标签：Xn1 滤波器 IIR ++ 手把手 float Yn1
[导读]：在嵌入式系统中经常需要采集模拟信号，采集模拟信号的信号链中难免引入干扰，那么如何滤除干扰呢？今天就来个一步一步描述如何设计部署一个IIR滤波器到你的系统。
何为IIR滤波器？
无限冲激响应（IIR： Infinite Impulse Response）是一种适用于许多线性时不变系统的属性，这些系统的特征是具有一个冲激响应h（t），该冲激响应h（t）不会在特定点上完全变为零，而是无限期地持续。 这与有限冲激响应（FIR： Finite Impulse Response）系统形成对比，在有限冲激响应（FIR）系统中，对于某个有限T，在时间t> T时，冲激响应确实恰好变为零。 线性时不变系统的常见示例是大多数电子和数字滤波器。 具有此属性的系统称为IIR系统或IIR滤波器。
这是常见的教科书式数学严谨定义，很多人看到这一下就蒙了，能说人话吗？
线性时不变系统理论俗称LTI系统理论，源自应用数学，直接在核磁共振频谱学、地震学、电路、信号处理和控制理论等技术领域运用。它研究的是线性、非时变系统对任意输入信号的响应。虽然这些系统的轨迹通常会随时间变化（例如声学波形）来测量和跟踪，但是应用到图像处理和场论时，LTI系统在空间维度上也有轨迹。因此，这些系统也被称为线性非时变平移，在最一般的范围理论给出此理论。在离散（即采样）系统中对应的术语是线性非时变平移系统。由电阻、电容、电感组成的电路是LTI系统的一个很好的例子。比如一个运放系统在一定频带范围内满足信号的时域叠加，输入一个100Hz和200Hz正弦信号，输出频率是这两种信号的线性叠加。
用数学对LTI系统描述：
线性：输入\(x_1(t)\),产生响应\(y_1(t)\),而输入\(x_2(t)\),产生响应\(y_2(t)\),那么缩放和加和输入\(a_1x_1(t)+a_2x_2(t)\),产生缩放、加和的响应\(a_1y_1(t)+a_2y_2(t)\),其中\(a_1\)和\(a_2\)是标量，对于任意的有：输入\(\sum_{k=0}^{N}a_kx_k(t)\),产生响应\(\sum_{k=0}^{N}a_ky_k(t)\)
时不变性：指如果将系统的输入信号延迟\(\tau\)秒，那么得到的输出响应也相应延时\(\tau\)秒。用数学描述，也即如果输入\(x_1(t)\),产生响应\(y_1(t)\),而输入\(x_1(t+\tau)\)，产生响应\(y_1(t+\tau)\)。这么描述还是不易懂，来个图，有图有真相：
假定一个信号放大电路对100Hz正弦信号放大2倍：
则输出为：
而对200Hz的正弦信号，其放大倍数为1.7倍。（做过运放电路设计的朋友应该有经验，在其同频带其放大倍数往往并不平坦，也即幅频响应在频带内不平坦，这是比较常见的）。
也即输入为：
响应为:
那么如果输入100Hz和200Hz的时域叠加信号，则其输入为：
则其响应为：
由这些图可看出，输入信号的形状保持不变，输出为对应输入的线性时域叠加。
对于时不变，就不用图描述了，在一个真实电路中，如果输入延迟一定时间，则响应对应延迟相同时间输出。
上面这么多文字只是为了描述在什么场合可以使用IIR滤波器对信号进行数字滤波。总结而言，就是在线性时不变系统中适用。换言之，在大多数电路系统中我们都可以尝试采用IIR滤波器进行数字滤波。
那么究竟什么是IIR滤波器呢？从数字信号处理的书籍中我们能看到这样的Z变换信号流图：
表示延迟一拍,在数字系统中表示对于输入信号而言,即为上一次采样值,对于输出而言,即为上一次的输出值。
在时域中对于上述流图，用时域描述即为：
如果熟悉Z变换，则Z变换传递函数为：
上述数字滤波器，如果从编程的角度来看，x(n-1),表示上一次的信号，可能是来自ADC的上次采样，而y(n-1)则为上一次滤波器的输出值，对应就比较好理解x(n-N)就表示前第n次输入样本信号，而y(n-M)则为前第M次滤波器的输出。
说了这么多，只是为了更好的理解概念，只有概念理解正确，才能用争取。 概念理解这对工程师而言，非常之重要。
如何设计呢？
打开fdatool
MATLAB提供了非常容易使用的FDATool帮助我们设计数字滤波器，真正精彩的地方开始了，让我们拭目以待究竟如何一步一步设计并实施一个IIR滤波器。
首先打开MATLAB,在命令行中敲fdatool
弹出窗体就是fdatool了，如下：
在设计具体,有几个相关概念需要澄清：
Fs：采样率，单位为Hz,真实部署在系统中，请务必确保样本是按照恒定采样率进行采样，否则将得不到想要的效果。
Fpass: 通频带，单位为Hz,即系统中期望通过的最高频率。
Fstop: 截至频率，即幅频响应的-3dB处的频率，这个如不理解，请自行查阅相关书籍。
分贝dB: 这是一个无单位反应输出与输入倍数的一个术语。电学中分贝与放大倍数的转换关系为：
- A(V)(dB)=20lg(Vo/Vi)；电压增益,Vo 为输出电压，Vi为输入电压
- A(I)(dB)=20lg(Io/Ii)；电流增益,Io 为输出电流，Ii为输入电流
- A(p)(dB)=10lg(Po/Pi)；功率增益，Po 为输出功率，Pi为输入功率
滤波器类型：这里有Butterworth(巴特沃斯)、Chebyshev Type I,Chebyshev Type II、(切比雪夫)、Elipic 等可选。
