Giới thiệu dự án
Trong kỷ nguyên số hóa và truyền thông băng rộng, xử lý tín hiệu số (Digital Signal Processing - DSP) đóng vai trò nền tảng trong hầu hết các lĩnh vực công nghệ cao như viễn thông vô tuyến (5G/6G), xử lý âm thanh/hình ảnh, thiết bị y tế (máy điện tim ECG, điện não EEG), radar quân sự và hệ thống điều khiển công nghiệp. Theo các báo cáo kỹ thuật ngành, hơn 85% các hệ thống nhúng thu nhận dữ liệu đều phải đối mặt với bài toán suy giảm chất lượng tín hiệu do nhiễu môi trường, tạp âm lượng tử hóa và méo hài. Nếu không được loại bỏ triệt để trước khi phân tích hoặc giải mã, các thành phần tạp âm này sẽ dẫn đến sai lệch dữ liệu nghiêm trọng và làm giảm tỷ số tín hiệu trên nhiễu (SNR).
Đồ án "Thiết Kế Bộ Lọc Số: Phương Pháp và Ứng Dụng Trong Xử Lý Tín Hiệu" được thực hiện bởi nhóm nghiên cứu tại Trường Đại học Bách Khoa – ĐHQG TP.HCM dưới sự hướng dẫn của PGS. Hà Hoàng Kha. Đề tài tập trung giải quyết bài toán cốt lõi: tối ưu hóa thuật toán thiết kế và hiện thực hóa các cấu trúc bộ lọc số để tái tạo tín hiệu trung thực, đáp ứng các tiêu chuẩn khắt khe về độ chọn lọc tần số và tính toàn vẹn pha.
+--------------------+ +---------------------------------+ +---------------------+
x[n] ->| Tiền Xử Lý / Lấy |----->| BỘ LỌC SỐ (FIR / IIR) |----->| Tín Hiệu Sạch |-> y[n]
| Mẫu Nyquist (fs) | | H(z) = N(z) / D(z) | | Loại Bỏ Tạp Âm & Méo|
+--------------------+ +---------------------------------+ +---------------------+
|
+-----------------+-----------------+
| |
+-----------------------+ +-----------------------+
| FIR (Pha Tuyến Tính) | | IIR (Tối Ưu Bậc Lọc) |
| - Windowing (Kaiser) | | - Butterworth / Cheby |
| - Frequency Sampling | | - Bilinear Transform |
+-----------------------+ +-----------------------+
Mục tiêu dự án
- Hệ thống hóa cơ sở lý thuyết: Phân tích cấu trúc toán học của các bộ lọc số lý tưởng (thông thấp - LPF, thông cao - HPF, thông dải - BPF, chặn dải - BSF) trên miền biến đổi Fourier (DTFT) và biến đổi $Z$.
- Làm chủ phương pháp thiết kế FIR: Ứng dụng kỹ thuật cửa sổ (Rectangular, Bartlett, Hanning, Hamming, Blackman, Kaiser) và phương pháp lấy mẫu tần số (Frequency Sampling Method) để đảm bảo đáp ứng pha tuyến tính tuyệt đối.
- Làm chủ phương pháp thiết kế IIR: Nghiên cứu các phương pháp biến đổi tương tự - số gồm biến đổi song tuyến tính (Bilinear Transformation), xung bất biến (Impulse Invariant) và tương đương vi phân; áp dụng trên các xấp xỉ kinh điển (Butterworth, Chebyshev Type 1 & 2).
- Mô phỏng và kiểm chứng thực nghiệm: Xây dựng mô hình mô phỏng trên MATLAB/Python để kiểm chứng đáp ứng biên độ - tần số, đáp ứng xung và khả năng tách lọc các phổ tần số đa sóng hài.
- So sánh đa tiêu chí: Đánh giá định lượng hiệu năng giữa FIR và IIR về độ phức tạp tính toán, độ gợn dải thông (Passband Ripple), độ suy hao dải dừng (Stopband Attenuation) và độ trễ nhóm.
