热门标签 | HotTags
当前位置:  开发笔记 > 后端 > 正文

【滤波专题第3篇】IIR无限冲激响应和FIR有限冲激响应数字滤波器有什么区别?

该文章在之前编写并发布过,现在重新编辑一下并纳入到滤波专题中。之前已经讲过FIR和IIR的概念:Mr.看海:【滤波专题-第1篇】数字滤

该文章在之前编写并发布过,现在重新编辑一下并纳入到滤波专题中。

之前已经讲过FIR和IIR的概念:

Mr.看海:【滤波专题-第1篇】数字滤波器15分钟入门!——这可能是最简单的FIR有限冲激响应滤波讲解

Mr.看海:【滤波专题-第2篇】数字滤波器15分钟入门!——这可能是最简单的IIR无限冲激响应滤波讲解

从名字上看,“无限冲激响应”和“有限冲激响应”的区别一定在“冲激响应”上。在之前的文章里我们讲到了冲激响应的概念,文章里用被打了一巴掌(单位脉冲)后鼓起来的“包”来描述的冲激响应。

有些人的“包”几分钟可以消肿直至消失,就是有限冲激相应;有些人的“包”虽然会慢慢变小,但是永远不会消失,就是无限冲激响应。

那么问题来了,IIR和FIR数字滤波器有什么区别?

区别一、结构形式

两种滤波器最直观的区别就体现在结构形式上。

这里直接放公式了,公式并不难理解:

IIR的方程中,当前输出y(n)是由当前输入x(n)、过去输入x(n-1)、x(n-2)...、过去输出y(n-1)、y(n-2)...这三类值共同决定的。

而在FIR方程中,则没有过去输出这一项。

IIR的差分方程

FIR的差分方程

由于IIR的当前输出受到以前输出值的影响,所以它是有反馈的,或者说其输出值是递归的;相对应的,FIR就是无反馈、非递归的。

需要注意的是,上述差分方程中的系数a和b不是单纯的常数。

区别二、相位特性

滤波会引起相位延迟,为什么呢。首先看下图:

图1*图2=图3

其中三张图分别是原始信号频谱图、滤波器频谱图和滤波后信号的频谱图。图2可以是理想情况下的低通滤波器。图1*图2=图3就是滤波在频域上的表示过程(相乘),也很好理解。不过看到这里大家会想起什么?之前的文章里提到过:频域上相乘即时域上卷积

暂且把这个卷积写成y(k)=∑h(k)x(n-k)。(对于IIR,k取从0到n;对于FIR,k取从0到N-1)

也就是说对于输出y(k),其值是由其之前N或n个输入点共同决定的,这就是引起相位延迟的原因。

相位延迟

IIR为非线性相位延迟,FIR为线性相位延迟。即IIR的相位延迟会随着输入波形的变化而变化,而FIR的相位延迟为一确定值。FIR的相位补偿只需要对输出结果平移即可,IIR的相位补偿复杂一些,不过在matlab上实现同样很容易。

区别三、稳定性、运算速度、运算误差设计难度

FIR的极点全部在原点(z变换),是稳定的。IIR不一定稳定。

FIR运算速度快,IIR运算速度慢

FIR运算误差小,IIR由于有反馈,可能会产生极限环。

FIR设计难度高,需要借助计算机程序完成,IIR设计难度低。

文章如要转载请私信与我联系,并注明来源知乎专栏与信号处理有关的那些东东作者Mr.括号。

欢迎关注我的公众号“看海的城堡”,微信号为“khscience”,会有更多有趣的东西分享。

参考:

【图文】数字滤波器_百度文库

详解FIR滤波器和IIR滤波器的区别_百度文库

https://www.douban.com/note/59297172/

第六章 IIR数字滤波器的理论与设计

第七章 FIR数字滤波器的原理与设计

滤波器稳定性与极点_百度文库


推荐阅读
  • 2019年后蚂蚁集团与拼多多面试经验详述与深度剖析
    2019年后蚂蚁集团与拼多多面试经验详述与深度剖析 ... [详细]
  • 特斯拉的盈利之谜:净利润未必源自汽车销售
    近日,特斯拉因客户投诉再度成为舆论焦点。一位车主反映其购买仅6天的Model 3在使用官方超级充电桩时突然断电,引发了对特斯拉产品质量和售后服务的质疑。然而,特斯拉的盈利模式并不仅限于汽车销售,其净利润可能更多地来自其他业务板块,如能源服务、自动驾驶技术和软件订阅等。这些多元化收入来源为特斯拉的财务表现提供了更多支撑。 ... [详细]
  • 表面缺陷检测数据集综述及GitHub开源项目推荐
    本文综述了表面缺陷检测领域的数据集,并推荐了多个GitHub上的开源项目。通过对现有文献和数据集的系统整理,为研究人员提供了全面的资源参考,有助于推动该领域的发展和技术进步。 ... [详细]
  • SpringBoot启动脚本详解:BAT文件应用与基础入门指南(SpringBoot系列第1篇)
    如果你还在为SSM框架的复杂搭建过程和繁琐的配置文件而烦恼,那么SpringBoot将是你的一大福音。作为SpringBoot系列的第一篇文章,本文详细介绍了如何使用BAT文件来启动SpringBoot应用,并提供了基础入门指南,帮助开发者快速上手,简化开发流程。 ... [详细]
  • Java 9 中 SafeVarargs 注释的使用与示例解析 ... [详细]
  • 成功实现Asp.Net MVC3网站与MongoDB数据库的高效集成
    我们成功地构建了一个基于Asp.NET MVC3框架的网站,并实现了与MongoDB数据库的高效集成。此次更新不仅完善了基本的创建和显示功能,还全面实现了数据的增删改查操作。在创建功能方面,我们修复了之前代码中的错误,确保每个属性都能正确生成。此外,我们还对数据模型进行了优化,以提高系统的性能和稳定性。 ... [详细]
  • 在高清节目的高比特率传输过程中,使用外接USB硬盘进行时间平移(timeshift)时,出现了性能不足和流数据丢失的问题。通过深入研究,我们发现通过对图像组(GOP)和图像头(I-frame)的精确定位技术进行优化,可以显著提升系统的性能和稳定性。本研究提出了改进的图像组与图像头定位算法,有效减少了数据丢失,提高了流媒体传输的效率和质量。 ... [详细]
  • 获取贵州省毕节市高分辨率谷歌卫星影像图
    毕节市,作为贵州省西北部的重要地级市,地处乌蒙山脉核心区域,是连接四川、云南和贵州三省的关键节点。本研究旨在获取该地区的高分辨率谷歌卫星影像图,以全面展示其独特的地理特征和城市布局。通过这些高清影像,研究人员能够更深入地分析毕节市的自然环境、城市规划及发展状况。 ... [详细]
  • 本文详细介绍了HDFS的基础知识及其数据读写机制。首先,文章阐述了HDFS的架构,包括其核心组件及其角色和功能。特别地,对NameNode进行了深入解析,指出其主要负责在内存中存储元数据、目录结构以及文件块的映射关系,并通过持久化方案确保数据的可靠性和高可用性。此外,还探讨了DataNode的角色及其在数据存储和读取过程中的关键作用。 ... [详细]
  • 图像分割技术在人工智能领域中扮演着关键角色,其中语义分割、实例分割和全景分割是三种主要的方法。本文对这三种分割技术进行了详细的对比分析,探讨了它们在不同应用场景中的优缺点和适用范围,为研究人员和从业者提供了有价值的参考。 ... [详细]
  • AI TIME联合2021世界人工智能大会,共探图神经网络与认知智能前沿话题
    AI TIME携手2021世界人工智能大会,共同探讨图神经网络与认知智能的最新进展。自2018年在上海首次举办以来,WAIC已成为全球AI领域的年度盛会,吸引了众多专家学者和行业领袖参与。本次大会将聚焦图神经网络在复杂系统建模、知识图谱构建及认知智能应用等方面的技术突破和未来趋势。 ... [详细]
  • 利用Redis HyperLogLog高效统计微博日活跃和月活跃用户数
    本文探讨了如何利用Redis的HyperLogLog数据结构高效地统计微博平台的日活跃用户(DAU)和月活跃用户(MAU)数量。通过HyperLogLog的高精度和低内存消耗特性,可以实现对大规模用户数据的实时统计与分析,为平台运营提供有力的数据支持。 ... [详细]
  • Gear 月度进展报告:2023年7月最新动态与技术升级
    Gear 月度进展报告:2023年7月最新动态与技术升级 ... [详细]
  • 掌握DSP必备的56个核心问题,我已经将其收藏以备不时之需! ... [详细]
  • 这篇文章将揭示 Vue 和 React 组件库中五个鲜为人知的强大工具。这些工具均以纯 JavaScript 实现,功能卓越。其中,async-validator 是一个数据验证插件,不仅预置了 URL 和电子邮件的验证规则,还支持异步验证功能。 ... [详细]
author-avatar
大胡子姐姐爱油面巾塞肉
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有