高频滤波（精选6篇）
高频滤波 篇1
0 引 言
高频数据[1]即日内数据,是指在开盘时间和收盘时间之间进行抽样的交易数据,主要是以小时、分钟、甚至秒为抽样频率、按时间顺序排列的时间序列。一般而言,金融市场的信息是连续影响金融资产价格运动过程的。抽样频率越低,市场信息损失就越多;反之,抽样频率越高,获取的市场信息就越多。
随着计算机的发展,对高频数据的记录、收集、存储和操作的时间和金钱成本都大大下降。20世纪90年代以来,高频数据的分析和建模得到迅速的发展,并广泛运用于市场微观结构理论的实证研究中。
高频金融时间序列呈现出强烈的非高斯特性,已经不能采用传统的统计分析方法来对其进行分析与预测,通常采用基于极限思想的已实现波动理论进行高频数据的建模。在此针对市场运作中的高频数据采集数量有限而不能准确估计“已实现”波动率的局限性,提出一种新的预测方法:在对“已实现”波动率建模的基础上,采用适合于非高斯、非线性过程的粒子滤波技术,对波动率进行估计与预测,就可以处理单日内的高频交易数据。将此算法应用于日内高频微软股价数据预测,得到了较好的实证效果。
1 已实现波动率
已实现波动率[2,3,4,5,6]RVt又称为历史波动率,在收益率均值为零的情形下,通常采用的估计式为:
式中:p(tj)为价格;T为计算波动率的时间长度;n是时间T 内用于计算已实现波动率的数据个数;tj是T时间内计算收益率的各个时间点;RV(T,Δt)为时间长度为T、时间间隔为Δt的已实现波动率。
ARCH类模型和SV类模型中,用条件波动率在t时刻的信息集,去度量t+1时刻的波动率。与它们不同,这里使用在t时刻的信息集为基础,去度量t时刻的波动率,将潜在的波动过程转化为可观测的过程,因此可用传统的波动建模技术对高频时间序列进行建模。
2 已实现波动建模
考虑已实现波动的长记忆性,建立已实现波动的分整自回归移动平均[7,8,9](Realized Volatility-Autoregressive Fractionally Integrated Moving Average,RV-ARFIMA(p,d,q))模型,波动方程如下:
式中:L为滞后算子;|d|<0.5;μ为RVt的均值;ηt是白噪声;Ф(L)与Θ(L)分别为p阶与q阶平稳的滞后算子多项式:
3 已实现波动率存在的问题
在实际的市场运作过程中,高频数据采集到的数据量总是有限的。由此,很多基于极限思想所得的方法,比如已实现波动率的估计,在实证中表现得不是十分的健壮;另外,在预测时界较长时,基于有限的数据量和RV-ARFIMA(p,d,q)模型来预测未来时段的己实现波动率,往往误差较大。
所以,根据有限数据量(比如单日内的交易价格)得到的已实现波动率,虽然是将潜在的波动过程转换成为可观测的过程,但此过程依然呈现出强烈的非高斯性和弱非线性,即使是在多个抽样频率下或取对数的已实现波动率也不例外。
对非高斯与非线性过程的估计和预测,近10年来,粒子滤波技术已经取得很大成功。这里提出采用粒子滤波来解决单日内交易价格已实现波动率的分析。
4 粒子滤波
粒子滤波[10](Particle Filter,PF)的基本思想就是利用一系列随机抽取的样本以及样本的权重来计算状态的后验概率分布。在使建议密度分布等于先验密度分布的前提下,序贯重要采样粒子滤波步骤如式(4)～式(7)所示(m=1,2,…,M):产生粒子:
计算权值:
权值归一化:
估值计算:
由于序贯重要采样法存在权值恶化和粒子耗尽的问题,重抽样的方法可以解决这两个问题,其思路是与权值成比例地复制粒子,再进行随机抽样的操作:
式中:xk为状态向量在k时刻的采样;zk为量测向量在k时刻的采样。
5 基于粒子滤波的高频金融时间序列预测
首先对1997年5月1日的微软股票日内高频交易数据完成已实现波动率计算。图1显示经过对分笔数据进行高频等间隔处理后的时间序列,一共2 540个采样样本。相应的1 min,5 min,10 min,15 min,20 min已实现波动率和5 min对数已实现波动率计算结果如图2～图7所示。
使用Matlab高阶谱分析工具箱[11]中的glstat函数对图2～图7中的数据所表示的过程进行高斯和线性检验,结果如表1所示(pfa>0.5则接受高斯性假设;R(estimated)与R(theory)相差太远就拒绝线性假设)。
由表1可知,在绝大多数不同抽样频率情况下,已实现波动率或对数已实现波动率过程是非高斯和非线性的,这与目前大多数文献得到的结论是相反的,这是因为本文基于隔日交易不相关思想而只针对单日数据进行实证分析,而其他学者将多个交易日的数据合成为一个样本系列进行研究。
使用EVIEWS软件对5 min、10 min、15 min已实现波动率进行分别建立RV-ARFIMA(1,0,1)模型,得到相应的状态方程如下:
由于没有真实观测值可供使用,这里采用状态值加上一个0均值的白噪声作为观测值:
式(9)是非线性非高斯的状态模型,只有采用粒子滤波技术才能较好地进行预测。按照第5节给出的计算步骤,得到已实现波动率真实值与预测值的比较如图8～图10所示(圆点表示真实值,粗实线表示预测值)。
