当前位置：文档之家 › IIR数字滤波器C语言

IIR数字滤波器C语言

  • 格式：doc
  • 大小：479.50 KB
  • 文档页数：18

IIR数字滤波器C语言分类：数字信号处理2013-09-16 14:04 2146人阅读评论(2) 收藏举报目录(?)[+]11巴特沃斯滤波器的次数12巴特沃斯滤波器的传递函数13巴特沃斯滤波器的实现C语言双1次z变换21双1次z变换的原理22双1次z变换的实现C语言IIR滤波器的间接设计代码C语言间接设计实现的IIR滤波器的性能31设计指标32程序执行结果1.模拟滤波器的设计1.1巴特沃斯滤波器的次数根据给定的参数设计模拟滤波器，然后进行变数变换，求取数字滤波器的方法，称为滤波器的间接设计。

做为数字滤波器的设计基础的模拟滤波器，称之为原型滤波器。

这里，我们首先介绍的是最简单最基础的原型滤波器，巴特沃斯低通滤波器。

由于IIR滤波器不具有线性相位特性，因此不必考虑相位特性，直接考虑其振幅特性。

在这里，N是滤波器的次数，Ωc是截止频率。

从上式的振幅特性可以看出，这个是单调递减的函数，其振幅特性是不存在纹波的。

设计的时候，一般需要先计算跟所需要设计参数相符合的次数N。

首先，就需要先由阻带频率，计算出阻带衰减将巴特沃斯低通滤波器的振幅特性，直接带入上式，则有最后，可以解得次数N为当然，这里的N只能为正数，因此，若结果为小数，则舍弃小数，向上取整。

1.2巴特沃斯滤波器的传递函数巴特沃斯低通滤波器的传递函数，可由其振幅特性的分母多项式求得。

其分母多项式根据S解开，可以得到极点。

这里，为了方便处理，我们分为两种情况去解这个方程。

当N 为偶数的时候，这里，使用了欧拉公式。

同样的，当N为奇数的时候，同样的，这里也使用了欧拉公式。

归纳以上，极点的解为上式所求得的极点，是在s平面内，在半径为Ωc的圆上等间距的点，其数量为2N个。

为了使得其IIR滤波器稳定，那么，只能选取极点在S平面左半平面的点。

选定了稳定的极点之后，其模拟滤波器的传递函数就可由下式求得。

1.3巴特沃斯滤波器的实现（C语言）首先，是次数的计算。

次数的计算，我们可以由下式求得。

其对应的C语言程序为[cpp] view plaincopyN = Ceil(0.5*( log10 ( pow (10, Stopband_attenuation/10) - 1) /log10 (Stopband/Cotoff) ));然后是极点的选择，这里由于涉及到复数的操作，我们就声明一个复数结构体就可以了。

最重要的是，极点的计算含有自然指数函数，这点对于计算机来讲，不是太方便，所以，我们将其替换为三角函数，这样的话，实部与虚部就还可以分开来计算。

其代码实现为[cpp] view plaincopytypedef struct{double Real_part;double Imag_Part;} COMPLEX;COMPLEX poles[N];for(k = 0;k <= ((2*N)-1) ; k++){if(Cotoff*cos((k+dk)*(pi/N)) < 0){poles[count].Real_part = -Cotoff*cos((k+dk)*(pi/N));poles[count].Imag_Part= -Cotoff*sin((k+dk)*(pi/N));count++;if (count == N) break;}}计算出稳定的极点之后，就可以进行传递函数的计算了。

传递的函数的计算，就像下式一样这里，为了得到模拟滤波器的系数，需要将分母乘开。

很显然，这里的极点不一定是整数，或者来说，这里的乘开需要做复数运算。

其复数的乘法代码如下，[cpp] view plaincopyint Complex_Multiple(COMPLEX a,COMPLEX b,double *Res_Real,double *Res_Imag){*(Res_Real) = (a.Real_part)*(b.Real_part) - (a.Imag_Part)*(b.Imag_Part);*(Res_Imag)= (a.Imag_Part)*(b.Real_part) + (a.Real_part)*(b.Imag_Part);return (int)1;}有了乘法代码之后，我们现在简单的情况下，看看其如何计算其滤波器系数。