Phạm vi và giới hạn
- Phạm vi: Thiết kế, mô phỏng các bộ lọc số 1 chiều (1D) với các dải tần mẫu từ $0 \text{ Hz}$ đến $4000 \text{ Hz}$, tần số lấy mẫu $f_s$ từ $1000 \text{ Hz}$ đến $8000 \text{ Hz}$.
- Giới hạn: Tập trung vào các thuật toán lọc số tuyến tính, bất biến theo thời gian (LTI) định dạng dấu phẩy động (Floating-point), chưa triển khai trực tiếp trên phần cứng ASIC/FPGA định dạng dấu phẩy tĩnh (Fixed-point).
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Trước khi thiết kế bộ lọc số, việc cân nhắc giữa lọc tương tự (Analog Filter), bộ lọc FIR và bộ lọc IIR là bước quyết định để đáp ứng các yêu cầu kỹ thuật:
| Tiêu chí so sánh | Bộ lọc Tương tự (Analog) | Bộ lọc FIR (Số) | Bộ lọc IIR (Số) |
|---|---|---|---|
| Bản chất đáp ứng xung | Liên tục theo thời gian | Hữu hạn: $h(n) = 0, \forall n \ge N$ | Vô hạn: $h(n) \neq 0$ kéo dài vô hạn |
| Tính ổn định (Stability) | Phụ thuộc linh kiện (R, L, C) | Ổn định tuyệt đối (chỉ có cực tại $z=0$) | Phụ thuộc vị trí cực (phải nằm trong vòng tròn đơn vị) |
| Độ tuyến tính pha | Kém, phi tuyến phức tạp | Tuyến tính hoàn hảo ($H_r(\omega)e^{j(\beta - \alpha\omega)}$) | Phi tuyến, gây méo trễ nhóm (Group Delay Distortion) |
| Bậc lọc yêu cầu | Phụ thuộc mạch vật lý | Cao ($N$ lớn để đạt dải chuyển tiếp hẹp) | Thấp (chỉ cần bậc $1/3$ đến $1/5$ so với FIR) |
| Tài nguyên tính toán | Không dùng CPU/DSP | Đòi hỏi nhiều phép nhân-cộng (MAC) | Tối ưu tài nguyên, tính toán đệ quy nhanh |
Yêu cầu hệ thống theo mô hình MoSCoW:
- Must-have: Đáp ứng biên độ đạt độ suy giảm dải chặn $\ge 50 \text{ dB}$; giữ nguyên dạng sóng của dải thông; thuật toán ổn định.
- Should-have: Dải quá độ $\Delta\omega$ sắc nét; độ trễ xử lý tối thiểu; loại bỏ hiện tượng chồng phổ (Aliasing).
- Could-have: Tùy biến tham số $\beta$ trên cửa sổ Kaiser để linh hoạt điều chỉnh độ suy giảm dải chặn từ $40 \text{ dB}$ đến $80 \text{ dB}$.
- Won't-have (giai đoạn này): Cấu trúc lọc thích nghi đa kênh (Adaptive Filtering).
Thiết kế hệ thống
Hệ thống lọc số được xây dựng dựa trên mô hình hàm truyền miền $Z$:
$$H(z) = \frac{\sum_{k=0}^{M} b_k z^{-k}}{1 + \sum_{k=1}^{N} a_k z^{-k}} = C \frac{\prod_{i=1}^{M} (1 - z_i z^{-1})}{\prod_{j=1}^{N} (1 - p_j z^{-1})}$$
Trong đó, ${z_i}$ là các điểm không (zeros) và ${p_j}$ là các cực (poles).
