싱크 필터

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요
2. 싱크-인-타임 (Sinc-in-time)
3. 주파수-도메인 싱크 (Frequency-domain sinc)
참조

1. 개요

싱크 필터는 컷오프 주파수 이상의 주파수 성분을 제거하고 선형 위상 응답을 가지는 이상적인 필터이다. 시간 도메인에서 싱크 함수, 주파수 도메인에서 직사각형 함수를 가지며, 이를 통해 저역 통과, 대역 통과, 고역 통과 필터를 구성할 수 있다. 싱크 필터는 비인과적이며 BIBO 안정성을 만족하지 않지만, 샘플링 정리 및 휘태커-섀넌 보간 공식과 같은 개념 증명에 사용된다. 주파수 영역 싱크 필터는 단순 이동 평균 필터로 구현되며 다운샘플링에 사용될 수 있고, 역 싱크 필터는 이퀄라이제이션에 사용될 수 있다.

2. 싱크-인-타임 (Sinc-in-time)

싱크-인-타임(Sinc-in-time)은 컷오프 주파수 이상의 모든 주파수 성분을 감쇠 없이 제거하고 선형 위상 응답을 갖는 이상적인 필터이다. 이는 '브릭월 필터' 또는 '직사각형 필터'로 간주될 수 있다.

2. 1. 임펄스 응답과 주파수 응답

싱크-인-타임(sinc-in-time)은 주어진 컷오프 주파수 이상의 모든 주파수 성분을 감쇠 없이 제거하고 선형 위상 응답을 갖는 이상적인 필터이다. 따라서 이는 ''브릭월 필터(brick-wall filter)'' 또는 ''직사각형 필터''로 간주될 수 있다.

이 필터의 임펄스 응답은 시간 도메인에서 싱크 함수이다.

:

\frac{\sin(\pi t)}{\pi t}

반면, 이 필터의 주파수 응답은 직사각형 함수이다.

:

H(f) = \operatorname{rect} \left( \frac{f}{2B} \right)=\begin{cases}0,           & \text{if } |f| > B, \\\frac{1}{2}, & \text{if } |f| = B, \\1,           & \text{if } |f| < B,\end{cases}

여기서

B

(그것의 대역폭을 나타냄)는 임의의 컷오프 주파수이다.

이 필터의 임펄스 응답은 주파수 응답의 역 푸리에 변환에 의해 주어진다.

:

\begin{align}h(t) = \mathcal{F}^{-1} \{ H (f)\}&= \int_{-B}^B \exp(2\pi i f t) \, df \\&= 2B \operatorname{sinc}(2 B t)\end{align}

여기서 ''sinc''는 정규화된 싱크 함수이다.

2. 2. 브릭월 필터 (Brick-wall filters)

싱크 필터는 주어진 컷오프 주파수 이상의 모든 주파수 성분을 감쇠 없이 제거하고 선형 위상 응답을 갖는 이상적인 필터이다. 따라서 '브릭월 필터' 또는 '직사각형 필터'라고도 부른다.^[1]

이상적인 전자 필터는 통과 대역에서 완전한 투과, 차단 대역에서 완전한 감쇠, 그리고 급격한 천이를 가지며, 흔히 (전달 함수의 모양 때문에) "벽돌 벽 필터"라고 한다. 시간 영역 싱크 필터는 벽돌 벽 저역 통과 필터이며, 이를 통해 벽돌 벽 대역 통과 필터와 고역 통과 필터를 쉽게 구성할 수 있다.^[1]

저역 통과 필터(Low-pass filter, LPF), 대역 통과 필터(Band-pass filter, BPF), 고역 통과 필터(High-pass filter, HPF)의 임펄스 응답과 전달 함수는 다음과 같다.^[1]

저역 통과 필터 (LPF)
임펄스 응답: : $h_{LPF}(t) = 2B_L \operatorname{sinc}\left(2B_L t\right)$
전달 함수: : $H_{LPF}(f) = \operatorname{rect}\left( \frac{f}{2B_L} \right).$
( $B_L$ 은 차단 주파수)

대역 통과 필터 (BPF)
임펄스 응답: : $h_{BPF}(t) = 2B_H \operatorname{sinc}\left(2B_H t\right) - 2B_L \operatorname{sinc}\left(2B_L t\right)$
전달 함수: : $H_{BPF}(f) = \operatorname{rect}\left( \frac{f}{2B_H} \right) - \operatorname{rect}\left( \frac{f}{2B_L} \right).$
( $B_L$ 은 하단 대역 경계, $B_H$ 는 상단 대역 경계)

고역 통과 필터 (HPF)
임펄스 응답: : $h_{HPF}(t) = \delta(t) - 2B_H \operatorname{sinc}\left(2B_H t\right)$
전달 함수: : $H_{HPF}(f) = 1 - \operatorname{rect}\left( \frac{f}{2B_H} \right).$
( $B_H$ 는 하단 대역 경계)

2. 3. 비현실성 (Unrealizable)

시간 영역의 싱크 필터는 양과 음의 시간 방향 모두에서 무한 임펄스 응답을 가지므로, 비인과적이며 무한 지연 및 무한 차수를 갖는다. 여기서 무한 지연은 콤팩트 지지가 주파수 영역에서 시간 응답이 콤팩트 지지를 가질 수 없도록 하여 영구적으로 지속됨을 의미한다. 그러나, 이는 샘플링 정리 및 휘태커-섀넌 보간 공식과 같은 개념 증명 또는 증명에 사용된다.