我们做如下假设这个时候，其传递函数为将其乘开，其大致的关系就像下图所示一样。

计算的关系一目了然，这样的话，实现就简单多了。

高阶的情况下也一样，重复这种计算就可以了。

其代码为[cpp] view plaincopyRes[0].Real_part = poles[0].Real_part;Res[0].Imag_Part= poles[0].Imag_Part;Res[1].Real_part = 1;Res[1].Imag_Part= 0;for(count_1 = 0;count_1 < N-1;count_1++){for(count = 0;count <= count_1 + 2;count++){if(0 == count){Complex_Multiple(Res[count], poles[count_1+1],&(Res_Save[count].Real_part),&(Res_Save[count].Imag_Part));}else if((count_1 + 2) == count){Res_Save[count].Real_part += Res[count - 1].Real_part;Res_Save[count].Imag_Part += Res[count - 1].Imag_Part;}else{Complex_Multiple(Res[count], poles[count_1+1],&(Res_Save[count].Real_part),&(Res_Save[count].Imag_Part));1 Res_Save[count].Real_part += Res[count - 1].Real_part;Res_Save[count].Imag_Part += Res[count - 1].Imag_Part;}}*(b+N) = *(a+N);到此，我们就可以得到一个模拟滤波器巴特沃斯低通滤波器了。

2.双1次z变换2.1双1次z变换的原理我们为了将模拟滤波器转换为数字滤波器的，可以用的方法很多。

这里着重说说双1次z变换。

我们希望通过双1次z变换，建立一个s平面到z平面的映射关系，将模拟滤波器转换为数字滤波器。

和之前的例子一样，我们假设有如下模拟滤波器的传递函数。

将其做拉普拉斯逆变换，可得到其时间域内的连续微分方程式，其中，x(t)表示输入，y(t)表示输出。

然后我们需要将其离散化，假设其采样周期是T，用差分方程去近似的替代微分方程，可以得到下面结果然后使用z变换，再将其化简。

可得到如下结果从而，我们可以得到了s平面到z平面的映射关系，即由于所有的高阶系统都可以视为一阶系统的并联，所以，这个映射关系在高阶系统中，也是成立的。

然后，将关系式带入上式，可得到这里，我们可以就可以得到Ω与ω的对应关系了。

这里的Ω与ω的对应关系很重要。

我们最终的目的设计的是数字滤波器，所以，设计时候给的参数必定是数字滤波器的指标。

而我们通过间接设计设计IIR滤波器时候，首先是要设计模拟滤波器，再通过变换，得到数字滤波器。

那么，我们首先需要做的，就是将数字滤波器的指标，转换为模拟滤波器的指标，基于这个指标去设计模拟滤波器。

另外，这里的采样时间T的取值很随意，为了方便计算，一般取1s就可以。

2.2双1次z变换的实现（C语言）我们设计好的巴特沃斯低通滤波器的传递函数如下所示。

我们将其进行双1次z变换，我们可以得到如下式子可以看出，我们还是需要将式子乘开，进行合并同类项，这个跟之前说的算法相差不大。

其代码为。

[cpp] view plaincopyfor(Count = 0;Count<=N;Count++){for(Count_Z = 0;Count_Z <= N;Count_Z++){Res[Count_Z] = 0;Res_Save[Count_Z] = 0;}Res_Save [0] = 1;for(Count_1 = 0; Count_1 < N-Count;Count_1++){for(Count_2 = 0; Count_2 <= Count_1+1;Count_2++){if(Count_2 == 0) Res[Count_2] += Res_Save[Count_2];else if((Count_2 == (Count_1+1))&&(Count_1 != 0))Res[Count_2] += -Res_Save[Count_2 - 1];else Res[Count_2] += Res_Save[Count_2] - Res_Save[Count_2 - 1 ];for(Count_Z = 0;Count_Z<= N;Count_Z++){Res_Save[Count_Z] = Res[Count_Z] ;Res[Count_Z] = 0;}}for(Count_1 = (N-Count); Count_1 < N;Count_1++){for(Count_2 = 0; Count_2 <= Count_1+1;Count_2++){if(Count_2 == 0) Res[Count_2] += Res_Save[Count_2];else if((Count_2 == (Count_1+1))&&(Count_1 != 0))Res[Count_2] += Res_Save[Count_2 - 1];elseRes[Count_2] += Res_Save[Count_2] + Res_Save[Count_2 - 1];}for(Count_Z = 0;Count_Z<= N;Count_Z++){Res_Save[Count_Z] = Res[Count_Z] ;Res[Count_Z] = 0;}}for(Count_Z = 0;Count_Z<= N;Count_Z++){*(az+Count_Z) += pow(2,N-Count) * (*(as+Count)) *Res_Save[Count_Z];*(bz+Count_Z) += (*(bs+Count)) * Res_Save[Count_Z];}}到此，我们就已经实现了一个数字滤波器。

