数据压缩作业 QMF滤波器

完全实现QMF滤波器分析(用matlab实现) 两通道正交镜像滤波器组理论 一个两通道正交镜像滤波器组如图1所示,在分析滤波器组一侧,输入信号(设为宽带信号)被分成K个子频带信号(窄带信号),通过抽取可降低采样率;在综合滤波器一侧,通过零值内插和带通滤波可以重建原来的信号。 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。但是重建后的信号并不能与原始信号完全相同,两者之间存在着误差,主要包括: (1)混叠失真。由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 阅读详情

一、调试并运行论文中的matlab代码

clc;clear;close all;

N=41;
w=0.43;
[h0,h1,g0,g1]=firpr2chfb(N,w);
[H1z,w]=freqz(h0,1,512);
H1_abs=abs(H1z);H1_db=20*log10(H1_abs);
[H2z,w]=freqz(h1,1,512);
H2_abs=abs(H2z);H2_db=20*log10(H2_abs);

%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);

%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]); 
%%%%%%%%%%%%%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);
hlp=mfilt.firdecim(2,h0);
hhp=mfilt.firdecim(2,h1);
glp=mfilt.firinterp(2,g0);
ghp=mfilt.firinterp(2,g1);
x0=filter(hlp,x);
x0=filter(glp,x0);
x1=filter(hhp,x);
x1=filter(ghp,x1);
xidle=x0+x1;
xshift=[zeros(1,N) x(1:end-N)];
e=xidle-xshift;
mes=sum(abs(e).^2)/length(e)
fvtool(h0)

%输入信号
figure(4);
plot(x);
%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的偏差

figure(6);
plot(xshift-xidle);

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
二、生成100点的序列并进行FFT变换

clc;clear;close all;

N=100;
n=[0:1:N-1];

xn1=normpdf(n,20,1);
XK1=fft(xn1,N);
figure(1);
subplot(4,1,1);
stem(n,xn1);
title("时域信号xn1");
subplot(4,1,2);
stem(n,abs(XK1));
title("xn1FFT变换");

xn2=normpdf(n,80,1);
XK2=fft(xn2,N);
subplot(4,1,3);
stem(n,xn2);
title("时域信号xn2");
subplot(4,1,4);
stem(n,abs(XK2));
title("xn2FFT变换");

xn=xn1.*(n<50)+xn2.*(n>50);
XK=fft(xn,N);
figure(2);
subplot(2,1,1);
stem(n,xn);
title("合成时域信号xn");
subplot(2,1,2);
stem(n,abs(XK));
title("xnFFT变换");

在这里插入图片描述
在这里插入图片描述

数据压缩作业六:QMF滤波器分析 一、 QMF滤波器 两通道正交镜像滤波器组理论 在分析滤波器组一侧,输入信号(设为宽带信号)被分成K个子频带信号(窄带信号),通过抽取可降低采样率;在综合滤波器一侧,通过零值内插和带通滤波可以重建原来的信号。 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。但是重建后的信号并不能与原始信号完全相同,两者之间存在着误差,主要包括: (1)混叠失真。由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; 阅读详情

相关推荐

完全重建QMF滤波器组的设计

目前,完全重建QMF滤波器组的设计有多种优化设计方法

m0_58972462的博客 1854

完全重建QMF滤波器组及MATLAB实现

正交镜像滤波器组(QMFB) 两通道正交镜像滤波器组(QMFB,Quadrature Mirror Filter Banks)是基于多抽样率技术的滤波系统,一个QMFB可以用如下的流程图表示: 在分析滤波器一侧,输入信号(设为宽带信号)被分为k个子带信号(窄带信号),对子带信号进行抽取,以降低采样率;在综合滤波器一侧,经过零值内插和带通滤波可以重建原来的信号。 若重建的信号 X′(nT)X'(nT)X′(nT) 与输入信号 X′(nT)X'(nT)X′(nT) 满足以下关系: X′(nT)=cX[(n−n

