[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。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/730226.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

重磅来袭,表格数据显示的快捷方式和注意事项!

今天分享数据表格常见的两个问题,如何“快速去除小数点”和“快速显示万位数”,及日常工作计算常见问题,今天刘小生跟大家一起排雷! 1. 快速去除小数点 问题:经数据计算后出现小数位数,想要在整体数据展示…

除了百度,还有哪些搜索引擎工具可以使用

搜索引擎成是我们获取知识和信息不可或缺的工具。百度作为国内最大的搜索引擎,全球最大的中文搜索引擎,是许多人的首选。那么除了百度,还有哪些搜索引擎可以使用呢?小编就来和大家分享国内可以使用的其他搜索工具。 1. AI搜索 AI…

4K高质量视频素材库,剪辑必备

找免费4K 高质量视频素材,就上这8个网站,剪辑必备,赶紧收藏吧! 1、baotu 【实拍视频】免费下载_实拍视频素材​ibaotu.com/shipin/7-5026-0-0-0-1.html?spmzhkolws​编辑 国内高质量素材网站,涵盖设计、新媒体、视频…

QT:QT中的默认代码 QT 创建控件的两种方式

目录 QT中的默认代码 新项目的结构 主函数 wiget类的声明文件.h wiget类的定义文件.cpp form file界面文件 .pro文件 QT 创建控件的两种方式 通过ui界面创建控件 通过代码方式创建控件 QT中的默认代码 新项目的结构 主函数 基本概念:Qt 在创建的一个 Wi…

Redis(超详细)

Redis Redis概念: Redis是开源的,遵循BSD的,基于内存数据存储,被用于作为数据库、缓存机制、消息中间件; Redis的特点: 1.高性能key/valu内存xing数据库; 2.支持丰富的数据类型 3.支持持久化&am…

CRMEB 多店商品详情页装修说明

一、功能介绍 商家可调整商品详情各板块样式,可根据不同的需求开启或关闭单独的板块 二、操作流程 装修 > 商品详情 三、功能说明 1、商品信息 可控制商品详情页面商品信息的显示与隐藏 2、会员信息,排行榜 控制商品详情页面会员信息及排行榜的…

idea中的git在clone文件提示 filename too long

一 解决版本 1.1 问题描述以及解决办法 当在Windows系统下使用Git时出现“filename too long”错误: git config --system core.longpaths true

rsa加签验签C#和js、java、微信小程序互通

js实现rsa加签验签 https://github.com/kjur/jsrsasign 11.1.0版本 解压选择需要的版本&#xff0c;这里选择all版本了 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><title>JS RSA加签验签</title&g…

Unity的渲染管线

渲染管线 概念 Unity的渲染管线是在图形学渲染管线的基础上&#xff0c;加上了高度可配置可扩展的框架&#xff0c;允许开发者自定义渲染流程。 渲染管线&#xff08;渲染流水线&#xff09;概述&#xff1a;将数据分阶段的变为屏幕图像的过程。 数据指的是模型、光源和摄像…

Java——访问修饰符

一、访问修饰符是什么 Java中的访问修饰符用于控制类、接口、构造函数、方法和数据成员&#xff08;字段&#xff09;的可见性和访问级别。 Java提供了四种访问修饰符&#xff1a; 访问修饰符同一类内同一包内不同包的子类不同包的非子类适用对象public可见可见可见可见类、…

卫士通电科网安安全IpSec网关Ukey开发对接

官方公开的开发文档&#xff0c;有几个坑&#xff0c;着重说一下踩坑的记录过程。 1、通过官方的客户端接口模拟程序获取前端参数&#xff1a;随机数和token 2、java程序调用官方sdk&#xff0c;postman请求测试&#xff1a; 3、贴出关键的java集成类&#xff1a; import cn.h…

