Filtre IIR

Crée un filtre à réponse impulsionnelle infinie pour le traitement des signaux

Catégorie : Transformation de données / Filtre

Vue d’ensemble du module

Cet article explique comment utiliser le module Filtre IIR dans Machine Learning Studio (classique), pour créer un filtre de réponse impulsionnelle infinie (IIR).

Les filtres sont un outil important dans le traitement du signal numérique et sont utilisés pour améliorer les résultats de la reconnaissance vocale ou de l’image. En général, un filtre est une fonction de transfert qui prend un signal d’entrée et crée un signal de sortie en fonction des caractéristiques du filtre. Pour plus d’informations générales sur l’utilisateur des filtres dans le traitement du signal numérique, consultez Filtre.

Un filtre IIR est un type particulier de filtre ; Les utilisations classiques d’un filtre IIR seraient de simplifier les données cycliques qui incluent un bruit aléatoire sur une tendance croissante ou décroissante. Le filtre IIR que vous créez avec ce module définit un ensemble de constantes (ou coefficients) qui modifient le signal transmis. Le mot infinie dans le nom fait référence à la contre-réaction entre les sorties et les valeurs des séries.

Une fois que vous avez défini un filtre répondant à vos besoins, vous pouvez appliquer le filtre aux données en connectant un jeu de données et le filtre au module Appliquer le filtre.

Une fois que vous avez défini un filtre répondant à vos besoins, vous pouvez appliquer le filtre aux données en connectant un jeu de données et le filtre au module Appliquer le filtre.

Comment configurer le filtre IIR

1. Ajoutez le module Filtre IIR à votre expérience. Vous trouverez ce module sous Transformation de données, dans la catégorie Filtre .

2. Pour Order, tapez une valeur entière qui définit le nombre d’éléments actifs utilisés pour affecter la réponse du filtre. L’ordre du filtre représente la longueur de la fenêtre de filtre.

   Pour un filtre IIR, la commande minimale est 4.

3. Pour le type de filtre, choisissez l’algorithme utilisé pour calculer les coefficients de filtre. Le type de filtre désigne la fonction de transfert mathématique qui contrôle la réponse de fréquence et la suppression de fréquence. Machine Learning prend en charge ces types de filtres couramment utilisés dans le traitement du signal numérique :

   Butterworth : Un filtre Butterworth est également appelé filtre de magnitude maximalement plat , car il limite la réponse (changement de signal) dans le bandeau de passe et la bande d’arrêt.

   Chebyshev Type 1 : les filtres Chebyshev sont destinés à réduire les erreurs entre les caractéristiques de filtre idéalisées et réelles sur la plage du filtre. Les filtres chebyshev de type 1 laissent plus d’ondulations dans le colsband.

   Chebyshev Type 2 : Les filtres chebyshev de type 2 ont les mêmes caractéristiques générales que les filtres de type 1 Chebyshev, mais ils laissent plus d’ondulation dans le bandeau.

4. Pour le type de filtre, sélectionnez une option qui définit la façon dont le filtre affectera les valeurs dans le signal d’entrée. Vous pouvez spécifier que le filtre exclut les valeurs au-dessus ou en dessous d’un point de coupure, ou spécifier que le filtre rejette ou transmet des valeurs dans une plage de fréquences spécifiée.

   LowPass : permet aux valeurs de faible fréquence (en dessous de la valeur de coupure) de passer et d’atténuer d’autres valeurs.

   HighPass : permet aux valeurs à fréquence élevée (au-dessus de la valeur de coupure) de passer et d’atténuer d’autres valeurs.

   Bandpass : permet aux signaux de la plage spécifiés par les valeurs de limite basse et élevée de passer et d’atténuer d’autres valeurs.

   BandStop : autorise les signaux en dehors de la plage spécifiée par les valeurs de limite basse et élevée à passer et à atténuer les valeurs de la plage.

5. Spécifiez les valeurs de limite élevée ou basse, ou les deux, comme valeur comprise entre 0 et 1, représentant une fréquence normalisée. Pour limite élevée, tapez une valeur qui représente la limite de fréquence supérieure. Pour low cutoff, tapez une valeur qui représente la limite de fréquence inférieure.

6. Pour Ripple, spécifiez la quantité d’ondulation à tolérer lorsque vous définissez votre filtre. Ondulation fait référence à une petite variation qui se produit périodiquement. Ondulation est généralement considérée comme un effet indésirable, mais vous pouvez compenser l’ondulation en ajustant d’autres paramètres de filtre, tels que la longueur du filtre. Tous les filtres ne produisent pas d’ondulation.

7. Ajoutez le module Appliquer le filtre à votre expérience et connectez le filtre que vous avez conçu, et le jeu de données contient les valeurs que vous souhaitez modifier.

   Utilisez le sélecteur de colonne pour spécifier les colonnes du jeu de données auquel le filtre doit être appliqué. Par défaut, le module Appliquer le filtre utilise le filtre pour toutes les colonnes numériques sélectionnées.

8. Exécutez l’expérience pour appliquer la transformation.

Exemples

Pour obtenir des exemples de la façon dont les filtres sont utilisés dans le Machine Learning, consultez cette expérience dans la galerie Azure AI :

• Filtres : cette expérience illustre tous les types de filtres, à l’aide d’un jeu de données de forme d’ondes conçu.

Notes techniques

Cette section contient des détails, des conseils et des réponses aux questions fréquentes concernant l’implémentation.

Informations d’implémentation

Un filtre IIR renvoie des coefficients de flux vers l'avant et de flux vers l'arrière, qui sont représentés par une fonction de transfert. Voici un exemple de représentation :

Où :

• N: ordre de filtre

• bi: coefficients de filtre de transfert de flux

• ai: flux de coefficients de filtre vers l’arrière

• x[n]: le signal d’entrée

• y[n]: signal de sortie

Paramètres du module

Output

Exceptions

Pour obtenir la liste des erreurs spécifiques aux modules Studio (classique), consultez Machine Learning codes d’erreur.

Pour obtenir la liste des exceptions d’API, consultez Machine Learning codes d’erreur de l’API REST.

Voir aussi

Filter
Appliquer un filtre
Liste alphabétique des modules