抗干扰滤波范文-盘古文库

抗干扰滤波范文（精选7篇）

抗干扰滤波第1篇

1 自适应天线阵抗干扰滤波的原理

自适应天线阵的主要组成单元包括天线阵列、波束形成网络和自适应波束调整器(即自适应算法)。

1.1 天线阵列及波束形成网络

在本文中,天线阵列采用加芯均匀圆天线阵列(NUCA),天线个数为4个。

波束形成网络采用功率倒置阵。功率倒置阵的基本思想是:当干扰功率远大于期望信号功率时,可以认为参考信号等于零,此时使误差信号的均方值最小化等效于使输出信号y(n)的均方值最小,把干扰估计出来并加以抵消。

1.2 自适应算法

最陡下降算法不需要知道误差性能曲面的先验知识,如果步长因子滋合适选取,就能使权值矢量w(n)收敛到最佳维纳解,且与起始条件无关。但是,最陡下降法的主要限制是它需要准确测得每次迭代的梯度矢量(n),这妨碍了它的应用。因此,当该算法运行在未知环境时,必须根据可用数据估计梯度向量。为了简化计算过程和缩短收敛时间,许多学者对这方面的新算法进行了研究。1960年,美国斯坦福大学的Widrow等提出了最小均方(Least Mean Square,LMS)算法,这是一种用瞬时值估计梯度矢量的方法。LMS算法是随机梯度算法族中的一员LMS算法的一个显著特点是它的简单性。此外,它不需要计算有关的相关函数,也不需要矩阵求逆运算。事实上,正是因为LMS算法的简单性,使得它成为其他线性自适应滤波算法的参照标准。下面对LMS算法进行详细描述[1]。

LMS算法是现行自适应滤波算法。一般来说它包含两个基本过程:

(1)滤波过程:包括计算线性滤波器输出对输入信号的响应和通过比较输出结果与期望响应产生估计误差。

(2)自适应过程:根据估计误差自动调整滤波器参数。

这两个过程一起工作组成一个反馈环,如图1所示。首先是一个横向滤波器(围绕它构造LMS算法),该部件的作用在于完成滤波过程。其次是一个对横向滤波器抽头权值进行自适应控制过程的算法,即图中表明的“自适应权值控制算法”部分。

可以用三个基本关系形式表明LMS权值自适应算法如下:

式(1)和式(2)定义了估计误差e(n),其计算基于抽头权向量w赞(n)的当前估计。注意式(3)右边的第二项滋e*(n)x(n)代表了抽头权向量w赞(n)的当前估计的调整量。该迭代过程从某一初始猜测点w赞(0)开始。

式(1)到(3)所描述的算法是自适应LMS算法的复数形式。在每一次迭代或时间更新中,这个算法都需要x(n),d(n)和w赞(n)最近值的知识。LMS算法是随机梯度算法族中一员。特别是当LMS算法应用于随机输入时,从一个迭代循环到下一循环所允许的方向是完全随机的,因此不能把允许方向看做由纯梯度方向组成。

2 MATLAB仿真

根据式(1)至式(3)所描述的LMS自适应算法,对其进行了MTALAB仿真。其流程如图2所示。

2.1 对仿真的基本参数设定

设置天线阵元个数M=4,载波频率38.92MHz,采样频率31.2MHz,抽取倍数Q=6。

GPS卫星个数是2个,其中第一颗卫星方位角为10°,俯仰角为30°;第二颗卫星方位角为10°,俯仰角为60°。

干扰共有三个,均为宽带干扰。这三个干扰方位角分别为190°、170°和230°,俯仰角分别为60°、45°和65°。白噪声功率为1。

2.2 进行自适应滤波权值计算

根据式(1)到式(3)描述的LMS自适应算法,采用硬件需要的数字化的思维在MATLAB中体现了该算法。

LMS权值的数据表示宽度为42bit,固定第1个权值为1,量化后为240。基带数据经过实时LMS迭代下的抗干扰滤波并截取38bit,抗干扰滤波输出与接收矢量相乘,成为权值更新量(加长版),权值更新后的结果(加长版)再截尾1bit后,成为最终的新权值。

根据以上的算法,通过仿真得到第2至4个天线阵元的权值收敛曲线如图3所示。其中三种颜色的实线和虚线分别代表第2至4个天线阵元的相应权值收敛曲线,这里采用分段平均的方法进行表示。从图3中可以看到,三个阵元的权值收敛效果很好。

2.3 用权值矢量进行抗干扰滤波

在得到权值矢量以后,用其进行滤波。将它的共轭与进行抽取之后的数据相乘,并进行相应的处理,计算滤波前后功率的变化,得到以下结果:

针对第一颗卫星,滤波前有用信号功率为0.000 296 4,干扰功率为254.7,噪声功率为0.045 57,信噪比为-21.87dB,信干噪比为-59.34dB;经过LMS抗干扰滤波后,有用信号功率为0.000 744,干扰功率为0.307 3,噪声功率为0.063 65,信噪比为-19.32dB,信干噪比为-26.99dB。信干噪比提高32.36dB。

针对第二颗卫星,滤波前的相关数据与第一颗卫星的相同;经过LMS抗干扰滤波后,有用信号功率为0.000 661,干扰功率为0.307 3,噪声功率为0.063 65,信噪比为-19.84dB,信干噪比为-27.5dB。信干噪比提高31.84dB。

比较两颗卫星的信干噪比改善情况可以看到,经过LMS抗干扰滤波后干扰功率由原来的254.7几乎全部被滤掉,信干噪比提高度达到30dB以上。

从图4可以看出,输出功率收敛非常迅速。而图5中浅色部分为滤波前接收数据分布。可以看到干扰很大,而深色部分为滤波后的接收数据,收敛迅速,干扰很小。由此可见,LMS自适应算法对于滤除接收数据中的干扰有着很好的效果。

3 FPGA实现和仿真输出

接下来采用前文所述的LMS算法对信号进行抗干扰滤波的FPGA实现,以降低噪声及干扰对后面捕获所产生的影响。

图6所示的流程图为进行LMS滤波的详细流程,在图中可以看到标示了A～D共4大块,分别代表了抗干扰滤波、权值更新、步长设定和新权值截尾4个步骤。

利用图6可以在FPGA中用VHDL语言实现LMS权值滤波算法。图7为根据上述步骤进行LMS抗干扰滤波得到的仿真图。

4 总结

本文对自适应天线阵抗干扰滤波进行了研究,利用MATLAB对LMS算法进行了仿真,利用仿真结果对性能进行了分析,并在FPGA中实现了LMS抗干扰滤波算法。从实验结果可以看出抗干扰滤波对滤除接收数据中的噪声与干扰有着很好的效果。