- 巴特沃斯 Butterworth，也被称作最大平坦滤波器。巴特沃斯滤波器的特点是通频带内的频率响应曲线最大限度平坦，没有纹波。
- 切比雪夫 Chebyshev，是在通带或阻带上频率响应幅度等波纹波动的滤波器。切比雪夫滤波器在过渡带比巴特沃斯滤波器的衰减快，但频率响应的幅频特性不如后者平坦。
- 椭圆 Elliptic，椭圆滤波器是在通带和阻带等波纹的一种滤波器。
- ...这里就不一一介绍了，有兴趣可以去查信号处理书籍。
就其特点，这里对其中几种略作介绍：
- 巴特沃斯具有最平坦的通带。
- 椭圆滤波器衰减最快，但是通带、阻带都有波纹。
- 切比雪夫滤波器衰减比巴特沃斯快，但比椭圆滤波器慢，波纹区域可选择。
假设我们需要设计一个IIR滤波器，采样率为32000Hz, 有用信号频率在2000Hz内，设计IIR滤波器对信号进行数字滤波。这里为节省算力，我们指定滤波器的阶数，也即传递函数中N/M中的最大值，一般而言N大于M。
这里指定阶数为8阶，类型指定为巴特沃斯型IIR滤波器，输入阶数8阶，采样率32000Hz,截至频率设置为2000Hz然后点击Design Filter如下图所示：
其相频响应曲线如下：
楚辞之外，我们还可以将幅频与相频曲线放在一个频率坐标上去看设计结果：
导出滤波器参数，这里我们选择，
选择ASCII码
然后就得到了一个文件，保存2kHz_LPF.fcf，文件名随你喜欢。
文件内容如下：
% Generated by MATLAB(R) 8.4 and the Signal Processing Toolbox 6.22.
% Generated on: 27-Mar-2020 21:27:06
% Coefficient Format: Decimal
% Discrete-Time IIR Filter (real)
% -------------------------------
% Filter Structure : Direct-Form II, Second-Order Sections
% Number of Sections : 4
% Stable : Yes
% Linear Phase : No
SOS Matrix:
1 2 1 1 -1.7193929141691948 0.8610574795347461
1 2 1 1 -1.5237898734101736 0.64933827386370635
1 2 1 1 -1.4017399331200424 0.51723237044751591
1 2 1 1 -1.3435020629061745 0.45419615396638446
Scale Values:
0.035416141341387819
0.031387100113383172
0.028873109331868367
0.027673522765052503
至此设计工作就结束了，马上进入滤波器的部署测试阶段。
部署测试滤波器
到这里，没有经验的朋友可能会说，这么一堆参数我该咋用呢？
需要自己去写前面描述的计算公式吗？当然你也可以这么做，这里就不写了,ARM的CMSIS库已经帮大家设计好了种类繁多的数字信号处理函数实现了，而且经过了测试，这里直接拿来用即可。有兴趣自己写也不难，只要理解Z传递函数概念内涵，非常容易实现。这里我们采用32位浮点实现函数：arm_biquad_cascade_df1_f32。
该函数位于：CMSIS\DSP\Source\FilteringFunctions\arm_biquad_cascade_df1_init_f32.c中
以及CMSIS\DSP\Source\FilteringFunctions\arm_biquad_cascade_df1_f32.c
我们来看一看这个函数：
arm_biquad_cascade_df1_init_f32.c：
/*
*作用 :初始化滤波器
*S :指向浮点SOS级联结构的实例。
*numStages:滤波器中二阶SOS的数量
*pCoeffs :滤波器参数指针,参数按下列顺序存储
* {b10, b11, b12, a11, a12, b20, b21, b22, a21, a22, ...}
*pState :历史状态缓冲区指针
*/
void arm_biquad_cascade_df1_init_f32(
arm_biquad_casd_df1_inst_f32 * S,
uint8_t numStages,
const float32_t * pCoeffs,
float32_t * pState)
{
/* Assign filter stages */
S->numStages = numStages;
/* Assign coefficient pointer */
S->pCoeffs = pCoeffs;
/* Clear state buffer and size is always 4 * numStages */
memset(pState, 0, (4U * (uint32_t) numStages) * sizeof(float32_t));
/* Assign state pointer */
S->pState = pState;
}
arm_math.h 定义了须用到的结构体，对于本例相关的结构体为arm_biquad_casd_df1_inst_f32
typedef struct
