OPTIMIZATION OF DYNAMIC FILTER CHARACTERISTICS
- Autores: Samarov E.1
-
Afiliações:
- SMTU
- Seção: Energy and electrical engineering
- ##submission.dateSubmitted##: 07.08.2025
- ##submission.dateAccepted##: 09.09.2025
- ##submission.datePublished##: 02.10.2025
- URL: https://rjpbr.com/2414-1437/article/view/688780
- ID: 688780
Citar
Texto integral
Resumo
Background. One of the ways to further improve the filter methods of spectral analysis of random signals is to switch from conventional narrow-band filters (NBF) to non-stationary narrow-band dynamic filters (NBDF) operating in the transient mode, which allows to increase the accuracy of measuring the estimation of the spectral power density (SPD) with the same order of the classical and dynamic filters.
Methods. To determine the relative variance of the SPM estimate, the correlation-filter method is used with the use of narrow-band dynamic filters of the second order (UDFVP).
The goal is to optimize methodological algorithms, generalized expressions for the spectral window function (SWF) and the relative variance of the measured estimate of the spectral power density, and to optimize the synthesis of laws for adjusting the characteristics of the UDF: the attenuation coefficient, the central frequency, and the transmission coefficient in the analysis band, in order to perform spectral analysis of random signals.
Results. The article develops and specifies the theoretical results in relation to UDFVP in order to optimize the laws of restructuring (measurement) of their characteristics, with a focus on a more advanced correlation-filter method for spectral analysis of random signals
Conclusions. The results obtained in the work show that the use of narrow-band dynamic filters that are reconfigured in the analysis band allows for higher accuracy in spectral analysis compared to classical, stationary filters of the same order.
Texto integral
Введение. Одним из перспективных направлений развития фильтровых методов спектрального анализа случайных сигналов является внедрение нестационарных узкополосных динамических фильтров (УДФ), функционирующих в переходных режимах, взамен традиционно используемых узкополосных фильтров (УПФ). Такой подход позволяет повысить точность оценки спектральной плотности мощности (СПМ) без увеличения порядка фильтра по сравнению с классическими решениями. В данной работе представлены и проанализированы алгоритмические основы построения таких фильтров, обобщенные аналитические выражения для спектрального окна и относительной дисперсии оценки СПМ, а также проанализированы принципы оптимального проектирования законов перестройки параметров УДФ – таких как коэффициент затухания, центральная частота и коэффициент передачи в полосе анализа. Особое внимание уделено развитию теоретических положений применительно к узкополосным динамическим фильтрам второго порядка (УДФВП), с целью оптимизации процессов адаптации их характеристик. Основной акцент сделан на усовершенствовании корреляционно-фильтрового подхода к спектральному анализу случайных сигналов.
Оптимизация законов перестройки характеристик УДФВП. Запишем выражение для комплексной частотной характеристики УДФВП в общем виде
, (1)
где – функция перестройки центральной частоты фильтра во времени; -функция перестройки коэффициента затухания фильтра во времени; , – функции перестройки во времени параметров и фильтра, определяющего его коэффициент передачи; индекс указывает на перестройку характеристик фильтра во времени в полосе анализа.
Функция спектрального окна УДФВП для корреляционно-фильтрового метода спектрального анализа имеет вид [1-3]:
. (2)
Для ее определения находим вещественную часть комплексной частотной характеристики фильтра (1):
,
где .
Чтобы составляющая была симметрична относительно частот , положим и получим
. (3)
Подставляя равенство (3) в (2), имеем
. (4)
Эта формула связывает функцию спектрального окна узкополосного динамического фильтра второго порядка для корреляционно-фильтрового метода спектрального анализа с его характеристиками , , .
Для определения относительной дисперсии оценки СПМ, измеряемой корреляционно-фильтровым методом с использованием УДФВП, воспользуемся формулой [1]:
.
Перейдем в этой формуле от комплексной частотной характеристики к импульсной переходной характеристике . Используя преобразование Фурье [4, 5]
,
получаем
. (5)
При естественных для УПФ условиях и формулу (5) можно привести к следующему виду:
. (6)
Выражение (6) связывает характеристики , узкополосного динамического фильтра второго порядка с относительной дисперсией оценки спектральной плотности мощности , измеряемой корреляционно-фильтровым методом.