合集下载

n阶iir低通滤波器c语言

n阶iir低通滤波器c语言

n阶iir低通滤波器c语言让我们回顾一下IIR滤波器的基本原理。

IIR滤波器是一种递归滤波器，其输出是当前输入样本与过去输出样本的线性组合。

这种结构使得IIR滤波器具有较低的内存需求和高效的计算能力。

在C语言中，可以使用差分方程的形式来表示IIR滤波器。

对于一个n阶IIR滤波器，其差分方程可以表示为：y(n) = b0 * x(n) + b1 * x(n-1) + ... + bn * x(n-n) - a1 * y(n-1) - ... - an * y(n-n)其中，x(n)是当前输入样本，y(n)是当前输出样本，b0、b1、...、bn和a1、...、an分别是滤波器的系数。

为了实现这个差分方程，我们可以使用一个循环来处理每个输入样本。

首先，我们需要定义滤波器的系数。

对于一个n阶IIR低通滤波器，我们可以使用以下公式来计算系数：b0 = (1 - cos(wc)) / 2bi = sin(i * wc) / 2, i = 1, 2, ..., nai = -cos(i * wc), i = 1, 2, ..., n其中，wc是低通滤波器的截止频率，可以根据应用需求进行调整。

在C语言中，我们可以使用数组来存储这些系数。

例如，可以定义一个长度为n+1的数组来存储b系数，以及一个长度为n的数组来存储a系数。

接下来，我们需要定义一个缓冲区来存储过去的输入样本和输出样本。

由于IIR滤波器是递归的，所以我们需要存储n个过去的输入样本和n个过去的输出样本。

我们可以使用两个长度为n的数组来实现。

在每个采样周期，我们首先将当前输入样本存储到缓冲区中，并更新过去的输入样本。

然后，我们使用差分方程计算当前输出样本。

最后，我们将当前输出样本存储到缓冲区中，并更新过去的输出样本。

以下是一个简化的示例代码，用于实现一个2阶IIR低通滤波器：```c#define N 2float b[N+1] = {0.5, 0.5}; // b系数float a[N] = {-0.5, 0.0}; // a系数float x[N+1] = {0.0}; // 过去的输入样本float y[N] = {0.0}; // 过去的输出样本float iir_lowpass(float input) {float output = 0.0;// 更新过去的输入样本for (int i = N; i > 0; i--) { x[i] = x[i-1];}x[0] = input;// 计算输出样本for (int i = 0; i <= N; i++) { output += b[i] * x[i];}for (int i = 0; i < N; i++) { output -= a[i] * y[i];}// 更新过去的输出样本for (int i = N-1; i > 0; i--) { y[i] = y[i-1];}y[0] = output;return output;}```以上代码实现了一个2阶IIR低通滤波器。