可以看到,预测结果总体上比较令人满意,正确表示了波动率变化的趋势。由于存在最优抽样频率[12]的问题,在这里,5 min已实现波动率预测的误差结果是最小的,说明对原始数据做5 min抽样计算得到的波动率数据,其统计特性还是比较平稳和易于估计、预测的,所以可以认为,对于此实例,5 min是最优的抽样频率。
6 结论与展望
在此针对市场运作中的高频数据采集数量有限而不能准确估计已实现波动率的局限性,提出对原始数据进行已实现波动率建模,再采用适合于非高斯非线性过程的粒子滤波技术对波动率进行估计与预测,其可以处理单日内的高频交易数据。最后将此算法应用于日内高频微软股价数据预测,得到了较好的实证效果。
对高频金融数据处理有多种波动率计算方法,如何将这些模型与各种先进的滤波器相结合而得到更优的预测效果,将是一个新的研究方向。
参考文献
[1]唐勇.基于高频数据的金融市场分析[D].天津:天津大学,2007.
[2]Andersen T G,Ti m Bollerslev.Answering the Skeptics:Yes,Standard Volatility Models do Provide Accurate Forecasts[J].International Economic Review,1998,39(4):885-905.
[3]Andersen T G,Ti m Bollerslev,F X Diebold,et al.ExchangeRate Returns Standardized by Realized Volatility are(near-ly)Gaussian[J].Multinational Finance Journal,2000,4:159-179.
[4]Andersen T G,Ti m Bollerslev,F X Diebold,et al.The Dis-tribution of Realized Exchange Rate Volatility[J].Journal ofthe American Statistical Association,2001,96:42-55.
[5]Andersen T G,Ti mBollerslev F X,Diebod,et al.The Distri-bution of Realized Stock Return Volatility[J].Journal of Fi-nancial Economics,2001,61:43-76.
[6]Andersen T G,Ti m Bollerslev F X Diebod,et al.Modelingand Forecasting Realized Volatility[J].Econometrica,2003,71(2):579-625.
[7]Andersen T G,Ti m Bollerslev F X,Diebold.Parametric andNonparametric Volatility Measurement[Z].Handbook of Fi-nancial Econometrics,Amsterdam:North-Holland,2005.
[8]Christoffersen P F,Diebold F X,Andersen T G,et al.Vola-tility and Correlation Modeling for Financial Market RiskManagement.Risks of Financial Institutions,University ofChicago Press for NBER,2005.
[9]Andersen T G,Bollerslev T,Christoffersen P F,et alVolati-lity and Correlation Forecasting[Z].Handbook of EconomicForecasting.Amsterdam:North-Holland,2006:778-878.
[10]Doucet A,Godsill S.On Sequential Monte Carlo SamplingMethods for Bayesian Filtering[R].Cambridge:Universityof Cambridge,1998:1-36.
[11]Swami A,Mendel J,Nikias C L.Higher-order Spectral A-nalysis Toolbox-for Use with MATLAB.MATLAB User′sGuide.
[12]Bandi F M,Russell J R.Microstracture Noise,Realized Vol-atilityand Opti mal Sampling[R].Econometric Society 2004Latin American Meetings,2004.
