【滤波器】低通+带通+高通FIR与IIR滤波器设计【含GUI Matlab源码 360期】

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）

⛄一、数字滤波器设计简介

1 设计原理

1.1 滤波器概念

1.2 数字滤波器的系统函数和差分方程

1.3 数字滤波器结构的表示


1.4 数字滤波器的分类


2.1 IIR滤波器与FIR滤波器的分析比较

2.2 FIR滤波器的原理








3 FIR滤波器的仿真步骤

⛄二、部分源代码

function varargout = nain1(varargin)
% NAIN1 MATLAB code for nain1.fig
% NAIN1, by itself, creates a new NAIN1 or raises the existing
% singleton*.
%
% H = NAIN1 returns the handle to a new NAIN1 or the handle to
% the existing singleton*.
%
% NAIN1(‘CALLBACK’,hObject,eventData,handles,…) calls the local
% function named CALLBACK in NAIN1.M with the given input arguments.
%
% NAIN1(‘Property’,‘Value’,…) creates a new NAIN1 or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before nain1_OpeningFcn gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to nain1_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE’s Tools menu. Choose “GUI allows only one
% instance to run (singleton)”.
%
% See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help nain1

% Last Modified by GUIDE v2.5 07-Jan-2020 15:57:07

% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct(‘gui_Name’, mfilename, …
‘gui_Singleton’, gui_Singleton, …
‘gui_OpeningFcn’, @nain1_OpeningFcn, …
‘gui_OutputFcn’, @nain1_OutputFcn, …
‘gui_LayoutFcn’, [] , …
‘gui_Callback’, []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end

if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT

% — Executes just before nain1 is made visible.
function nain1_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to nain1 (see VARARGIN)

% Choose default command line output for nain1
handles.output = hObject;

% Update handles structure
guidata(hObject, handles);

% UIWAIT makes nain1 wait for user response (see UIRESUME)
% uiwait(handles.figure1);

% — Outputs from this function are returned to the command line.
function varargout = nain1_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure
varargout{1} = handles.output;

% — Executes on button press in pushbutton1.
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
Fs = 1500;
t = 1:1/Fs:6;
t=t(1:5000);
%写入chirp.wav文件
[pyr1,fs]=audioread(‘1.wav’);%声音读取
pyr=pyr1(1:5000);
n=length(pyr);
pyr1=fft(pyr,n); %快速傅里叶变换
f=Fs*(0:n/2 - 1)/n;

