使用窗函数方法设计FIR滤波器与MATLAB代码分析

最新推荐文章于 2024-06-07 11:22:53 发布
最新推荐文章于 2024-06-07 11:22:53 发布
阅读量2.7w 收藏 528
点赞数 87
分类专栏： 信号分析 文章标签： MATLAB FIR滤波器设计 窗函数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Smile_h_ahaha/article/details/92706201
版权

一，写在前面的话.

学习了以下链接，然后写出了MATLAB代码，在本文末，大家可以随便下载代码，进行尝试，我代码调试正常，可使用。

1. 如果你是初学者，建议你看一下这个链接https://blog.csdn.net/zhoufan900428/article/details/8969470

自学什么是窗函数，什么是滤波器，为啥要用窗函数，怎么计算一些值，怎么根据这些值选择窗函数。

2. 如果你明白了上述内容，但还不能单独写代码进行分析，推荐你看这个链接：https://www.cnblogs.com/xhslovecx/p/10196851.html

自学怎么计算，然后选好窗函数，就设计，写公式。在那文章末尾他给了MATLAB采用FIR I型设计20Hz以下的低通滤波器的代码。

3. 如果你明白了以上内容，那么就请看下去吧：

（代码都上传到下面了，随便用，但如果你要发表的话，请改一改，因为我的论文已经入库了，你要是直接抄，老师可能从查重率上把你毙了，改个参数名啥的可以，写论文很少发代码的）

二，简单介绍

    我们知道IIR（无限脉冲响应）数字滤波器的设计方法是利用模拟滤波器成熟的理论及设计图表进行的，因而保留了一些典型模拟滤波器优良的幅度特性，但设计中只考虑到了幅度特性，没考虑到相位特性，所设计的滤波器相位特性一般是非线性的。而FIR（有限脉冲响应）滤波器在保证幅度特性满足技术要求的同时，比较容易做到有严格的线性相位特性。

    FIR滤波器分为四种：LP(低通滤波器)，HP(高通滤波器)，BP(带通滤波器)，BS(带阻滤波器)。

    它们的公式我就不写了，但是需要知道。还要知道什么是线性相位FIR滤波器幅度特性和零点分布特点。

    我们熟知的窗函数有：三角窗，矩形窗，汉明窗，汉宁窗，布莱克曼窗，

    我们若是分析特性，则需要知道什么是主瓣，旁瓣，若是选择窗函数，则需要计算窗长度N，然后选择合适的阻带衰减（dB）,阻带衰减不能比窗长度小。

   然后写代码的时候，要手写时域表达式（这个叫写窗）。我把它们的公式写在下面：大家可以直接复制粘贴。

   我直接贴了四个窗函数MATLAB的代码，请大家先参悟一下，再看加上滤波器的代码。

第一个是矩形窗：

n=0:1:14;
wR=ones(1,15);% 编写矩形窗
hd=sin(0.25*pi*(n-7+eps))./(pi*(n-7+eps));%读入hd（n）函数
h1=hd.*wR;%计算h（n）
N=64; 
H1=fft(h1,N);%调用子程序计算H（k）
n=0:N-1;w=2*pi/64*n;subplot(2,2,1);
plot(w,fftshift(20*log10((abs(H1)))));%画幅度曲线
grid on
xlabel('w/rad')
ylabel('20lg|H(jw)|/dB')
title('幅度曲线和相频曲线（n=15）');
n=0:N-1;w=2*pi/64*n;subplot(2,2,3);
plot(w,fftshift(unwrap(phase(H1))));%画相频曲线 
grid
xlabel('w/rad')
clear all;
n=0:1:32;
wR=ones(1,33);% 编写矩形窗
hd=sin(0.25*pi*(n-16+eps))./(pi*(n-16+eps));%读入hd（n）函数
h1=hd.*wR;%计算h（n）
N=64;
H1=fft(h1,N);%调用子程序计算H（k）
n=0:N-1;w=2*pi/64*n;subplot(2,2,2);
plot(w,fftshift(20*log10((abs(H1)))));%画幅度曲线
grid on
xlabel('w/rad')
ylabel('20lg|H(jw)|/dB')
title('幅度曲线和相频曲线（n=15）');
n=0:N-1;w=2*pi/64*n;subplot(2,2,4);
plot(w,fftshift(unwrap(phase(H1))));%画相频曲线 
grid
xlabel('w/rad')

