Engee 文档
Notebook

在基本元件上实现 FIR 滤波器

在本例中,我们将了解 FIR 滤波器的结构,并分析滤波器内部不同系数的行为。

基本的 FIR 滤波器由延迟线和系数组成,延迟信号与系数相乘,然后将结果相加。

下图显示了包含 4 个系数的 FIR 滤波器电路。

image.png

接下来,让我们添加模型的辅助函数,并确定滤波器多次运行的系数。

In [ ]:
# Подключение вспомогательной функции запуска модели.
function run_model( name_model)
    
    Path = (@__DIR__) * "/" * name_model * ".engee"
    
    if name_model in [m.name for m in engee.get_all_models()] # Проверка условия загрузки модели в ядро
        model = engee.open( name_model ) # Открыть модель
        model_output = engee.run( model, verbose=true ); # Запустить модель
    else
        model = engee.load( Path, force=true ) # Загрузить модель
        model_output = engee.run( model, verbose=true ); # Запустить модель
        engee.close( name_model, force=true ); # Закрыть модель
    end
    sleep(5)
    return model_output
end
Out[0]:
run_model (generic function with 1 method)
In [ ]:
К_arr = [0.1 0.2 0.3 0.4; 0.16 0.38 0.38 0.16; 1 2 3 4]
Out[0]:
3×4 Matrix{Float64}:
 0.1   0.2   0.3   0.4
 0.16  0.38  0.38  0.16
 1.0   2.0   3.0   4.0

循环运行模型,并通过绘制时域和频域结果来分析结果。

In [ ]:
out_arr = zeros(1001,3)
K, K1, K2, K3, K4 = 0, 0, 0, 0, 0
for i in 1:3
    K = К_arr[i,:]
    K1, K2, K3, K4  = K[1], K[2], K[3], K[4]
    run_model("Basic_FIR_filter") # Запуск модели.
    out = collect(simout["Basic_FIR_filter/out"]);
    out_arr[:,i] = out.value
end 

plot(out_arr)
Building...
Progress 100%
Building...
Progress 100%
Building...
Progress 100%
Out[0]:
In [ ]:
using FFTW

Comp_out = ComplexF64.(out_arr);
spec_out = fftshift(fft(Comp_out));

plot([10log10.(abs.((spec_out/3e6)))], label =["0.1 0.2 0.3 0.4" "0.16 0.38 0.38 0.16" "1 2 3 4"])
ylabel!("Мощность дБВт")
xlabel!("Частота МГц")
Out[0]:

结论

从结果图中我们可以看出,滤波器系数会影响信号功率和频率特性的变化。

示例中使用的块