Роль цифровых технологий фильтрации в повышении целостности сигналов ADC

IIR-фильтры используют обратную связь для достижения заданной частотной реакции с гораздо меньшим количеством коэффициентов, чем эквивалент FIR. Они могут реализовать резкие отсечки (например, Баттерворт, Чебышев или эллиптические ответы) с использованием всего нескольких полюсов и нулей. Недостатком является потенциальная нестабильность из-за квантования коэффициента или внутреннего переполнения и нелинейного фазового ответа (особенно вблизи полосы перехода фильтра). Для приложений, где приемлемо фазовое искажение — например, простое управление звуковым тоном или удаление постоянного тока — IIR-фильтр является вычислительно эффективным выбором.

Real-Time vs. Offline обработка

Цифровые фильтры могут применяться в реальном времени по мере появления образцов из ADC или в автономном режиме после того, как был собран блок данных. Фильтрация в реальном времени требует, чтобы алгоритм завершил вычисления до поступления следующего образца. Для высокоскоростных ADC (например, 100 MSps) это накладывает жесткие временные ограничения, которые часто заставляют использовать аппаратные ускорители, выделенные ядра FIR в FPGA или высоко оптимизированный код сборки на DSP. Оффлайн-фильтрация, типичная для тестов и измерений или научного анализа данных, позволяет использовать произвольные длины фильтров и непричинные (симметричные) методы, такие как фильтрация вперед-назад (filtfilt), которая достигает нулевого фазового искажения.

Коэффициент квантирования и численная точность

После проектирования фильтра с коэффициентами плавающей точки, реализация в арифметической системе с фиксированной точкой (обычная в недорогих АЦП и микроконтроллерах) требует квантования коэффициентов и путей передачи данных. Недостаточная точность может перемещать полюса фильтра в сторону единичного круга, вызывая нестабильность в фильтрах IIR, или вводить чрезмерную полосу пропускания в фильтрах FIR. Инженеры должны выполнять масштабирование коэффициентов и имитировать поведение с фиксированной точкой, чтобы гарантировать, что фильтр соответствует спецификациям при всех условиях эксплуатации.

Ускорение аппаратного обеспечения

Многие современные микроконтроллеры интегрируют специальное оборудование для цифровой фильтрации. Ядра ARM Cortex-M4 и M7, например, включают в себя одноцикловый многократно аккумулируемый (MAC) блок, ускоряющий операции FIR и IIR. Чипы DSP часто имеют несколько блоков MAC, круглые буферы и прямой доступ к памяти (DMA) для потокового доступа к образцам через фильтр без вмешательства процессора. FPGA позволяют осуществлять очень параллельные реализации: один FPGA может реализовывать десятки FIR-фильтров, работающих параллельно на нескольких каналах ADC.

Преимущества цифрового фильтрования в системах ADC

Применение цифровой фильтрации после преобразования ADC дает множество преимуществ по сравнению с аналоговым сглаживанием и шумоподавлением:

• Повышение точности и точности: Удаление шумовых компонентов улучшает эффективное разрешение. Для ADC сигма-дельта цифровые фильтры децимации могут увеличить эффективное количество бит (ENOB) с 12 до 16 и более.
• Повышенная надежность в различных средах: Параметры фильтра могут быть отрегулированы в программном обеспечении для компенсации дрейфа температуры, стареющих компонентов или изменения уровня помех без изменения оборудования.
• Проектирование гибкости: Единая аппаратная платформа может обрабатывать различные датчики и типы измерений, загружая различные коэффициенты фильтра. Например, плата сбора данных может переключаться между фильтром низких частот для температуры и фильтром полосовых частот для анализа вибрации.
• Экономичность: Путем перемещения фильтрации из аналогового домена (операторы, конденсаторы, индукторы) в цифровой домен снижается стоимость БОМ и площадь платы.Аналоговые фильтры требуют прецизионных компонентов, которые могут быть дорогими и подвержены вариациям толерантности.
• Детерминированная производительность: Цифровые фильтры не страдают от дрейфа температуры или старения компонентов.Как только коэффициенты фиксированы, частотная реакция точно повторяется на единицах и с течением времени.
• Адаптивность: адаптивные цифровые фильтры могут отслеживать изменяющиеся условия шума, например, в слуховом аппарате, который подавляет фоновый шум в режиме реального времени на основе акустической среды.

Реальные приложения

Медицинский инструментарий

В электрокардиографии (ЭКГ) амплитуда сигнала составляет всего 0,5-4 мВ, однако она должна измеряться в присутствии помех линии электропередачи 50/60 Гц, шума мышц (ЭМГ) и артефактов движения электродов. Типичный передний конец ЭКГ использует фильтр высокого прохода (0,5 Гц отсечения) для удаления блуждания по базовой линии, фильтр низкого прохода (40-100 Гц) для ограничения высокочастотного шума и фильтр выемки на частоте сети. Современные цифровые машины ЭКГ реализуют эти фильтры в программном обеспечении, позволяя клиницистам включать и выключать фильтры во время анализа. Внешняя ссылка на руководство по фильтрации ЭКГ для аналитических устройств предоставляет дополнительную информацию.

