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.