高频滤波 篇2
信息技术的高速发展, 使得信息安全变得越来越重要。而生物特征识别技术在个人身份的识别和认证方面展现出极大的优越性和可靠性。目前, 主要应用的生物识别技术有:指纹, 人脸, 虹膜, 掌纹等多种生物识别技术。人体手背静脉是最近几年被证明可以作为一种新的生物特征识别技术, 因而它还处于起步阶段。它是根据人体骨骼和肌肉组织特点, 当入射光波长0.72 μm～1.10 μm时[1,2], 可以较好地穿透骨骼和肌肉, 凸显静脉的结构, 由红外CCD摄像机拍摄静脉图像, 然后结合计算机图像处理技术和模式识别技术来进行个人身份认证[3]。
在手背静脉图像采集过程中, 由于静脉采集装置受采集光强以及个人手背薄厚影响, 它所采集的图像在灰度上可能就存在差异。通常情况下, 所采集到的静脉图像中, 静脉血管纹理和手背的灰度差别很小[4]。目前, 大多数单一阈值[5]和多阈值[6]分割法都是直接在采集图像上进行二值化处理, 这样会导致部分可用信息丢失甚至将部分背景信息误判。而图像增强处理是获取有效信息的保证, 因此, 为便于静脉纹理的分割, 对采集的图像进行预处理来增强静脉纹理是非常必要的。本文尝试高频加强滤波算法和直方图均衡相结合来增强图像, 增强之后的图像目标静脉纹理清晰, 对比度明显。
1高频加强滤波
人体手背静脉图像由于是在近红外光下采集的图像, 所以不像可见光图像那样具有丰富的层次, 而更多地表现为低对比度, 灰度相对集中, 尤其是在红外光较弱时, 静脉的纹理将淹没于背景中。根据数字图像中的频域处理技术, 衰减傅里叶变换的高频成份可以使图像模糊, 从而决定平滑区域中总体灰度级的显示;而傅里叶变换的高频成份决定了图像中灰度级急剧变化和细节部分, 从而通过高通滤波可以锐化图像。分析手背静脉图像可知, 静脉纹理正好对应的是图像中灰度级突变的部分。因此, 通过人为的提高高频成份, 再给高通滤波器加上一个合适的偏移量, 提高图像的高频成份的同时保持了低频部分引起的灰度色调, 从而达到图像增强的目的, 这种方法称为高频加强滤波[7], 其传递函数为:
Hhe (u, v) =a+bHhp (u, v) . (1)
其中, a≥0, 且b>a。偏移量a的典型值在0.25到0.5之间, 乘数b的典型值在1.5到2.0之间, Hhe (u, v) 为高通滤波器的传递函数, 本文采用二阶巴特沃思型高通滤波器, 其传递函数为:
Hhp (u, v) =1/{1+[D0/D (u, v) ]2n}. (2)
上式中, D (u, v) 为 (u, v) 点距频率矩形中心的距离, D0为截止频率。
设f, g均为二维离散空间上的两个离散函数, f (x, y) 为图像位于 (x, y) 点处的灰度值, g (x, y) 为增强后图像位于 (x, y) 点处的灰度值, F, G分别是上面两个图像的傅里叶变换。综合式 (1) , (2) 可得高频增强的频域模型为:
G (u, v) =Hhe (u, v) F (u, v) =
(a+b/{1+[D0/D (u, v) ]2n}) F (u, v) . (3)
则由卷积定理指示在空域的过程为:
g (x, y) =hhe (x, y) ×f (x, y) .
其中h (u, v) 是滤波器变换函数H (u, v) 反变换。
高频加强滤波增强图像的步骤为:
(1) 用 (-1) x+y乘以输入图像f (x, y) 来进行中心变换。
(2) 由 (1) 式的结果来计算图像的傅里叶变换, 即F (u, v) 。
(3) 根据 (3) 式来计算出增强后图像傅里叶变换, 即G (u, v) 。
(4) 计算G (u, v) 的反傅里叶变换, 并求出结果的实部。
(5) 用 (-1) x+y乘以 (4) 的实部, 最终得到增强后的图像g (x, y) 。
仿真结果如图1 (b) 所示, 正如我们所分析那样, 手背静脉图像的纹理得到加强 (此时a=0.5, b=2.0) , 但是图像的整体灰度偏低, 静脉和背景的对比度较低。为了进一步增大静脉与背景的对比度, 直方图均衡是一种简单而方便的工具。
2直方图均衡化
直方图均衡 (Histogram Equalization, HE) 是一种最常用的直方图修正技术[8,9], 它以概率理论为基础, 运用灰度点运算把给定图像的直方图分布改造成均匀直方图分布, 使输出图像像素灰度的概率密度均匀分布, 进而增加图像的对比度, 达到增强的目的。
根据直方图修正原理, 对于数字图像, 一幅图像的灰度级rk出现的概率近似为:
undefined. (4)
其中, nk是图像中灰度级为rk的像素的个数, n是图像中像素总个数。变换函数S=T (r) 的离散形式为:
undefined