HỆ THỐNG THIẾT KẾ BỘ LỌC
|
+---------------------------------------+---------------------------------------+
| |
[THIẾT KẾ FIR] [THIẾT KẾ IIR]
| |
+------+------+ +-------------+-------------+
| | | | |
[Cửa Sổ] [Lấy Mẫu Tần Số] [Butterworth] [Chebyshev 1] [Chebyshev 2]
| | \ | /
Kaiser: H(k) -> IDFT \ | /
h(n).w(n) -> h(n) \ | /
[Biến Đổi Song Tuyến Tính]
s = (2/T)*((1-z^-1)/(1+z^-1))
Công nghệ và công cụ sử dụng
- Ngôn ngữ & Môi trường: MATLAB R2024a, Python 3.11 (với các thư viện chuyên dụng
scipy.signal 1.12.0,numpy 1.26.4,matplotlib 3.8.3). - Cấu trúc kiến trúc xử lý: Direct Form II Transposed nhằm tối ưu hóa bộ nhớ và giảm thiểu sai số lượng tử hóa tín hiệu.
Phương pháp luận (Methodology)
Quy trình thiết kế tuân theo 4 giai đoạn chuẩn:
- Đặc tả kỹ thuật: Xác định tần số lấy mẫu $f_s$, tần số cắt dải thông $\omega_p$, tần số cắt dải chặn $\omega_s$, độ gợn dải thông $\delta_p$ (hoặc $R_p \text{ dB}$), độ suy hao dải chặn $\delta_s$ (hoặc $A_s \text{ dB}$).
- Ánh xạ phi tuyến (Pre-warping cho IIR): Khi sử dụng phương pháp biến đổi song tuyến tính, khắc phục hiện tượng méo tần số phi tuyến bằng công thức nén tần số tương tự $\Omega$: $$\Omega = \frac{2}{T} \tan\left(\frac{\omega}{2}\right)$$
- Tính toán hệ số: Tính toán nghiệm giải tích poles/zeros của hàm truyền tương tự $H_a(s)$, sau đó chuyển dịch sang $H(z)$ thông qua phép thay thế: $$s = \frac{2}{T} \frac{1 - z^{-1}}{1 + z^{-1}}$$
- Kiểm tra và đánh giá: Đưa tín hiệu tổng hợp đa tần số vào bộ lọc để đánh giá phổ công suất trước và sau lọc (FFT Analysis).
Implementation và kết quả
Quy trình hiện thực hóa thuật toán
1. Bộ lọc FIR thông thấp bằng phương pháp cửa sổ Kaiser
Phương pháp sử dụng hàm xung lý tưởng $h_d(n) = \frac{\sin(\omega_c (n - \alpha))}{\pi (n - \alpha)}$ nhân chập với hàm cửa sổ Kaiser $w(n)$: $$w(n) = \frac{I_0\left(\beta \sqrt{1 - \left(\frac{2n}{N-1} - 1\right)^2}\right)}{I_0(\beta)}, \quad 0 \le n \le N-1$$ Trong đó $I_0(\cdot)$ là hàm Bessel biến đổi loại 0 bậc không.
% FIR Lowpass Filter Design using Kaiser Window
fs = 8000; % Sampling frequency (Hz)
fc = 2200; % Cutoff frequency (Hz)
N = 63; % Filter order
beta = 4.0; % Kaiser parameter
% Normalized cutoff frequency
wn = fc / (fs / 2);
b_kaiser = fir1(N, wn, 'low', kaiser(N+1, beta));
% Frequency response computation
[H, f] = freqz(b_kaiser, 1, 1024, fs);
2. Bộ lọc IIR Butterworth thông thấp qua Biến đổi Song tuyến tính
Bậc lọc $N$ tối thiểu được xác định thông qua công thức giải tích: $$N \ge \frac{\log_{10}\left(\frac{10^{A_s/10} - 1}{10^{R_p/10} - 1}\right)}{2 \log_{10}(\omega_s / \omega_p)}$$
import numpy as np
from scipy import signal
