Suponha que estamos projetando um filtro FIR passa-baixo e quero usar uma dessas três janelas: Bartlett, Hann ou Hamming. De Oppenheim & Schafer's Discrete-Time Signal Processing, 2ª Ed. , P. 471:}
Todos os três fornecem a mesma largura de banda de transição:
No entanto, o overshoot (vamos chamá-lo ) é diferente para cada janela, e a seguinte desigualdade é válida:
Portanto, se usarmos uma janela Hamming, obteremos o menor overshoot e uma banda de transição com width . Se usarmos uma das outras duas janelas, a largura da banda de transição será a mesma, mas o excesso aumentará.
Isso me leva a pensar que não há caso em que alguém usaria uma janela Hann ou Bartlett, pois a janela Hamming é melhor que elas: melhora um aspecto ( ), permanece o mesmo em outro ( )
A pergunta é: por que alguém escolheria uma janela de Hann ou Bartlett se uma de Hamming sempre pode ser usada?
Respostas:
Ao revisar as Figuras de Mérito de Fred Harris para várias janelas (Tabela 1 neste link ), Hamming é comparado ao Hanning (Hann) em vários valores deα e a partir disso fica claro que o Hanning proporcionaria maior rejeição à banda de parada (o clássico Hann é com α = 2 e da tabela a queda do lobo lateral é de -18 dB por oitava). Forneci o link, pois você pode ver muitas outras considerações envolvidas na escolha de uma janela para vários aplicativos.
O resultado disso é aparente ao comparar os kernels para uma janela de 51 amostras de Hann e Hamming usando Matlab / Octave. Observe o nível mais alto do primeiro lóbulo lateral com Hann, mas a rejeição é significativamente maior no geral:
Pessoalmente, eu não usaria nenhuma janela para o design do filtro. Se alguma janela, eu usaria a janela Kaiser, ou preferencialmente firls. Consulte Design do filtro FIR: Window vs Parks-McClellan e Least-Squares para a discussão relacionada.
Eu convolvi uma Hann de 26 amostras com uma Hamming 26 para criar uma amostra alternativa de 51 "Hann-Hamming" com o seguinte resultado:
ATUALIZAÇÃO: Esse Hann-Hamming (geralmente) não supera uma janela Kaiser de largura semelhante no lóbulo principal:
Tentei então o que chamo de "SuperKaiser", onde convolvi duas janelas Kaiser de menor comprimento para criar uma janela alternativa de 51 torneiras com o seguinte resultado. Isso foi feito convolvendo Kaiser (26,5,5) com Kaiser (26,5,5), de modo que SuperKaiser (51,5,5) = conv (kaiser (26,5,5), kaiser (26,5,5). À primeira vista, geralmente parece supera o kaiser (51,12), correspondendo à largura do lóbulo principal e fornecendo rejeição superior à faixa de parada na maior parte da faixa de parada.É interessante uma integração do ruído total da faixa de parada sob a premissa de AWGN, para ver se essa nova janela é superior nessas condições (a área relativa sob os dois primeiros lóbulos laterais, onde o SuperKaiser é inferior, compensa completamente toda a melhoria restante da banda de parada?). Se tiver tempo, acrescentarei essa avaliação. Interessante! Como o @A Cidadão em causa astutamente apontou,
fonte
As
design, cheguei muito perto comAs=108.5
paraN=32
eN[hann]=17
,N[ham]=16
mas os lóbulos laterais da janela convolved são desiguais e eles oscilar acima Kaiser de. Já vi pessoas "misturando" duas janelas ou mais, mas como aritmética ou média geométrica, nunca foram convoluídas. Ainda assim, os resultados são impressionantes.Se houver um invasor com conhecimento da janela e tentando focar o espectro de ruído para minimizar seu S / N, uma solução minimax, como uma janela Hamming, pode ser o contador ideal.
A maioria dos ruídos costuma não ser tão intencionalmente maliciosa, tornando uma solução minimax menos ideal, pelo menos estatisticamente falando.
fonte