参考文献

[1]Haykin S著,郑宝玉等译.自适应滤波器原理.第四版.北京:电子工业出版社,2003

[2]杨俊,武奇生编著.GPS基本原理及其MATLAB仿真.西安:西安电子科技大学出版社,2006

抗干扰滤波第2篇

目前世界上西欧国家和美国在这方面的技术比较成熟,不但研制出了双带通、三带通等多带通滤光膜,且透过波段处具有较高透过率,截止带具有很好的截止度[4]。我国在该类滤光膜方面的研制工作开展的较晚,近几年才有相关成果出现,虽已制备出若干种带通滤光片,但透过带透过率普遍较低,截止度也不是很理想。针对上述实际情况,在设计之初,重点考虑建立一种基于晶控Tooling因子修正的拟合度控制的膜系优化设计模型。

1膜系设计

文中是设计制备的双带通滤光片在808 ± 10 nm和1 550 ± 10 nm处高透射,在波段510~780 nm、835~1 500nm和1 600~1 700 nm高反射,该滤光膜镀制在石英基底上,具体参数要求如表1所示。其中T为平均透过率,入射角度为0o~10o。

1.1膜料选择

在薄膜材料选取中,首先要考虑到滤光片的工作波长,材料在波段500~1 700 nm吸收小、损耗低, 蒸发状态稳定,折射率变化范围小[5],基于材料方面的考虑,最终选取Ti3O5和Si O2作为高低折射率材料。

1.2拟合度模型的建立

为满足表1所示参数要求,减小杂散光对光信号影响,提高信噪比,需设计一个双带通、宽截止带的滤光膜。使用石英晶控法控制膜厚,由于制备工艺过程存在不稳定性,随着薄膜厚度的增加,石英晶控片的活性降低,监控误差随之变大[6]。由于这些误差的存在,在选择评价函数的时候应尽量考虑较大的评价函数,以便获得最具可镀性的膜系结构。目前大多数膜系设计软件采用的都是将评价函数极小化的数值优化法。这样优化设计出的膜系虽然跟设定的目标光谱响应十分接近,但所得膜系的可制备性并不是很高,这是因为在膜系设计过程中并没有将膜层参数误差考虑在内。针对这种情况,为了将膜层参数的误差特性引入到膜系初始的优化设计阶段,重新编辑了膜系软件的优化程序,新编辑程序的优化思路是最小二乘法,程序流程图如图1所示。

以模拟的膜层材料Tooling值的误差所造成的评价函数偏差的统计均值来表征膜层拟合度,并与评价函数相加作为新的评价函数优化。假定入射介质、膜层材料、基底折射率均已给定。使用平方和型评价函数,表达式如下

其中,μi表示权重因子;R(t,λm)表示修正后评价函数波点 λm处的理论反射率;修正之前R(λm)为 λm处的目标反射率;t是对应膜系设计中膜层材料的Tooling值;N是均匀选取的总波点数。假设膜层材料Tooling值偏差量为 Δt ,膜系的透过率光谱就会偏离理论光谱,这种偏离程度可用扰动后评价函数F(t+ Δt) 与原评价函数F(t) 的差值来表征。膜层材料Tooling值误差 Δt的相关程度和分布情况与镀膜过程中的工艺环境、石英晶控片特性等密切相关[7]。因此所建模型应分为多种情况,随机误差和系统误差应采用不同的模型来量化。然而在实际镀膜过程当中,随机误差和系统误差往往同时出现,这就导致扰动后的评价函数F(t+ Δt) 具有一定的随机性,直接用其与设计评价函数F(t) 的差值作为膜层拟合度不太准确[8]。平均处理的方法可以有效减小随机性的影响,采用多次加噪后的扰动评价函数的统计均值作为理论设计膜系的拟合度S(t) 即为

其中,Fi(t + Δt) 为第i次对膜系结构参数加模拟误差后膜系的扰动评价函数值;N为总次数;O(Δt)2表示Tooling值发生变化的极小量;可利用有限差分近似计算得到。其中, 为扰动后评价函数F(t+ Δt) 的总体均值的一个样本估计,当 Δt完全随机时可用零期望的正态分布的随机噪声来模拟。一般情况下,薄膜镀制误差与膜系结构参数误差相比较为极小量,Tooling值变化的极小量可用在理论膜系设计附近的二阶泰勒展式来近似为

其中,m表示膜层数;Δt =(Δt1,Δt2⋅ ⋅ ⋅Δtm)为Tooling值的误差向量。根据式(2)可知,拟合度为扰动后评价函数的总体期望值与原设计评价函数的差,由于 Δt与内部分量间相互独立,由概率统计原理可得

其中,σt,i是第i层Tooling值的数值标准差;∂2F ∂t2可用关于膜层参数的一阶和二阶导数的分析模型来计算[9]。

因此,基于拟合度控制的主动膜系设计的评价函数为

将式(1)、式(4)代入式(5),即可用膜系设计软件设计出满足光谱参数要求并具有低拟合度的薄膜。

新的评价函数由式(1)、式(4)和式(5)构成,这种评价函数与石英晶控镀膜环境中的误差分布情况最为吻合,膜层材料Tooling值误差标准差选为本身的6‰。首先使用遗传算法作为优化算法的主体进行全局寻优,为消除本模型所使用的最小二乘法局部收敛慢和具有一定随机性的不足,再采用Do-brovolisk法对膜系设计进行局部优化,使得评价函数稳定收敛于全局极小值[10]。

图2为设计得到符合设计要求的理论光谱曲线,Sub|0.53H 0.18L 0.55H 0.99L … 0.43H 1.03L0.47H 0.19L|Air,Sub表示石英基底,H、L分别表示高、低折射率材料,Air表示空气。透射光谱曲线(三维图)如图3所示。

2薄膜制备及测试

本课题是在国产700-Ⅱ型的真空镀膜机完成, 该镀膜机配有双探头的IC5晶体膜厚控制仪、双电子枪和考夫曼离子源。工艺参数如表2所示。

使用无水乙醇与乙醚按3:1体积比例混合溶液擦拭基片,当压强达到3 × 10-3Pa时,开离子源清洗基片5 min。

利用岛津UV-3150型分光光度计对所制备的薄膜进行测试,结果如图4所示。

3结果分析

使用平方和型评价函数时,评价函数在波段808 ± 10 nm的评价函数值为9.506,平均透过率90.25% ;在波段1 550 ± 10 nm的评价函数值为13.479,平均透过率88.39%。采用文中所提出的优化方法得到的评价函数结果在波段808±10 nm、1 550±10nm的数值分别为2.324和2.901,其平均透过率分别为95.59%和95.05%。设计结果得到很大改善,相应波段的透过率得到有效提高,表明所提出的基于Tool-ing值修正的优化方法提高了通带的透过率。可以预见,对于其他任何可以采用平方和型评价函数优化设计的膜系结构,均可用文中所提出的基于Tooling值修正的膜系设计模型来优化。

