По всем вопросам звоните:

+7 495 274-22-22

УДК: 663.495 DOI:10.33920/pro-2-2303-03

Алгоритм обработки сигнала и моделирование цифровых и аналоговых фильтров

Лысенко Н. И., МГТУ им. Н. Э. Баумана, Москва, 105005, Москва ул. 2-я Бауманская, д. 5, e-mail: lni20k013@yandex.ru
Мингазова К. С., МГТУ им. Н. Э. Баумана, Москва, 105005, Москва ул. 2-я Бауманская, д. 5, e-mail: mingazova.xiusha2017@yandex.ru
Юдачев С. С., канд. техн. наук, доцент, МГТУ им. Н. Э. Баумана, Москва, 105005, Москва ул. 2-я Бауманская, д. 5

В статье описан алгоритм обработки звукового сигнала в САПР Matlab, приведены результаты его фильтрации с помощью цифровых и аналоговых фильтров и их сравнение по заданным характеристикам. Практическая значимость работы: изучение алгоритма обработки сигнала, написания кода цифрового фильтра в среде Matlab и получение навыков применения САПР Micro-Cap 12 для моделирования пассивных и активных фильтров. Данная работа может использоваться для обучения студентов технических вузов при изучении программного обеспечения и принципов работы аналоговых и цифровых фильтров, для применения в качестве методического пособия при выполнении расчетов в домашних заданиях или лабораторных работах с использованием специализированного программного обеспечения Matlab и Micro-Cap 12. Активный фильтр нижних частот реализован и используется в качестве стенда для практических занятий в университете.

Литература:

1. Сорокин, Г.А. Фильтр нижних частот // Вестник ЮУрГУ. — 2015. — Т. 15, №1. — С. 100–107.

2 Электрические фильтры. Простейшая электроника [Электронный ресурс]. — URL: https://www. ruselectronic.com/passive-filters/ (дата обращения: 15.11.2022).

3. Осадченко, В. Х., Волкова, Я. Ю., Кандрина, Ю.А. Фильтры высоких и низких частот: учебно-методическое пособие. — Екатеринбург: Изд-во Уральского университета, 2015. — 78 с.

4. Понимание аудиоданных, функций преобразования Фурье, БПФ и спектрограммы для системы распознавания речи // Medium [Электронный ресурс]. — URL: https:// towardsdatascience.com/understandingaudio-data-fourier-transform-fft-spectrogram-and-speech-recognition-a4072d 228520 (дата обращения: 19.11.2022).

5. Тутыгин, В.С. Цифровая обработка сигналов: лабораторный практикум. — СПб.: Изд-во Политехнического университета, 2012. — 58 с.

6. MATLAB 8.0 (R2012b): создание, обработка и фильтрация сигналов, Signal Processing Toolbox // Компоненты и технологии [Электронный ресурс]. — URL: https://kit-e.ru/cad/signalprocessing-toolbox/ (дата обращения: 19.11.2022).

7. Фильтр: 1D цифровой фильтр // Exponenta [Электронный ресурс]. — URL: https://docs. exponenta. ru/matlab/ref/filter.html (дата обращения: 20.11.2022).

8. Магеррамов, Р. В. Активные и пассивные электрические фильтры // Молодой ученый. — 2017. — № 2 (136). — С. 148–152.

9. Преимущества активных фильтров // Studbooks.net [Электронный ресурс]. — URL: https://studbooks. net/2335048/tehnika/preimuschestva_ aktivnyh_filtrov (дата обращения: 06.12.2022).

10. Разница между активным фильтром и пассивным фильтром // Strephonsays [Электронный ресурс]. — URL: https://ru.strephonsays.com/activefilter-and-vs-passive-filter-6495 (дата обращения: 06.12.2022)

В радиосвязи, различной измерительной технике, системах многоканальной связи и т. д. для фильтрации сигналов широко используются фильтры различной частоты среза и пропускания, а также различного принципа действия с определенным набором характеристик.

Электрические фильтры классифицируют на:

• пассивные (реактивные LCфильтры и резистивно-емкостные RC-фильтры);

• активные (ARC-фильтры);

• фильтры, использующие различные физические эффекты в твердых телах (пьезоэлектрические, магнитострикционные, акустооптические и т. п.).

Именно эти два признака, по которым была произведена классификация, необходимы для решения поставленной задачи в этой работе.

Данная статья посвящена фильтрации звукового сигнала с высокочастотным шумом при помощи пассивного и активного фильтра нижних частот (ФНЧ), а также цифрового фильтра в САПР Matlab. Для оценки качества фильтрации реализуемых фильтров необходимо проверить их работоспособность экспериментально с помощью смоделированного зашумленного сигнала, проведя его обработку и анализ согласно следующему алгоритму:

• чтение аудиофайла в Matlab;

• представление спектра сигнала с помощью быстрого преобразования Фурье;

• изображение сигнала с помощью спектрограммы.

Обработка и анализ сигнала. Для обработки звукового сигнала необходимо его получить путем наложения на предварительно записанный звук высокочастотного шума частотой 15 кГц. Для удобства обработки полученной записи необходимо сохранить ее в WAV-формате. С помощью команды audioread прочитаем звуковой сигнал и получим данные частоты дискретизации Fs, которые понадобятся нам для реализации фильтров.

Записанный звуковой сигнал имеет частоту дискретизации, равную 48 000 Гц, то есть каждую секунду фиксировалось 48 000 измерений громкости звука (амплитуда). Исходя из полученных данных, построим графическую зависимость амплитуды сигнала от времени с помощью команды figure в отдельное окно (рис. 1).

График, представленный на рис. 1, является недостаточно информативным, поэтому сигнал необходимо представить в частотной области с помощью преобразования Фурье, которое разложит звук на составляющие частоты, присутствующие в записанном сигнале. Применим быстрое преобразование Фурье (БПФ) с помощью команды fft и получим частотный спектр (рис. 2), где видны частоты высокочастотного шума и записанного голоса.

Для Цитирования:
Лысенко, Мингазова, Юдачев, Алгоритм обработки сигнала и моделирование цифровых и аналоговых фильтров. Главный механик. 2023;3.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: