(\omega)}H(ejω)=H(ejω)ejθ(ω),其中相位函数θ(ω)\theta(\omega)θ(ω)ω\omegaω的线性函数。
    即:θ(ω)=−ωτ\theta(\omega) = -\omega \tauθ(ω)=ωττ\tauτ为常数群延迟)。
  • 实现方式
    通过设计单位冲激响应h(n)h(n)h(n)的对称性(偶对称或奇对称)实现线性相位。

四、窗函数设计法(FIR滤波器设计)

4.1 理想滤波器与实际滤波器的矛盾

  • 理想滤波器:单位冲激响应hd(n)h_d(n)hd(n)为无限长、非因果序列(如理想低通的hd(n)h_d(n)hd(n)为 sinc 函数)。
  • 实际需求:需将hd(n)h_d(n)hd(n)截断为有限长序列h(n)h(n)h(n),通过窗函数w(n)w(n)w(n)实现:
    h(n)=hd(n)⋅w(n),0≤n≤N−1 h(n) = h_d(n) \cdot w(n), \quad 0 \leq n \leq N-1h(n)=hd(n)w(n),0nN1

4.2 常用窗函数类型

  • 矩形窗(Rectangular)
  • 汉宁窗(Hanning)
  • 海明窗(Hamming)
  • 布莱克曼窗(Blackman)
  • 凯塞窗(Kaiser)

4.3 窗函数的影响

  • 主瓣宽度:决定滤波器过渡带宽度(主瓣越窄,过渡带越陡)。
  • 旁瓣衰减:决定阻带衰减(旁瓣越小,阻带衰减越大)。

五、频率采样法(FIR滤波器设计)

5.1 设计思路

  • 在频率域对理想频率响应Hd(ejω)H_d(e^{j\omega})Hd(ejω)进行采样,得到H(k)H(k)H(k)
  • 通过IDFT(逆离散傅里叶变换)得到单位冲激响应h(n)h(n)h(n)
    h(n)=1N∑k=0N−1H(k)ej2πNkn h(n) = \frac{1}{N} \sum_{k=0}^{N-1} H(k) e^{j \frac{2\pi}{N} kn}h(n)=N1k=0N1H(k)ejN2πkn
  • 验证:H(k)H(k)H(k)H(ejω)H(e^{j\omega})H(ejω)ω=2πkN\omega = \frac{2\pi k}{N}ω=N2πk处的采样值。

5.2 适用场景

  • 适用于需要精确控制频率响应采样点的场景(如多带滤波器设计)。

六、IIR与FIR滤波器的对比

6.1 结构与稳定性

  • IIR:递归结构,极点需在单位圆内保证稳定(设计复杂,易不稳定)。
  • FIR:非递归结构,无反馈,绝对稳定(设计简单,稳定性好)。

6.2 相位特性

  • IIR:通常为非线性相位(需额外设计补偿)。
  • FIR:可通过窗函数或频率采样法实现严格线性相位

6.3 运算复杂度

  • IIR:阶数低,运算量小(适合实时处理)。
  • FIR:阶数高,运算量大(需权衡性能与复杂度)。

📢 如果本文对你有帮助,欢迎:

✅ 关注我的CSDN,第一时间收到系列更新
✅ 关注公众号「手搓物理层」,回复“PRACH”获取往期完整MATLAB 代码包+调试脚本

http://www.jsqmd.com/news/562129/

相关文章:

  • TwinCAT3进阶指南:台达A2伺服扭矩读取与回零实战
  • Atmosphere系统功能扩展指南:从基础配置到高级应用的完整学习路径
  • 不同预算都能把AI率降到20%以内:免费到付费工具全推荐
  • Lark语法优先级终极指南:如何正确处理运算符优先级和结合性
  • Win10/8/7开机密码忘了?3分钟教你用U盘PE系统重置(附各品牌快捷键表)
  • Python接口与抽象基类:构建可扩展系统的终极指南
  • DocArray与FastAPI集成:构建高性能多模态API的简单方法
  • 计算机毕业设计:Python二手车市场数据分析与价格预测系统 Django框架 随机森林 可视化 数据分析 汽车 车辆 大数据 hadoop(建议收藏)✅
  • 高效音频录制实战:如何为你的Web应用选择最佳编码方案
  • 5分钟突破小米Bootloader限制:MiUnlockTool全平台解锁实战
  • 2023终极Lark语法继承指南:如何构建灵活的语法家族和变体
  • HRNet:高分辨率网络在人体姿态估计中的创新与实践
  • 用STM32F103C8T6和串口通信,5分钟搞定一个简易红绿灯控制原型(附完整代码)
  • Agent Skills 2.0:小白也能玩转的 AI 技能工程化指南
  • 年薪百万!AI Agent工程师:下一个风口职业,你准备好了吗?
  • Linux环境下Ollama离线部署全攻略
  • 【大英赛】全国大学生英语竞赛C类历年真题、样卷、听力音频及答案解析电子版PDF(2012-2026年)
  • Memcached delete 命令详解
  • 三. STM32 RCC时钟系统
  • 打造个性化鼠标指针:Bibata_Cursor主题全攻略
  • 终极指南:如何使用AutoML与TPOT工具实现自动化机器学习
  • 2026年软考全攻略:报名+备考+选科一文看懂
  • UniHacker:实现Unity全功能解锁的跨平台解决方案
  • 零门槛视频创作:OpenCut高效替代方案全解析
  • PPT制作网站大揭秘:轻松告别PPT噩梦 - 品牌测评鉴赏家
  • 告别API文档混乱:Swagger UI与Git集成的5个实战技巧
  • 如何使用USearch实现图像生成的检索增强:提示词相似性匹配完整指南
  • FinalBurn Neo终极指南:免费开源街机模拟器带你重温经典街机游戏
  • Practical Modern JavaScript快速入门:从零开始掌握现代JS开发
  • 基于树莓派的停车场车牌识别系统