Bageyalv的博客 1709

数据压缩:完全重建QMF滤波器组的相关知识

一、完全重建QMF的设计 1.1 完全重建QMF组 完全重建QMF滤波器组最大的优点是在对信号进行抽取后,可以根据每个子带的不同特征分别进行处理,而插值和合成环节又能消除信号失真的各种因素,因此被广泛用于语音处理、图像处理、国防通信和小波变换中。目前,完全重建QMF滤波器组的设计有多种优化设计方法,如特征值法、最小二乘法[1]、遗传法、多项式分解法[2]等等,都将信号失真降到了很小的范围,但是这些方法计算复杂、参数不容易确定、程序编写较难。而利用matlab的信号处理功能和运算功能,可以快速、有效的设计完全

Tinsley的博客 981

数据压缩作业——完全重建QMF滤波器

任务一 生成如下两个不同的100点的序列并进行FFT变换,观察其傅里叶变换后区别。 N=100; n=[0:1:N-1]; xn1=normpdf(n,15,2); Xk1=fft(xn1,N); figure(1); subplot(3,1,1); stem(n,xn1); title("时域信号xn1"); subplot(3,1,2); stem(n,abs(Xk1)); title("xn1FFT变换幅度图"); subplot(3,1,3); stem(angle(Xk1)); titl.

qq_43310997的博客 268

数据压缩(十二)——matlab傅里叶变换仿真分析和《完全重建QMF滤波器组的设计》阅读

文章目录一、MATLAB傅里叶变换仿真分析1.1 matlab代码1.2 结果1.3 结果分析二、《完全重建QMF滤波器组的设计》2.1 完全重建QMF滤波器组2.2 两通道正交镜像滤波器组理论2.3 完全重建QMFB遇到的问题和解决方法2.4 完全重建QMFB的设计确定N值和w值matlab代码【结果】滤波器H0(z)H_0(z)H0​(z)和H1(z)H_1(z)H1​(z)的幅度响应【结果】幅度响应关系误差【结果】输入信号&理想输出信号(红色线)与重建的输出信号(蓝色线)【结果】理想输出信号与

CRR的博客 1948

数据压缩(十一)——QMF滤波器代码验证(matlab)

N=41; w=0.43; [h0,h1,g0,g1]=firpr2chfb(N,w); [H1z,w]=freqz(h0,1,512); H1_abs=abs(H1z);H1_db=20*log10(H1_abs); [H2z,w]=freqz(h1,1,512); H2_abs=abs(H2z);H2_db=20*log10(H2_abs); %%%%%%%%%%滤波器h0和h1的幅度响应%%%%%%%%%% figure(1); plot(w/pi,H1_db,'-',w/pi..

weixin_45430791的博客 345

数据压缩作业 | 验证时域移位定理与完全重建QMF滤波器组的设计

一、验证时域移位定理 代码: clc; close all; clear; Ts=0.1; N = 500; n = 0: N - 1; t = 1:Ts:Ts*(N-1); xt2 = tripuls(t - 10, 1); xt1 = tripuls(t - 2, 1); figure subplot(3,2,1); plot(t, xt1); xlabel('$t/\rm{s}$', 'Interpreter', 'latex'); ylabel('$x_1(t)$', 'Interpret

layata的博客 475

数据压缩(11)完全重建QMF滤波器组

一、完全重建QMFB的设计(见老师给的文献) 利用matlab实现完全重建QMFB的设计,只需要知道各滤波器的阶数N和滤波器h0的通带截止频率w,就可以得到完全重建QMFB的分析、综合滤波器组的时域形式h0,h1,g0,g1,误差较小且能达到良好的精度。其中,N必须为奇数,必须小于0.5。 完全重建QMFB需要找到合适的N和w的值,使得重建效果最好。为此,首先选定w,对应不同的输入信号x(n),改变N的大小求出均方误差mse,通过比较得到最优的N值;其次,固定N,对应不同的输入信号x(n),改变的大小求出均

weixin_46338503的博客 377

数据压缩第十次作业:完全重建QMF滤波器组的相关知识

本次的作业文献资料《完全重建QMF滤波器组的设计》的理解和应用,接下来,我将先简要介绍一下,通过阅读文献所获得的知识: 文章所给出的是从信号处理的角度来对两通道完全正交镜像滤波器组的理论。文献中主要提出的是基于matlab的完全重建QMFB的方法,在本文的学习中,我也会运行其matlab的程序来进行仿真,得出其仿真结果。 1.两通道正交镜像滤波器组理论: 滤波器的构造如图所示: 从这个图我们可以看出来,他的结构就是一个输入的信号在输入滤波器之后被分成了K个子频带信号,通过抽取和插值再经过带通滤波即可重建出