시간 영역의 싱크 필터는 현실 세계(추상적이지 않은) 응용 분야에 맞게 근사되어야 하며, 일반적으로 이상적인 시간 영역 싱크 필터 윈도우 처리와 절단을 통해 이루어진다. 하지만, 그렇게 하면 이상적인 특성이 감소한다. 이는 시간 영역의 싱크 필터를 사용하여 구성된 다른 벽돌 벽 필터에도 적용된다.

2. 4. 안정성 (Stability)

싱크 필터는 유계 입력–유계 출력 (BIBO) 안정성을 만족하지 않는다. 싱크 함수의 절댓값의 적분값이 무한대이므로, 유계 입력이 무계 출력값을 생성할 수 있다. 무계 출력을 생성하는 유계 입력의 예시로는 sgn(sinc(''t''))가 있다. 또 다른 예시로는 시간 0에서 시작하는 차단 주파수의 사인파인 sin(2π''Bt'')''u''(''t'')가 있다.

3. 주파수-도메인 싱크 (Frequency-domain sinc)

주파수 영역에서 싱크 함수 형태를 갖는 필터를 '''주파수 영역 sinc 필터'''라고 부른다.

16-샘플 평균(나이퀴스트 주파수의 4배로 확장). 전달 함수가 주기적이므로 이 반복 패턴은 영원히 계속됨.

1000 Hz 샘플링 속도를 사용하는 그룹 평균 필터의 전송 플롯을 위의 그림에서 확인할 수 있다.

이 필터는 주파수 응답의 절댓값을 통해 주파수가 얼마나 감쇠되는지 확인할 수 있다. sinc 함수는 음수와 양수 값 사이에서 진동하지만, 주파수 응답의 음수 값은 180도 위상 이동에 해당한다.

3. 1. 단순 이동 평균 필터 (Simple Moving Average Filter)

'''주파수 영역 sinc''' 필터의 가장 간단한 구현은 모든

N

계수가 동일한 단순 이동 평균 (특히 샘플 수로 나눈 경우)을 생성하기 위해 박스카 임펄스 응답을 사용한다는 것이다. 이는 누적 및 덤프 필터(특히 단순히 나눗셈 없이 합산하는 경우)라고도 한다. 이 필터는 모든

N

계수가 동일한 FIR 필터로 모델링할 수 있으며, 때로는 더 높은 차수의 이동 평균을 생성하기 위해 캐스케이드로 연결되기도 한다.

이 필터는 거칠지만 빠르고 쉬운 다운샘플링(decimation)에

N

의 인수로 사용할 수 있다. 필터의 단순성(''

N

''개의 데이터 샘플 누적, 누산기 결과 출력, 누산기 0으로 초기화, 반복)은 저조한 로우패스 기능으로 인해 단점으로 작용한다. 스톱 밴드에서 가장 낮은 감쇠는 -13.3 dB^[2]이며, 대부분의 고주파 성분은 그보다 약간 더 감쇠된다.

f_S

에서 샘플링된

N

-샘플 필터는

\frac{f_S}{2N}

보다 높은 모든 비완전 감쇠 신호 구성 요소를 베이스 밴드(DC에서

\frac{f_S}{2N}

까지)로 에일리어싱한다.

N

개의 샘플을 처리하는 그룹 평균 필터는

\tfrac{f_S}{N}

간격으로 균등하게 간격을 둔

\tfrac{N}{2}

개의 전송 제로를 가지며, 가장 낮은 제로는

\tfrac{f_S}{N}

이고 가장 높은 제로는

\tfrac{f_S}{2}

(나이퀴스트 주파수)이다. 나이퀴스트 주파수 이상에서는 주파수 응답이 미러링된 다음

f_S

이상에서 영원히 주기적으로 반복된다.

주파수 응답의 절댓값 그래프에서 sinc 함수는 실제로 음수와 양수 값 사이에서 진동하지만, 주파수 응답의 음수 값은 단순히 180도 위상 이동에 해당한다.

3. 2. 전송 제로 (Transmission Zeros)

N

개의 샘플을 처리하는 그룹 평균 필터는

\tfrac{f_S}{N}

간격으로 균등하게 간격을 둔

\tfrac{N}{2}

개의 전송 제로를 가지며, 가장 낮은 제로는

\tfrac{f_S}{N}

이고 가장 높은 제로는

\tfrac{f_S}{2}

(나이퀴스트 주파수)이다. 나이퀴스트 주파수 이상에서는 주파수 응답이 미러링된 다음

f_S

이상에서 영원히 주기적으로 반복된다.

3. 3. 역 싱크 필터 (Inverse Sinc Filter)

'''역 싱크 필터'''는 디지털 영역(예: FIR 필터) 또는 아날로그 영역(예: opamp 필터)에서 이퀄라이제이션을 할 때 사용된다. 이를 통해 관심 주파수 대역에서 원치 않는 감쇠를 상쇄하여 평탄한 주파수 응답을 얻을 수 있다.^[3]

3. 4. 윈도우 함수 (Window Function)

이상적인 싱크 필터를 현실에서 구현하기 위해 윈도우 함수를 적용할 수 있다. 가장 간단한 예로 sinc 커널에 직사각형 윈도우를 적용하는 방법이 있다.^[2]

참조

_[1] 서적 Practical signal processing https://books.google[...] Cambridge University Press
_[2] 웹사이트 An Intuitive Look at Moving Average and CIC Filters https://tomverbeure.[...] 2020-09-30
_[3] 웹사이트 APPLICATION NOTE 3853: Equalizing Techniques Flatten DAC Frequency Response https://www.analog.c[...] 2012-08-20

본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com