タグ付けされた質問 「bandpass」

ハミングの本「科学と工学の実践」で、彼は次の話を述べています。 海軍大学院のグループは、サンプリング定理に従って理解できるように、非常に高い周波数の信号をサンプリングできる範囲まで変調していました。しかし、高周波を巧妙にサンプリングすると、サンプリング動作自体がそれを変調（エイリアス）することに気付きました。数日間の議論の後、彼らは周波数を下げる機器のラックを取り外し、残りの機器はより良く走りました！ 回避すべき副作用とは対照的に、信号処理の主要な手法としてエイリアシングを使用する他の方法はありますか？

26 sampling  bandpass 

私は8次のIIRフィルターを実装しようとしていますが、これまで読んだすべてのアプリケーションノートと教科書には、2次のセクションとして2を超える次数のフィルターを実装するのが最善であると書かれています。tf2sosMATLABで2次セクションの係数を取得するために使用しましたが、予想どおり、4 2次セクションの6x4係数が得られました。SOSとして実装する前は、8次フィルターには7つの以前のサンプル値を保存する必要がありました（および出力値も）。ここで、2次セクションとして実装するとき、フローが入力から出力までどのように機能するか、2つの前のサンプル値のみを保存する必要がありますか？または、最初のフィルターの出力はx_in2番目のフィルターのように送られますか？

20 filters  filter-design  infinite-impulse-response  biquad  audio  image-processing  distance-metrics  algorithms  interpolation  audio  hardware  performance  sampling  computer-vision  dsp-core  music  frequency-spectrum  matlab  power-spectral-density  filter-design  ica  source-separation  fourier-transform  fourier-transform  sampling  bandpass  audio  algorithms  edge-detection  filters  computer-vision  stereo-vision  filters  finite-impulse-response  infinite-impulse-response  image-processing  blur  impulse-response  state-space  linear-systems  dft  floating-point  software-implementation  oscillator  matched-filter  digital-communications  digital-communications  deconvolution  continuous-signals  discrete-signals  transfer-function  image-processing  computer-vision  3d 

信号にバンドパスフィルターを適用する以下のようなコードがあります。私はDSPに精通しているので、先に進む前に舞台裏で何が起こっているのかを理解したいと思います。 これを行うには、を使用せずにフィルターの周波数応答をプロットする方法を知りたいですfreqz。 [b, a] = butter(order, [flo fhi]); filtered_signal = filter(b, a, unfiltered_signal) 出力を考えると、[b, a]これをどうすればいいですか？これは簡単な作業のように思えますが、ドキュメントやオンラインで必要なものを見つけるのに苦労しています。 またfft、他の高速アルゴリズムを使用するなど、できるだけ早くこれを行う方法を理解したいと思います。

15 matlab  filters  filter-design  bandpass 

中心周波数が500 Hz、帯域幅が1オクターブの単純な2次IIRバンドパスバターワースフィルターを設計すると、次の周波数応答が得られます... ここで、インパルス応答を取得して正規化し、dBに変換すると、インパルス応答の減衰が観察できます。 インパルス応答の減衰は、このスケールでプロットした場合、時間に対してほぼ線形であり、減衰時間の統計を定義できます（リバーブ時間を定義できる室内音響のように）。このフィルターのインパルス応答が30 dBを下回るには、約11 msかかります。 この減衰時間を最小限に抑えて、次の定数を維持しようとしています。 -3 dBの帯域幅 フィルター次数 通過帯域と阻止帯域のリップルを（制限内で）受け入れ、および/またはこれを達成するための遷移帯域の急峻性の妥協点を受け入れます。上記で定義した最短インパルス応答時間でフィルタリングする方法を提案できる人はいますか？

14 filters  audio  infinite-impulse-response  impulse-response  bandpass 

信号処理のクラスの一部として、3次のチェビシェフバンドリジェクトフィルターを作成しています。これは、3つのカスケードBainter回路を使用して実装します。クラスの一部ではありませんが、ベイターサーキットのゲインについて質問があります。 コーナー周波数と最大全体ゲインをデザインルールとして使用してコンポーネントの選択を自動化するスクリプトを記述しようとしていますが、全体ゲインの計算に問題があります。 ベイターステージの全体的なゲインを計算するには、3つのオペアンプセクションの個々のゲインを計算するだけですか？全体的な利益は、3つの個別の利益の積になりますか？

