Łatwy w obsłudze filtr cyfrowy. Średnia wykładnicza EMA to rodzaj nieskończonego filtru IIR odpowiedzi impulsowej, który może być używany w wielu osadzonych aplikacjach DSP. Wymaga tylko niewielkiej ilości pamięci RAM i mocy obliczeniowej. Co to jest Filter. Filters pochodzą zarówno w formie analogowej, jak i cyfrowej i istnieją w celu usunięcia określonych częstotliwości z sygnału Wspólnym filtrem analogowym jest filtr dolnoprzepustowy przedstawiony poniżej. Filtry analogowe charakteryzują się częstotliwością odpowiedzi, która jest taka, jaka częstotliwość jest tłumiona reakcją na wielkość i fazą przesuniętą odpowiedź Pasmo przenoszenia może być analizowane przy użyciu transformaty Laplace'a, która definiuje funkcję transferu w domenie S Dla powyższego obwody, funkcja transferu jest podana przez. Dla R równa się jednemu kilowemu i C równa się jednemu mikroporadkowi, odpowiedź wielkości jest pokazane poniżej. Zauważyć, że oś x jest logarytmiczna, każdy znak znacznika jest 10 razy większy od ostatniej osi Y jest w decybelach logarytmicznych funkcji wyjścia Wycięcie fre częstotliwość dla tego filtra wynosi 1000 rad s lub 160 Hz Jest to punkt, w którym mniej niż połowa mocy przy danej częstotliwości jest przenoszona z wejścia na wyjście filtru. Filtry analogowe muszą być stosowane w konstrukcjach osadzonych przy próbkowaniu sygnału przy użyciu przetwornik analogowo-cyfrowy ADC ADC rejestruje tylko częstotliwości o wartości do połowy częstotliwości próbkowania Na przykład, jeśli ADC uzyskuje 320 próbek na sekundę, filtr ten z częstotliwością odcięcia 160 Hz jest umieszczony pomiędzy sygnałem a wejściem ADC zapobiega aliasingowi, które jest zjawiskiem, w którym wyższe częstotliwości pojawiają się w próbce sygnału jako niższe częstotliwości. Digital Filters. Digital filtry tłumią częstotliwości w oprogramowaniu, a nie za pomocą elementów analogowych Ich implementacja obejmuje próbkowanie sygnałów analogowych z ADC, a następnie zastosowanie algorytmu oprogramowania Dwa wspólne podejścia projektowe do filtrowania cyfrowego to filtry FIR i filtry IIR. Filtry FAIR. Filtr FIR niespełniający impulsów wykorzystuje skończoną liczbę próbek es do wygenerowania wyjścia Proste średnie ruchome są przykładem filtru FIR o małej przepustowości Wyższe częstotliwości są osłabiane, ponieważ uśrednienie wygładza sygnał Filtr jest skończony, ponieważ wyjście filtru jest określone przez skończoną liczbę próbek wejściowych przykładowo 12-punktowy średnioroczny filtr zwiększa 12 ostatnich próbek, a następnie dzieli się na 12. Wyjściowe filtry IIR są określane przez nieskończoną liczbę próbek wejściowych. Filtry Filtra Filtrów Nieokreślonych Impulsowych IIR są rodzajem filtra cyfrowego gdzie wyjście jest nierównomiernie teoretycznie w każdym razie pod wpływem wejściowej Wykładnicza średnia ruchoma jest przykładem filtra IIR o niskim prześwicie. Expentential Moving Average Filter. na wykładnicza średnia ruchoma EMA stosuje wagi wykładnicze do każdej próbki w celu obliczenia średniej wydaje się skomplikowane, równanie znane w tekście filtracji cyfrowej jako równanie różniczkowe do obliczania wyjścia jest proste W równaniu poniżej, y jest wyjściem x jest wejściem a alfa jest stałą, która ustawia częstotliwość odcięcia. Aby przeanalizować, jak ten