当前位置: 首页 > news >正文

[信号与系统]模拟域中的一阶低通滤波器和二阶滤波器

前言

不是学电子出身的,这里很多东西是问了朋友…

模拟域中的一阶低通滤波器传递函数

模拟域中的一阶低通滤波器的传递函数可以表示为:

H ( s ) = 1 s + ω c H(s) = \frac{1}{s + \omega_c} H(s)=s+ωc1

这是因为一阶低通滤波器的设计目标是允许低频信号通过,同时衰减高频信号。具体来说,它的频率响应特性决定了这个形式的传递函数。

1. 传递函数的来源

一阶低通滤波器的传递函数来源于它的微分方程描述。考虑一个简单的RC(电阻-电容)电路:

  • 电阻 R R R
  • 电容 C C C
    在这里插入图片描述

高通滤波器

对于高通滤波器电路(左图),我们有一个电容 C 1 C_1 C1 和一个电阻 R 1 R_1 R1

  1. 阻抗计算

    • 电容的阻抗 Z C = 1 j ω C 1 Z_C = \frac{1}{j\omega C_1} ZC=C11
    • 电阻的阻抗 Z R = R 1 Z_R = R_1 ZR=R1
  2. 电路分析

    • 输入电压 V i n V_{in} Vin 加在电容和电阻的串联上。
    • 输出电压 V o u t V_{out} Vout 在电阻上。

使用分压公式:

V o u t = V i n ⋅ Z R Z R + Z C = V i n ⋅ R 1 R 1 + 1 j ω C 1 = V i n ⋅ R 1 ⋅ j ω C 1 1 + j ω R 1 C 1 V_{out} = V_{in} \cdot \frac{Z_R}{Z_R + Z_C} = V_{in} \cdot \frac{R_1}{R_1 + \frac{1}{j\omega C_1}} = V_{in} \cdot \frac{R_1 \cdot j\omega C_1}{1 + j\omega R_1 C_1} Vout=VinZR+ZCZR=VinR1+C11R1=Vin1+R1C1R1C1

所以,传递函数 H ( s ) H(s) H(s) 是:

H ( s ) = V o u t V i n = j ω R 1 C 1 1 + j ω R 1 C 1 = s R 1 C 1 1 + s R 1 C 1 H(s) = \frac{V_{out}}{V_{in}} = \frac{j\omega R_1 C_1}{1 + j\omega R_1 C_1} = \frac{s R_1 C_1}{1 + s R_1 C_1} H(s)=VinVout=1+R1C1R1C1=1+sR1C1sR1C1

ω c = 1 R 1 C 1 \omega_c = \frac{1}{R_1 C_1} ωc=R1C11,则传递函数为:

H ( s ) = s / ω c 1 + s / ω c H(s) = \frac{s / \omega_c}{1 + s / \omega_c} H(s)=1+s/ωcs/ωc

低通滤波器

对于低通滤波器电路(右图),我们有一个电阻 R 1 R_1 R1 和一个电容 C 1 C_1 C1

  1. 阻抗计算

    • 电阻的阻抗 Z R = R 1 Z_R = R_1 ZR=R1
    • 电容的阻抗 Z C = 1 j ω C 1 Z_C = \frac{1}{j\omega C_1} ZC=C11
  2. 电路分析

    • 输入电压 V i n V_{in} Vin 加在电阻和电容的串联上。
    • 输出电压 V o u t V_{out} Vout 在电容上。

使用分压公式:

V o u t = V i n ⋅ Z C Z R + Z C = V i n ⋅ 1 j ω C 1 R 1 + 1 j ω C 1 = V i n ⋅ 1 j ω R 1 C 1 + 1 V_{out} = V_{in} \cdot \frac{Z_C}{Z_R + Z_C} = V_{in} \cdot \frac{\frac{1}{j\omega C_1}}{R_1 + \frac{1}{j\omega C_1}} = V_{in} \cdot \frac{1}{j\omega R_1 C_1 + 1} Vout=VinZR+ZCZC=VinR1+C11C11=VinR1C1+11

所以,传递函数 H ( s ) H(s) H(s) 是:

H ( s ) = V o u t V i n = 1 1 + j ω R 1 C 1 = 1 1 + s R 1 C 1 H(s) = \frac{V_{out}}{V_{in}} = \frac{1}{1 + j\omega R_1 C_1} = \frac{1}{1 + s R_1 C_1} H(s)=VinVout=1+R1C11=1+sR1C11