直方图均衡可扩大图像灰度值的动态范围, 增大图像的对比度, 使得图像被增强, 对于整体偏亮或偏暗的图像具有较好的改善作用。
3实验结果及评价
仿真的实验结果如图1所示, 图1 (b) 是执行高频加强滤波算法后的图像, 图像的静脉纹理得到加强, 由于加入偏移量使得图像低频成份引起的灰度色调得以保持, 但是图像视觉感受很模糊, 静脉和背景得对比度不高, 这影响了下一步的纹理分割。图1 (c) 是进一步执行直方图均衡后的图像, 与图1 (a) 、图1 (b) 相比较可以看出图像静脉纹理与背景的对比度明显增大, 纹理轮廓显示清晰, 纹理与背景分界明显。与图1 (a) 相比明显得到加强, 为下一步纹理分割奠定了基础。
为了定量的评价本文方法的增强效果, 引入文献[10]中的“模糊性指数”
undefined
来比较增强前后图像质量改善程度, 其中, P (x, y) =sin[0.5π (1-f (x, y) /fmax) ], f (x, y) 为图像中相对位置的灰度值, fmax为图像最大灰度值。由模糊性指数的定义可知, 模糊指数越小, 图像越清晰, 对比度越大。表1给出了上述方法增强后图像的模糊性指数。从中可得知, 高频加强滤波后的图像的模糊性指数大于原始图像模糊性指数, 说明图像的清晰度有所下降, 但是纹理有所增强;而用高频加强和直方图均衡相结合的方法, 图像模糊性指数比原图像的模糊性指数下降了大约28%, 说明图像清晰, 对比度明显, 有利于下一步的纹理分割。这和仿真结果相吻合。
4结束语
手背静脉识别是一种有效的生物识别技术, 采集过程中的光线以及手背生理特征都是影响识别的重要因数, 合理的增强技术来提高静脉血管纹理与背景的对比度是静脉识别的先决条件。本文采用高频加强滤波与直方图均衡相结合的方法, 能够极大地提高静脉纹理与背景的对比度, 为后续的静脉识别奠定了基础, 具有重要的意义。
摘要：为了增强手背静脉图像中纹理和背景对比度, 克服光强、手背厚度对静脉采集的影响, 提出一种基于高频加强滤波和直方图均衡相结合的增强方法。该方法通过高频加强来突出静脉纹理, 再利用直方图加大纹理和背景的对比度, 使静脉图像的纹理轮廓清晰, 分界明显。实验证明, 该方法能够有效地增强静脉图像。
关键词：手背静脉,图像增强,高频加强滤波,直方图均衡
参考文献
[1]林喜荣, 庄波, 苏晓生.人体手背静脉血管图像的特征提取及匹配[J].清华大学学报, 2003, 43 (2) :164-167.
[2]张晋阳, 张懋珩.手背静脉图像骨架特征提取算法[J].计算机应用, 2007, 27 (1) :152-154.
[3]王科俊, 丁宇航, 王大振.基于静脉识别的身份认证方法研究[J].科技导报, 2005, 23 (1) :35-37.
[4]吕佩卓, 赖声礼.人体手背静脉血管图像增强与特征匹配[J].计算机工程与设计, 2007, 28 (15) :3623-3625.
[5]Wu M, Liu B, Data Hiding in Image and Video:Part I—Fundamental Issues and Solutions[J].IEEE Trans On Im-age Procesing, 2003, 12 (6) :685-694.
[6]赵学峰.基于面包师变换的数字图像置乱[J].西北师范大学报 (自然科学版) , 2003, 39 (2) :26-29.
[7]冈萨雷斯.数字图像处理[M].北京:电子工业出版社, 2005, 9.
[8]温学兵, 栾孟杰.一种加权融合的乳腺图像增强方法[J].北华大学学报, 2007, 8 (2) :185-189.
[9]刘轩, 刘佳宾.基于对比度受限自适应直方图均衡的乳腺图像增强[J].计算机工程与应用, 2008, 44 (10) :173-175.
高频滤波 篇3
关键词：高频开关电源,电磁干扰,有源共模EMI滤波器
开关电源由于其高质量、高效和多样的电能变换作用等诸多优点,目前已广泛应用于工业和民用领域。然而由于使用功率开关器件以及开关电源本身产生的电磁干扰,导致开关电源内部的电磁环境越来越恶劣,同时对周围的电子设备及电源本身的正常工作造成了威胁。此外,开关电源高频化是其发展的方向,高频化使开关电源小型化,然而,开关电源在高频化的同时却产生更加严重的电磁干扰,由于体积、功耗等问题,传统的无源EMI滤波器在很多时候已不能满足滤波技术的需要,有源EMI滤波器由于其在体积、功耗、重量方面的明显优势和易于集成的优点,很适合当前对开关电源等电力电子装置发展的需要,必将成为发展的趋势,有源EMI抑制技术将为解决开关电源的EMI问题提供了新思路。
1 有源共模EMI滤波器的基本原理