10 filters  filter-design  bandpass  analog 

python / scipy / numpyでバンドパスまたはハイパスフィルターを実装するためのドキュメントを見つけるのに苦労しています。 ただし、ローパスフィルターを簡単に作成して適用できるので、次のように質問します。 信号をローパスフィルター処理し、元の信号から結果を差し引くことで、高周波のみを取得することは概念的に正しいでしょうか？ また、Pythonの単純なバンドパスフィルターの単純な例（できればnumpyおよびscipyライブラリーを使用している人）がいるなら、私は非常に感謝します。 私が探しているのは次のようなものです： filtered_signal = band_pass(original_signal, rate, low=20, high=500) 助けてくれてありがとう！ 編集：scipyでは、これをローパスとして使用していますが、良い結果が得られます。 import numpy, scipy.signal def firfilt(interval, freq, sampling_rate): nfreq = freq/(0.5*sampling_rate) taps = sampling_rate + 1 a = 1 b = scipy.signal.firwin(taps, cutoff=nfreq) firstpass = scipy.signal.lfilter(b, a, interval) ## second pass to compensate phase …

8 python  bandpass  highpass-filter 

フィルター処理しようとしているノイズのあるウィンドウ処理された正弦波のパルス長を考慮して、「理想的な」FIRフィルターの長さを確認しようとしています。TpTpT_p 私が設計するFIRフィルターへのパラメーターとして、私は以下を持っています。 Fc=15 kHzFc=15 kHzF_c = 15 \text{ kHz}、中心周波数。（これは信号のキャリア周波数です）。私はこれを知っている。 これはBPF FIRなので、通過帯域をからます。これは、ウィンドウ処理された正弦波の帯域幅がFc−1TpFc−1TpF_{c} - \frac{1}{T_p}Fc+1TpFc+1TpF_{c} + \frac{1}{T_p}2Tp2Tp\frac{2}{T_p} 正確にどのように正確にわからない最後のパラメーターは、このFIRの長さです...これは私が失われるところです。ここでの理想的な長さ（ある場合）は...パルスの長さ（もちろんサンプル数）だけにする必要があります。これにより、一致したフィルターに似たものになりますか？これは、フィルター長を長くしてもそれ以上の利益がないことを意味しますか？ さらなるコンテキストとして、私はこの「理想的な」長さを求めています。それは、存在する場合、できるだけ多くのノイズを除去しようとしているだけでなく、鋭いトランジェントを維持するためにも最善を尽くしています。これは私が尋ねるようになったものです、最初から理想的なフィルター長はありますか？たとえば、次のプロットでは、信号の長さ11（赤）と長さ171（黒）のフィルターを使用して、信号のノイズバージョンをフィルター処理しています。それらを以下に示します。 ご覧のように、黒い結果は「より滑らか」ですが、トランジェントの範囲では、より「汚れ」ていることがわかります。対照的に、赤はまだいくらかのノイズを保持していますが、トランジェントはそれほど影響を受けていません。 以下のプロットは、上記のフィルターのスペクトルを示しています。 TLDR：では、FIRフィルターに「理想的な」長さはありますか？フィルターの長さをさらに長くしても、ノイズ耐性は失われませんが、トランジェントが必要以上にスミアになる可能性がありますか？ 編集： 新しい画像を2つ追加しました。最初のフィルターには、長さ11のフィルター（赤）、長さ171のフィルター（黒）、長さ901のフィルター（青）があります。濃い青はデータのスペクトルです。 長さ11のフィルター（赤）と長さ901の新しいフィルター（黒）の対応する結果を次に示します。

7 filters  filter-design  bandpass  bandwidth 

脳とコンピューターのインターフェースについての論文を読んだ。この論文では、著者らは「各信号はカットオフ周波数が0.1および10 Hzであり、高カットオフ周波数に従って間引かれている8次バンドパスチェビシェフI型フィルターでフィルター処理されている」と報告しています。私はこのフィルターをscipyで設計しようとしました： import scipy.signal as signal signal.cheby1(8,0.05,[0.1,10.0],btype='band',analog=0,output='ba') 結果は： Warning: invalid value encountered in sqrt (array([ nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan]), array([ nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan])) …

7 filters  software-implementation  bandpass