fdatool iir参数 c语言

fdatool iir参数 c语言

fdatool iir参数 c语言fdatool是MATLAB中的一个工具，用于设计和分析数字滤波器。

在fdatool中，我们可以选择使用IIR（无限冲激响应）滤波器来实现我们的滤波需求。

本文将介绍如何在fdatool中使用C语言来实现IIR滤波器参数。

我们需要了解什么是IIR滤波器。

IIR滤波器是一种数字滤波器，其输出信号是过去输入信号的线性组合和过去输出信号的线性组合。

IIR滤波器的特点是具有无限长的冲激响应，因此可以更好地逼近现实世界中的信号。

在fdatool中，我们可以通过选择IIR滤波器类型和设置滤波器参数来设计我们的滤波器。

首先，我们需要选择滤波器类型，常见的IIR滤波器类型包括低通滤波器、高通滤波器、带通滤波器和带阻滤波器。

根据我们的信号处理需求，选择相应的滤波器类型。

然后，我们可以在fdatool中设置滤波器参数。

常见的滤波器参数包括截止频率、通带增益、阻带衰减等。

通过调整这些参数，我们可以得到满足我们需求的滤波器。

接下来，我们可以使用fdatool生成C语言代码。

在fdatool界面的右上角，有一个“Generate MATLAB code”按钮，点击该按钮后，可以选择生成C语言代码。

在弹出的对话框中，我们可以选择生成C语言代码的选项，例如生成C函数、生成C头文件等。

根据我们的需求选择相应的选项。

生成C语言代码后，我们可以将其导入到我们的C语言项目中。

在C语言项目中，我们可以调用生成的函数来实现滤波器功能。

根据生成的C代码，我们可以看到滤波器的相关参数和计算过程。

通过理解这些代码，我们可以更好地了解滤波器的工作原理和实现细节。

除了生成C语言代码，fdatool还提供了其他方便的功能，例如滤波器响应的可视化和性能分析。

通过这些功能，我们可以更好地理解和优化我们的滤波器设计。

总结起来，通过fdatool中的IIR滤波器参数的设置和生成C语言代码，我们可以方便地设计和实现满足我们需求的滤波器。

高效滤波器 c语言

高效滤波器 c语言

高效滤波器 c语言
在C语言中，实现高效滤波器可以采用多种方法。

首先，滤波器可以是数字滤波器，用于对数字信号进行滤波处理。

常见的数字滤波器包括FIR（有限脉冲响应）滤波器和IIR（无限脉冲响应）滤波器。

在C语言中，可以通过实现这些滤波器的算法来实现高效的滤波器。

对于FIR滤波器，可以使用C语言编写滤波器的差分方程，并利用循环来实现滤波器的计算。

FIR滤波器的特点是易于设计和稳定，因此在C语言中实现起来比较高效。

对于IIR滤波器，可以使用C语言编写递归形式的差分方程来实现滤波器。

IIR滤波器相对于FIR滤波器来说，可以实现更高阶的滤波器，并且具有更窄的过渡带和更快的计算速度。

除了直接实现滤波器算法外，还可以利用C语言中的优化技巧来提高滤波器的计算效率。

比如，可以使用SIMD指令集来进行并行计算，或者利用多线程来加速滤波器的计算过程。

另外，C语言中也有一些开源的数字信号处理库，比如FFT库
和滤波器库，可以直接调用这些库来实现高效的滤波器。

这些库通常经过优化，能够提供高效的数字信号处理功能。

总之，实现高效滤波器的关键在于选择合适的滤波器算法，并结合C语言的优化技巧来提高计算效率。

通过合理的算法设计和代码优化，可以在C语言中实现高效的滤波器。

IIR滤波器的C实现

IIR滤波器的C实现

IIR滤波器的C实现IIR滤波器的C实现2012-04-10 13:58:54| 分类： Matlab | 标签： |字号大中小订阅第一步：点击菜单中的Edit->Convert Structure 选择Direct Form I ，SOS，（必须是Direct Form I， II不行）一般情况下，按照默认设置，fdatool设计都是由二阶部分串联组成的。

这种结构的滤波器稳定性比一个section的要好很多，其他方面的性能也好些。

如果不是的话，点击Convert to second order sections。

这时，滤波器的结构（structure）应该显示为Direct Form I，second order sections第二步：选择quantize filter，精度选择single precision floating point （单精度浮点）之所以不用定点是因为噪声太大，也不容易稳定。