{
unsigned int numStages; /*2阶节的个数，应为2*numStages. */
float *pState; /*状态系数数组指针，数组长度为4*numStages*/
float *pCoeffs; /*系数数组指针， 数组的长度为5*numStages.*/
} arm_biquad_casd_df1_inst_f32;
滤波器具体滤波函数为arm_biquad_cascade_df1_f32
/**
* *S ：指向浮点Biquad级联结构的实例.
* *pSrc ：指向输入数据块。
* *pDst ：指向输出数据块。
* blockSize：每次调用要处理的样本数。
* 返回值 ：无.
*/
void arm_biquad_cascade_df1_f32(
const arm_biquad_casd_df1_inst_f32 * S,
float * pSrc,
float * pDst,
unsigned int blockSize)
{
float *pIn = pSrc; /*源指针 */
float *pOut = pDst; /*目的指针 */
float *pState = S->pState; /*状态指针 */
float *pCoeffs = S->pCoeffs; /*参数指针 */
float acc; /*累加器 */
float b0, b1, b2, a1, a2; /*滤波器参数 */
float Xn1, Xn2, Yn1, Yn2; /*滤波器状态变量*/
float Xn; /*临时输入 */
unsigned int sample, stage = S->numStages; /*循环计数 */
do
{
/* Reading the coefficients */
b0 = *pCoeffs++;
b1 = *pCoeffs++;
b2 = *pCoeffs++;
a1 = *pCoeffs++;
a2 = *pCoeffs++;
Xn1 = pState[0];
Xn2 = pState[1];
Yn1 = pState[2];
Yn2 = pState[3];
sample = blockSize >> 2u;
while(sample > 0u)
{
/* 读第一个输入 */
Xn = *pIn++;
/* acc = b0 * x[n] + b1 * x[n-1] + b2 * x[n-2] + a1 * y[n-1] + a2 * y[n-2] */
Yn2 = (b0 * Xn) + (b1 * Xn1) + (b2 * Xn2) + (a1 * Yn1) + (a2 * Yn2);
/* Store the result in the accumulator in the destination buffer. */
*pOut++ = Yn2;
/* 每次计算输出后，状态都应更新. */
/* 状态应更新为: */
/* Xn2 = Xn1 */
/* Xn1 = Xn */
/* Yn2 = Yn1 */
/* Yn1 = acc */
/* Read the second input */
Xn2 = *pIn++;
/* acc = b0 * x[n] + b1 * x[n-1] + b2 * x[n-2] + a1 * y[n-1] + a2 * y[n-2] */
Yn1 = (b0 * Xn2) + (b1 * Xn) + (b2 * Xn1) + (a1 * Yn2) + (a2 * Yn1);
/* 将结果存储在目标缓冲区的累加器中. */
*pOut++ = Yn1;
/* 每次计算输出后，状态都应更新. */
/* 状态应更新为: */
/* Xn2 = Xn1 */
/* Xn1 = Xn */
/* Yn2 = Yn1 */
/* Yn1 = acc */
/*读第三个输入 */
Xn1 = *pIn++;
/* acc = b0 * x[n] + b1 * x[n-1] + b2 * x[n-2] + a1 * y[n-1] + a2 * y[n-2] */
Yn2 = (b0 * Xn1) + (b1 * Xn2) + (b2 * Xn) + (a1 * Yn1) + (a2 * Yn2);
/* 将结果存储在目标缓冲区的累加器中. */
*pOut++ = Yn2;
/* 每次计算输出后，状态都应更新. */
/* 状态应更新为: */
/* Xn2 = Xn1 */
/* Xn1 = Xn */
/* Yn2 = Yn1 */
/* Yn1 = acc */
/* 读第四个输入 */
Xn = *pIn++;
/* acc = b0 * x[n] + b1 * x[n-1] + b2 * x[n-2] + a1 * y[n-1] + a2 * y[n-2] */
Yn1 = (b0 * Xn) + (b1 * Xn1) + (b2 * Xn2) + (a1 * Yn2) + (a2 * Yn1);
/* 将结果存储在目标缓冲区的累加器中. */
*pOut++ = Yn1;
/* 每次计算输出后，状态都应更新. */
/* 状态应更新为: */
/* Xn2 = Xn1 */
/* Xn1 = Xn */
/* Yn2 = Yn1 */
/* Yn1 = acc */
Xn2 = Xn1;
Xn1 = Xn;
