フィルタの構成方法と適用方法について記録を残す。理論はさておき実際にフィルタを適用した波形を見ることを目的とする。アナログ回路での時間ドメイン計算式を離散化(デジタル化)できればいいじゃんって考える。
ちなみに、butterの係数を逆に計算していくと、おおむねこうなる。
間をとったりしている風に見えるけど、見た目だけで、そういうわけでもないようだ。
ここは少しだけまじめに取り組んだほうがよさそうだ。とはいえ参考サイトそのまんま。
で、連続した時間で定義された関数を離散化した時間に変換する、、、ってわけわからんことをするのが、双一次変換っていうらしい。
Tをサンプリング周期[s]とすると、
とりあえずわけわからんがこういうことらしい。
前回の式(11)をもう一度書いておく、
ここから伝達関数は、
前回RCフィルタのゲインはこうなるって書いた。
これをこねくり回すと、
てな感じで、係数が求められました。
では、butterと比較してみます。
import numpy as np import scipy.signal as signal import matplotlib.pyplot as plt # よく使う変数 pi=np.pi deg2rad=pi/180.0 rad2deg=180.0/pi twopi=2*pi f_sampling_simulation=5e6 f_carrier=500e3 t_sampling_simulation=1/f_sampling_simulation q_value=10 zeta=1/(2*q_value) fcut=0+zeta*f_carrier print(fcut) #フィルタ生成(butter) wcut=fcut/(f_sampling_simulation/2) b,a=signal.butter(1,wcut,'lowpass') print(b) print(a) w,h=signal.freqz(b,a,worN=2**20) freqs_but=w*f_sampling_simulation/twopi h_abs_but=np.abs(h) amps_db_but=20*np.log10(h_abs_but) angles_but=np.angle(h)*rad2deg #フィルタ生成(CR LPF 双一次変換) CR_value=1/(twopi*fcut) two_CR_div_T=2*CR_value/t_sampling_simulation b_0=1/(1+two_CR_div_T) b_1=1/(1+two_CR_div_T) a_0=1 a_1=(1-two_CR_div_T)/(1+two_CR_div_T) b=np.array([b_0,b_1]) a=np.array([a_0,a_1]) print(b) print(a) w,h=signal.freqz(b,a,worN=2**20) freqs_cr=w*f_sampling_simulation/twopi h_abs_cr=np.abs(h) amps_db_cr=20*np.log10(h_abs_cr) angles_cr=np.angle(h)*rad2deg #プロット fig = plt.figure() ax1=plt.subplot(2,2,1) ax1.grid(True) ax1.plot(freqs_but,amps_db_but, '-') ax1.plot(freqs_cr,amps_db_cr, '-') ax1.set_xlim(0,50e3) ax1.set_ylim(-10,0) ax1.set_xlabel('frequency [Hz]') ax1.set_ylabel('Amplitude [dB]') ax2=plt.subplot(2,2,2) ax2.grid(True) ax2.plot(freqs_but,amps_db_but, '-') ax2.plot(freqs_cr,amps_db_cr, '-') ax2.set_xlim(1e2,1e7) ax2.set_xscale('log') ax2.set_ylim(-50,0) ax2.set_xlabel('frequency [Hz]') ax2.set_ylabel('Amplitude [dB]') ax3=plt.subplot(2,2,3) ax3.grid(True) ax3.plot(freqs_but,angles_but, '-') ax3.plot(freqs_cr,angles_cr, '-') ax3.set_xlim(0,50e3) ax3.set_ylim(-90,90) ax3.set_xlabel('frequency [Hz]') ax3.set_ylabel('angle [deg.]') ax4=plt.subplot(2,2,4) ax4.grid(True) ax4.plot(freqs_but,angles_but, '-') ax4.plot(freqs_cr,angles_cr, '-') ax4.set_xlim(1e2,1e7) ax4.set_xscale('log') ax4.set_ylim(-90,90) ax4.set_xlabel('frequency [Hz]') ax4.set_ylabel('angle [deg.]') fig.tight_layout() plt.show()
コンソールはこうなる。
25000.0
[0.01546629 0.01546629]
[ 1. -0.96906742]
[0.01546504 0.01546504]
[ 1. -0.96906992]
ほんのちょっと違うけど、ほぼ同じ。
フィルタ特性はこうなる。
同じになりましたー。なるほどなるほど。アナログフィルタのゲインが算出できればなんでもできそう。理論はわからんが何となく自力で実装できる材料がそろってきた。
いやーとはいえ、ここまで、まじでわからんことだらけやー
連休は、修行するぞ修行するぞ修行するぞ
コメントをお書きください