ω c = 1 R 1 C 1 \omega_c = \frac{1}{R_1 C_1} ωc=R1C11,则传递函数为:

H ( s ) = 1 1 + s / ω c H(s) = \frac{1}{1 + s / \omega_c} H(s)=1+s/ωc1

微分方程形式

这个电路的微分方程可以写为:

V o u t ( t ) = 1 R C ∫ − ∞ t V i n ( τ ) e − t − τ R C d τ V_{out}(t) = \frac{1}{RC} \int_{-\infty}^{t} V_{in}(\tau) e^{-\frac{t - \tau}{RC}} d\tau Vout(t)=RC1tVin(τ)eRCtτdτ

通过拉普拉斯变换,将其转化到频域:

V o u t ( s ) V i n ( s ) = 1 R C ⋅ s + 1 \frac{V_{out}(s)}{V_{in}(s)} = \frac{1}{RC \cdot s + 1} Vin(s)Vout(s)=RCs+11

ω c = 1 R C \omega_c = \frac{1}{RC} ωc=RC1,得到:

H ( s ) = 1 s + ω c H(s) = \frac{1}{s + \omega_c} H(s)=s+ωc1

2. 频率响应

一阶低通滤波器的传递函数 H ( s ) H(s) H(s) 表示了滤波器对不同频率信号的响应:

  • s = j ω s = j\omega s= 时,低频( ω \omega ω 较小)信号通过的幅度接近 1,即通过率高。
  • ω \omega ω 较大时,传递函数的值接近 0,即高频信号被大大衰减。

3. 截止频率

ω c \omega_c ωc 是滤波器的截止频率,即在该频率处信号的幅度被衰减到原来的 1 2 \frac{1}{\sqrt{2}} 2 1 倍(约 0.707 倍)。它定义了低通滤波器允许通过的最大频率。

综上所述,模拟域中的一阶低通滤波器传递函数为:

H ( s ) = 1 s + ω c H(s) = \frac{1}{s + \omega_c} H(s)=s+ωc1

是由其设计目标、微分方程描述以及频率响应特性决定的。

二阶滤波器通过联级一阶滤波器的推导

二阶滤波器可以通过两个一阶滤波器串联(联级)得到。假设我们有两个一阶低通滤波器,其传递函数分别为:

H 1 ( s ) = 1 1 + s / ω c 1 H_1(s) = \frac{1}{1 + s / \omega_{c1}} H1(s)=1+s/ωc11

H 2 ( s ) = 1 1 + s / ω c 2 H_2(s) = \frac{1}{1 + s / \omega_{c2}} H2(s)=1+s/ωc21

当将这两个一阶滤波器串联时,总的传递函数 H ( s ) H(s) H(s) 为:

H ( s ) = H 1 ( s ) ⋅ H 2 ( s ) H(s) = H_1(s) \cdot H_2(s) H(s)=H1(s)H2(s)

即:

H ( s ) = ( 1 1 + s / ω c 1 ) ⋅ ( 1 1 + s / ω c 2 ) H(s) = \left( \frac{1}{1 + s / \omega_{c1}} \right) \cdot \left( \frac{1}{1 + s / \omega_{c2}} \right) H(s)=(1+s/ωc11)(1+s/ωc21)

假设两个一阶滤波器的截止频率相同,即 ω c 1 = ω c 2 = ω c \omega_{c1} = \omega_{c2} = \omega_c ωc1=ωc2=ωc,则总的传递函数为:

H ( s ) = ( 1 1 + s / ω c ) 2 H(s) = \left( \frac{1}{1 + s / \omega_c} \right)^2 H(s)=(1+s/ωc1)2

将其展开得到:

H ( s ) = 1 ( 1 + s / ω c ) 2 = 1 1 + 2 s ω c + ( s ω c ) 2 H(s) = \frac{1}{(1 + s / \omega_c)^2} = \frac{1}{1 + \frac{2s}{\omega_c} + \left( \frac{s}{\omega_c} \right)^2} H(s)=(1+s/ωc)21=1+ωc2s+(ωcs)21

这就是一个标准的二阶低通滤波器的传递函数形式。它可以表示为:

H ( s ) = 1 1 + 2 s ω c + ( s ω c ) 2 H(s) = \frac{1}{1 + \frac{2s}{\omega_c} + \left( \frac{s}{\omega_c} \right)^2} H(s)=1+ωc2s+(ωcs)21

或者更一般的形式:

H ( s ) = ω c 2 s 2 + 2 ζ ω c s + ω c 2 H(s) = \frac{\omega_c^2}{s^2 + 2\zeta\omega_c s + \omega_c^2} H(s)=s2+2ζωcs+ωc2ωc2

其中, ζ \zeta ζ 是阻尼系数,对于上述情况 ζ = 1 \zeta = 1 ζ=1。通过改变 ζ \zeta ζ 的值,可以设计出具有不同频率特性的二阶滤波器。

总结

通过将两个一阶低通滤波器串联,我们得到了一个二阶低通滤波器的传递函数。这个方法可以推广到高通、带通和带阻滤波器,通过适当的组合一阶滤波器可以实现各种复杂的频率响应特性。

相关文章:

[信号与系统]模拟域中的一阶低通滤波器和二阶滤波器

前言 不是学电子出身的,这里很多东西是问了朋友… 模拟域中的一阶低通滤波器传递函数 模拟域中的一阶低通滤波器的传递函数可以表示为: H ( s ) 1 s ω c H(s) \frac{1}{s \omega_c} H(s)sωc​1​ 这是因为一阶低通滤波器的设计目标是允许低频信…...

Mac环境 aab包转apks,并安装apks

一、下载下载bundletool工具 Releases google/bundletool GitHub 二、将下载bundletool.jar包、aab、keystore文件全部放到同一个目录下 例如我全部放到download目录下 转换命令行: java -jar bundletool-all-1.16.0.jar build-apks --modeuniversal --bundle…...

银河麒麟V10 SP1.1操作系统 离线安装 nginx1.21.5、redis 服务

银河麒麟官网地址:国产操作系统、麒麟操作系统——麒麟软件官方网站 一、查看系统版本 命令:nkvers 我的是 release V10 (SP1),根据这个版本去官网找对应的rpm包 银河麒麟操作系统的rpm包必须从官方找, 要是随便找个Centos的rp…...

ios swift5 视频播放 播放视频失败 无法播放HEVC (H.265) 格式的视频 H.264格式的可以播放

文章目录 1.问题2.原因:iOS swift AVPlayerViewController无法播放HEVC (H.265) 格式的视频3.解决方法用第三方框架MobileVLCKit来播放4.用MobileVLCKit写的播放器4.1 两个oc版本的4.2 两个swiftUI版本的5.苹果是支持HEVC (H.265) 格式的视频,是硬件那边…...

网工内推 | 网络工程师,IE认证优先,最高18k*14薪,周末双休

01 上海吾索信息科技有限公司 🔷招聘岗位:网络工程师 🔷岗位职责: 1)具备网络系统运维服务经验以及数据库实施经验,具备网络系统认证相关资质或证书; 2)掌握常用各设备的运维巡检…...

【Qt】QMessageBox 各种对话框的默认显示效果

1. 函数原型 void about(QWidget *parent, const QString &title, const QString &text)void aboutQt(QWidget *parent, const QString &title QString())QMessageBox::StandardButton critical(QWidget *parent, const QString &title, const QString &…...

一文弄懂线性回归模型

1、引言 今天,我们将深入探讨机器学习中的三个关键概念:线性回归、代价函数和梯度下降。这些概念构成了许多机器学习算法的基础。起初,我决定不写一篇关于这些主题的文章,因为它们已经被广泛涉及。不过,我改变了主意&…...

uniApp获取实时定位

通过你获取的key放到项目manifest.json里面&#xff0c;对应填写你所需要的key值&#xff0c;还有高德用户名 用户名&#xff1a; key值的位置&#xff1a; 代码&#xff1a; html: <view class"intList pdNone"><view class"label">详细地…...

linux的source命令

用法 source file 也可以用.空格file来代替 . file 作用 在当前bash环境下读取并执行FileName中的命令. source(或点)令通常用于重新执行刚修改的初始化文档&#xff0c;如 .bash_profile 和 .profile等配置文件. 简单的说就是: source命令会把file里的命令在当前shell里一…...

