企业官网建设流程全解析

创建一个个人网站需要多少钱,推广产品,fusion app,城乡建设厅官方网站办事大厅目录 1.全相位数字滤波器的基本原理 1.1 输入信号的对称延拓 1.2 全相位滤波器的输出 1.3 频率响应 2.全相位数字滤波器的MATLAB仿真 全相位数字滤波器是一类基于“全相位处理思想”的线性时不变滤波器#xff0c;其输入信号的每个输出点都由该点为中心的全部可用输入数据…目录1.全相位数字滤波器的基本原理1.1 输入信号的对称延拓1.2 全相位滤波器的输出1.3 频率响应2.全相位数字滤波器的MATLAB仿真全相位数字滤波器是一类基于“全相位处理思想”的线性时不变滤波器其输入信号的每个输出点都由该点为中心的全部可用输入数据参与加权求和。这种结构与传统的因果FIR滤波器不同它通过对数据进行“对称延拓 全相位加权”使滤波器在保持线性相位的同时获得更优的频域特性如更高的阻带衰减、更窄的过渡带、更低的旁瓣等。1.全相位数字滤波器的基本原理设原始输入序列为x(n)长度为N。传统FIR滤波器的输出为这是因果结构输出只依赖过去的输入。而全相位滤波器的输出形式为其中h(k)为对称的滤波器系数即h(k)h(−k)。其中h(k)为对称的滤波器系数即h(k)h(−k)。从上面的公式可以看到输出点y(n)由以n为中心的2L1个输入点共同决定。 滤波器是非因果的但可以通过对输入信号进行延拓来实现。这种结构的优点是1.线性相位因为系数对称。2.频率响应更接近理想低通/高通/带通滤波器。3.无相位失真适合音频、图像等对相位敏感的应用。1.1 输入信号的对称延拓为了实现非因果的全相位处理需要对输入信号进行对称延拓。设原始输入为x(n),n0,1,…,N−1。延拓方式通常采用对称延拓这样延拓后的信号在边界处连续且光滑避免了边界效应。1.2 全相位滤波器的输出设全相位滤波器的系数为h(k),k−L,…,L满足对称性则全相位滤波器滤波器的输出为1.3 频率响应对系数h(k)做离散时间傅里叶变换由于h(k)对称频率响应可以写成从上面公式可知这表明频率响应是实函数无相位失真。幅度响应由余弦项叠加而成可通过调整h(k)来逼近理想滤波器。2.全相位数字滤波器的MATLAB仿真%% 全相位数字滤波器 vs 传统FIR滤波器 对比实验 % 清空环境 clear; clc; close all; rng(123); % 固定随机种子保证结果可复现 %% 1. 生成测试信号 Fs 2000; % 采样频率 (Hz) t 0:1/Fs:1-1/Fs; % 时间轴 (1秒) % 合成信号50Hz(主信号) 600Hz(噪声) 随机噪声 x_clean 2*sin(2*pi*50*t); % 50Hz 基波 x_noise 5*sin(2*pi*400*t) 0.2*randn(size(t)); % 200Hz噪声随机噪声 x x_clean x_noise; % 带噪输入信号 %% 2. 滤波器参数设计 % 低通滤波器参数目标保留50Hz滤除200Hz fc 90; % 截止频率 (Hz) omega_c 2*pi*fc/Fs;% 归一化截止角频率 L 16; % 全相位滤波器半长度 (总长度2L1) M 2*L 1; % 传统FIR滤波器长度 (与全相位等长保证公平对比) %% 3. 传统FIR滤波器设计与滤波 % 方法1窗函数法设计FIR低通滤波器 (汉明窗) h_fir fir1(M-1, fc/(Fs/2), hamming(M)); % FIR系数 % 滤波采用线性相位滤波避免相位失真 y_fir filtfilt(h_fir, 1, x); % 零相位滤波前向反向 %% 4. 全相位数字滤波器设计与滤波 % 步骤4.1设计全相位滤波器系数基于理想低通汉明窗 k -L:L; % 系数索引 % 理想低通滤波器的脉冲响应 h_d sin(omega_c*k)./(pi*k); h_d(k0) omega_c/pi; % 处理k0时的0/0情况 % 加汉明窗保证系数对称 win hamming(2*L1); % 汉明窗 h_ap h_d .