有源EMI滤波技术的原理框图[1,2]如图1所示,其中,loop1表示不采用滤波器时的共模电流路径,此时共模电流i1将通过分布电容Cp全部注入地。而采用有源共模EMI滤波器ACEF(Active Commonmode EMI Filter)将产生一个反向的补偿电流,为i1提供低阻抗分流支路loop2,理想情况下i3=i1,可使流入地的共模电流i2为零,从而达到衰减共模电流的目的,满足电磁干扰标准和要求。采用的ACEF其基本原理为先采样共模信号,然后通过反馈,动态地输出一个与所采样的噪声电流相反的补偿电流,其实质是为共模电流提供一个极低阻抗的内部回路[3],是一个对噪声信号进行实时补偿的过程。U1为参考电压输入量,S1为开关管Q1产生的脉冲波环节。
2 ACEF设计
2.1 设计思想
以反激式开关电源为研究对象,对上述提出的ACEF进行设计与研究。其结构见图2,采用电压检测和电流补偿的方式。当ACEF工作时,通过采样网络采样到共模电压给运算放大器,运放输出的电压由补偿网络转化成补偿电流i3以补偿共模电流i1,理想情况下i3=i1,这样就实现了A、B两点之间的电位差UAB=0,从而使得大部分共模电流都沿着i3方向流过,使i2很小,达到抑制共模噪声的目的。设计时在AB间串接一个电容Cy,Cy连接于反激式开关电源原副边之间,对共模噪声具有较好的抑制效果。
2.2 电路设计
ACEF具体电路构成如图3所示。
它主要是由一个宽带高速运算放大器构成的,由于运放反相端和同相端之间“虚短”,使得电容C2和变压器原副边之间的耦合电容串联,故可通过电容C2采样到共模电压,并输入到运放的反相端,再经运放反馈网络以及电容C4和电阻R4,即可输出一个反方向的动态补偿电流,从而使共模电流在ACEF网络内部循环,从而大大减少了流入地的共模电流,达到衰减甚至消去共模电流目的[4,5]。
3 ACEF实验波形
为了证明上述设计的ACEF滤波效果,下面将对本次所设计的开关电源运用在ACEF电路上进行实验分析,并测试不同情况下电压UAB波形。实验将分为下面五种情况:(1)Cy两端直接断路;(2)Cy=680 pF;(3)Cy=3000 pF;(4)Cy两端直接短路;(5)Cy用ACEF代替。在上述五种测试条件下所观察到的波形如图4所示。开关电源在额定负载(即输出电压U0=6.5 V,输出电流I0=4 A)条件下运行。
从图4可以看出,在电路加上ACEF后,A、B两点之间的电压UAB有大幅度的衰减,表明ACEF对共模干扰有比较明显的抑制作用,也证明了本文研究的ACEF思想是可行和有效的。
4 结语
针对传统无源EMI滤波器存在的不足和问题,结合实际应用,研究了开关电源ACEF有源滤波新技术,并具体设计、制作和实现了有源滤波器,通过电路仿真和理论分析,证明了所研究的ACEF电路的有效性。
本文研究的有源共模EMI滤波器技术不仅能有效地抑制共模干扰,还满足了开关电源物理特性的要求。实验证明有源EMI滤波器工作稳定,滤波效果良好。而且由于所用的元器件比较少,并没有占据非常大的空间,使得整体结构紧凑,滤波器的体积有了明显的减小,符合开关电源进一步发展的要求。
在开关电源体积越来越小,功率密度越来越大的趋势下,EMI/EMC问题成为了开关电源稳定性的一个关键因素。EMI有源滤波技术从电磁干扰的传播途径出发来抑制干扰,可滤除多种原因产生的传导干扰,消除干扰源和受扰设备之间的耦合和辐射,切断电磁干扰的传播途径,是一种抑制尖脉冲干扰的有效措施,同时EMI有源滤波器也是电子设备设计工程师控制传导电磁干扰和辐射电磁干扰的首选工具。
参考文献
[1]路宏敏.工程电磁兼容[M].西安:西安电子科技大学出版社,2003.
[2]杨克俊.电磁兼容原理与设计技术[M].北京:人民邮电出版社,2004.
[3]钱照明,程肇基.电力电子系统电磁兼容设计基础及干扰抑制技术[M].杭州:浙江大学出版社,2000.
[4]吴昕,庞敏熙,李俊明,等.基于反相技术的开关电源共模干扰的抑制[J].电力电子技术,2000(2).
高频滤波 篇4
高频CW电报通信(也称为短波电报,3-30MHz频段),在大约一百公里到数千公里范围内不需要任何转发器就可以进行超视距通信[1],能在低信噪比的环境下工作,是目前战术通信的重要手段[2]。CW电报在航空、航海、气象等对通信的灵活性和抗干扰性要求很高的民用领域也有广泛的应用[3]。CW电报通信长期以来都是靠人工操作来完成的,随着现代战争进程加快,人工CW电报通信难以满足大容量、高速度的战场指挥通信,因此如何实现CW电报的自动检测与识别,提高CW电报通信的有效性就成为当前高频CW电报研究的首要课题。
国内外诸多研究机构都对CW电报信号的自动译码进行过研究。文献[4]中使用的算法主要是包络检波,但当码速率较高或强干扰背景下难以实时跟踪信号波形的变化,误码率高,性能严重下降。Kalman滤波器在机动目标跟踪中具有良好的性能,它是目标状态的最佳估计,并能进行递推计算。因此本文考虑采用Kalman滤波器来跟踪CW信号波形的快速变化,完成CW信号检波。