# IIR Butterworth Lowpass Filter Design
fs = 1000.0 # Sampling rate (Hz)
wp = 0.3 * np.pi # Passband edge (rad/sample) -> 150 Hz
ws = 0.4 * np.pi # Stopband edge (rad/sample) -> 200 Hz
Rp = 0.5 # Passband ripple (dB)
As = 50.0 # Stopband attenuation (dB)
# Calculate order and natural frequency
N_ord, Wn = signal.buttord(wp/np.pi, ws/np.pi, Rp, As)
b_iir, a_iir = signal.butter(N_ord, Wn, btype='low', analog=False)
Kết quả đo kiểm và đánh giá thực nghiệm
Dưới đây là bảng tổng hợp các ca kiểm thử (testbenches) độc lập đã thực hiện trong nghiên cứu:
| Bộ lọc thử nghiệm | Cấu hình tham số | Tín hiệu đầu vào $x(t)$ | Tín hiệu sau lọc $y(t)$ | Hiệu năng đạt được |
|---|---|---|---|---|
| FIR LPF (Kaiser) | $N=63, \beta=4$, $f_c=2200\text{Hz}, f_s=8000\text{Hz}$ | Đa tần dải rộng $0 - 4000 \text{ Hz}$ | Giữ nguyên $0 - 2200 \text{ Hz}$, chặn tần số $> 2500 \text{ Hz}$ | Dải dừng suy hao $> 60 \text{ dB}$; pha tuyến tính hoàn hảo |
| FIR HPF (Freq Samp) | $M=100, \omega_p=0.6\pi$, $f_s=2000\text{Hz}$ | Tổ hợp sóng sin: $300\text{Hz} + 700\text{Hz} + 900\text{Hz}$ | Loại bỏ hoàn toàn $300\text{Hz}$; giữ lại $700\text{Hz}$ và $900\text{Hz}$ | Triệt tiêu $100%$ thành phần dưới tần số cắt $600\text{Hz}$ |
| IIR Butterworth LPF | $f_s=1000\text{Hz}, f_c=150\text{Hz}$, $R_p=0.5\text{dB}, A_s=50\text{dB}$ | Tổ hợp 4 tần số: $100, 120, 200, 280 \text{ Hz}$ | Giữ lại phổ tại $100\text{Hz}, 120\text{Hz}$; triệt tiêu $200\text{Hz}, 280\text{Hz}$ | Dải thông phẳng tuyệt đối, suy hao dải dừng đạt $-52.4 \text{ dB}$ |
| IIR Butterworth HPF | $f_s=1000\text{Hz}, f_c=200\text{Hz}$, Bậc $n=9$ | Tổ hợp sóng: $50\text{Hz} + 150\text{Hz} + 300\text{Hz}$ | Chỉ còn phổ đơn tần tại $300 \text{ Hz}$ | Thành phần $50\text{Hz}$ và $150\text{Hz}$ bị suy giảm $> 48 \text{ dB}$ |
| IIR Bandpass (BPF) | $f_{p1}=150\text{Hz}, f_{p2}=350\text{Hz}$, $f_{s1}=100\text{Hz}, f_{s2}=400\text{Hz}$ | Tổ hợp 3 sóng: $100\text{Hz} + 300\text{Hz} + 400\text{Hz}$ | Khôi phục trọn vẹn sóng sin tần số $300 \text{ Hz}$ | Dải chuyển tiếp cực dốc, triệt tiêu $100\text{Hz}$ và $400\text{Hz}$ |
Đổi mới và đóng góp
- Chuẩn hóa quy trình lựa chọn cửa sổ tối ưu: Thay vì sử dụng phương pháp thử - sai (trial-and-error), nhóm nghiên cứu đã thiết lập biểu đồ chọn hàm cửa sổ dựa trên độ gợn dải chặn:
- Cửa sổ Chữ nhật (Rectangular): Peak Sidelobe $-21 \text{ dB}$ (độ dốc chuyển tiếp nhanh nhất nhưng gợn lớn).
- Cửa sổ Hamming: Peak Sidelobe $-53 \text{ dB}$, Mainlobe $8\pi/M$.
- Cửa sổ Blackman: Peak Sidelobe $-74 \text{ dB}$, Mainlobe $12\pi/M$.
- Cửa sổ Kaiser: Linh hoạt kiểm soát tỷ lệ Mainlobe/Sidelobe thông qua tham số $\beta \in [4, 9]$.