NTY518的博客 777

设计匹配QMF和DFT滤波器组的改进方法

然而,由于传统的设计方法存在一些缺陷,导致所设计的QMF和DFT滤波器组频率响应不匹配,从而影响了滤波器组的性能。改进的方法基于传统的滤波器组设计方法,但引入了加权函数,在滤波器组的设计过程中对其进行了优化。该加权函数旨在最小化滤波器组的平滑度和相长性,从而尽可能地减少滤波器组中的频率响应不匹配。通过使用改进的方法,可以得到更好的QMF和DFT滤波器组。这些滤波器组可以在数字信号处理中发挥更好的作用,提高信号分析、信号压缩、图像处理等领域的性能。设计匹配QMF和DFT滤波器组的改进方法。

uote_e的博客 282

基于Matlab的共轭正交镜像滤波器组(CQMFB)的设计与仿真

在设计CQMFB时,我们需要确定滤波器的长度和截止频率,并使用firpm或firls等函数进行滤波器设计。共轭正交滤波器组(QMF)是一种常见的滤波器组,可以用于信号压缩、通信系统等方面。CQMFB是QMF的一种类型,它采用共轭滤波器作为分解滤波器,并且使用镜像滤波器作为重构滤波器。滤波器的截止频率越高,则可用于压缩的带宽范围就越大。因此,在设计滤波器时,需要根据实际需求确定滤波器的截止频率。在Matlab中,我们可以使用qmfdesign函数来设计CQMFB,并使用qmf函数来进行CQMFB的仿真。

m0_47037246的博客 585

【数据压缩10】完全重建QMF滤波器组的设计

一、Motivation 很多信源在同一时间表现表现出不同的特性(人对不同失真的敏感度不同),不能找到能满足所有情况的一个模型。因此需要将信号分解处理后再合成,采用不同的编码机制,使编码更灵活,从而编码效率更高。信号分解可利用数字滤波器实现。 二、完全重建QMFB滤波器 最常用的滤波器是正交镜像滤波器(Quadrature mirror filters, QMF)。完全重建滤波器QMFB将输入信号经由不同通带的滤波器组滤波之后输出,在接收侧通过综合滤波器将各子带综合为恢复信号。

yaoyaxuan的博客 1048

QMF滤波器组:设计QMF滤波器组的分析和合成滤波器-matlab开发

设计 QMF 滤波器组的分析和合成滤波器

数据压缩作业:完全重建QAM滤波器组的相关知识

任务一 matlab: clear all; close all; y1=zeros(1,100); for i=1:20 y1(i)=i; end y2=zeros(1,100); for i=81:100 y2(i)=i-80; end subplot(231);stem(y1);title("信号1"); f1=fft(y1); subplot(232);stem(abs(f1));title("幅度值"); subplot(233);stem(angle(f1));title("相位

weixin_45443751的博客 448

车载毫米波雷达实战:用MATLAB复现DDMA-MIMO雷达的Empty-band算法(附代码解析)

本文详细介绍了车载毫米波雷达中DDMA-MIMO技术的实战应用,重点解析了Empty-band算法的原理与MATLAB实现。通过搭建仿真环境,文章深入探讨了发射天线通道解调与相位法速度解模糊两大核心难题的解决方案,并提供了完整的代码解析,为雷达算法工程师提供了从理论到实践的清晰指南。

hill8的博客 559

从AP到ADSP:高通8650 AudioReach中GSL-Passthru-GPR的数据通路剖析

本文深入剖析了高通骁龙8650平台AudioReach架构中,音频数据从应用处理器(AP)到音频数字信号处理器(ADSP)的完整传输路径。重点解析了GSL(Graph Service Layer)如何封装命令,并通过Passthru驱动与GPR(Generic Packet Router)协同工作,实现跨处理器的高效、异步数据交换,揭示了现代手机复杂音频系统背后的核心通信机制。