本文提出一种新的基于卡尔曼滤波的微弱CW信号检测算法,首先建立CW信号的状态空间模型,然后采用卡尔曼滤波方法(Kalman)滤除强干扰噪声,尽可能恢复信号波形。
1高频CW信号状态空间模型
假设接收机已经调谐到信号载波频率上,所以将高频CW信号模拟为一个频率已知,幅度、相位未知的正弦信号。其时间函数可表示为:
f0是CW信号的频率,通常在300Hz～3400Hz音频频段内,T是传号(点或划)持续时间长度,与通信码速率有关。在100WPM速度下,点的持续时间长度T≈50ms。
取CW脉冲信号的实部有:
X1(t)=Acosθcos(2πf0t)-Asinθsin(2πf0t)=acos(2πf0t)-βsin(2πf0t) (2)
引入X2(t)=asin(2πf0t)+βcos(2πf0t),以便进一步构造状态空间模型。以Δt=Ts=1/fs(fs为采样频率),对信号进行采样:
X1(t+Δt)=cos(2πf0/fs)X1(t)-sin(2πf0/fs)X2(t) (3)
X2(t+Δt)=sin(2πf0/fs)X1(t)+cos(2πf0/fs)X2(t) (4)
令表示均值为零,方差为Q的高斯白噪声有:
undefined
令,表示状态转移矩阵,则CW信号的状态模型为:
X(k+1)=Φ*X(k)+w(k) (6)
v(k)表示均值为零,方差为R的高斯白噪声,信号观测模型表示为:
令H=[1],表示观测矩阵,上式表示为:
Y(k)=H*X(k)+v(k) (8)
上式中w(k)与v(k)互不相关,即E[w(k)*vT(j)]=0。
2CW信号的卡尔曼滤波
白噪声下的卡尔曼滤波算法是标准的滤波算法,其推导可见文献[5],本文不再详细论述。本文采用输出信噪比来衡量卡尔曼滤波性能。方法如下:
将滤波器输出u(t)进行N点离散傅氏变换(DFT),
undefined (9)
信号能量部分S与噪声能量N分别为:
其中k0=Nf0/fs,fs为采样频率。
3实验结果及分析
本文选取码速率100WPM,采样频率11025Hz,采样点N=10240,时长约为1秒,特征频率为1312Hz的高频电台CW信号作为样本,研究最具代表性的强白噪声干扰和同类CW信号干扰下CW信号的自动检测性能。
3.1强白噪声干扰
图1(a)是信噪比为-3.7dB的原始接收信号;(b)是噪声方差为4的高斯白噪声与原始信号的叠加,信噪比为-17.25dB;(c)是经过状态空间模型2的卡尔曼滤波结果,信噪比为3.62dB。模型初始参数为Q=0.00016,R=4.2,参数并不一定取得最优,但具有较强的代表意义。图1中的纵轴代表电压值,横轴代表时间,同时在图下方给出了信噪比,与以下的滤波结果表示相同。
3.2同类CW信号干扰
高频CW电报通信中,经常有多路电报落在接收频带内,研究多路CW信号背景下,如何捕捉与识别有用信号,具有十分重要的现实意义。图2表示两路CW电报的卡尔曼滤波,频率分别为1312Hz与1832Hz。在信噪比为-10dB时,取模型参数Q=0.00018,R=1.3。
仿真结果显示,以2节CW信号的状态空间模型建立的卡尔曼滤波器可以很好地跟踪信号时域波形,能够较好地恢复微弱CW信号波形,对白噪声干扰和同类CW电报干扰都有很好的滤波效果。以上结果,足见本文方法的有效性。
4结束语
针对高频CW信号以往的包络检波方法抗噪声能力不强问题,本文提出了一种新的基于Kalman滤波的微弱CW信号检测算法。本文首先深入分析了CW信号的时频域特征,建立状态空间模型,然后运用Kalman滤波进行微弱CW信号检测。该方法对人耳难以辨别的低信噪比CW电报信号具有很好的检测效果,明显优于现有的硬件检测方法。
摘要：在强噪声背景下,高频CW信号的包络检波检测法难以有效跟踪信号波形,检测性能严重下降。针对此问题,提出一种基于Kalman滤波的微弱CW信号检测方法。该方法采用Kalman滤波器实时捕捉CW信号,恢复强噪声背景下信号的时域波形,提取出比较纯净的CW信号。实验表明该方法能够在强噪声背景下有效地检测出CW信号,具有更高的识别率,且算法简单,实时性强,可用于指导高频CW电报自动接收设备的研制。
关键词：高频CW信号,微弱信号检测,Kalman滤波
参考文献
[1]何非常.军事通信[M].国防工业出版社,2000.
[2]高勤,都新学.莫尔斯信号的新型滤波方法[J].中国电子学会第七届学术年会,2001.
[3]高晋占.探空莫尔斯码自动识别[J].电子测量与仪器学报,2006,8:5-9.
[4]马威,张敬修,王虎帮.Morse电码自动译码系统[J].网络与信息技术,2007,26(6):51-55.