特种作业操作证(焊接与热切割作业)2024年理论考试题库。

1.关于隐弧排烟罩下列说法正确的是&#xff08;&#xff09;。 A.这类排烟罩适用于焊接大而长的焊件时排除电焊烟尘和有毒气体 B.这类排烟罩对焊接区实行密闭&#xff0c;能最大限度地减少臭氧等有毒气体的弥散 C.利用压缩空气从主管中高速喷出时&#xff0c;在副管形成负压…...

免交互和嵌入执行模式

目录 概念 语法格式 统计行数 赋值变量 修改密码​编辑往文件里添加内容 ​编辑​编辑引入变量 整体赋值​编辑 加引号不赋值变量 expect实现免交互 免交互设置密码 免交互切换用户 嵌入执行模式 添加用户并免交互设置密码 免交互登录 传参实现ssh 练习 概念 …...

Hadoop版本演变、分布式集群搭建

Hadoop版本演变历史 Hadoop发行版非常的多&#xff0c;有华为发行版、Intel发行版、Cloudera Hadoop(CDH)、Hortonworks Hadoop(HDP)&#xff0c;这些发行版都是基于Apache Hadoop衍生出来的。 目前Hadoop经历了三个大的版本。 hadoop1.x&#xff1a;HDFSMapReduce hadoop2.x…...

【Qt C++实现绘制仪表盘】

要在Qt C中绘制仪表盘&#xff0c;您可以使用QChart、QSeries、QBarSeries、QPointSeries等类。以下是一个简单的示例&#xff0c;演示如何使用这些类创建一个绘图仪表盘&#xff1a; #include <QApplication> #include <QChart> #include <QChartView> #in…...

一文看懂LLaMA 2:大型多模态模型的新里程碑

一文看懂LLaMA 2&#xff1a;大型多模态模型的新里程碑 LLaMA 2是OpenAI继GPT-3之后推出的又一重磅模型&#xff0c;它不仅在文本生成方面有所突破&#xff0c;而且在图像处理和语音识别等领域也展现出了令人印象深刻的能力。本文将全面介绍LLaMA 2的背景、技术细节、应用场景…...

基于Spring Boot构建淘客返利平台

基于Spring Boot构建淘客返利平台 大家好&#xff0c;我是免费搭建查券返利机器人省钱赚佣金就用微赚淘客系统3.0的小编&#xff0c;也是冬天不穿秋裤&#xff0c;天冷也要风度的程序猿&#xff01;今天我们将讨论如何基于Spring Boot构建一个淘客返利平台。 淘客返利平台通过…...

Qt—贪吃蛇项目(由0到1实现贪吃蛇项目)

用Qt实现一个贪吃蛇项目 一、项目介绍二、游戏大厅界面实现2.1完成游戏大厅的背景图。2.2创建一个按钮&#xff0c;给它设置样式&#xff0c;并且可以跳转到别的页面 三、难度选择界面实现四、 游戏界面实现五、在文件中写入历史战绩5.1 从文件里提取分数5.2 把贪吃蛇的长度存入…...

Java导出Excel并邮件发送

一、导出Excel 添加maven依赖 <dependency><groupId>org.apache.poi</groupId><artifactId>poi-ooxml</artifactId><version>3.10-FINAL</version></dependency><dependency><groupId>org.apache.poi</groupI…...

【课程总结】Day12:YOLO的深入了解

前言 在【课程总结】Day11&#xff08;下&#xff09;&#xff1a;YOLO的入门使用一节中&#xff0c;我们已经了解YOLO的使用方法&#xff0c;使用过程非常简单&#xff0c;训练时只需要三行代码&#xff1a;引入YOLO&#xff0c;构建模型&#xff0c;训练模型&#xff1b;预测…...

保护隐私,释放智能:使用LangChain和Presidio构建安全的AI问答系统

保护隐私&#xff0c;释放智能&#xff1a;使用LangChain和Presidio构建安全的AI问答系统 在人工智能&#xff08;AI&#xff09;飞速发展的今天&#xff0c;AI问答系统已经成为企业与客户互动的重要工具。然而&#xff0c;随之而来的个人数据隐私问题也日益凸显。如何在不泄露…...