点击菜单中的Targets -> generate c header ，选择export as：single precision floating point （单精度浮点）填写变量名称时，把NUM改成IIR_B，DEN改成IIR_A,其他不用动，保存为iir_coefs.h保存好的文件如下：//一大堆注释//然后：/* General type conversion for MATLAB generated C-code */ #include "tmwtypes.h"/** Expected path to tmwtypes.h* C:\Program Files\MATLAB\R2010a\extern\include\tmwtypes.h*//** Warning - Filter coefficients were truncated to fit specified data type.* The resulting response may not match generated theoretical response.* Use the Filter Design & Analysis T ool to design accurate * single-precision filter coefficients.*/#define MWSPT_NSEC 9const int NL[MWSPT_NSEC] = { 1,3,1,3,1,3,1,3,1 };const real32_T IIR_B[MWSPT_NSEC][3] = {{0.8641357422, 0, 0},{1, -2, 1},{0.9949035645, 0, 0},{1, -1.999938965, 1},{0.9985351563, 0, 0},1, -1.99987793, 1},{0.9996337891, 0, 0},{1, -1.99987793, 1},{1, 0, 0}};const int DL[MWSPT_NSEC] = { 1,3,1,3,1,3,1,3,1 }; const real32_T IIR_A[MWSPT_NSEC][3] = {{1, 0, 0},{1, -1.938049316, 0.9401855469},{1, 0, 0},{1, -1.989501953, 0.9900512695},{1, 0, 0},1, -1.996887207, 0.9971923828},{1, 0, 0},{1, -1.999084473, 0.9993286133},{1, 0, 0}};第三步：打开iir_coefs.h把MWSPT_NSEC替换成IIR_NSEC, NL、DL数组删除掉，real32_T改成float ，其中有一个#include "twmtypes.h",不要它了，删掉改完的文件如下：#define IIR_NSEC 9//原来叫做MWSPT_NSECconst float IIR_B[IIR_NSEC][3] = {//为什么改为float很明显了吧{0.8641357422, 0, 0},{1, -2, 1},{0.9949035645, 0, 0{1, -1.999938965, 1},{0.9985351563, 0, 0 },{1, -1.99987793, 1},{0.9996337891, 0, 0 },{1, -1.99987793, 1},{1, 0, 0}};const float IIR_A[IIR_NSEC][3] = { {1, 0, 0},{1, -1.938049316, 0.9401855469 },{1, 0, 0},1, -1.989501953, 0.9900512695},{1, 0, 0},{1, -1.996887207, 0.9971923828},{1, 0, 0},{1, -1.999084473, 0.9993286133},{1, 0, 0}};保存文件，然后使用以下代码进行滤波这段代码是根据Direct Form I 2阶IIR滤波的差分方程编写的a0*y[n] = b0*x[n] + b1*x[n-1] + b2*x[n-2] - a1*y[n-1] -a2*y[n-2];//iir_filter.c#include "datatype.h"#include "iir_filter.h"#include "iir_coefs.h"static float y[IIR_NSEC][3];static float x[IIR_NSEC+1][3];int16 iir_filter(int16 in)uint16 i;x[0][0] = in;for(i=0;i<IIR_NSEC;i++){y[0] =x[0]*IIR_B[0]+x[1]*IIR_B[1]+x[2]*IIR_B[2]-y[1]*IIR_A[1]-y[2]*IIR_A[2];y[0] /= IIR_A[0];y[2]=y[1];y[1]=y[0];x[2]=x[1];x[1]=x[0];x[i+1][0] = y[0];}if( x[IIR_NSEC][0]>32767) x[IIR_NSEC][0]=32767;if( x[IIR_NSEC][0]<-32768) x[IIR_NSEC][0]=-32768;return ((int16)x[IIR_NSEC][0]);}//复位滤波器void iir_reset(void){uint16 i,j;for(i=0;i<IIR_NSEC+1;i++){for(j=0;j<3;j++){x[j]=0;}}for(i=0;i<IIR_NSEC;i++){for(j=0;j<3;j++){y[j]=0;}}}//iir_filter.h#ifndef _IIR_FILTER_H__#define _IIR_FILTER_H__int16 iir_filter(int16 x);void iir_reset(void);#endif使用方法:首先写好iir_coefs.h，然后调用iir_filter.c对数据流进行滤波一个伪代码例子：while(运行中){保存到SD卡(iir_filter(读取ADC采样值()));}这个函数比STM32 DSP库中的函数要好很多，DSP库中的2个IIR滤波函数都不能连续处理数据流。