国产AI之光!KIMI大模型详细使用入门指南(非常详细)零基础入门到精通,收藏这一篇就够了

在目前的AI大模型领域&#xff0c;OpenAI公司开发的Chat-GPT毫无疑问是领头羊&#xff0c;但其使用有着众所周知的限制条件。 提到国产AI大模型&#xff0c;热度最高的毫无疑问就是月之暗面公司训练的KIMI大模型&#xff0c;堪称国产AI之光&#xff0c;也是我本人高频使用的两…

Matplotlib绘制一个X轴2个Y轴的图表

import matplotlib matplotlib.use(Agg) # 使用Agg后端&#xff0c;这个后端适用于生成图像文件但不显示它们 import matplotlib.pyplot as plt fig plt.figure(figsize(15, 8))# 字体使用楷体 matplotlib.rc("font", family"Microsoft YaHei") ax1 fig…

Nginx 负载均衡实现上游服务健康检查

Nginx 负载均衡实现上游服务健康检查 Author&#xff1a;Arsen Date&#xff1a;2024/06/20 目录 Nginx 负载均衡实现上游服务健康检查 前言一、Nginx 部署并新增模块二、健康检查配置2.1 准备 nodeJS 应用程序2.2 Nginx 配置负载均衡健康检查 小结 前言 如果你使用云负载均衡…

七连发吴谨言专访揭秘

七连发&#xff01;吴谨言专访揭秘&#xff0c;薛芳菲魅力再升级在娱乐圈的繁星中&#xff0c;总有那么一些独特的光芒&#xff0c;她们用才华和魅力照亮前行的道路。近日&#xff0c;备受瞩目的“六公主”平台连续发布了七条关于吴谨言的专访&#xff0c;引发了广大网友的热烈…

常微分方程算法之编程示例一(欧拉法)

目录 一、研究问题 二、C代码 三、计算结果 一、研究问题 前面几节内容介绍了常微分方程有限差分格式的推导。为加强对本专栏知识的理解&#xff0c;从本节开始&#xff0c;我们补充一些具体算例及相应的编程。 欧拉法的原理及推导请参考&#xff1a; 常微分方程算法之欧拉…

NXP i.MX8系列平台开发讲解 - 3.15 Linux 之USB子系统(一)

专栏文章目录传送门&#xff1a;返回专栏目录 Hi, 我是你们的老朋友&#xff0c;主要专注于嵌入式软件开发&#xff0c;有兴趣不要忘记点击关注【码思途远】 目录 Linux 之USB子系统(一) 1. USB基础简介 1.1 USB的传输模式 1.2 USB 的设备描述符 1.3 USB 类的定义分类 2…

不在枯燥用第三方库简化你的编程之路

简介&#xff1a; Python作为一种多用途的编程语言,得益于其丰富的第三方库和框架,极大地拓展了其功能和应用领域.这些工具不仅提升了开发效率,也使得Python在各个领域展现出色的表现. 今天我们就来聊一聊Python 第三方库是由第三方开发者编写并共享的库,可用于扩展 Python 的…

深度剖析现阶段的多模态大模型做不了医疗

导读 在人工智能的这波浪潮中&#xff0c;以ChatGPT为首的大语言模型&#xff08;LLM&#xff09;不仅在自然语言处理&#xff08;NLP&#xff09;领域掀起了一场技术革命&#xff0c;更是在计算机视觉&#xff08;CV&#xff09;乃至多模态领域展现出了令人瞩目的潜力。 这些…

X86+FPGA, NXP+FPGA:工控稳“固”之选 赋能CPCI/VPX智能轨交新变革

工业IPC在目前大时代背景下面临机遇,但挑战同样也不少。在轨道交通领域&#xff0c;工控机必须具备高可靠性和稳定性&#xff0c;能够在复杂且严苛的工作环境中长时间无故障运行&#xff1b;需要满足严格的实时性和响应性能要求&#xff0c;确保能够迅速准确地处理传感器信号和…
最新文章