filtr wpływa na częstotliwość wyjścia, wykorzystuje się funkcję transferu domeny Z. Odpowiedź wielkości jest przedstawiona poniżej dla alfa równa 0 5.The y - axis jest ponownie wyświetlany w decybelach Oś x jest logarytmiczna od 0 001 do pi Mapa częstotliwości rzeczywistych na osi x z zerem będącym napięciem stałym i pi równa połowie częstotliwości próbkowania Każda częstotliwość, większa niż połowa częstotliwości próbkowania będzie aliased Jak wspomniano, filtr analogowy może zapewnić praktycznie wszystkie częstotliwości w cyfrowym sygnału są poniżej połowy częstotliwości próbkowania. Filtr EMA jest korzystny w projektach osadzonych z dwóch powodów Po pierwsze, łatwo dostosować częstotliwość odcięcia Zmniejszenie wartości alfa obniży częstotliwość odcięcia filtra, jak pokazano na przykładzie porównania powyższego wykresu alfa-0 do poniższego wykresu, w którym wartość alfa 0 1. sekunda, EMA jest łatwa do kody i wymaga niewielkiej ilości kompresji moc i pamięć Wdrożenie filtra wykorzystuje równanie różnicy Istnieją dwie operacje mnożące i jedna operacja dodatkowa dla każdego wyjścia ignoruje operacje wymagane do zaokrąglania matematyki punktów stałych Tylko ostatnia próba musi być zapisana w pamięci RAM Jest to znacznie mniej niż przy użyciu prostego filtra średniej ruchomej z punktami N, które wymagają operacji wielokrotnych i dodatkowych, jak również N próbek, które mają być przechowywane w pamięci RAM Następujący kod implementuje filtr EMA przy użyciu 32-bitowej matematyki punktów stałych. Następny kod jest przykładem do wykorzystania powyższej funkcji. Filtry, zarówno analogowe, jak i cyfrowe, są istotną częścią osadzonych układów Pozwalają programistom pozbyć się niepożądanych częstotliwości podczas analizy sygnału wejściowego czujnika Dla filtrów cyfrowych przydatne, filtry analogowe muszą usunąć wszystkie częstotliwości powyżej pół próbkowania częstotliwość Cyfrowe filtry IIR mogą być potężnymi narzędziami w osadzonym projekcie, w których zasoby są ograniczone Mnożona średnica ruchoma EMA jest przykładem mple tego filtra, który działa dobrze w osadzonych projektach ze względu na małą pamięć i wymagania dotyczące zasilania komputerów. Reakcja Częstotliwość Średni Biegny Filtr. Odpowiedź częstotliwościowa systemu LTI to DTFT odpowiedzi impulsowej. Odpowiedź impulsowa L - średnica ruchoma jest równa od średniej średniej ruchomej. Ponieważ średni ruchowy filtr to FIR, odpowiedź częstotliwościowa zmniejsza się do skończonej sumy. Możemy użyć bardzo użytecznej tożsamości. to zapisać odpowiedź częstotliwościową jako. gdzie się dało aej N 0 i ML 1 może być zainteresowany wielkością tej funkcji w celu określenia, które częstotliwości przechodzą przez filtr nieatłuszczony i które są atenuowane Poniżej znajduje się wykres wielkości tej funkcji dla L4 czerwony, 8 zielony i 16 niebieski Oś pozioma waha się od zera do radian na próbkę. Notyczność, że we wszystkich trzech przypadkach częstotliwość odpowiedzi ma charakterystykę dolnopasmową Częstotliwość zerowa składowej stałej w wejściu przechodzi przez filtr nieatłuszczony Niektóre wyższe częstotliwości, h jako 2 są całkowicie wyeliminowane przez filtr Jeśli jednak zamiarem było zaprojektowanie filtra dolnoprzepustowego, to nie zrobiliśmy bardzo dobrze Niektóre z wyższych