> 一阶低通滤波算法是数据处理里常见的一种算法,这里将对它的离散算法做一个推导 一阶低通滤波算法实质是一个惯性环节: $$ \frac{Y(s)}{U(s)}=\frac{K}{\tau s+1} $$ 他的伯德图如下:  将其进行以下的预处理: $$ \frac{Y(s)}{U(s)}=\frac{K/\tau}{s+1/\tau} $$ 进行$$Z$$变换得到: $$ \frac{Y(z)}{U(z)}=\frac{zK/\tau}{z-e^{-T/\tau}} $$ 此处做以下的替换: $$ t_1=K/\tau $$ $$ t_2=e^{-T/\tau} $$ 得到以下的式子: $$ Y(z)=t_1U(z)+t_2Y(z)z^{-1} $$ 最终得到一阶低通滤波算法: $$ Y(k)=t_1U(k)+t_2Y(k-1) $$ 最后编辑:2020年11月18日 ©著作权归作者所有 赞 0 分享