高频滤波 篇5
关键词：UHF RFID,低通滤波器,巴特沃斯型
1 引言
RFID已成为近年来备受关注的一种新兴技术。该技术主要通过射频信号传递能量及数据,具有非接触识别、数据可修改、信息存储量大等特点,并在门禁系统、供应链管理、交通运输、军事物流等场合,得到了广泛的应用与研究。UHF RFID系统较其他频段相比具有更远的识读距离,其工作流程为:读写器天线向外发射超高频载波信号,使工作区域内的电子标签产生感应电流获取能量,被激活的标签将自身的信息代码利用发射天线送出,读写器所接收的信号经解调解码后,送入控制中心。读写器接收系统负责对接收到的数据信号进行处理,主要包括低通滤波器、检波电路、低噪声放大器和解码电路等[1,2]。其中,低通滤波器用于抑制代码中存在的噪声、载波等干扰信号,以便获得准确的数据信息。低通滤波电路是读写器设计过程中的一项重要内容,其性能的好坏会对超高频RFID系统获取数据的准确率及有效通信距离产生影响。为避免输入信号失真,且通带内波纹最小,本文采用Butterworth低通滤波器作为UHF RFID读写器的滤波电路,其设计简单,性能优越,群延迟性好,在通带内衰减特性平坦,能够满足实际输入信号对允许波形失真范围的要求[3,4]。
2 Butterworth低通滤波器的设计原理
函数型滤波器中使用最多的就是Butterworth滤波器,该类型滤波器性能较好,不存在明显的缺点,对元件Q值的要求较低,易于设计。Butterworth型低通滤波器利用归一化低通滤波器的设计数据,根据所需截止频率及特性阻抗,可设计出符合要求的滤波器电路。
2.1 Butterworth低通滤波器原型的元件值确定
特征阻抗为1Ω,截止频率为(约0.1592)Hz的数据就是归一化低通滤波器的设计数据,各元件归一化参数值为gm[5]:
其中,n是低通滤波器元件阶数:
公式(2)中,rL为插入损耗衰减值,fc、f分别是通带、阻带的截止频率,k取1。
2.2 Butterworth滤波电路结构的选择
B u tter wo r t h滤波器电路结构可分为两种类型,即电容—电感型、电感—电容型[6],以最简单的三阶(N=3)为例,给出实际元件值的计算方法及两种电路结构图(如图1)。
电容—电感型元件值:
电感—电容型元件值:
其中,ωc=2πfc,zs为负载阻抗,gm为归一化巴特沃斯低通滤波器元件参数值。
3 Butterworth低通滤波电路实现、仿真与分析
UHF RFID读写器的组成如图2所示,针对射频读写器的接收部分,本文采用Butterworth型设计方法,进行低通滤波器设计。其中,低通滤波器的截止频率为8 MH z,阻抗为5 0Ω,当频率大于1 5 M Hz时,衰减量大于25dB,以满足系统的通信要求。
3.1 确定元件的参数值及设计滤波电路
通过公式2计算可知,低通滤波器的元件级数为5(即n=5)。运用公式1能够获得滤波器归一化元件值(见表1)。同时,也可以得到实际滤波器元件值(见表2)。
根据元件值构建滤波电路,选择电容—电感型结构,电路如图3所示。
3.2 仿真结果与分析
利用ADS2009仿真软件对Butterworth低通滤波电路进行仿真,其结果如图4所示。同时,设计一个满足上述要求的切比雪夫型低通滤波器,仿真后结果如图5所示。
由图4、图5仿真结果可以看出,Butterworth型低通滤波器在截止频率8MHz处的通带衰减量很小当频率达到15MHz时,衰减值大于25d B(约27d B)满足设计要求。虽然采用切比雪夫型低通滤波器也能实现该性能,但是,由于B u t t e r wo r t h低通滤波器在通带内响应十分平坦,不存在波纹起伏的情况,从而确保了信号在通带内波形不失真,便于获取较为准确的数据信息。
4 结束语
本文设计的Butterworth型低通滤波器截止频率是8MHz,在500k Hz～10MHz范围内,满足了超高频RFI D读写器的通信要求。通带内衰减量小于3 d B,频率为15MHz时,衰减量达到27.301d B,能够将干扰信号隔离掉,从而获取标签内代码信号。此外,采用巴特沃斯低通滤波器不仅制作简单,易于实现,在满足设计要求的同时,不会在信号过滤过程中因通带波纹的波动而影响数据的准确性,该滤波器不仅适用于UHF RFID读写器,可以应用在卫星通信、无线接收、手机通信等系统中。
参考文献
[1]黄玉兰.射频电路理论与设计[M].北京:人民邮电出版社,2008:131-135.
[2]朱兵,龙侃.基于MSC1211单片机的RFID接收系统设计[J].微计算机信息,2007,23(1-2):262-263.
[3]R.NANDI,S.K.SANYAL and T.K.BANDYOPADHYAY.Third order low pass Butterworth filter function realiza-tion using CFA[J].International Journal of Electronics,2008,95(4):313-318.
[4]陈三风.一种新型的巴特沃斯低通滤波器设计[J].深圳信息职业技术学院学报,2011,9(1):89-92.
[5]郭湘荣,武岳山.微波低通滤波器电路设计[J].计算机仿真,2010,27(8):338-341.