noise1=0.1sin(20pit);%低频噪声
x1=pyr+noise1;%加低频噪声信号
n=length(t); %画出加噪之后，其时域频域
S=abs(fft(pyr));%原始信号傅里叶变换
y1=abs(fft(x1));%原始信号傅里叶变换
handles.axes1;
subplot(121);
plot(pyr);
xlabel(‘时间’);
ylabel(‘幅度’);
title(‘原始信号波形’); %绘出时域波
subplot(122)
plot(S((1:length(S)/2)));
xlabel(‘频率’);
ylabel(‘幅度’);
title(‘原始信号频谱’);
%% IIR频率变换法
%% 双线性变换法
% 2.1低通
Rp=3;%通带最大衰减dB
Rs=10;%阻带最小衰减dB
Wp=1000;%通带截止频率
Ws=1200;%阻带截止频率
[N,wn]=buttord(Wp,Ws,Rp,Rs,‘s’);
[b,a,k]=buttap(N);
[A,B,C,D]=zp2ss(b,a,k);
[A,B,C,D]=lp2lp(A,B,C,D,wn);%type=‘底通’;
[b,a]=ss2tf(A,B,C,D);
[b21,a21]=bilinear(b,a,Fs);
[h21,w21]=freqz(b21,a21); %根据参数求出频率响应
x21=filter(b21,a21,x1); % 进行低通滤波
y21=abs(fft(x21)); % 对滤波后信号做len点FFT变换
%2.3 切比雪夫I型滤波器 高通
Rp2=2;%通带最大衰减dB
Rs2=20;%阻带最小衰减dB
Wp2=3000;%通带截止频率
Ws2=3200;%阻带截止频率
[N,wn]=cheb1ord(Wp2,Ws2,Rp2,Rs2,‘s’);%求模拟的低通滤波器阶数和截止频率
[b,a,k]=cheb1ap(N,Rp2); %求S域的频率响应的参数
[A,B,C,D]=zp2ss(b,a,k);%阻带截止频率
[A,B,C,D]=lp2hp(A,B,C,D,wn);%type=‘高通’;
[b,a]=ss2tf(A,B,C,D);%状态方程向传递函数转变
[b23,a23]=bilinear(b,a,Fs);%利用双线性变换实现S域到Z域转换
[h23,w23]=freqz(b23,a23);
x23=filter(b23,a23,x1); % 进行稿通滤波
y23=abs(fft(x23)); % 对滤波后信号做len点FFT变换
% 带通滤波器
Rp3=1;
Rs3=100;
Wp1=1200;
Ws1=1000;
Wp2=3000;
Ws2=3200;
Wp3=[Wp1,Wp2];
Ws3=[Ws1,Ws2];
%wp和ws分别是通带和阻带的频率(截止频率)。当wp和ws为二元矢量时，为带通或带阻滤波器，这时求出的Wn也是二元矢量；当wp和ws为一元矢量时，为低通或高通滤波器：当wp<ws时为低通滤波器，当wp>ws时为高通滤波器。
%wp和ws为二元矢量
Wp3=[1200 3000]; %设置通带频率
Ws3=[1000 3200]; %设置阻带频率
Rp3=1; %设置通带波纹系数
Rs3=20; %设置阻带波纹系数
[N,wn]=buttord(Wp3,Ws3,Rp3,Rs3,‘s’);
[b,a,k]=buttap(N);
[A,B,C,D]=zp2ss(b,a,k);
Wn=Wp2-Wp1;
Wo=sqrt(Wp2Wp1);
[A,B,C,D]=lp2bp(A,B,C,D,Wo,Wn);% type=‘带通’;
[num22,den22]=ss2tf(A,B,C,D);
% [b,a]=impinvar(num23,den23,Fs);
[b22,a22]=bilinear(num22,den22,Fs);%双线性变换实现S域到Z域的转换
[h22,w22]=freqz(b22,a22); %根据参数求出频率响应
x22=filter(b22,a22,x1); % 进行低通滤波
y22=abs(fft(x22)); % 对滤波后信号做len点FFT变换

%% FIR窗函数
% 3.1 低通滤波器
%该函数采用hanning窗实现低通滤波
fp=1000;%通带截止频率
fs=2000;%阻带起始频率
FS=8000;
wp=2pifp/FS;%将模拟通带截止频率转换为数字滤波器频率
ws=2pifs/FS;%将模拟阻带起始频率转换为数字滤波器频率
wn=(wp+ws)/2/pi;%标准化的截止频率响应
Bt=ws-wp;
N0=ceil(6.2*pi/Bt);%滤波器长度
N=N0+mod(N0+1,2);
%设计加窗函数fir1
[b31,a31]=fir1(N-1,wn,hanning(N));
[h31,w31]=freqz(b31,a31,FS); %得到频率响应
x31=filter(b31,a31,x1); % 进行低通滤波
y31=abs(fft(x31)); % 对滤波后信号做len点FFT变换

% 3.2 通带滤波
Fs=8000;
fp1=1200;%通带下限截止频率
fp2=3000;%通带上限截止频率
fs1=1000;
fs2=3200;
wp1=2pifp1/Fs;%将通带下限截止频率转换为数字滤波器频率
wp2=2pifp2/Fs;%将通带上限截止频率转换为数字滤波器频率
ws1=2pifs1/Fs;%将通带下限截止频率转换为数字滤波器频率
ws2=2pifs2/Fs;%将通带上限截止频率转换为数字滤波器频率
Bt=wp1-ws1;
N0=ceil(6.2*pi/Bt);
N=N0+mod(N0+1,2);
wn=[(wp1+ws1)/2/pi,(wp2+ws2)/2/pi];
%设计加窗函数fir1
[b32,a32]=fir1(N-1,wn,‘bandpass’,hanning(N));
%求滤波器的幅频响应
[h32,w32]=freqz(b32,a32,FS);
x32=filter(b32,a32,x1);
y32=abs(fft(x32)); % 对滤波后信号做len点FFT变换

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 沈再阳.精通MATLAB信号处理[M].清华大学出版社，2015.
[2]高宝建,彭进业,王琳,潘建寿.信号与系统——使用MATLAB分析与实现[M].清华大学出版社，2020.
[3]王文光,魏少明,任欣.信号处理与系统分析的MATLAB实现[M].电子工业出版社，2018.

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合