基于极点聚焦全极点滤波器减小LCD运动模糊的方法

提出一种基于极点聚焦技术的减少LCD运动模糊效应的方法,通过建立二维全极点滤波器,采取分块处理方法对视频信号进行处理,并采用模拟仿真的方法进行实验评估,结果表明极点聚焦全极点滤波器对于减小LCD的运动图像模糊具有一定的效果,尤其是在图像高频出现的地方效果明显。所提出的方法具有算法简单,便于硬件实现的优点。

基于逆全极点滤波器的高频PWM噪声整形方法

高频开关功率放大器具有高功率、低纹波、高响应的优点,是高加速、高精度定位系统的核心部件。为了解决高频PWM中开关频率与占空比分辨率的矛盾,该文分析调制中噪声整形的基本原理,采用误差反馈结构提取PWM量化噪声进行数字整形,阐述噪声整形滤波器设计约束条件。提出通过逆全极点无限脉冲响应(IIR)滤波器获得有限脉冲响应(FIR)噪声整形滤波器的简明设计方法,仿真及实验表明,该文提出的方法可利用低阶FIR整形滤波器获得平坦的通带和高整形衰减。在不足9位的PWM中,4阶的FIR噪声整形滤波器能够恢复调制信号在10 kHz频段内约40 dB的信噪比损失。

一种新的高阶全极点TC带通滤波器

提出一种高阶全极点跨导电容带通滤波器设计方法．基于系统函数的直接模拟，得到了具有少有源元件的全极点带通滤波器．该滤波器与ＭＯＳ工艺兼容，便于单片集成．文中给出了带通滤波器的设计实例和ＰＳＰＩＣＥ模拟分析，说明此滤波器可行．

全极点低通梯型滤波器的OTA-C实现

本文提出了采用运算跨导放大器(OTA)和电容实现电气可控高阶全极点低通滤波器的设计方法.基于对无源LC梯型网络的模拟,导出了OTA-C型全极点低通滤波器的一般结构。该结构的特点是:结构简单,元件数目少,电控方便。

全极点IIR滤波器的模型法设计及实现

介绍了用模型法设计全极点ＩＲ滤波器的方法，并给出了用高速器件ＩＭＳＡ１００实现的例子。由于全极点ＩＲ滤波器只有极点，没有零点，因而用硬件实现时可以节省器件。

全极点数字滤波器的研究

详细探讨了两种不同的数字低通滤波器设计方法,即全极点法、双线性变换法。每种方法各有其优点,通过计算,我们得出结论全极点法优于双线性变换法,更加灵活。

用CMOS跨导单元实现电流模式全极点低通滤波器

提出了用 CMOS跨导单元和电容实现电流模式全极点低通滤波器的技术。这一技术基于无源 LC梯型电路的模拟 ,具有电路结构简单、灵敏度低 。

高阶全极点滤波器的CFA实现

采用CMOS电流反馈运算放大器实现高阶全极点滤波器,面向具体电路完成了MOS管级的计算机仿真,结果表明所提出的电路方案可行、性能优良。

阻容元件温漂对低通有源滤波器的影响

滤波器是一个频率选择部件,它可以通过某些频率而抑制或衰减另外一些频率的信号,该文介绍了模拟滤波器的发展及类型,通过对模拟滤波器的设计,对低通有源滤波器采用的阻容元件随温度变化特性进行分析及模拟仿真,提出如何解决阻容元件温漂对频率响应及产品灵敏度精度的影响。

线性相移有源带通滤波器的计算机辅助设计

本文介绍用计算机辅助设计求得各个全极点有源带通节的谐振频率和Ｑ值的方法，以获得窄带带通滤波器通带内理论上良好的幅频和相频特性。进一步分析了实现有源带通节时由于运算放大器非理想特性而产生的相对理论特性的偏离，给出并比较了多种有源带通节的幅频特性和群时延公式及曲线。最后以立体声附加信道调频广播中附加信道解码的中心频率为６７ｋＨｚ的带通滤波器为例进行讨论，给出了该滤波器在上述应用中的实际结果。

一种改进的听觉特征参数应用于说话人识别

针对主流的语音特征参数梅尔频率倒谱系数(MFCC)和伽马通倒谱系数(GFCC)作为说话人个性特征,在低信噪比的环境下,说话人识别率下降较快的问题,提出一种改进的听觉特征参数应用于说话人识别。在语音信号预处理过程中,提出一种汉明自卷积窗代替经典窗函数,抑制频谱泄露,提高信号的信噪比;从模拟人耳基底膜特性的角度出发,为了更好地模拟基底膜滤波非对称特性,采用全极点Gammatone滤波器提取特征,得到改进的听觉特征参数。在高斯混合模型识别系统中进行仿真实验,实验结果表明,改进的听觉特征参数应用于说话人识别系统,识别正确率都优于线性预测倒谱系数(LPCC)、梅尔频率倒谱系数(MFCC)和Gammatone滤波器倒谱系数(GFCC),而且在信噪比低的环境中,系统仍然有较高的识别率。

评述:用自相关函数来分析和设计信号

一、自相关函数的外推在信号频谱分析的经典方法中,功率谱密度是从自相关函数作傅里叶变换来计算的。长期以来认为,比起平均运算来,数字傅里叶变换是更为繁复的处理。所以,傅里叶变换常常是在平均乘积的截出序列上实现的。截出通常是由有限的测量时间(改进统计稳定性),由可允许的计算时间或由于作波长测量时测量采样数目的有限所引起的。由于今天的数字傅里叶变换方法是种快速运算,所以目前人们计算功率谱密度所用方法是首先对所有数据点作变换,随后再平均。