cherry的博客 536

数据压缩第十一次作业

完全重建QMF滤波器 主要学习《完全重建QMF滤波器组的设计》文献 1.两通道正交镜像滤波器组理论 在分析滤波器组一侧,输入信号(设为宽带信号)被分成K个子频带信号(窄带信号),通过抽取可降低采样率;在综合滤波器一侧,通过零值内插和带通滤波可以重建原来的信号。 对于一个给定的信号,在经过分析滤波器、抽取等等一系列操作后得到回复和重建,但是重建后的信号与原信号存在着误差,主要包括混叠失真、幅度失真、相位失真以及量化失真。 在设计量化器时,就就需要综合考虑如何减小和消除上述的各类误差。消除混叠失真一种简单

qq_43302685的博客 290

避坑指南:RFSoC数据转换器多片同步配置的7个致命错误

本文深入剖析了在配置RFSoC多片同步功能时,工程师最常遇到的七个致命错误。从Tile 0的强制启用、时钟域与SYSREF时序,到跨代器件兼容性、电源序列以及动态重配置的陷阱,文章结合实战经验,提供了从原理到调试的完整RF数据转换器配置指南,旨在帮助开发者高效构建相位一致的大规模射频采样系统。

weixin_28452161的博客 533

[数据压缩]_第12周作业

文章目录一、技术背景二、理论分析三、重建信号的误差四、基于matlab完全重建QMFB的方法`频率响应`` 幅度响应关系误差``输入信号`:`理想输出信号与重建输出信号的偏差`:`h0的幅度响应` 一、技术背景 多抽样率滤波器组,完全重建QMF滤波器组优点是在对信号进行抽取后,可以根据每个子带的不同特征分别进行处理,而插值和合成环节又能消除信号失真的各种因素,因此被广泛用于语音处理、图像处理、国防通信和小波变换中。目前,完全重建QMF滤波器组的设计有多种优化设计方法,如特征值法、最小二乘法[1]、遗传法、多

Apyyxah_101333的博客 444

告别命令行恐惧!用nTopology可视化工具5分钟搞定三维Voronoi泡沫建模

本文介绍如何利用nTopology可视化工具快速生成三维Voronoi泡沫结构,无需编程即可完成复杂建模。Voronoi结构在轻量化设计、能量吸收和生物医学等领域具有重要应用,传统命令行方法门槛较高。通过nTopology的四步流程,用户可在5分钟内创建仿真就绪模型,大幅提升设计效率。

weixin_30764771的博客 426

ShardingSphere 5.3 系列Spring 配置升级指南 | Spring Cloud 47

在 `5.3.0` 版本以前,`ShardingSphere-JDBC` 同时支持 `Java API`、`YAML`、`Spring Boot Starter` 和 `Spring Namespace` 等配置方式。 - 当新增或更新 API 时,需要调整多项配置文件,工作量大 - 社区需要维护多重配置文档和示例 - `Spring Bean` 生命周期管理容易受到项目其他依赖的影响,比如 `PostProcessor` 无法正常执行 - `Spring Boot Starter` 和 `Spring N

gmHappy 2万+

关于HE-AAC中 QMF的设计以及对时频分析的思考

众所周知,HE-AAC是由AAC和SBR组合而成,MP3Pro是MP3和SBR组合而成。SBR的目的是实现从低频到高频的预测与复制。而SBR模块中,QMF是核心内容。 那么QMF是如何设计出来的,作为一个时频分析模块,MDCT才是比较好的应用在音频编解码器里的时频分析系统【1】【2】,那为什么使用QMF呢?他和MP3里的PQF有什么区别?QMF又如何设计? 一. 为什么使用QMF 由【1】,...

weixin_34233856的博客 113

bash: huggingface-cli: command not found... 解决方案

本文主要介绍了bash: huggingface-cli: command not found… 解决方案,希望能对使用大模型的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案

weixin_43178406的博客 5万+
上一篇: 数据压缩实验报告5 JPEG原理分析及JPEG解码器的调试
下一篇: 数据压缩实验报告6 MPEG音频编码原理
タン
博客等级 码龄8年 15粉丝 14原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值