Реализация КИХ фильтра на базовых элементах
В данном примере мы разберём структуру КИХ-фильтра и проанализируем поведения фильтра при различных коэффициентах внутри него.
Базово ких фильтр состоит из линии задержек и коэффициентов на которые домножается задержанный сигнал, после чего результаты складываются.
На рисунке ниже показана схема КИХ-фильтра содержащая 4 коэффициента.

Далее добавим вспомогательную функцию модели и определим коэффициенты для нескольких прогонов фильтра.
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]:
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]:
Запустим модель в цикле, и проанализируем результаты построив графики во временной и частотных областях.
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)
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]:
Вывод
Как мы видим из результирующих графиков коэффициенты фильтра влияют на изменения как мощности сигнала, так и его частотных характеристик.