【作业】完全重建QMF滤波器组的设计

一、两通道正交镜像滤波器组理论

1.两通道正交镜像滤波器组原理

滤波器组包括分析滤波器组综合滤波器组。分析滤波器组将信号分成M个子带,对每个子带做M倍的抽取。综合滤波器组做M倍插值,得到和原信号相同的抽样率,实现信号的重建。

当M=2时,分析滤波器组由一个低通滤波器一个高通滤波器组成,把信号分成一个低通信号和一个高通信号。

两通道正交镜像滤波器组

对于一个给定的信号,经过分析滤波器后,再进行抽取、编码、传输,可以通过零值内插、综合滤波器滤波、求和运算得到恢复和重建。重建后的信号与原始信号存在误差,误差来源包括:

  • 混叠失真
    抽取和内插产生的混叠和镜像带来的误差,导致分析滤波器组和综合滤波器组的频带不能完全分开。
  • 幅度失真
    由于分析和综合滤波器组的频带在通带内不是全通函数,其幅频特性波纹产生的误差。
  • 相位失真
    由滤波器相频特性的非线性所产生的误差。
  • 量化失真
    由编、解码产生的误差,与量化噪声相似,这类误差无法完全消除,只能设法减小。

采取以下方式消除混叠失真:
G_0(z)=H_0(z)
G_1(z)=-H_1(z)
当两通道无混叠滤波器组的分解滤波器满足H_1(z)=H_0(-z)时,该滤波器组为正交镜像滤波器组(quadrature mirror filter bank,QMFB)。

2.完全重建QMFB遇到的问题和解决办法

  • 问题
    由假设得到的H_0(z)、H_1(z)不满足通带尽量平过渡带尽量窄阻带尽可能快速衰减的要求。

  • 解决办法
    从滤波器组的核心作用出发,尽可能把输入信号分成两个子带信号,且频谱尽量不混叠

    1.用FIR QMF滤波器组,去除相位失真的前提下,尽可能的减小幅度失真,近似实现完全重建。
    2.用IIR QMF滤波器组,去除幅度失真,不考虑相位失真,近似实现完全重建。
    3.修正QMF滤波器H_1(z)=H_0(-z)的关系,去考虑更合理的形式,从而实现完全重建。

3.完全重建QMFB的设计

  1. 选定w,对应不同的输入信号 ,改变N的大小求出均方误差MSE,通过比较得到最优的N值;
  2. 固定N,对应不同的输入信号 ,改变w的大小求出均方误差MSE,通过比较得到最优的w值。至此,找到了使得完全重建QMFB效果最好的参数Nw

4.完全重建QMFB的仿真实现

(1)确定N

选定w=0.45,给定不同的三个输入信号x_1(n),x_2(n),x_3(n),改变N的大小求出相应的MSE,得到最优的N值。三个输入信号如下图所示:

输入信号

结论:对输入信号一般有:N>127时,不能用matlab实现QMFB的设计;N=41时mse最小,重建效果最好。

(2)确定w

选定N=41,以不同的输入信号 ,改变w的大小求出相应的MSE,通过比较得到最优的w值。
结论:当w=0.43时,重建效果最好,w>0.48时,不能实现。这样,便获得了最佳的Nw

二、MATLAB实现

  1. 获得一个完全重建的双通道FIR滤波器组
N=41;
w=0.43;
[h0,h1,g0,g1]=firpr2chfb(N,w);%获得一个完全重建的双通道FIR滤波器组
[H1z,w]=freqz(h0,1,512);%512点的频率响应
H1_abs=abs(H1z);H1_db=20*log10(H1_abs);
[H2z,w]=freqz(h1,1,512);%512点的频率响应
H2_abs=abs(H2z);H2_db=20*log10(H2_abs);
  1. 滤波器h0和h1的幅度响应
figure(1); 
plot(w/pi,H1_db,'-',w/pi,H2_db,'--'); 
axis([0,1,-100,10]); 
grid 
xlabel('\omega/\pi');ylabel('幅度,dB'); 
sum1=H1_abs.*H1_abs+H2_abs.*H2_abs; 
d=10*log10(sum1);%用于画误差图
滤波器h0和h1的幅度响应

可以看到,两个幅度响应一个为高通,一个为低通,二者相加占满了整个通道,并且两个滤波器镜像对称。

  1. 幅度响应关系误差
figure(2) 
plot(w/pi,d);grid; 
xlabel('\omega/\pi');ylabel('误差,dB'); 
axis([0,1,-0.04,0.04]); 
幅度响应关系误差

误差在0.01的数量级,说明误差很小,几乎可以忽略不计。

  1. 三种输入信号
%%%%%%%%%%%%%x1(n)%%%%%%%%%%%%%%%%%%%%%
x=zeros(1,500);
x(2)=1;x(3)=1;
x(6)=2;x(7)=2;x(8)=2;
x(17)=1.5;x(18)=1.5;x(19)=1.5;
x(24)=1;x(25)=1;
x(33)=3;x(34)=3;x(35)=3;
%%%%%%%%%%%%%%x2(n)%%%%%%%%%%%%%%%%%%%%
x=zeros(1,500);
x(1)=1;x(2)=1;x(3)=1;
x(9)=2;x(10)=2;x(11)=2;
x(16)=3;x(17)=3;x(18)=3;
x(24)=4;x(25)=4;x(26)=4;
x(33)=3;x(34)=3;x(35)=3;
x(41)=2;x(42)=2;x(43)=2;
x(49)=1;x(50)=1;x(51)=1;
%%%%%%%%%%%%%%x3(n)%%%%%%%%%%%%%%%%%%%%
n=1:500;
T=0.2;
x=sin(n*T);
  1. 抽取与插值
hlp=mfilt.firdecim(2,h0);
hhp=mfilt.firdecim(2,h1);%2倍抽取
glp=mfilt.firinterp(2,g0);
ghp=mfilt.firinterp(2,g1);%2倍插值
x0=filter(hlp,x);
x0=filter(glp,x0);
x1=filter(hhp,x);
x1=filter(ghp,x1);
xidle=x0+x1;%理想输出
xshift=[zeros(1,N) x(1:end-N)];
e=xidle-xshift;%重建误差
mes=sum(abs(e).^2)/length(e)%计算均方误差
fvtool(h0)%画h0图像
h0

滤波器h_0的通带近似为一条直线,过渡带很窄,阻带的最大值为-70dB,很好地满足了目标要求。

  1. 作图(以x_3(n)为例)
%%%%%%%%%%%%输入信号%%%%%%%%%%%%%%%%%%
figure(4);
plot(x);
输入信号
%%%%%%%%%%理想输出信号与重建输出信号%%%%%%%
figure(5);
axis([0,500,-1,1]); 
plot(xshift,'r');hold on;
plot(xidle,'-');
axis([0,600,-1.1,1.1]);
理想输出信号与重建输出信号
%%%%%%%理想输出信号与重建输出信号的偏差%%%%%%
figure(6);
plot(xshift-xidle);
理想输出信号与重建输出信号的偏差

理想输出信号与重建输出信号看不出太大的偏差,误差的数量级也在10^{-3},可以实现QMFB的近似重建。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,456评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,370评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,337评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,583评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,596评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,572评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,936评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,595评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,850评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,601评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,685评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,371评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,951评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,934评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,167评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,636评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,411评论 2 342

推荐阅读更多精彩内容