częstotliwości są osłabione tylko przez współczynnik około 1 10 dla 16-punktowej średniej ruchomej lub 1 3 dla czteropunktowej średniej ruchomej Możemy zrobić znacznie lepsze niż to. Powyższy wykres został utworzony przez następujący kod Matlaba. omega 0 pi 400 pi H4 1 4 1-exp - i omega 4 1-exp - i omega H8 1 8 1-exp - i omega 8 1-exp - i omega H16 1 16 1-exp - i omega 16 1-exp - i omega wykres omega, abs H4 abs H8 abs H16 oś 0, pi, 0, 1.Copyright 2000- - Uniwersytet w Kalifornii, Berkeley. Filtr dolnoprzepustowy. Są to przede wszystkim notatki. To nie jest kompletne w jakimkolwiek znaczeniu. Zawiera fragmenty użytecznych informacji. Średnia ważona średnią ruchoma EWMA to nazwa najprostszego cyfrowa, realizacja w domenie czasu niskiego dolnego rzędu na danych dyskretnych. Ten filtr wygładza się przy użyciu ruchomych lokalnych średnich, co czyni go słabym zwolennikiem sygnału wejściowego. Intuicyjnie reaguje powoli na szybką zmianę zawartości wysokiej częstotliwości, przy jednoczesnym śledzeniu ogólnej tendencji sygnału do zawartości niskiej częstotliwości. Ważona jest przez zmienną, aby móc zmieniać czułość. W aplikacjach próbek w regularnych interwałach, np. Dźwięku, można odnosić się do częstotliwości. W tych przypadkach często chcesz obliczyć serię odfiltrowanych wyjść dla serii wejściowych, przez zapętlenie listy, która ma coś podobnego. Lub jego odpowiednik. czuć się bardziej intuicyjnie informując, że zmiana filtrowanego sygnału wyjściowego jest proporcjonalna do ilości zmian i zważona przez moc filtru. Może pomóc rozważyć użycie niedawnego filtrowanego wyjścia zapewniającego bezwładność systemu. Mniejszy większy 1- w poprzednim również sprawia, że większy RC oznacza, że wyjście będzie bardziej płynne i powinno wykazywać mniejszy poziom szumu, ponieważ częstotliwość odcięcia jest niższa. Większy mniejszy 1 - mniejszy RC oznacza, że wyjście wyreguluje szybciej e mniej bezwładności, ale bardziej wrażliwe na hałas, ponieważ częstotliwość odcięcia jest wyższa. Zważywszy, że obliczenia są lokalne, przypadki, w których chcesz tylko ostatnią wartość, można uniknąć przechowywania dużej tablicy, wykonując następujące czynności dla każdej nowej próbki często kilka czasy z rzędu, aby mieć pewność, że dostosowujemy się dostatecznie. W przypadkach niestosowania regularnego pobierania próbek większa jest szybkość adaptacji niż częstotliwość. Jest to wciąż istotne, ale uwagi dotyczące częstotliwości dotyczą mniej rygorystycznie. Zwykle chcesz implementuje pamięć tablic jako pływaków - nawet jeśli zwracasz ints - aby uniknąć problemów spowodowanych zaokrąglaniem błędów. Większość problemu, gdy alfa różni się mnożnikiem zmiennym jest mniejsza niż 1, staje się 0 w rzutowaniu truncatng na liczbę całkowitą For przykładowo, gdy alfa wynosi 0 01, to różnice sygnałów mniejszych niż 100 spowodują dostosowanie 0 przez całkowite obcięcie, więc filtr nigdy nie dostosuje się do rzeczywistej wartości ADC. EWMA ma wyraz wykładniczy w nim, ponieważ każdy nowy filtrowany wyjście efektywnie wykorzystuje wszystkie wartości przed nim, a skutecznie z obciążeniami wykładniczymi odważnymi Zobacz linki do wiki w celu więcej dyskusji. Przykład graficzny. Zrzut ekranu z arduinoskopu - ruchowy wykres, z najnowszymi próbkami po lewej stronie. Surowy