/* 递减循环计数器 */
sample--;
}
/* 如果blockSize不是4的倍数，
*请在此处计算任何剩余的输出样本。
*不使用循环展开. */
sample = blockSize & 0x3u;
while(sample > 0u)
{
/* 读取输入 */
Xn = *pIn++;
/* acc = b0 * x[n] + b1 * x[n-1] + b2 * x[n-2] + a1 * y[n-1] + a2 * y[n-2] */
acc = (b0 * Xn) + (b1 * Xn1) + (b2 * Xn2) + (a1 * Yn1) + (a2 * Yn2);
/* 将结果存储在目标缓冲区的累加器中. */
*pOut++ = acc;
/* 每次计算输出后，状态都应更新。 */
/* 状态应更新为: */
/* Xn2 = Xn1 */
/* Xn1 = Xn */
/* Yn2 = Yn1 */
/* Yn1 = acc */
Xn2 = Xn1;
Xn1 = Xn;
Yn2 = Yn1;
Yn1 = acc;
/* d递减循环计数器 */
sample--;
}
/* 将更新后的状态变量存储回pState数组中 */
*pState++ = Xn1;
*pState++ = Xn2;
*pState++ = Yn1;
*pState++ = Yn2;
/*第一阶段从输入缓冲区到输出缓冲区. */
/*随后的numStages在输出缓冲区中就地发生*/
pIn = pDst;
/* 重置输出指针 */
pOut = pDst;
/* 递减循环计数器 */
stage--;
} while(stage > 0u);
}
开始测试：
#include <stdio.h>
#include <math.h>
/*
SOS Matrix:
1 2 1 1 -1.7193929141691948 0.8610574795347461
1 2 1 1 -1.5237898734101736 0.64933827386370635
1 2 1 1 -1.4017399331200424 0.51723237044751591
1 2 1 1 -1.3435020629061745 0.45419615396638446
Scale Values:
0.035416141341387819
0.031387100113383172
0.028873109331868367
0.027673522765052503
做如下转换：
1.缩放
[1 2 1] * 0.035416141341387819
[1 2 1] * 0.031387100113383172
[1 2 1] * 0.028873109331868367
[1 2 1] * 0.027673522765052503
得到：
[0.035416141341387819 2*0.035416141341387819 0.035416141341387819]
[0.031387100113383172 2*0.031387100113383172 0.031387100113383172]
[0.028873109331868367 2*0.028873109331868367 0.028873109331868367]
[0.027673522765052503 2*0.027673522765052503 0.027673522765052503]
2.舍掉第四列参数
3.将后两列分别乘以-1，即：
0.035416141341387819 2*0.035416141341387819 0.035416141341387819 -1.7193929141691948 0.8610574795347461
0.031387100113383172 2*0.031387100113383172 0.031387100113383172 -1.5237898734101736 0.64933827386370635
0.028873109331868367 2*0.028873109331868367 0.028873109331868367 -1.4017399331200424 0.51723237044751591
0.027673522765052503 2*0.027673522765052503 0.027673522765052503 -1.3435020629061745 0.45419615396638446
这样就得到了滤波器系数组了
*/
#define IIR_SECTION 4 /*见前面设计输出为4个SOS块*/
static float iir_state[4*IIR_SECTION];/*历史状态缓冲区 */
const float iir_coeffs[5*IIR_SECTION]={
0.035416141341387819,2*0.035416141341387819,0.035416141341387819,1.7193929141691948,-0.8610574795347461, 0.031387100113383172,2*0.031387100113383172,0.031387100113383172,1.5237898734101736,-0.64933827386370635, 0.028873109331868367,2*0.028873109331868367,0.028873109331868367,1.4017399331200424,-0.51723237044751591, 0.027673522765052503,2*0.027673522765052503,0.027673522765052503,1.3435020629061745,-0.45419615396638446