【高考志愿】自动化

目录 一、专业概述 二、课程设计 三、就业前景与方向 四、志愿填报 五、自动化专业排名 一、专业概述 高考志愿自动化专业选择&#xff0c;无疑是迈向现代化工业与科技发展的一把金钥匙。自动化专业&#xff0c;作为现代工程领域的重要支柱&#xff0c;融合了计算机、电子…...

OpenLayers 可视化之热力图

注&#xff1a;当前使用的是 ol 5.3.0 版本&#xff0c;天地图使用的key请到天地图官网申请&#xff0c;并替换为自己的key 热力图&#xff08;Heatmap&#xff09;又叫热点图&#xff0c;是一种通过特殊高亮显示事物密度分布、变化趋势的数据可视化技术。采用颜色的深浅来显示…...

8k长序列建模,蛋白质语言模型Prot42仅利用目标蛋白序列即可生成高亲和力结合剂

蛋白质结合剂&#xff08;如抗体、抑制肽&#xff09;在疾病诊断、成像分析及靶向药物递送等关键场景中发挥着不可替代的作用。传统上&#xff0c;高特异性蛋白质结合剂的开发高度依赖噬菌体展示、定向进化等实验技术&#xff0c;但这类方法普遍面临资源消耗巨大、研发周期冗长…...

CMake基础:构建流程详解

目录 1.CMake构建过程的基本流程 2.CMake构建的具体步骤 2.1.创建构建目录 2.2.使用 CMake 生成构建文件 2.3.编译和构建 2.4.清理构建文件 2.5.重新配置和构建 3.跨平台构建示例 4.工具链与交叉编译 5.CMake构建后的项目结构解析 5.1.CMake构建后的目录结构 5.2.构…...

Rapidio门铃消息FIFO溢出机制

关于RapidIO门铃消息FIFO的溢出机制及其与中断抖动的关系&#xff0c;以下是深入解析&#xff1a; 门铃FIFO溢出的本质 在RapidIO系统中&#xff0c;门铃消息FIFO是硬件控制器内部的缓冲区&#xff0c;用于临时存储接收到的门铃消息&#xff08;Doorbell Message&#xff09;。…...

基于matlab策略迭代和值迭代法的动态规划

经典的基于策略迭代和值迭代法的动态规划matlab代码&#xff0c;实现机器人的最优运输 Dynamic-Programming-master/Environment.pdf , 104724 Dynamic-Programming-master/README.md , 506 Dynamic-Programming-master/generalizedPolicyIteration.m , 1970 Dynamic-Programm…...

MySQL 知识小结(一)

一、my.cnf配置详解 我们知道安装MySQL有两种方式来安装咱们的MySQL数据库&#xff0c;分别是二进制安装编译数据库或者使用三方yum来进行安装,第三方yum的安装相对于二进制压缩包的安装更快捷&#xff0c;但是文件存放起来数据比较冗余&#xff0c;用二进制能够更好管理咱们M…...

push [特殊字符] present

push &#x1f19a; present 前言present和dismiss特点代码演示 push和pop特点代码演示 前言 在 iOS 开发中&#xff0c;push 和 present 是两种不同的视图控制器切换方式&#xff0c;它们有着显著的区别。 present和dismiss 特点 在当前控制器上方新建视图层级需要手动调用…...

多模态图像修复系统:基于深度学习的图片修复实现

多模态图像修复系统:基于深度学习的图片修复实现 1. 系统概述 本系统使用多模态大模型(Stable Diffusion Inpainting)实现图像修复功能,结合文本描述和图片输入,对指定区域进行内容修复。系统包含完整的数据处理、模型训练、推理部署流程。 import torch import numpy …...

解读《网络安全法》最新修订,把握网络安全新趋势

《网络安全法》自2017年施行以来&#xff0c;在维护网络空间安全方面发挥了重要作用。但随着网络环境的日益复杂&#xff0c;网络攻击、数据泄露等事件频发&#xff0c;现行法律已难以完全适应新的风险挑战。 2025年3月28日&#xff0c;国家网信办会同相关部门起草了《网络安全…...

比较数据迁移后MySQL数据库和OceanBase数据仓库中的表

设计一个MySQL数据库和OceanBase数据仓库的表数据比较的详细程序流程,两张表是相同的结构,都有整型主键id字段,需要每次从数据库分批取得2000条数据,用于比较,比较操作的同时可以再取2000条数据,等上一次比较完成之后,开始比较,直到比较完所有的数据。比较操作需要比较…...