Concevoir des filtres passe-bas avec MATLAB

Un filtre passe-bas est un filtre qui permet le passage des signaux situés sous une fréquence de coupure (bande passante) et qui atténue les signaux se trouvant au-dessus de cette fréquence (bande affaiblie). En supprimant certaines fréquences, le filtre crée un effet de lissage. Autrement dit, le filtre modifie lentement les valeurs de sortie afin de faciliter l’identification des tendances et d’améliorer le rapport signal à bruit avec une dégradation minimale du signal.

Les filtres passe-bas, en particulier les filtres à moyenne glissante ou de Savitzky-Golay, sont souvent utilisés pour nettoyer des signaux, supprimer le bruit, moyenner des données, concevoir des dispositifs de décimation et d’interpolation, et identifier des motifs pertinents.

La fenêtre de Kaiser, la méthode des moindres carrés et la méthode à ondulations égales sont d’autres techniques communément utilisées pour concevoir des filtres FIR passe-bas. En ce qui concerne les filtres IIR, les méthodes utilisées incluent les techniques de Butterworth, de Tchebychev (typeI et type II), et la méthode elliptique.

Pour plus d’informations sur la conception de filtres, y compris sur ces méthodes, consultez la section dédiée à Signal Processing Toolbox™ pour une utilisation dans MATLAB®. L’outil intégré de visualisation de filtres est particulièrement intéressant: vous pouvez l’utiliser pour visualiser, comparer et analyser différentes réponses de filtres.

Assistant de conception de filtres de Signal Processing Toolbox, pour la conception de filtres et la génération de code MATLAB.

You can use MATLAB® to design finite impulse response (FIR)-based and infinite impulse response (IIR)-based filters, two common low-pass filter methods.

FIR filters are very attractive because they are inherently stable. They can be designed to have linear phase that introduces a delay in the filtered signal while maintaining the waveform shape. Nonetheless, these filters can have long transient responses and might prove computationally expensive in certain applications. FIR filters are useful in audio, biomedical, radar, and other applications where the waveform shape provides useful information. Common design methods for low-pass FIR-based filters include Kaiser windowleast squares, and equiripple.

IIR filters are useful when computational resources are at a premium. However, stable, causal IIR filters do not have perfectly linear phase. IIR filters are commonly used in audio equalization, biomedical sensor signal processing, IoT/IIoT smart sensors, and high-speed telecommunication/RF applications. Design methods for IIR-based filters include Butterworth, Chebyshev (Type-I and Type-II), and elliptic.

The lowpass function in Signal Processing Toolbox™ is particularly useful to quickly filter signals. You can use designfilt and other algorithm-specific (butter, fir1) functions when more control is required on parameters such as filter type, filter order, and attenuation. For more information on filter design, see Signal Processing Toolbox™.

Voir aussi: GPU pour les algorithmes de traitement du signal dans MATLAB, radio logicielle, filtrage de Savitzky-Golay, filtrage médian, DSP System Toolbox