### Python 实现 FIR 数字滤波器 FIR（Finite Impulse Response）滤波器是一种重要的数字信号处理工具，因其线性相位特性被广泛应用于音频、通信等领域。以下是如何使用 Python 中的 SciPy 库实现一个简单的 FIR 滤波器，并附带示例代码。 #### 科学计算库介绍 SciPy 提供了强大的信号处理模块 `scipy.signal`，其中包含了设计和应用 FIR 滤波器的功能。核心函数包括但不限于 `firwin()` 和 `lfilter()`，分别用于生成滤波器系数和对信号进行滤波操作[^2]。 --- ### 示例代码：Python 实现 FIR 滤波器 以下是一个完整的 Python 脚本，展示如何设计并应用一个低通 FIR 滤波器到正弦波信号上： ```python import numpy as np from scipy import signal import matplotlib.pyplot as plt # 参数配置 fs = 1000.0 # 采样频率 (Hz) nyquist = fs / 2 # 奈奎斯特频率 cutoff_freq = 50.0 # 截止频率 (Hz) num_taps = 51 # 滤波器阶数 (即 taps) # 创建测试信号 t = np.linspace(0, 1, int(fs), endpoint=False) # 时间向量 freq_signal = 75 # 测试信号频率高于截止频率 input_signal = np.sin(2 * np.pi * freq_signal * t) # 设计 FIR 滤波器 fir_coefficients = signal.firwin(num_taps=num_taps, cutoff=cutoff_freq, nyq=nyquist, pass_zero='lowpass') # 对信号进行滤波 filtered_signal = signal.lfilter(fir_coefficients, [1.0], input_signal) # 绘制结果 plt.figure(figsize=(12, 6)) # 输入信号 plt.subplot(3, 1, 1) plt.plot(t, input_signal, label="Input Signal", color="blue") plt.title("Original Input Signal") plt.xlabel("Time [seconds]") plt.ylabel("Amplitude") plt.legend() plt.grid() # 滤波器冲击响应 plt.subplot(3, 1, 2) plt.stem(np.arange(len(fir_coefficients)), fir_coefficients, use_line_collection=True, basefmt="-.") plt.title("FIR Filter Coefficients (Impulse Response)") plt.xlabel("Tap Index") plt.ylabel("Coefficient Value") # 输出信号 plt.subplot(3, 1, 3) plt.plot(t, filtered_signal, label="Filtered Signal", color="green") plt.title("Filtered Output Signal") plt.xlabel("Time [seconds]") plt.ylabel("Amplitude") plt.legend() plt.grid() plt.tight_layout() plt.show() ``` --- ### 关键点解析 1. **滤波器设计** - 使用 `signal.firwin()` 函数生成 FIR 滤波器的系数数组。该函数支持多种类型的滤波器，如低通、高通、带通等。 - 参数解释： - `num_taps`: 表示滤波器的阶数或抽头数量，直接影响滤波器性能。 - `cutoff`: 设置截止频率，单位为 Hz 或归一化的奈奎斯特频率[^2]。 2. **信号滤波** - 利用 `signal.lfilter()` 方法将设计好的滤波器作用于输入信号上。此方法适用于实时数据流场景下的逐点滤波[^4]。 3. **可视化** - Matplotlib 是绘制图形的强大工具，这里用来显示原始信号、滤波器冲激响应以及最终输出信号的效果图。 --- ### 进一步优化建议 为了提高滤波质量或适配特殊需求，可以尝试调整以下几个方面： - 更改滤波器类型（例如切换至高通模式），只需修改 `pass_zero` 参数即可； - 添加加权窗口以改善旁瓣抑制比，比如 Hamming 或 Blackman 窗口[^1]。 ---