图5为基于文中所提出评价函数得到的在808nm和1 550 nm处的标准差通道和理论曲线与实际测试曲线的对比图。从图中可以看出,实际测试曲线在标准超通道范围内,并与理论曲线相差不大。由此可知,所提出的评价函数具有实际意义,可以作为实际膜系设计过程中的评价函数。

4结论

研制了一种宽光谱范围的带通滤光片,选取Ti3O5和Si O2作为高、低折射率材料。在分析了石英晶控监控镀膜过程中镀膜误差分布情况后,建立了基于Tooling值修正的拟合度膜系设计模型。并用该模型成功制备出在808 nm、1 550 nm高透,510~780 nm、835~1 500 nm和600~1 700 nm高反射的双带通滤光片,由于该滤光片获得了较好的截止带,有效降低了背景光对光信号的影响。制备结果表明, 所提出的基于Tooling值修正的拟合度主动膜系设计模型,在制备宽光谱带通滤光片时,具有良好的可制备性。并为以后的多带通滤光片的研制提供了一种有效的设计模型。

摘要：随着光电子技术的发展,空间通信技术的应用越来越广泛。激光传输系统要求具有低损耗、抗干扰、信噪比高的性能。为满足多通道的信号发射和接收的要求,研制了抗杂散光干扰的滤光膜。依据光学薄膜理论,设计了同时满足808 nm、1064 nm高透过的双带通滤光膜。利用离子辅助沉积技术,通过对石英晶振监控镀膜过程中的膜厚误差分析,建立了关于膜层拟合度定量计算的数学模型,并应用该模型制备了双带通滤光膜,通过该模型所设计的膜系具有良好的可制备性,满足实际使用要求。

对自适应空域滤波的干扰研究第3篇

阵列信号处理的两个主要研究分支是自适应空域滤波和空间谱估计,它们之间由于其内在的联系,相互促进、互为补充。自适应空域滤波,也称为自适应波束形成,是根据接收准则自动地调节天线阵元加权系数的幅度和相位,使得代价函数最小,使系统达到该准则下的最佳接收效果[1,2]。

通常情况下,运用自适应波束形成技术能得到很好的接收性能。但当空间谱估计估计出的参数如信源数目、波达方向出现错误或期望信号与干扰信号相干,将导致自适应空域滤波的能力大大下降。

1 统计最优波束形成

自适应空域滤波的核心是对空间干扰环境作出反应,实现有用信号的有效接收。对有用信号的有效接收包括两个方面:一是使阵列方向图主瓣对准期望信号方向;二是对干扰进行有效抑制。其实质为统计最优波束形成[3,4]。统计最优波束形成是一种分析工具,它为自适应空域滤波提供了理论依据。

统计最优波束形成问题是在某一准则下寻找最优权适量。以最小噪声方差(MNV)准则为例,考虑远场的一个期望信号和P个干扰信号入射到由N个阵元组成的某阵列上,则阵列接收信号可表示为:

式中:S(t)为期望信号和干扰信号的空间信号矢量;N(t)为噪声数据矢量;A为导向矢量矩阵,且:

式中:a(θi),i=0,1,,P分别表示为信号和干扰的导向矢量。设信号,干扰,噪声之间互不相关,阵列接收信号的相关矩阵为:

式中:σn2为噪声功率;RS为信号复包络的相关矩阵。

设W=[w1,w2,,wN]T为自适应阵列天线的权矢量,y(t)=WHX(t)为阵列天线的输出。

MNV准则波束形成器代价函数和线性约束条件分别为:

用拉格朗日乘子法求解式(4),得到:

式(5)表示的最优波束形成器即为最小方差吴失真响应(MVDR)波束形成器,也叫Capon波束形成器。

这时相应的最小输出功率为:

假设天线阵采用16元均匀线阵,阵元间距为半个波长,期望信号在0°方向,两个干扰信号方向为-30°和40°,两个干扰信号和期望信号之间互不相干。其最优波束方向图如图1所示。可见,最优波束形成器能有效地抑制干扰。

2 对自适应空域滤波的相干干扰

以上对自适应空域滤波的性能分析是有前提条件的,即需要预先知道期望信号的波达方向,并假设干扰信号和期望信号之间互不相干,但在实际情况中这两个条件并不能满足。信号源的波达方向需要估计得到,如果估计误差较大则空域滤波的性能将下降;干扰信号和期望信号之间可能相干,也会导致空域滤波性能下降。

2.1 相干干扰对信号源数估计的影响

在波达方向估计技术中,大部分算法均需要知道入射信号数。在实际应用场合,信号源数往往是一个未知数,需要先估计信号源的数目,然后再估计波达方向[5,6]。用信息论准则来估计信号源数目时,如果信号源相干,则无法正确估计信号源数,从而不能获取正确的波达方向[7]。

假设采用8阵元的均匀线阵,信号源由一个期望信号和三个干扰信号组成,且信号之间互不相干,其入射方向分别为-10°,5°,30°和50°,噪声为白噪声,快拍数为200,阵元间距为半波长,独立实验100次。仿真结果如图2所示。

当30°方向干扰信号与期望信号相干,其他条件不变时,仿真结果如图3所示。

比较图2和图3可知,相干信号对信号源数的正确估计影响很大。当估计的信号源数与真实的信号源数不一致时,空间谱曲线中的峰值个数与实际源数不相同,会对真实信号的估计产生严重的影响。

假设采用8阵元的均匀线阵,三个不相干入射信号的入射方向分别为-10°,0°和30°,快拍数为100,则信号源数不同时MUSIC算法的谱如图4所示。

从图4可以看出当NXP时,图中的谱峰个数比P多。从仿真可以知道,只有正确地估计信号源数才能有效的获取波达方向。

2.2 相干干扰对波达方向估计的影响

当信号源相干时其数学表现为:相干信号源间只差一个复常数[8]。假设有n个相干源,即:

这里s0(t)可以称为生成信源,因为它生成了入射到阵列上的n个相干信号源。将式(7)代入式(1)可得相干信号源模型:

式中ρ是由一系列复常数组成的n1维矢量。

由数学模型可知,当信号源完全相干时,阵列接收的数据协方差矩阵的秩降为1,显然这会导致信号子空间的维数小于信号源数,某些相干源的导向矢量与噪声子空间不完全正交,从而无法正确估计信号源的波达方向[9,10]。

假设采用8阵元的均匀线阵,三个互不相干入射信号的入射方向分别为-30°,10°和25°,快拍数为100,则MUSIC算法的谱如图5所示。

当入射方向为10°和25°的信号源相干时,MUSIC算法的谱如图6所示。

从图6可知,当信号源相干时,不能正确估计来波方向。

2.3 相干干扰环境下的最优波束形成

以MVDR波束形成器为例,将相关矩阵R写成谱分解形式:

抗干扰滤波第4篇

1 FIR滤波器的简介

有限脉冲响应FIR(Finite Impulse Response)滤波器由于其具有良好的线性相位和极高的稳定性,在数字信号处理领域得到了极为广泛的运用。N阶FIR滤波器基本系统函数如式(1):

式中:a(i)表示滤波器的系数;x(n)表示带有时间延迟的输入序列,其直接实现模型如图1所示。

由图1可以看出,FIR滤波器的输出y(n)是由当前输入x(n)到x(n-N+1)与抽头系数a(i)的卷积[1]。由于每一次输出要做N次乘法和N-1次加法,所以如果用串行结构来实现,当阶数N较大时,系统的延时就会很大。如今的数字FIR滤波器大体上可以分为基于DSP的FIR滤波器和基于FPGA的FIR滤波器:基于DSP的FIR滤波器实现简单,只需要几条简单的语句就可以实现,大量运用于数字信号处理过程中。但是由于DSP的运算是串行的,所以不可能设计出高阶快速的FIR滤波器。基于FPGA的FIR滤波器是近几年随着FPGA资源的急速增长而发展出来的一种新型的FIR滤波实现方案[2],它具有可配置性强,灵活多样,速度快,稳定性高的优点,逐渐成为工业控制和航天领域中FIR滤波的首选实现方案。

2 系统实现方案

2.1 总体设计方案

系统采集的模拟信号是带有很大噪声和正弦信号的未解调的微弱电压信号,系统实现框图如图2所示。

系统采集的模拟信号线由信号调理电路进行放大,简单滤波;然后将放大后的模拟信号传送到A/D进行数模转换;最后在FPGA的控制下将数据传送到FPGA内部,处理后传送到PC机进行显示。

2.2 系统硬件实现方案

由于系统采集到的模拟信号是非常微弱的电压信号,因此在进行A/D转换以前,需要设计信号调理电路将电压信号放大,总结以前设计经验,采用低失调、低噪声的AD620芯片进行前级的高精度电压放大,放大后的信号经过OPA2277运放跟随最终输出给A/D。信号调理电路单路电路图如图3所示。

AD620放大倍数由VR1调节,放大倍数由式(2)计算:

调节滑动变阻器,将OPA2277的输出电压控制在0~5 V之内,虽然加入了一个简单的有源RC低通滤波,但是信号有用成分仍然被噪声和叠加的高频正弦波所覆盖。

放大后的电压信号虽然幅值在0~5 V之内,但是淹没在其中的关键信号却仍然只有几毫伏,如果用普通的低精度ADC进行模数转换,由于ADC的转换误差正好和关键信号相差不大,使得转换后的数字信号中引入了相对大的误差。即使后续滤波,得到的也是叠加了误差的关键信号,无法实现高精度采集并解调。因此采用TI公司的24位16通道串行高精度ADC芯片ADS1258进行模数转换。电路图如图4所示。

ADC的主时钟采用FPGA主时钟分频后的16 MHz方波信号,选择AIN0~AIN9通道作为模拟信号输入,内部采用自动扫描方式。ADC的控制端口都接到了FPGA的通用I/O口。ADC内部寄存器配置数据从FPGA通过ADC的SPI口写入。配置数据在SPI时钟的上升沿写入,转换后的数据在SPI时钟的下降沿读出。内部寄存器配置情况如表1所示。

本系统的主控制器采用XILINX公司的SPARTAN3E系列的FPGA XC3S200E,这款芯片在资源上能满足系统的要求,而且最重要的是在开发环境ISE 9.1以后的版本中,对于SPARTAN3E系列的芯片系统都自带了功能强大的FIR滤波器IP核,这样方便设计高速可靠、占用资源少的FIR滤波器。数据传送到上位机使用CY7C68013,由于这方面的设计不是本系统的重点,因此不再累述。

2.3 系统程序设计

程序设计是本系统的关键所在,区别于以往系统的关键之处就是高精度ADC的使用和创新性的FIR滤波的引入,使得采集系统具备了超高精度和强抗干扰的能力。

ADS1258是一款多通道串行ADC,由于其控制方式是向其内部寄存器写入一定配置数据来完成A/D转换,所以其使用较为灵活。可配置的波特率及斩波功能也使器件的性能更加突出。器件控制流程如图5所示。

ADC的读写时序特别重要,所以必须按照芯片资料将各个状态之间转换的延时控制好,既不影响转换周期也能保证结果的正确。器件上电后的218个TCLK周期的延时必须保证,否则虽然芯片也能工作,能进行A/D转换,但是写寄存器命名无法使用,无法将系统需要的配置数据写到各个寄存器。在系统开发的前期,由于忽略了这个长时间的复位时间,导致写命令一直无法正确执行,后来加上复位延时后,ADC工作正常,寄存器数据能顺利写进去。每完成一次转换,能从芯片SPI口读出32位有效数据[3],数据格式如表2所示。

数据低24位为有效A/D数据,高8位为状态和通道标志位,NEW位指示通道数据是否更新,NEW=1代表通道数据相对前一次读取已经更新,NEW=0代表未更新,这样通过判断NEW的值可以防止重复读取同样的数据。OVF位和SUPPLY位分别指示通道端口电压和供电电压是否正常。CHID4~CHID0用来判定读出的数据是属于哪个通道。通过把不同通道的低24位数据写入FPGA不同的存储空间,为接下来的FIR滤波做准备。

FIR滤波器采用系统自带的IP核来开发,这样可以保证FIR滤波器的可靠性并大大缩短开发周期。滤波系数采用Matlab的滤波器设计工具FDATOOL来产生数据。由于系统设计的是超高FIR滤波器,因此系数的生成也需特别注意,并进行一些特定的计算。下面介绍系数的生成办法。在Matlab主界面输入FDATOOL命令,调用FDATOOL工具并设置好滤波系数[4]。由于ADC的采样频率为23.7 k S/s,因此滤波器的采样频率必须大于23.7 k S/s,设置为50 k Hz。由于需要采集的关键信号的频率低于100 Hz,因此设置截止频率为200 Hz。之后,将数据导入到Matlab中,得到的数据全为小数,默认保留了小数点后面四位。

由于FPGA不能直接做浮点运算,因此必须将系数整型化,整型化的好坏直接影响滤波的精度[5]。当系数整型化后的系数精度不够时,由于是200阶的高阶滤波,哪怕一点的系数误差,都会累积起来反应在滤波结果上。经过反复试验和研究,发现当FIR滤波器的阶数到200时,整型化滤波系数必须将FDATOOL的值乘以220以上,上文所述滤波系数其实只是截取了小数点后面的四位,如果只将系数乘以104,则小数点4位以后的值便人为忽略了,这在高阶FIR设计时会带来极大误差,造成滤波器不可用。通过观察FDATOOL生成系数的格式,发现其为32位浮点型,其表示精度远远大于小数点四位。在Matlab中输入如下命令:

以上语句将系数扩大了224倍,然后将系数取整,并以10进制的格式保存到一个TXT文件中,通过手动修改TXT文件内容满足ISE中系数文件COE的格式要求,最终将TXT文件的后缀名改为.COE[6],至此系数文件已经生成好了。接下来便是在ISE中调用IP核设计高阶FIR滤波器,具体步骤本文不再阐述。设计关键参数如表3所示。

3 系统实验结果

通过信号程序产生一路带有很大噪声的正弦信号输入到FPGA进行处理,将处理前和处理后的信号都发送到上位机进行画图和频谱分析,得到如图6结果:其上半部分是输入的带噪声的信号,下半部分是经过滤波后得到的信号。

从图6可以看出,由FPGA设计的高阶FIR滤波器良好地实现了有用信号的提取,输入信号中的噪声衰减到几乎为零,即融入了FIR滤波器的本系统具有强抗干扰并同时解调信号的能力。图7是滤波前和滤波后采集到信号的频谱分析图。

图7可以看出,滤波后系统良好地提取出了频率为0.08 k Hz的信号,而频率为0.23 k Hz、0.33 k Hz、0.41 k Hz的高频干扰信号被削减到了几乎为零,很好地实现了100 Hz内的信号高精度解调。

具有FIR滤波功能的数据采集系统较过去的单一采集系统有很大的进步。高阶FIR滤波器的引入使得本采集系统集抗干扰和解调信号于一体,能适用于各种具有强干扰或者叠加大量无用信号的数据采集场合。

参考文献

[1]赵岚,毕卫红,刘丰.基于FPGA分布式算法FIR滤波器设计[J].电子测量技术,2007,30(7):101-104.

[2]张维良.高速并行FIR滤波器的FPGA实现[J].系统工程与电子技术,2009,31(8):1819-1822.

[3]TI.ADS1258 DATASHEET:30-40.

[4]孙耀其.基于MATLAB和FPGA的FIR数字滤波器设计与实现[J].通信与信息技术,2008(11):89-92.

[5]徐峰,禹卫国,唐红.基于FPGA的流水线分布式算法的FIR滤波器的实现[J].电子技术应用,2004,30(7):70-73.

电磁干扰低通滤波器的设计第5篇

提起电磁干扰 (EMI) 这个词, 人们或许还感到陌生, 但EMI的影响却是几乎每个人都曾亲身经历过的, 电磁干扰就是由外部噪声和无用电磁波在接收中所造成的干扰。例如, 观看电视时, 附近有人使用电钻、电吹风等电器, 会使电视画面出现雪花点, 扬声器里发出刺耳的噪声……这类现象人们早已司空见惯、习以为常了, 但是电磁干扰的危害却远不止如此。因此, 加强电磁兼容性 (EMC) 知识的普及, 提高EMI抑制技术, 已成为当务之急。

模拟滤波器按幅度特性可分成低通、高通、带通和带阻滤波器, 但我们设计滤波器时, 总是先设计低通滤波器, 再通过频率变换将低通滤波器转换成希望类型的滤波器。电磁干扰滤波器是以能够有效抑制电磁干扰为目标的滤波器, 本次设计就是以归一化低通滤波器为基础设计出最简单的由电感、电容和电阻构成的巴特沃斯的电磁干扰低通滤波器。

1 电磁干扰滤波技术概述

1.1 电磁干扰概述

电磁干扰的定义, 是指由外部噪声和无用电磁波在接收中所造成的骚扰。一个系统或系统内某一线路受电磁干扰程度可以表示为如下关系式:

G:噪声源强度;

C:噪声通过某种途径传到受干扰处的耦合因素;

I:受干扰电路的敏感程度。

G、C、I这三者构成电磁干扰三要素。形成电磁干扰时, 这三个要素缺一不可。电磁干扰抑制技术就是围绕这三要素所采取的各种措施, 归纳起来就是三条:一、抑制电磁干扰源;二、切断电磁干扰耦合途径;三、降低电磁敏感装置的敏感性。

1.2 电磁干扰滤波器概述

滤波技术 (Filtering Technique) 是抑制电气、电子设备传导电磁干扰, 提高电气、电子设备传导抗干扰度水平的主要手段, 也是保证设备整体或局部屏蔽效能的重要辅助措施。

本次设计采用的是模拟反射式LC型低通滤波器, 设计出巴特沃斯低通滤波器。

2 巴特沃斯低通滤波器的设计

巴特沃思低通滤波器 (Butter-worth f i l t e r) 有时也称为瓦格纳滤波器 (Wagner filter) 。在可用现代设计方法设计的滤波器中, 巴特沃思低通滤波器是最为有名的滤波器。由于它设计简单, 性能方面又没有明显的缺点, 因而得到了广泛应用。又由于它对构成滤波器的元件Q值要求较低, 因而易于制作和达到设计性能。

2.1 设计过程概述

一个反射式LC型低通滤波器的设计一般需要两个部分:一是依据归一化LPF的设计数据和待设计滤波器的截止频率, 特征阻抗来设计待求低通滤波器。二是把这个电路看成由2+n (n为低通滤波器阶数) 阶级联ABCD参量网络构成的, 然后把它们以矩阵的形式相乘, 用得出的二阶矩阵的第一项的倒数作为幅频特性公式, 代入由第一部得出的滤波器元件参数值, 把传递函数和衰减系数利用M A T L A B仿真出满意的幅频特性和衰减特性曲线, 从而达到理想效果。

2.1.1 归一化巴特沃思型低通滤波器的元件值获取

元件值计算公式:

这里, (2k-1) π/2n是用弧度来表示的。

以3阶的归一化低通滤波器为例, 计算它的元件值。因为已确定了阶数为3阶, 所以n=3, 根据公式可以得到k分别为1～3的3个计算公式, 并计算出如下的三个元件值。

这三个值便是截止频率为1/ (2π) 且特征阻抗为1Ω的3阶巴特沃思型LPF的元件值。3阶滤波器的电路结构有T型和π型两种形式。所以所求的元件值可分别构成T型和π型滤波器。其它阶数的元件值的计算过程也与此类似。

巴特沃思型LPF归一化元件参数见表1所示。

2.1.2 元件参数变换

归一化低通滤波器设计数据, 指的是特征阻抗为1Ω且截止频率为1/ (2π) (≈0.159Hz) 的低通滤波器的数据。用这种归一化低通滤波器的设计数据作为基准滤波器, 就能够很简单的计算出具有任何截止频率和任何特征阻抗的滤波器。在设计巴特沃思型LPF的情况下, 就是以巴特沃思型的归一化LPF设计数据为基准滤波器, 将它的截止频率和特征阻抗变换为待设计滤波器的相应值。