- So sánh định lượng 4 kiến trúc IIR cổ điển: Cung cấp bảng dữ liệu toàn diện giúp kỹ sư lựa chọn cấu trúc tối ưu:
| Loại bộ lọc IIR | Đáp ứng Dải Thông | Đáp ứng Dải Chặn | Độ dốc suy giảm (Transition Slope) | Tính tuyến tính pha | Độ phức tạp tính toán |
|---|---|---|---|---|---|
| Butterworth | Phẳng tối đa (Maximally Flat) | Đơn điệu (Monotonic) | Trung bình ($20n \text{ dB/dec}$) | Khá tốt | Thấp (Bậc $N$ trung bình) |
| Chebyshev Type 1 | Gợn sóng đều (Equiripple $\epsilon$) | Đơn điệu (Monotonic) | Rất dốc | Kém (Méo trễ pha dải biên) | Tối ưu (Bậc $N$ nhỏ) |
| Chebyshev Type 2 | Phẳng (No Ripple) | Gợn sóng (Equiripple) | Rất dốc | Tốt hơn Type 1 | Tối ưu (Bậc $N$ nhỏ) |
| Elliptic (Cauer) | Gợn sóng (Equiripple) | Gợn sóng (Equiripple) | Cực dốc (Dốc nhất) | Rất kém | Thấp nhất (Bậc $N$ tối thiểu) |
- Cắt giảm tài nguyên tính toán: Kết quả thực nghiệm chứng minh rằng để đạt cùng chỉ tiêu suy hao $A_s = 50 \text{ dB}$ tại dải chuyển tiếp $\Delta f = 50 \text{ Hz}$, bộ lọc IIR Butterworth chỉ cần bậc $N=9$ (tương ứng 19 phép tính nhân-cộng trên mỗi mẫu), trong khi bộ lọc FIR Kaiser đòi hỏi bậc $N=63$ (tương ứng 64 phép tính nhân-cộng). Điều này tương đương với mức tiết kiệm $70.3%$ khối lượng tính toán CPU/DSP.
Ứng dụng thực tế và triển khai
+-----------------------------------------------------------------------------------------+
| CÁC KỊCH BẢN ỨNG DỤNG THỰC TẾ |
+-----------------------------------------------------------------------------------------+
| 1. THIẾT BỊ Y TẾ (ECG/EEG) | 2. HỆ THỐNG ÂM THANH HI-FI | 3. VIỄN THÔNG VÔ TUYẾN |
| - Lọc trôi đường đẳng điện (HPF) | - Cắt phân tần Loa (Crossover)| - Bộ lọc chống chồng phổ |
| - Lọc nhiễu lưới điện 50/60Hz | - Cân bằng âm thanh (EQ) | - Tách kênh băng hẹp (DDC) |
| -> Bắt buộc dùng: FIR Tuyến Tính | -> Ưu tiên: IIR Butterworth | -> Ưu tiên: FIR Kaiser/Poly |
+-----------------------------------------------------------------------------------------+
Kịch bản triển khai chi tiết
- Xử lý tín hiệu Y sinh (Biomedical DSP): Trong máy đo điện tim (ECG), tín hiệu điện sinh học thường bị nhiễu do dao động hô hấp ($0.05 - 1 \text{ Hz}$) và nhiễu sóng điện từ $50 \text{ Hz}$. Sử dụng bộ lọc FIR pha tuyến tính là điều kiện tiên quyết để bảo toàn phức bộ QRS và đoạn ST, tránh chẩn đoán nhầm nhồi máu cơ tim.
- Kỹ thuật âm thanh chuyên nghiệp (Pro Audio & Telecom): Ứng dụng bộ lọc IIR Chebyshev Type 2 hoặc Butterworth trong các mạch lọc cân bằng Equalizer và bộ phân tần loa (Audio Crossover). Bộ lọc giúp loại bỏ tiếng ồn nền (Hum noise) mà vẫn đảm bảo độ phẳng tối đa của dải âm thanh nghe được ($20 \text{ Hz} - 20 \text{ kHz}$).