Чтобы получить УПФ с центральной частотой , необходимо изменить центральную частоту (или частоту настройки) элементарного УДФ по закону
, (7)
где – половина полосы пропускания УДФ; – функция, определяющая закон изменения во времени частоты и удовлетворяющая граничным условиям и .
Для упрощения дальнейших преобразований перейдем в выражениях (4) и (6) к безразмерным величинам. Введем следующие обозначения:
; (8)
; (9)
; (10)
; (11)
. (12)
С учетом равенств (8)-(12) формулы (4), (6) принимают вид:
; (13)
. (14)
Выражения (13) и (14) являются исходными для оптимизации законов перестройки характеристик УДФВП для корреляционно-фильтрового метода спектрального анализа случайных сигналов.
Перейдем к решению задачи оптимизации.
Решение задачи оптимизации. Предположим, что коэффициент передачи УДФВП поддерживается постоянным, а его центральная частота изменяется по линейному закону. В этом случае
, ;
; ,
и формулы (13) и (14) принимают вид:
; (15)
. (16)
где ; .
В качестве оптимизации примем относительную площадь под кривой функции спектрального окна узкополосного динамического фильтра второго порядка в полосе анализа (рабочая площадь) ко всей (полной) площади под кривой ФСО. Тогда задача оптимизации формулируется так: необходимо определить закон изменения безразмерного коэффициента затухания УДФВП, обеспечивающий при заданном значении относительной дисперсии оценки спектральной плотности мощности максимум площади под кривой функции спектрального окна фильтра в полосе анализа.
Вычислим полную площадь , заключенную под кривой ФСО, и площадь , ограниченную ФСО в рабочей полосе относительных частот . Отметим, что значение величины несколько больше единицы за счет некоторого расширения полосы пропускания от номинальной.
Полная площадь
.
Подставляя в эту формулу выражение (15), после вычислений получаем
. (17)
Аналогично имеем для рабочей площади
. (18)
Для решения задачи оптимизации использован метод неопределенных множителей Лагранжа, в соответствии с которым проведена минимизация функционала
,
где – коэффициент Лагранжа.
Для оптимального закона изменения коэффициента затухания УДФВП во времени получено следующее выражение:
, (19)
где ; – максимальное значение коэффициента затухания (при ); оно связано с начальным значением коэффициента затухания (при ) соотношением
, (20)
где
. (21)
Оптимальная зависимость коэффициента затухания УДФВП для корреляционно-фильтрового метода спектрального анализа приведена на рис. 1 (кривая 1), а зависимость от на рис. 2.
Из рис. 2 следует, что существенное различие между начальным и конечным значениями коэффициента затухания УДФВП для корреляционно-фильтрового метода анализа имеется при . Более строгий анализ показывает, что при и даже при для расчета параметров оптимального закона перестройки УДФВП можно пользоваться приближенной формулой, полученной из (20) с учетом равенства (21):
.
Рис. 1. Зависимость коэффициента затухания от : 1 – для оптимального закона перестройки ; 2 – для линейного закона перестройки
Рис. 1. Зависимость от для УДФВП
Относительная систематическая погрешность вычисления , вызываемая упрощением (20), при составляет %, а в диапазоне она изменяется от -1.34 до -3,6%.
Коэффициент в формуле (18) определяется параметрами и :
.
Таким образом, перестройка коэффициента затухания УДФВП в полосе анализа, согласно зависимости (19), обеспечивает при указанном выше значении , постоянном коэффициенте передачи и линейном сканировании центральной частоты фильтра максимальную точность аппроксимации идеального окна и заданную относительную дисперсию оценки СПМ, измеряемую корреляционно-фильтровым методом спектрального анализа случайных сигналов.
Оптимальная зависимость (19) даже для УДФВП является линейной, что осложняет ее аппаратурную реализацию в корреляционно-фильтровых анализаторах спектра. Поэтому целесообразно рассмотреть более простые законы задания коэффициента затухания УДФВП, например, линейный закон изменения и поддержания постоянного значения коэффициента затухания в полосе анализа при линейном законе изменения центральной частоты УДФВП в обоих случаях.
Линейный закон изменения и поддержания постоянного значения коэффициента затухания в полосе анализа. С учетом равенства запишем выражение (16) в следующем виде:
. (22)
Пусть закон изменения коэффициента затухания УДФВП описывается линейной функцией (кривая 2 на рис. 1):
. (23)
Подставив это соотношение в (22), после преобразования получим выражение для относительной дисперсии оценки СПМ
. (24)
Далее определим зависимость относительной погрешности аппроксимации функции спектрального окна УДФВП от начального значения коэффициента затухания, выразив ее через площади и :
. (25)
Используя (18), вычислим площадь , которая с учетом равенства (23), принимает вид
,
где .
