自学内容网 自学内容网

我谈巴特沃斯滤波器

写在前面的内容

先看看冈萨雷斯对巴特沃斯滤波器的介绍。
低通
在这里插入图片描述
在这里插入图片描述
高通
在这里插入图片描述
在这里插入图片描述
带阻
在这里插入图片描述

在这里插入图片描述
带通
在这里插入图片描述
在这里插入图片描述
第一个问题,截止频率处的增益。

  • 0.5的增益是不是陡度小了?
  • 巴特沃斯是一家,这些滤波器截止频率处的增益谁和谁都不一样,甚者带通、带阻中上下截止频率处的增益都不一样,离谱了。

第二个问题,高通滤波器与低通滤波器的关系。若以巴特沃斯幅值平方表示,那这个公式就正好与下面频率变换的公式的碰上了,也许冈萨雷斯这里想当然了。
在这里插入图片描述
第三个问题,将带通、带阻滤波与低通、高通滤波割裂开来,它们都是选频滤波器
在这里插入图片描述

我谈巴特沃斯滤波器

巴特沃斯滤波器的幅频响应

巴特沃斯模拟低通滤波器一般由幅值平方函数定义。幅度响应 ∣ H ( j ω ) ∣ |H(j\omega)| H() 是传递函数的模,可以表示为:

∣ H ( j ω ) ∣ = 1 1 + ( ω ω c ) 2 N |H(j\omega)| = \frac{1}{\sqrt{1 + \left( \frac{\omega}{\omega_c} \right)^{2N}}} H()=1+(ωcω)2N 1

  1. 通带内

    • ω ≪ ω c \omega \ll \omega_c ωωc 时, ( ω ω c ) 2 N ≈ 0 \left( \frac{\omega}{\omega_c} \right)^{2N} \approx 0 (ωcω)2N0,因此:
      ∣ H ( j ω ) ∣ ≈ 1 |H(j\omega)| \approx 1 H()1
    • 在通带内,滤波器的增益接近 1(0 dB)。
  2. 截止频率处

    • ω = ω c \omega = \omega_c ω=ωc 时:
      ∣ H ( j ω c ) ∣ = 1 1 + 1 = 1 2 ≈ 0.707 |H(j\omega_c)| = \frac{1}{\sqrt{1 + 1}} = \frac{1}{\sqrt{2}} \approx 0.707 H(jωc)=1+1 1=2 10.707
    • 在截止频率处,增益为 − 3 -3 3dB。
  3. 阻带内

    • ω ≫ ω c \omega \gg \omega_c ωωc 时, ( ω ω c ) 2 N \left( \frac{\omega}{\omega_c} \right)^{2N} (ωcω)2N 很大,因此:
      ∣ H ( j ω ) ∣ ≈ 1 ( ω ω c ) N = ( ω c ω ) N |H(j\omega)| \approx \frac{1}{\left( \frac{\omega}{\omega_c} \right)^N} = \left( \frac{\omega_c}{\omega} \right)^N H()(ωcω)N1=(ωωc)N
    • 在阻带内,增益迅速下降,且随着频率的增加,衰减速度与阶数 N N N 成正比。

总结:巴特沃斯模拟低通滤波器,在截止频率处幅值从最大值下降到它的 0.707,而不是0.5。

频率变换

在这里插入图片描述

巴特沃斯各种滤波器

在语音信号处理中,相位信息的重要性通常不如幅度信息显著。这是因为人类的听觉系统对幅度谱特征更加敏感,尤其是对短时幅度谱特征的响应更为明显。这意味着,即使语音信号的相位发生变化,只要幅度谱特征保持相对稳定,人耳往往难以察觉到明显的差异。but在图像处理中,线性相位特征相当重要。

所以下面是在幅值响应的基础构造零相位滤波器。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

看到了吧,无论什么情况,截止频率处的增益都为经典的 − 3 -3 3dB。另外,这个值也保证陡度。

另一点,振铃在信号处理中不重要,信号处理只想硬件上更加逼近理想;图像处理中专注的是振铃,物理可不可实现不care,所以不用反复强调。反正我被坑得很惨。

在这里插入图片描述

例子

最后,举一个图像处理的例子。

在这里插入图片描述


原文地址:https://blog.csdn.net/u013600306/article/details/142703250

免责声明:本站文章内容转载自网络资源,如本站内容侵犯了原著者的合法权益,可联系本站删除。更多内容请关注自学内容网(zxcms.com)!