滤波器截止频率的变换是通过先求出待设计滤波器截止频率与基准滤波器截止频率的比值M, 再用这个M去除滤波器中的所有元件值来实现的, 其计算公式如下:

(N=1至1 0, g1→g1 0为电路元件值的编号)

滤波器特征阻抗的变换是通过先求出待设计滤波器特征阻抗与基准滤波器特征阻抗的比值K, 再用这个K去乘基准滤波器中的所有电感元件值和用这个K去除基准滤波器中的所有电容元件值来实现的。其公式如下:

2.2 三阶T型LPF设计

先由低阶的低通滤波器开始, 逐步设计出较高阶的低通滤波器。

设计一个截止频率为100MHz且特征阻抗为50Ω的3阶T形巴特沃思型LPF。假设它的原阻抗与负载阻抗都是50Ω, 基准滤波器的截止频率为1/ (2π) , 基准特征阻抗为1Ω。

电路如图1所示。

归一化的计算过程如下:

进而改变特征阻抗后的最终结果L12、L22、C12分别为:

最终设计出的滤波器电路图如图2所示。

把这个电路看成五个级连A B C D参量网络构成的, 因为L1=L2即为:

则系统传递函数为:

得到幅频特性为:

衰减系数为:

用MATLAB编程仿真画出幅频特性和衰减特性曲线, 从而完成较理想的低阶巴特沃思低通滤波器设计。

2.3 五阶T型LPF设计

电路如图3所示。

归一化计算过程如下:

只改变截止频率后的电感L11、L21、L31、C11、C21分别为:

进而改变特征阻抗后的最终结果L12、L22、L32、C12、C22分别为:

电路图为图4的最后结果。

把这个电路看成由七个级连A B C D参量网络构成, 因为L1=L3、C1=C2即为:

经过计算求出:

则系统传递函数为:

用jω代替S得到的就是幅频特性公式H (jω) 。

衰减系数为:

2.4 七阶π型LPF设计

设计一个截止频率为100MHz且特征阻抗为50Ω的7阶π形巴特沃思型LPF。假设它的原阻抗与负载阻抗都是50Ω, 基准滤波器的截止频率为1/ (2π) , 基准特征阻抗为1Ω。

电路如图5所示。

归一化计算过程如下:

只改变截止频率后的电感L11、L21、L31、C11、C21、C31、C41分别为:

进而改变特征阻抗后的最终结果L12、L22、L32、C12、C32、C42分别为:

最终设计出的滤波器电路图如图6所示。

把这个电路看成九个级连A B C D参量网络构成的, 因为L1=L3、C1=C4、C2=C3即为:

最后求出:

则系统传递函数为:

用jω代替S得到的就是幅频特性公式H (jω) 。

衰减系数为:

用MATLAB仿真出3阶、5阶、7阶LPF的幅频特性和衰减特性曲线比较低阶和高阶的区别。如图7所示。

巴特沃斯型LPF的幅频特性和衰减特性曲线都很平滑。幅频特性表示信号通过该滤波器后各频率成分的衰减情况, 当f=0时幅度为最大值0.5, 当f的值为截止频率100MHz时对应幅度的值为, 所以截止频率也可称为3dB截止频率。随着频率f的加大, 幅度迅速下降, 下降的速度与阶数N有关, N越大, 幅度下降的速度越快, 通带到阻带的过渡带越陡峭, 截止特性越好, 由此可见阶数越高巴特沃斯滤波器的衰减性能越好。

结论

本次设计就是以归一化低通滤波器为基础通过截止频率和特征阻抗变换, 得到待设计滤波器的元件值, 从而设计出最简单的由电感、电容和电阻构成的巴特沃斯电磁干扰低通滤波器, 再用MATLAB仿真出正确波形。

巴特沃斯滤波器既有单调的衰减曲线, 一般来说也比较容易实现。遗憾的是, 若想在通带和阻带之间实现陡峭的过渡衰减变换, 就要使用很多元件。如果想得到较好的陡峭过渡衰减曲线, 则必须允许通带内的衰减曲线有某种程度的起伏, 或者说波纹。

对于上述滤波器而言, 当f趋近于无穷大的时候, 滤波器的衰减也趋近于无穷大, 但在实际上我们只能得到与滤波器元件数目相关的有限衰减量。

参考文献

[1]郭银景、吕文红等编著.电磁兼容原理及应用教程.第一版.清华大学出版社.2004年1月

[2]路宏敏编著.工程电磁兼容.第一版.西安电子科大出版社.2003年5月

[3] (日) 森荣二著, 薛培鼎译.LC滤波器设计与制作.第一版.科学出版社.2006年1月

[4] (美) Reihold Ludwig, Pavel Bretchko著;王子宇, 张肇仪等译.射频电路设计——理论与应用.第一版.电子工业出版社.2002年5月

[5]丁玉美, 高西全编著.数字信号处理.第二版.西安电子科技大学出版社.2001年1月

一种中频抗窄带干扰自适应滤波方法第6篇

扩频技术具有较强的抗干扰能力、隐蔽性、抗多径干扰能力和多址能力,因而在通信系统中获得应用。但是,由于扩频技术采用相对宽的频带,因而也为干扰提供了更大的可能性。因此,必须研究其抗干扰技术。由于扩频信号的处理增益作用,其弱窄带干扰信号的影响不大,因此自适应滤波的主要目的是抑制强窄带干扰。为了自适应多个强的窄带干扰并且尽可能保留扩频信号,应该使得自适应算法对弱信号不敏感,而对强窄带干扰大幅度抑制。利用频域自适应滤波算法进行抑制的目的不在于把干扰全部消除,而是将它们在频率域内的功率谱线降低到与白噪声功率谱线相近,使它们对有效信号的影响削弱到可以接受的程度。由于频域自适应滤波并不去检测干扰是否存在及干扰信号的参数,因此比较适用于实时的信号处理。

1自适应抗干扰滤波的工作原理

中频自适应滤波原理框图如图1所示。图1中,标称为70 MHz中频入站信号首先经带通滤波器(BPF)对带外的噪声和干扰进行抑制,然后经二次下变频(D/C)使中心频率变换为15 MHz,后面的BPF滤除下变频产生的副产品,再经A/D采样获得数字信号。

自适应滤波在数字域进行,处理的结果经过D/A变换恢复为模拟信号,但其中的窄带干扰已经得到抑制。D/A的输出经BPF后送到信号处理设备。

为了能够抑制多个强窄带干扰并且尽可能保留扩频信号,应该使自适应算法对弱信号不敏感,而对强窄带干扰大幅度抑制。该算法的原理如图2所示。

此方法与常规的频域自适应滤波不同,其主要特点有:

① 用输入的频域复信号的xFi(k)作为希望的频域复信号,因此其误差复信号为:

eFi(k)=xFi(k)-wFi(k)xFi(k)。 (1)

式中,eFi(k)为滤波后的信号输出;wFi(k)为当前的滤波权值。

② 引入权泄露因子α,0<α<1。权值更新的递推式为:

wFi(k+1)=αwFi(k)+2μFeFi(k)x*Fi(k)。 (2)

因此将式(1)代入到式(2)得:

wFi(k+1)=αwFi(k)+2μF[1-wFi(k)]xFi(k)x*Fi(k)=

αwFi(k)+2μF[1-wFi(k)]|xFi(k)|2。 (3)

于是可以看出,权值更新与当前权值和输入信号在该频率单元上的功率有关,而且权值更新步长和权值均为实数。

③ 误差复信号eFi(k)作为希望的输出,对它进行IFFT,获得干扰抑制后的时域信号。

由式(3)大体看出:如果该谱线功率很小,即权值经多次迭代后趋于0,则输出eFi(k)≈xFi(k)。如果该谱线的功率很大,即权值增量很大,会抵消泄漏因子的作用,并使权值经多次迭代后趋于1,使wFi(k)≈0,输入信号近乎完全抑制。

2各项滤波参数的确定

要完成上面提出的自适应处理算法,首先需要解决滤波器的几个参数的取值:门限因子B、步长因子μ和权泄漏因子α以及权向量的初始值。

2.1参数的确定

为便于表达起见,对于FFT变换后获得的某个频率单元的输出以及随后的滤波处理,略去各变量和参数的下标。按滤波算法的计算流程,对于某个频率单元,所要完成的计算如下:

E(k)=X(k)-w(k)X(k)=[1-w(k)]X(k)。

w(k+1)=αw(k)+2μE(k)X*(k)=

αω(k)+2μ[1-w(k)]X(k)X*(k)。 (4)

第1个计算式是频域滤波,第2个计算式是权值更新。以下标R和I分别表示复数的实部和虚部,则上述公式可分解为:

$\begin{array}{l} {\begin{cases} E_{R} (k) = [1 - w (k)] X_{R} (k) \\ E_{Ι} (k) = [1 - w (k)] X_{Ι} (k) 。 \\ w (k + 1) = α w (k) + η [1 - w (k)] [X_{R}^{2} (k) + X_{Ι}^{2} (k)] ‚ \end{cases} \\ η = 2 μ (5) \end{array}$

式中,μ为步长因子。而且根据收敛条件,η的取值范围为:

$η < \frac{1 + α}{Ρ_{X}} < \frac{2}{Ρ_{X}}$ 。 (6)

式中,PX为最大频率单元功率。

现在估计最大频率单元功率。可以认为最大频率单元功率出现在最大干扰信号的谱线上,当干扰信号为单频信号时,信号功率集中于它的主谱线上,因此可考虑干扰信号为单频信号的最大频率单元功率即可。于是可假设干扰信号的数字序列为:

$x (k) = A_{J} \cos (\frac{2 m π}{Ν} k)$ 。 (7)

其频率为FFT第m个频率单元对应的频率。于是该信号的主谱线出现在FFT的第m个和第N-m个频率单元上,平分信号功率。按离散傅里叶变换的定义,第m个频率单元的值为:

$\begin{array}{l} X (m) = \sum_{k = 0}^{Ν - 1} x (k) e^{- j \frac{2 m π}{Ν} k} = \\ A_{J} \sum_{k = 0}^{Ν - 1} \cos (\frac{2 m π}{Ν} k) e^{- j \frac{2 m π}{Ν} k} = \frac{1}{2} Ν A_{J} 。 (8) \end{array}$

因此,最大频率单元功率为:

$Ρ_{X} = X (m) X^{*} (m) = \frac{1}{4} Ν^{2} A_{J}^{2}$ 。 (9)

由式(2)～式(4),步长因子的2倍可取为:

$η = \frac{2}{Ρ_{X}} = \frac{8}{Ν^{2} A^{2}}$ 。 (10)

下一步要确定权泄漏因子α,即

α=1-2μB=1-ηB。 (11)

式中,B为门限因子,它是确定滤波器抑制大功率频率单元的起控点,这里把起控点定在噪声功率电平比较合理,于是α也可确定。

上述参数有个显著特点,即步长因子μ极小,而权泄漏因子α偏大,它们均要求运算时的精度很高,给实际的设计带来困难。

一种变通的办法是适当选择步长因子不要太小,然后在给定的门限因子B的条件下选择权泄漏因子。这种方法带来的后果是当某频率单元的干扰功率偏大时会使权值w(k+1)>1,使得滤波器不收敛,遇到这种情况的处理策略是,当权值更新时发现它大于1,则强行将它限定为1。

2.2初始权值w(k)的确定

首先假定没有强干扰信号,信号的各频谱分量不需要抑制,因此初始权值可取为0。

在滤波期间,要求的权应在0和1之间,它不能为负的或大于1。按照上述的权值更新方法计算时,如果w(k+1)>1,则滤波器将发散。为避免此类情况发生,在计算权值时,若发现它大于1,则应把它强行设定为1。通过这种方法来保持滤波器的稳定性,并使该单元的信号被完全抑制。

3结束语

通过上述对自适应滤波算法的简单描述,根据Nyquist定律,如果将A/D采样率确定在大于2倍的中频信号频率的范围内,并采用合理的各项滤波参数进行滤波时,就能最大程度地将被干扰信号恢复出来。

当然,上述滤波参数的选取和更新,还可能有其他一些因素的考虑,需要在实际的试验中不断地加以改进。

参考文献

[1]龚耀寰.自适应滤波-时域自适应滤波和智能天线[M].北京:电子工业出版社,2003.

[2]李彦鹏,黎湘,庄钊文.RLS自适应噪声消除器设计研究[J].无线电工程,2003,33(9):13-15.

[3]黎海涛,徐继麟.超宽带雷达射频干扰抑制研究[J].无线电工程,2000,30(2):11-13.

[4]张琳,初海彬.卫星导航用户机空时域滤波抗干扰技术[J].北京航空航天大学学报,2007,33(1):76-90.