高频滤波 篇6
随着民航事业的迅速发展,空管频率资源的紧张现象日益严重,日趋复杂的电磁环境也为甚高频通信带来了严峻的挑战。本文结合工作实践,针对石家庄国际机场空管局的甚高频干扰问题进行理论分析,总结带阻滤波器在对抗甚高频互调干扰时的应用,探讨带阻滤波器在甚高频通信中可能的应用方向。
1互调干扰和带阻滤波器
1.1互调干扰的形成
互调干扰是指当多个频率信号同时输入收、发信机时,由于非线性作用,多个频率叠加后产生新的频率,这个频率有时会恰好等于或接近有用信号频率而顺利通过接收机,这就是互调干扰,其中三阶互调在实际工作中影响最严重。一般而言的两个频率的三阶互调干扰的计算公式为:
式中fC和fD为fA和fB两个频率叠加产生的三阶互调干扰。而如果三个频率fA、fB和fC相互叠加,情况就会更加复杂,除了上述三阶互调信号外,还有诸如fA+fB-fC,fA-fB+fC,-fA+fB+fC等新的三阶互调干扰。
1.2带阻滤波器
带阻滤波器(BSF)是指能通过大多数频率分量、但将某些范围的频率分量衰减到极低水平的滤波器。其中点阻滤波器是一种特殊的带阻滤波器,它的阻带范围极小,有着很高的Q值。理想带阻滤波器在阻带内的增益为零。带阻滤波器的中心频率f0和抑制带宽BW之间的关系为:
式中,Q为品质因数,fH为带阻滤波器的上限频率,fL为带阻滤波器的下限频率,其中fH>fL。带宽BW越窄,品质因数Q越高。带阻滤波器作为滤波器的一种,适用于抑制高功率发射机、非线性功放的杂散频谱等。
二、带阻滤波器应用实例
石家庄国际机场进近管制区需新增一个单机信道。信道由R&S公司的GB409单机遥控盒和XU4200电台组成。单机遥控盒使用频率为进近主频/进近备频,未加装滤波器。在安装及调试完成后发现,单机遥控盒会收到地面席管制员的通话声,影响进近管制员的使用。为了这一干扰,工作人员采用了多种方法。首先,对甚高频电台的净噪门限进行了调节,将净噪门限S/N值调整到了20d B,而RSSI值调整到了35u V,未能消除干扰。其次,调整地面频率的发射天线与单机遥控盒的天线之间的距离,增大距离后干扰降低,但仍未消除。最后,尝试使用带阻滤波器针对地面频率进行陷波。所用带阻滤波器调整后的参数如下:
然后在单机遥控盒至天线之间加装带阻滤波器,监听单机遥控盒接收信号发现地面频率的干扰已经消除,而进近主频/进近备频的正常使用不受影响。管制员使用时未发现异常,问题得到解决。由三阶互调干扰的公式,结合石家庄机场甚高频通信频率,有可能产生接近进近主频的三阶互调信号的频率组合是地面频率+塔台备频-进近备频≈进近主频。在加装带阻滤波器后,使得产生三阶互调的一个基波频率被抑制,此次干扰被有效抑制。这一应用实例表明,在甚高频通信中,带阻滤波器具有阻隔的无用信号作用。当实际工作中出现了互调干扰的现象且无法采用常规手段对其进行有效抑制时,带阻滤波器就会成为一种有效的手段。
三、甚高频通信中互调干扰的分析
甚高频无线通信过程中,通信系统可能受到许多因素的干扰,而互调干扰是影响最为严重的干扰。在实际工作中,同样使用甚高频通信的广播电台经常会干扰到民航通信,本文通过实例总结出一个方法,通过分析接收的干扰信号,判定基波频率,然后在接收机前端加装带阻滤波器的方式,来有效抑制互调干扰,从而克服广播电台对民航通信的干扰。
结论:随着经济的发展,甚高频频段日渐拥挤,互调干扰已成为民航通信中最严重的干扰。广播电台导致的互调干扰、民航通信系统内部频段之间的互调干扰都对民航通信系统造成严重影响。分析互调信号的频率组成并合理使用中心频率为基波频率的带阻滤波器对于克服民航通信中的互调干扰有实用价值。
摘要：民航地空通信中,电磁环境的日益恶化导致各种干扰现象逐渐增多,其中,互调干扰是其中的主要干扰类型。本文通过对石家庄机场在增设甚高频信道时使用带阻滤波器克服互调干扰这一实例的研究,总结通过使用带阻滤波器抑制互调干扰的基波频率来达到克服互调干扰的方法。
关键词：带阻滤波器,互调干扰,基波频率,甚高频地空通信
参考文献
[1]约翰·克劳斯.天线[M].北京:电子工业出版社,2006.
[2]陈邦媛.射频通信电路[M].北京:科学出版社,2006.
[3]钟锋.民航甚高频电台常见干扰分析[J].中国无线电管理,2000(6)