以下是几个不同场景下数字信号处理（DSP）的简单编码示例： ### 1. 简单的低通滤波器 低通滤波器可以让低于某个频率的信号通过，而阻止高于该频率的信号。以下是使用Python和`scipy`库实现的简单低通滤波器示例： ```python import numpy as np from scipy import signal import matplotlib.pyplot as plt # 生成示例信号 t = np.linspace(0, 1, 1000, endpoint=False) sig = np.sin(2 * np.pi * 10 * t) + np.sin(2 * np.pi * 100 * t) # 设计低通滤波器 b, a = signal.butter(3, 0.05) # 应用滤波器 filtered_sig = signal.lfilter(b, a, sig) # 绘制原始信号和滤波后的信号 plt.figure(figsize=(12, 6)) plt.subplot(2, 1, 1) plt.plot(t, sig, label='Original Signal') plt.title('Original Signal') plt.subplot(2, 1, 2) plt.plot(t, filtered_sig, label='Filtered Signal', color='orange') plt.title('Filtered Signal') plt.tight_layout() plt.show() ``` ### 2. 快速傅里叶变换（FFT） 快速傅里叶变换是一种高效计算离散傅里叶变换（DFT）的算法，用于将信号从时域转换到频域。以下是使用Python和`numpy`库实现的FFT示例： ```python import numpy as np import matplotlib.pyplot as plt # 生成示例信号 t = np.linspace(0, 1, 1000, endpoint=False) sig = np.sin(2 * np.pi * 10 * t) + np.sin(2 * np.pi * 50 * t) # 进行FFT fft_sig = np.fft.fft(sig) freqs = np.fft.fftfreq(len(sig), t[1] - t[0]) # 绘制频谱 plt.figure(figsize=(12, 6)) plt.plot(freqs[:len(freqs)//2], np.abs(fft_sig[:len(fft_sig)//2])) plt.title('Single-Sided Amplitude Spectrum of sig(t)') plt.xlabel('Frequency [Hz]') plt.ylabel('Amplitude') plt.grid() plt.show() ``` ### 3. 卷积操作 卷积是数字信号处理中的一种基本操作，常用于滤波、图像增强等。以下是使用Python和`numpy`库实现的简单卷积示例： ```python import numpy as np import matplotlib.pyplot as plt # 生成示例信号和卷积核 sig = np.array([1, 2, 3, 4, 5]) kernel = np.array([0.5, 1, 0.5]) # 进行卷积 conv_result = np.convolve(sig, kernel, mode='same') # 绘制原始信号和卷积结果 plt.figure(figsize=(12, 6)) plt.subplot(2, 1, 1) plt.stem(sig, label='Original Signal') plt.title('Original Signal') plt.subplot(2, 1, 2) plt.stem(conv_result, label='Convolved Signal', color='orange') plt.title('Convolved Signal') plt.tight_layout() plt.show() ```