* win; % 全相位滤波器系数 % 步骤4.2输入信号对称延拓解决非因果问题 N length(x); x_ext zeros(1, N 2*L); % 延拓后信号 % 1) 中心部分原始信号 x_ext(L1:LN) x; % 2) 左延拓对称 for n 1:L x_ext(L1 - n) x(n); end % 3) 右延拓对称 for n 1:L x_ext(LN n) x(N - n 1); end % 步骤4.3全相位滤波逐点卷积 y_ap zeros(1, N); % 全相位滤波输出 for n 1:N % 取以n为中心的2L1个延拓数据 x_win x_ext(n:n2*L); % 全相位加权求和 y_ap(n) sum(h_ap .* x_win); end %% 5. 结果分析与可视化 % 5.1 时域波形对比 figure(Position, [100, 100, 1000, 800]); subplot(3,1,1); plot(t, x); title((1) 原始带噪信号); xlabel(时间 (s)); ylabel(幅值); grid on; xlim([0, 0.2]); subplot(3,1,2); plot(t, y_fir); title((2) 传统FIR滤波结果); xlabel(时间 (s)); ylabel(幅值); grid on; xlim([0, 0.2]); subplot(3,1,3); plot(t, y_ap); title((3) 全相位滤波结果); xlabel(时间 (s)); ylabel(幅值); grid on; xlim([0, 0.2]); sgtitle(时域波形对比 (仅显示前0.2秒)); % 5.2 频域响应对比 % 计算幅频响应 [H_fir, f_fir] freqz(h_fir, 1, 1024, Fs); [H_ap, f_ap] freqz(h_ap, 1, 1024, Fs); figure(Position, [100, 100, 1000, 400]); % 计算滤波后信号的频谱 X fft(x); Y_fir fft(y_fir); Y_ap fft(y_ap); f Fs/2 * linspace(0, 1, N/21); % 绘制单边频谱 plot(f, 20*log10(abs(X(1:N/21))), k, LineWidth, 1); hold on; plot(f, 20*log10(abs(Y_fir(1:N/21))), b, LineWidth, 1.5); plot(f, 20*log10(abs(Y_ap(1:N/21))), r--, LineWidth, 1.5); title(信号频谱对比); xlabel(频率 (Hz)); ylabel(幅度 (dB)); grid on; legend(原始信号,FIR滤波,全相位滤波); % 5.3 定量性能指标信噪比SNR、均方误差MSE % 计算信噪比 (SNR 10*log10(干净信号功率/噪声功率)) snr_original snr(x_clean, x - x_clean); snr_fir snr(x_clean, y_fir - x_clean); snr_ap snr(x_clean, y_ap - x_clean); % 计算均方误差 (MSE) mse_fir mean((y_fir - x_clean).^2); mse_ap mean((y_ap - x_clean).^2); % 输出性能指标 fprintf( 性能对比 \n); fprintf(原始信号SNR: %.2f dB\n, snr_original); fprintf(传统FIR滤波SNR: %.2f dB, MSE: %.4f\n, snr_fir, mse_fir); fprintf(全相位滤波SNR: %.2f dB, MSE: %.4f\n, snr_ap, mse_ap); fprintf(\n);对比结论如下原始信号SNR: -7.94 dB传统FIR滤波SNR: 9.94 dB, MSE: 0.2030全相位滤波SNR: 14.50 dB, MSE: 0.0709原始信号在200Hz附近有明显的噪声峰值对应原始信号中的200Hz干扰同时高频段(100Hz)的随机噪声也较多。传统FIR滤波200Hz的噪声峰值有所降低但仍有残留高频段的随机噪声也未完全滤除(蓝色曲线在100Hz以上仍有一定幅度)。全相位滤波200Hz的噪声峰值被大幅压制(红色虚线在200Hz附近几乎接近0dB)高频段的随机噪声也被滤除得更干净仅保留了50Hz的有效信号——说明全相位滤波器的阻带衰减更高、过渡带更窄频域特性更接近理想低通滤波器。