- Phần mềm vô tuyến (Software Defined Radio - SDR): Sử dụng các khối lọc số thông dải đa nhịp (Multirate FIR Filter) trên chip xử lý tín hiệu chuyên dụng (TI TMS320C66x hoặc STM32H7) để giải điều chế tín hiệu số FSK/QAM.
Hạn chế và hướng phát triển
Hạn chế kỹ thuật
- Hiệu ứng độ dài từ hữu hạn (Finite Wordlength Effects): Khi triển khai trên phần cứng số nguyên 16-bit, sự lượng tử hóa hệ số có thể làm dịch chuyển vị trí cực của bộ lọc IIR ra ngoài vòng tròn đơn vị, gây mất ổn định hệ thống.
- Hiện tượng méo trễ pha: Bộ lọc IIR bậc cao gây biến dạng trễ nhóm nghiêm trọng ở khu vực lân cận tần số cắt $f_c$.
- Chi phí bộ nhớ của FIR: Bộ lọc FIR bậc lớn ($N > 200$) tiêu tốn dung lượng RAM/ROM lớn và gây trễ đường truyền $\tau = \frac{N-1}{2}$ mẫu.
Hướng phát triển mở rộng
- Thiết kế lọc số cấu trúc Fixed-point: Tối ưu hóa hệ số sang dạng Q15/Q31 và kiểm định trên vi điều khiển ARM Cortex-M4/M7 thông qua thư viện CMSIS-DSP.
- Triển khai kiến trúc Lọc Đa Nhịp (Polyphase Multirate Filters): Kết hợp kỹ thuật Decimation (nén mẫu) và Interpolation (nội suy) để giảm tần số hoạt động của các bộ lọc FIR bậc cao.
- Mở rộng sang Lọc Thích Nghi (Adaptive Filtering): Nghiên cứu các giải thuật thích nghi LMS (Least Mean Squares) và RLS (Recursive Least Squares) để triệt tiêu nhiễu chủ động (Active Noise Cancellation - ANC).
Đối tượng hưởng lợi
- Sinh viên và Học viên ngành Kỹ thuật Điện tử - Viễn thông / Tự động hóa: Nắm vững phương pháp luận toán học, có sẵn bộ mã nguồn mẫu (MATLAB/Python) để thực hành xử lý tín hiệu số.
- Kỹ sư phát triển hệ thống nhúng (Embedded DSP Engineers): Nắm bắt tiêu chí lựa chọn cấu trúc bộ lọc tối ưu giữa hiệu năng CPU và độ suy hao biên độ cho từng loại vi điều khiển.
- Doanh nghiệp sản xuất thiết bị IoT & Y tế: Giảm thời gian R&D sản phẩm từ 2 - 3 tháng xuống còn 2 tuần nhờ ứng dụng trực tiếp các tham số thiết kế đã được chuẩn hóa.
- Nhà nghiên cứu học thuật: Cung cấp dữ liệu đo kiểm thực nghiệm chuẩn xác làm tiền đề phát triển các thuật toán xử lý số tín hiệu nâng cao.
Câu hỏi thường gặp (FAQ)
1. Khi nào nên chọn bộ lọc FIR thay vì IIR trong thực tế?
Nên chọn FIR khi ứng dụng đòi hỏi đáp ứng pha tuyến tính tuyệt đối (không làm méo dạng sóng theo thời gian), ví dụ: xử lý ảnh, truyền dữ liệu số tốc độ cao, xử lý tín hiệu y tế (ECG, EEG). Chọn IIR khi bị giới hạn nghiêm ngặt về tài nguyên tính toán (CPU, RAM) và chỉ quan tâm đến đáp ứng biên độ tần số (như trong xử lý âm thanh, đo lường công nghiệp).
2. Biến đổi song tuyến tính (Bilinear Transform) giải quyết nhược điểm gì của phương pháp Xung bất biến (Impulse Invariant)?