};
static arm_biquad_casd_df1_inst_f32 S;
/*假定采样512个点*/
#define BUF_SIZE 512
#define PI 3.1415926
#define SAMPLE_RATE 32000 /*32000Hz*/
int main()
{
float raw[BUF_SIZE];
float raw_4k[BUF_SIZE];
float raw_out[BUF_SIZE];
float raw_noise[BUF_SIZE];
float raw_noise_out[BUF_SIZE];
arm_biquad_casd_df1_inst_f32 S;
FILE *pFile=fopen("./simulation.csv","wt+");
if(pFile==NULL)
{
printf("file opened failed");
return -1;
}
for(int i=0;i<BUF_SIZE;i++)
{
/*模拟9000Hz输入信号 */
raw[i] = 0.5*1024.0/3*sin(2*PI*800*i/32000.0f)+rand()%50;
raw_4k[i] = 0.5*1024.0/3*sin(2*PI*4000*i/32000.0f);
/*模拟9000Hz +11000Hz叠加输入*/
raw_noise[i] = raw[i] + raw_4k[i];
}
arm_biquad_cascade_df1_init_f32(&S, IIR_SECTION, (float *)&iir_coeffs[0], (float *)&iir_state[0]);
arm_biquad_cascade_df1_f32(&S, raw, raw_out, BUF_SIZE);
for(int i=0;i<BUF_SIZE;i++)
{
fprintf(pFile,"%f,",raw[i]);
}
fprintf(pFile,"\n");
for(int i=0;i<BUF_SIZE;i++)
{
fprintf(pFile,"%f,",raw_4k[i]);
}
fprintf(pFile,"\n");
for(int i=0;i<BUF_SIZE;i++)
{
fprintf(pFile,"%f,",raw_out[i]);
}
/*重新初始化*/
arm_biquad_cascade_df1_init_f32(&S, IIR_SECTION, (float *)&iir_coeffs[0], (float *)&iir_state[0]);
arm_biquad_cascade_df1_f32(&S, raw_noise, raw_noise_out, BUF_SIZE);
fprintf(pFile,"\n");
for(int i=0;i<BUF_SIZE;i++)
{
fprintf(pFile,"%f,",raw_noise[i]);
}
fprintf(pFile,"\n");
for(int i=0;i<BUF_SIZE;i++)
{
fprintf(pFile,"%f,",raw_noise_out[i]);
}
fclose(pFile);
return 0;
}
利用csv文件，将模拟数据存储，直接用excel打开，将行数据生成曲线图如下：
- 第一幅图，为800Hz信号混入随机噪声的波形
- 第二幅图，为4000Hz信号，对假定系统为无用干扰信号
- 第三幅图， 为800Hz 混入随机噪声过滤后，已经很好的还原有用信号频率
- 第四幅图， 为800Hz信号混入随机噪声，同时叠加4000Hz干扰的波形，对系统而言，从时域中，明显可见，有用信号已经完全扭曲
- 第五幅图，为800Hz信号混入随机噪声，同时叠加4000Hz干扰的输入，经过该低通滤波器后的波形，与第三幅图基本一样，已经非常好的滤除了干扰信号。
总结：
-
IIR滤波器在线性时不变系统中可以很好的解决工程中一般噪声问题
-
如果需要设计带通、高通滤波器其步骤基本类似，只是滤波器的参数以及SOS块个数可能不一样而已
-
需要提醒的时，IIR的相频响应不线性，如果系统对相频响应有严格要求，就需要采用其他的数字滤波器拓扑形式了
-
实际应用中，如果阶数不高时，现在算力强劲的单片机或者DSP以及可以直接使用浮点处理。
-
如果对处理速度有严格的实时要求，需要在极短时间进行滤波处理，可以考虑降低阶数，或采用定点IIR滤波算法实现。也或者将文中函数进行汇编级优化。
文章出自微信公众号：嵌入式客栈，关注公众号，获取更新更多内容
标签：Xn1,滤波器,IIR,++,手把手,float,Yn1 来源： https://www.cnblogs.com/embInn/p/12904847.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。