Russian Federation
The article includes a block diagram and the mathematical model for low pass filter designed for processing low frequency signal with a frequency of 10-40 Hz in order of eliminate various noises and interference.
low frequency signal, signal processing, filtering the signal, software filter, low pass filter
I. Введение
В настоящее время расширяются возможности для обработки низкочастотных сигналов с использованием современных методов и алгоритмов, использующих частотную коррекцию.
Под частотной коррекцией понимается повышение или понижение уровня спектральных составляющих сигналов в выбранных полосах с помощью фильтров без внесения новых составляющих спектра. Необходимость серьезной частотной коррекции низкочастотного сигнала связано с тем, что в нем преобладают различного рода шумы и помехи, которые зачастую «заглушают» исходный информационный сигнал с коры головного мозга [1].
С помощью фильтров в большинстве случаев решаются только технические вопросы. Например, ограничение полосы пропускания сигнала, подавление низкочастотных шумов и сетевых наводок, коррекция амплитудно-частотных характеристик (АЧХ) датчиков.
В последнее время для решения данных задач все более широко применяются различные методы вейвлет-преобразований с целью формирования управляющих сигналов.
Частотная коррекция сигналов представляет собой комбинацию различных фильтров, которые могут быть сформированы в виде отдельной аппаратуры, или в виде программного обеспечения [2]. К такому роду комбинации относят:
– фильтры плавного подъема и спада амплитудно-частотных характеристик (АЧХ);
– фильтры ограничения полосы частот;
– фильтры «присутствия»;
– полосовые фильтры;
– графические эквалайзеры;
– параметрические эквалайзеры и прочие.
Такие фильтры, по принципу своей реализации, разделяются на два типа: аналоговые и цифровые [3]. Кроме того, аналоговые фильтры могут быть выполнены как на пассивных, так и на активных элементах. По принципу работы все фильтры разделяются на линейные и нелинейные. В зависимости от вида импульсной передаточной функции фильтры разделяются на рекурсивные (с бесконечной импульсной характеристикой) и нерекурсивные (с конечной импульсной характеристикой). Все аналоговые фильтры являются рекурсивными, цифровые фильтры могут быть как рекурсивными, так и нерекурсивными.
Обработка низкочастотного сигнала с помощью фильтров – это один из способов выявления информационного сигнала с коры головного мозга человека.
Частотные характеристики фильтров, применяемые для обработки сигнала в аналоговой аппаратуре, требуют большое число пассивных и активных элементов с очень высокими требованиями к точности их изготовления и к сохранению параметров в процессе длительной эксплуатации.
Цель статьи представить структурную схему и разработать математическую модель низкочастотного фильтра для обработки низкочастотного сигнала и устранения в нем шумов/помех без искажения исходного сигнала.
1. Bibikov, D. V. Metod proektirovaniya skhem dlya schityvaniya NCh-signalov s kory golovnogo mozga [Tekst] / D. V. Bibikov, R. B. Burov, V. V. Lavlinskiy, Yu. G. Tabakov. Modelirovanie sistem i protsessov. - 2013. -№ 2. - S. 11-14.
2. Tabakov, Yu. G.Obrabotka NCh signalov dlya intellektual´nykh trenazherov s primeneniem programmnykh lineynykh fil´trov s diskretnym vremenem [Tekst] / Yu. G. Tabakov, V. V. Lavlinskiy, D. V. Bibikov. Modelirovanie sistem i protsessov. - 2014. - № 3. - S. 45-47.
3. Bibikov, D. V. Issledovanie podkhodov dlya sozdaniya informatsionnoy sostavlyayushchey pri proektirovanii intellektual´nogo trenazhera na osnove signalov kory golovnogo mozga [Tekst] / D. V. Bibikov, R. B. Burov, V. V. Lavlinskiy, Yu. G. Tabakov. Modelirovanie sistem i protsessov. - 2012. - № 4. - S. 52-56.
4. Tabakov, Yu. G. Ratsionalizatsiya vybora matematicheskikh algoritmov dlya upravlyayushchikh NCh signalov [Tekst] / Yu. G. Tabakov, V. V. Lavlinskiy. Modelirovanie sistem i protsessov. - 2014. - № 3. - S. 39-41.
5. Tabakov, Yu. G. Optimizatsiya algoritmov veyvlet-preobrazovaniya pri modelirovanii NCh signalov [Tekst] / Yu. G. Tabakov, V. V. Lavlinskiy, D. V. Bibikov. Modelirovanie sistem i protsessov. - 2014. -№ 3. - S. 47-49.
6. Tabakov, Yu. G.Analiz veyvlet-preobrazovaniya Dobeshi dlya snyatiya i obrabotki NCh signalov [Tekst] / Yu. G. Tabakov, D. V. Bibikov. Informatsionnye tekhnologii modelirovaniya i upravleniya. - 2014. - T. 90. -№ 6. - S. 504-510.
7. Lavlinskiy, V. V. Intellektual´nyy trenazher [Tekst] / V. V. Lavlinskiy, D. V. Bibikov, R. B. Burov, Yu. G. Tabakov. Aktual´nye napravleniya nauchnykh issledovaniy XXI veka: teoriya i praktika. - 2014. - T. 2. - № 4-3 (9-3). - S. 360-367.