После вычислений и подстановки полученного равенства для в (25) имеем
. (26)
Эта зависимость приведена на рис. 3 (кривая 1).
Рис. 3. Зависимость погрешности аппроксимации , от коэффициента затухания :
1 – для линейного закона изменения коэффициента затухания; 2 – для постоянного коэффициента затухания
Из рис. 1 видно, что точность аппроксимации идеального (прямоугольного) спектрального окна реальным спектральным окном УДФВП возрастает с уменьшением начального значения коэффициента затухания .
Переходим к варианту задания постоянного значения коэффициента затухания УДФВП, то есть . В этом случае выражение (24) и (26) принимают вид:
;
. (27)
Зависимость (27) приведена на рис. 3 (кривая 2). Сравнение двух зависимостей подтверждает естественный факт: использование УДФВП с линейным законом перестройки коэффициента затухания приводит к меньшей относительной погрешности аппроксимации при измерении оценки СПМ, чем применение УДФВП с постоянным коэффициентом затухания. Для проверки полученных результатов проведено их моделирование на ПЭВМ и сравнительный анализ обоих вариантов закона изменения характеристик УДФВП применительно к корреляционно-фильтровому методу спектрального анализа.
Подставляя равенство (23) в (15) для линейного закона изменения коэффициента затухания, после вычислений получаем следующее выражение:
. (28)
Два УДФВП с постоянным коэффициентом затухания из (28) при получаем выражение для ФСО:
. (29)
Зависимости функций спектральных окон УДФВП и , определяемые соответственно выражениями (28), (29) для различных значений начального коэффициента затухания , приведены на рис. 4.
Для наглядности графики функций , для совмещены на рис. 5, там же приведена зависимость для стационарного (не перестраиваемого, классического) фильтра, которая определяется выражением
.
а) б)
Рис. 4. Зависимости функций спектрального окна УДФВП для различных значений начального коэффициента затухания : а – при линейном изменении коэффициента затухания ; б – при постоянном значении коэффициента затухания
Из сравнения графиков видно, что применение квазиоптимальных УДФВП с линейной перестройкой коэффициента затухания при одной и той же относительной дисперсии оценки СПМ позволяет получить меньшую относительную погрешность аппроксимации, чем при использовании УДФВП с постоянным коэффициентом затухания, и тем более стационарного фильтра.
Рис. 5. Зависимости функции спектральной окна узкополосных фильтров: 1 – функция спектрального окна для линейного закона перестройки центральной частоты и линейного закона изменения коэффициента затухания УДФВП; 2 – функция спектрального окна для линейного закона перестройки центральной частоты при постоянном затухании УДФВП; 3 – функция спектрального окна стационарного фильтра
Заключение. Таким образом, применение узкополосных динамических (перестраиваемых в полосе анализа) фильтров позволяет получить более высокую точность спектрального анализа по сравнению с классическими, стационарными фильтрами того же порядка.
Sobre autores
Eugene Samarov
SMTU
Autor responsável pela correspondência
Email: omega511@mail.ru
Doctor of Technical Sciences, Dean of the Faculty of Natural Sciences
RússiaBibliografia
- Hulseman, L. Introduction to the Theory and Calculation of Active Filters: Translated from English / L. Hulseman, F. Allen. – Moscow: Radio and Communications, 1984. – 384 p.
- Moshits, G. P. Design of Active Filters: Translated from English / G. Moshits, P. Horn. – Moscow: Mir, 1984. – 320 p.
- Chinkov V.N. Optimization of the Laws of Reconfiguration of the Characteristics of Dynamic Filters of the Second Order for Spectral Analysis of Random Signals // Measuring Technique. 2003. No. 11. Pp. 61-65.
- Honorovsky I.S. Radio Engineering Circuits and Signals – Moscow: Radio and Communication, 1986. 512 p
- Artyushenko V.M., Samarov E.K. Application of the Kalman-Bucy filtering algorithm in problems of power quality analysis // Electrical and Information Complexes and Systems. 2006. Vol. 2. No. 1. Pp. 17-23.
Arquivos suplementares