Аудиосистемы ADC — от профессиональных консолей записи до микрофонов смартфонов — опираются на цифровую фильтрацию для формирования шума, сжатия динамического диапазона и выравнивания. Сам ADC sigma-delta использует цифровой фильтр децимации для преобразования высокопроизводительного 1-битного потока в многобитный выход PCM с низким уровнем шума в полосе. В голосовой связи отмена эха и подавление шума выполняются с адаптивными фильтрами FIR, работающими на ядрах DSP. Прикладная записка Texas Instruments по аудиофильтрации ADC является полезной ссылкой.

Промышленная автоматизация и энергетические системы

В управлении двигателем сигналы обратной связи тока и напряжения отбираются ADC и передаются через цифровые фильтры для устранения переключающего шума от модуляции ширины импульса (PWM). Фильтры с низким частотным отсечением в несколько килогерц удаляют высокочастотную рябь без введения чрезмерного фазового отставания, которое может дестабилизировать цикл управления. Аналогичным образом, в мониторинге качества мощности ADCs пробуют трехфазные напряжения и токи с высокими скоростями, а цифровые фильтры извлекают фундаментальные, гармонические и межгармонические компоненты для анализа на IEEE 1159.

Беспроводные коммуникации

Программно-определяемое радио (SDR) в значительной степени зависит от цифровой фильтрации. После того, как ADC оцифровывает всю интересующую полосу пропускания (например, 30 МГц в ширину), цифровой нисходящий преобразователь (DDC) использует смесители и фильтры децимации для выбора и изоляции узкого канала (например, 200 кГц для одной FM-трансляции). Фильтр выбора канала обычно представляет собой FIR высокого порядка, который обеспечивает резкий отсечение и линейную фазу, обеспечивая отторжение соседнего канала без искажения фазы желаемого сигнала. Примечание приложения Xilinx о цифровом нисходящем преобразовании в FPGAs описывает типичную реализацию.

Будущие тенденции и передовые технологии

Эволюция цифровой фильтрации продолжается наряду с увеличением вычислительной мощности и алгоритмической сложности.

Адаптивные и самонастраивающиеся фильтры

Адаптивные фильтры, такие как алгоритмы наименьших средних квадратов (LMS) или рекурсивных наименьших квадратов (RLS), автоматически корректируют свои коэффициенты, чтобы минимизировать сигнал ошибки. В системах ADC они могут отменить изменяющиеся во времени помехи — например, в нейронном записывающем имплантате, который должен подавлять как шум линии электропередач, так и артефакты движения, которые изменяются с активностью субъекта. Вычислительная стоимость LMS низкая, что делает ее подходящей для реализации в реальном времени на современных микроконтроллерах.

Машинное обучение — вспомогательная фильтрация

Нейронные сети и модели глубокого обучения применяются для денозирующих задач, традиционно выполняемых цифровыми фильтрами. Сверточный автокодер, обученный чистым и шумным данным датчика, может отфильтровать очень сложные шумовые паттерны, которые линейный фильтр не может коснуться. Хотя этот подход требует значительных данных вычислений и обучения, он находит точку опоры в таких приложениях, как электроэнцефалография (ЭЭГ) и спектроскопия с высоким разрешением, где структура шума нестационарна и не гауссова.

Полевые программируемые воротные массивы (FPGA) для высокоскоростной фильтрации

Поскольку частота дискретизации ADC выдвигается в диапазон гигагерц (например, для радара или лидара), единственный жизнеспособный подход заключается в реализации цифровых фильтров в аппаратном обеспечении с использованием FPGA. Эти устройства могут прокладывать несколько этапов фильтрации и параллелизовать вычисления во многих блоках MAC, достигая пропускной способности, которая на порядки выше, чем последовательные процессоры. Разработка инструментов синтеза высокого уровня (HLS) делает дизайн фильтра на основе FPGA более доступным для инженеров без аппаратного описания языка знаний.

Заключение

Цифровая фильтрация является незаменимым инструментом в наборе инструментов ADC дизайнера. Благодаря стратегическому удалению шума, подавлению помех и формированию частотного содержания оцифрованных сигналов эти фильтры значительно улучшают точность измерений, надежность системы и гибкость проектирования. Выбор между архитектурами FIR и IIR, выбор типа фильтра (низкий, высокий пропуск, полоса пропускания, выемка или адаптивный), а также рассмотрение ограничений производительности в реальном времени все факторы в успешной реализации. По мере того, как возможности цифровой обработки продолжают развиваться, роль цифровой фильтрации в повышении целостности сигнала ADC будет только расти, позволяя все более точные и надежные электронные системы в медицинских, промышленных, аудио и коммуникационных областях.