Phương pháp Xung bất biến ánh xạ nhiều dải tần tương tự vào cùng một dải tần số $\omega \in [-\pi, \pi]$, gây ra hiện tượng chồng phổ (Aliasing) nghiêm trọng nếu tín hiệu tương tự không triệt tiêu hoàn toàn ngoài dải Nyquist. Biến đổi song tuyến tính dùng hàm $\tan(\cdot)$ để ánh xạ toàn bộ trục ảo $j\Omega$ từ $-\infty$ đến $+\infty$ vào đúng một vòng tròn đơn vị trong mặt phẳng $Z$, loại bỏ hoàn toàn hiện tượng chồng phổ.
3. Làm thế nào để đảm bảo bộ lọc IIR luôn ổn định khi hoạt động?
Một bộ lọc IIR được đảm bảo ổn định tuyệt đối (BIBO Stability) khi và chỉ khi tất cả các cực (poles) của hàm truyền $H(z)$ đều nằm nghiêm ngặt bên trong đường tròn đơn vị trên mặt phẳng phức (nghĩa là $|p_i| < 1, \forall i$). Khi thiết kế, kỹ sư nên phân tích đa thức mẫu số thành các phân đoạn bậc 2 (Second-Order Sections - SOS/Biquad) để kiểm soát vị trí cực khi lượng tử hóa.
4. Tại sao cửa sổ Kaiser lại được đánh giá cao nhất trong các loại cửa sổ thiết kế FIR?
Cửa sổ Kaiser có thêm tham số tự do $\beta$. Bằng cách điều chỉnh $\beta$ từ $0$ đến $10$, kỹ sư có thể điều chỉnh liên tục giữa độ rộng búp sóng chính (độ dốc chuyển tiếp) và độ suy giảm của búp sóng phụ (độ suy hao dải chặn từ $-21 \text{ dB}$ đến hơn $-80 \text{ dB}$), mang lại sự linh hoạt tối đa mà các cửa sổ cố định (như Hamming hay Hanning) không có được.
5. Yêu cầu phần cứng tối thiểu để triển khai các thuật toán lọc số này là gì?
Các thuật toán có thể chạy mượt mà trên các vi điều khiển 32-bit giá rẻ (như STM32F4/STM32G4, ESP32) với tần số xung nhịp từ $72 \text{ MHz}$, dung lượng RAM tối thiểu $32 \text{ KB}$ và Flash $128 \text{ KB}$. Với các ứng dụng xử lý thời gian thực tần số cao ($f_s > 100 \text{ kHz}$), khuyến nghị sử dụng vi điều khiển có bộ xử lý dấu phẩy động (FPU) hoặc chip DSP chuyên dụng (TI C2000/C6000).
Kết luận
Đồ án "Thiết Kế Bộ Lọc Số: Phương Pháp và Ứng Dụng Trong Xử Lý Tín Hiệu" của nhóm sinh viên Trường Đại học Bách Khoa – ĐHQG TP.HCM đã giải quyết toàn diện bài toán từ cơ sở lý thuyết toán học đến mô phỏng thực thi trên máy tính. Các đóng góp chính bao gồm:
- Xây dựng thành công các bộ lọc FIR (Lowpass, Highpass) đạt độ suy hao dải dừng vượt mức $60 \text{ dB}$ với đặc tính pha tuyến tính tuyệt đối.
- Thiết kế tối ưu các bộ lọc IIR (Butterworth, Chebyshev) giúp giảm hơn $70%$ bậc lọc so với FIR, xử lý triệt để các sóng hài nhiễu phức tạp trong tín hiệu thử nghiệm.
- Cung cấp tài liệu kỹ thuật chi tiết, bộ tham số thiết kế chuẩn hóa và quy trình kiểm thử hoàn chỉnh, phục vụ trực tiếp cho công tác nghiên cứu và triển khai ứng dụng thực tế.
Để áp dụng các giải thuật lọc số này vào các dự án nhúng hoặc xử lý tín hiệu thực tế của bạn, hãy tham khảo chi tiết mã nguồn mô phỏng và liên hệ với nhóm nghiên cứu để cùng phát triển các giải pháp tối ưu hóa phần cứng chuyên sâu.