抗干扰滤波第7篇

通讯产业在世界范围内得到了突飞猛进的发展, 通讯频道在有限的范围内显得日益紧张。因此, 在扩展频率的同时, 充分利用好有限的频道, 使各种通讯产品在有限的空间彼此共存, 均能正常工作显得尤为重要。在欧美等许多国家和地区范围内制订了电磁兼容标准, 要求所有的电子产品必须满足该标准, 即在容许的范围内不得干扰别的电子产品正常工作, 产品本身也不能被干扰。国内近年来也积极开展和推广电磁兼容标准, 在制定并修订相关的国标和国军标的同时, 也在加大其执行力度。如家电行业强制执行3C认证, 电子工业行业执行GB60000系列标准, 军工行业执行GJB151A等。

为了满足电磁兼容设计和检验, 电子产品的设计必须能有效地抑制干扰源的发射及传导、切断其传播途径以及提高电子设备本身抗干扰的能力。本文拟通过对RFI抗干扰滤波器 (也称馈通式滤波器) 对射频干扰信号的抑制特性分析, 讨论并设计一种不仅在频率为100k Hz~10GHz范围内具有较高射频干扰抑制度, 还具有结构安装方便、工作电流大、体积小等特点的RFI抗干扰滤波器, 通过切断直流电源系统内外的辐射干扰途径并有效抑制传导干扰, 进而大幅度提高系统的抗干扰能力。

2 工作原理

一般地, 抗干扰滤波器也属于反射式的滤波器, 即干扰信号不通过滤波器传导而是直接反射到源, 和通常用于传输信号的滤波器在使用原理上正好相反:用于传输信号的滤波器需要与信号源处于最佳匹配状态, 保证传输信号的顺利通过;而抗干扰滤波器则需要与信号源的阻抗处于最大失配状态, 保证干扰信号无法传递。

按切比雪夫滤波器原型的衰减特性[1]来计算低通滤波器的衰减特性, 可以得到抑制度大于60d B的结果, 不过这都是在理想元器件下得到的。通常使用的电感、电容的实际等效模型如图1、2所示[2]。

从电感和电容的实际等效模型可以看出, 当电感工作到一定的频率以后, 会呈现电容特性, 而电容则会呈现电感特性, 从而使我们的设计达不到预期的效果。从我们需要抑制的干扰信号频率来看, 图1中要集中解决减小等效电容项Cs的问题, 图2中要集中解决减小等效电感L项的问题。所以在滤波器的结构设计和元件选择上都必须尽量满足这一理想条件才能达到预期的抑制效果。

3 RFI抗干扰滤波器的设计与试验

3.1 电感的设计

众所周知, 电感的等效电容是由绕线的匝间电容形成。电感的无容设计首先要减少绕线匝数, 那么是不是匝数越小匝间电容就越小, 甚至就不存在等效电容了呢?当然不是, 因为电感的输入和输出引脚间存在电场的耦合, 这样势必也会形成等效的电容, 如果能阻断输入与输出引脚之间的耦合途径, 则减小等效电容甚至消除等效电容就能达到无容设计目的。因此在电感的输入与输出之间我们加上了接地无限平面, 这样在结构上就解决了因为电场耦合而形成的等效电容的问题, 结构设计如图3所示。

通过上面的措施, 电感的等效电容基本消除, 不仅如此, 图1电感高频等效电路中的串联等效电阻RS也是有利于滤波器的干扰抑制, 这一参数对电感材料的选取起到非常大的作用。我们知道磁性材料的磁导率由μ′和μ″组成 (即μ=μ′+μ″) , μ′提供电感量, μ″产生高频吸收, 相当于高频电阻。所以我们应该选取μ′尽量高的磁性材料, 用来提高图1中的L电感项, 而选择μ″尽量高则可以提高图1中高频的RS项, 这样的选取不仅直接地提高了高频串联阻抗, 而且也达到了抑制干扰的目的。所以我们在电感的设计中对磁心的选择方法如下:根据软磁铁氧体材料阻抗公式即Z=R+j X=ωL0μ″+ωL0μ′, 选择Z尽量大且属于吸收型的软磁Ni Zn Cu类型材料。

3.2 电容的设计

根据图2的等效电路, 如果我们能有效地减小L的大小或者消除L, 就能使电容工作在更高的频率。然而任何引脚的引线均会不同程度地引入高频的电感, 若能配合产品的结构设计来消除高频电感, 不失为减小L的一种捷径。所以在结构上, 我们可以采用圆管电容, 用圆管电容的内外两个壁形成电容的两个电极, 若将外壁的电极直接焊接在图3的外壳上, 那么图2的等效电路中的L就可以消除了, 这样电容可以工作到极高的频率。图2中的等效电阻RS、Re则会带来电容的损耗, 而在抗干扰滤波器中却并不会影响干扰信号的抑制作用。

为了增加滤波器的抑制陡度, 我们采用管式双电容结构方式, 如图4。

3.3 滤波器结构和仿真设计:

将图3的电感与图4的管式双电容结合在一起就形成馈通式滤波器的结构设计, 外形如图5所示。通过Serenade 8.7软件对滤波器原型进行仿真, 结果与理论推演基本吻合, 达到了预期的效果, 如图6所示。

4 结论

本文详细介绍了馈通式滤波器的设计过程, 阐述了如何消除集总参数电感和电容的等效电容和电感的方法, 适合于所有馈通式抗射频干扰滤波器的设计。在电容的选取上还可以采用多层的圆片穿心电容器, 外电极与滤波器的壳体焊接在一起, 也可以达到同样的效果, 用以抑制较低射频干扰信号。但是在使用时必须利用模块的腔体将输入与输出完全隔离开, 才能完全发挥其抑制射频干扰信号的能力。RFI馈通式抗干扰滤波器可广泛用于各种电子设备中, 抑制100k Hz~10GHz频率范围内的各种射频干扰, 解决电磁兼容问题。

参考文献

[1]甘本祓, 吴万春.现代微波滤波器的结构与设计 (上册) [M].北京:科学出版社, 1973.1～62[1]甘本祓, 吴万春.现代微波滤波器的结构与设计 (上册) [M].北京:科学出版社, 1973.1～62

抗干扰滤波范文

抗干扰滤波第1篇

抗干扰滤波第2篇

对自适应空域滤波的干扰研究第3篇

抗干扰滤波第4篇

电磁干扰低通滤波器的设计第5篇

一种中频抗窄带干扰自适应滤波方法第6篇

抗干扰滤波第7篇

抗干扰滤波范文

猜你喜欢

栏目

最近更新

热门标签

抗干扰滤波范文

抗干扰滤波 第1篇

抗干扰滤波 第2篇

对自适应空域滤波的干扰研究 第3篇

抗干扰滤波 第4篇

电磁干扰低通滤波器的设计 第5篇

一种中频抗窄带干扰自适应滤波方法 第6篇

抗干扰滤波 第7篇

抗干扰滤波范文

猜你喜欢

栏目

最近更新

热门标签

抗干扰滤波第1篇

抗干扰滤波第2篇

对自适应空域滤波的干扰研究第3篇

抗干扰滤波第4篇

电磁干扰低通滤波器的设计第5篇

一种中频抗窄带干扰自适应滤波方法第6篇

抗干扰滤波第7篇