sygnał na górze kilka sekund s warto próbki ADC z pływającego szpilki, z palcem dotykając go co jakiś czas. Innych jest lowpassed wersje to, w coraz większych siłach. Może kilka rzeczy o tym. kształtować powolne wykładnicze dostosowanie do takie jak kondensator ładunkowy - szybki intialnie, potem wolniejszy i wolniejszy, ponieważ jest on proporcjonalny do różnicy w lewo. tłumienie pojedynczych dużych dużych odchyleń. To z pewnością możliwe jest filtrowanie zbyt ciężkie, chociaż taka ocena zależy od dużo na szybkości pobierania próbek i częstotliwości adaptacji, których potrzebujesz. na drugim obrazie, oscylacja w pełnym zakresie wychodzi w połowie drogi nie tyle z powodu filtrowania, ale również głównie dlatego, że większość surowych próbek wokół nich jest nasyconych na każdym końcu zakresu ADC s. Na, i częstotliwością odcięcia. Na tej sekcji artykuł jest stub najprawdopodobniej stos półpodpisanych notatek, nie jest dobrze sprawdzony, więc może mieć nieprawidłowe bity Czy wolisz ignorować, poprawiać lub mówić mi. Jest czynnikiem wygładzającym, teoretycznie pomiędzy 0 0 a 1 0, w praktyce zwykle 0 i często 0 lub 1, ponieważ powyżej, że ledwo robi się filtrowanie. W DSP to często opiera się na. t regularnie pisemnej dt przedziału czasowego między próbkami odwrotności częstotliwości pobierania próbek. a wybór stałej czasowej tau, aka RC ten ostatni wydaje się być odniesieniem do obwodu rezystora plus kondensator, który również nie lowpass W szczególności, RC daje czas, w którym kondensator ładuje. Jeśli wybierzesz RC zbliżony do dt otrzymasz alpha wyższy niż 5, a także częstotliwość odcięcia, która jest bliska częstotliwości Nyquist, która ma miejsce w 0 666, co eliminuje tak małe sprawia, że filtr jest dość bezcelowy. W praktyce będziesz musiał pl Wybierz RC co najmniej kilka wielokrotności dt, co oznacza, że jest to rzędu 0 lub mniej. Gdy pobieranie próbek odbywa się w ściśle określonych odstępach czasu, np. w przypadku dźwięku, relacja RC do częstotliwości jest dobrze zdefiniowana Na przykład częstotliwość odcięcia kolana, gdzie zaczyna się spadać, w przybliżeniu częstotliwość odcięcia, jest dobrze zdefiniowana. Na przykład, gdy RC 0 002sek, odcięcie jest na. At 200Hz, 2000Hz i 20000Hz próbki, co czyni alfy 0 7, 0 2 i 0 024 Odpowiednio Z tą samą prędkością próbkowania dolna alfa jest, tym wolniejsze jest dostosowanie do nowych wartości, a niższa skuteczna częstotliwość odcięcia. Na niższych częstotliwościach lowpass. at niższego rzędu, odpowiedź jest prawie całkowicie flat. at tej częstotliwości odpowiedź jest -3dB zaczął spadać w miękkim kolanku zgięcia. t wyższe częstotliwości go spadnie o 6dB oktawy 20dB decade. Higher-order wahania spadają szybciej i mają trudniejsze kolana. Note tam będzie również przesunięcie fazy, które pozostaje za wejściem To zależy od freque ncy rozpoczyna się wcześniej niż spadek amplitudy i będzie wynosiło -45 stopni przy weryfikacji częstotliwości kolanowej. Arduino przykład. Ten rozdział artykułu jest stub prawdopodobnie stosem półpodpisanych notatek, nie jest dobrze sprawdzony, więc może mieć nieprawidłowe bity Feel wolno ignorować, naprawiać lub mi powiedzieć. Jest to wersja jednoczęściowa, gdy jesteś zainteresowana tylko ostatnią wartością wyjściową.
No comments:
Post a Comment