第二个是汉宁窗

clear all;
n=0:1:14;
wH=0.5*(1-cos(2*pi/14*n));% 编写汉宁窗
hd=sin(0.25*pi*(n-7+eps))./(pi*(n-7+eps));%读入hd（n）函数
h1=hd.*wH;%计算h（n）
N=64;
H1=fft(h1,N);%调用子程序计算H（k）
n=0:N-1;w=2*pi/64*n;subplot(2,2,1);
subplot(2,2,1);
plot(w,fftshift(20*log10((abs(H1)))));%画幅度曲线
grid
xlabel('w/rad')
ylabel('20lg|H(jw)|/dB');
title('幅度曲线和相频曲线（n=15）');
n=0:N-1;w=2*pi/64*n;subplot(2,2,1);
subplot(2,2,3);
plot(w,fftshift(unwrap(phase(H1))));%画相频曲线
grid
xlabel('w/rad')
n=0:1:32;
wH=0.5*(1-cos(2*pi/32*n));% 编写汉宁窗
hd=sin(0.25*pi*(n-16+eps))./(pi*(n-16+eps));%读入hd（n）函数
h1=hd.*wH;%计算h（n）
N=64;
H1=fft(h1,N);%调用子程序计算H（k）
n=0:N-1;w=2*pi/64*n;subplot(2,2,1);
subplot(2,2,2);
plot(w,fftshift(20*log10((abs(H1)))));%画幅度曲线
grid
xlabel('w/rad')
ylabel('20lg|H(jw)|/dB')
title('幅度曲线和相频曲线（n=33）');
n=0:N-1;w=2*pi/64*n;subplot(2,2,1);
subplot(2,2,4);plot(w,fftshift(unwrap(phase(H1))));%画相频曲线
grid
xlabel('w/rad')

第三个是汉明窗

clear all;
n=0:1:14;
wH=0.54-0.46*cos(2*pi*n/(14+eps));% 编写海明窗
hd=sin(0.25*pi*(n-7+eps))./(pi*(n-7+eps));%读入hd（n）函数
h1=hd.*wH;%计算h（n）
N=64;
H1=fft(h1,N);%调用子程序计算H（k）
n=0:N-1;w=2*pi/64*n;subplot(2,2,1);
subplot(2,2,1);
plot(w,fftshift(20*log10((abs(H1)))));%画幅度曲线
grid
xlabel('w/rad')
ylabel('20lg|H(jw)|/dB');
title('幅度曲线和相频曲线（n=15）');
n=0:N-1;w=2*pi/64*n;subplot(2,2,1);
subplot(2,2,3);
plot(w,fftshift(unwrap(phase(H1))));%画相频曲线
grid
xlabel('w/rad')
n=0:1:32;
wH=0.5*(1-cos(2*pi/32*n));% 编写汉宁窗
hd=sin(0.25*pi*(n-16+eps))./(pi*(n-16+eps));%读入hd（n）函数
h1=hd.*wH;%计算h（n）
N=64;
H1=fft(h1,N);%调用子程序计算H（k）
n=0:N-1;w=2*pi/64*n;subplot(2,2,1);
subplot(2,2,2);
plot(w,fftshift(20*log10((abs(H1)))));%画幅度曲线
grid
xlabel('w/rad')
ylabel('20lg|H(jw)|/dB')
title('幅度曲线和相频曲线（n=33）');
n=0:N-1;w=2*pi/64*n;subplot(2,2,1);
subplot(2,2,4);plot(w,fftshift(unwrap(phase(H1))));%画相频曲线
grid
xlabel('w/rad')

第四个是布莱克曼窗

n=0:14
wB=0.42-0.5*cos(2*pi/(14+eps)*n)+0.08*cos(4*pi/(14+eps)*n)
hd=sin(0.25*pi*(n-7+eps))./(pi*(n-7+eps))
h1=hd.*wB
H1=fft(h1,64)
n=0:63
w=2*pi*n/64
subplot(2,2,1)
plot(w,fftshift(20*log10((abs(H1)))))
grid
xlabel('w/rad')
ylabel('20lg|H(jw)|/dB')
title('N=15幅度曲线')
subplot(2,2,3)
plot(w,unwrap(fftshift(phase(H1))))
grid
xlabel('w/rad')
title('N=15相频曲线')
clear all
n=0:32
wB=0.42-0.5*cos(2*pi/(32+eps)*n)+0.08*cos(4*pi/(32+eps)*n)
hd=sin(0.25*pi*(n-16+eps))./(pi*(n-16+eps))
h1=hd.*wB
H1=fft(h1,64)
n=0:63
w=2*pi*n/64
subplot(2,2,2)
plot(w,fftshift(20*log10((abs(H1)))))
grid
xlabel('w/rad')
ylabel('20lg|H(jw)|/dB')
title('N=33幅度曲线')
subplot(2,2,4)
plot(w,unwrap(fftshift(phase(H1))))
grid
xlabel('w/rad')
title('N=33相频曲线')

希望大家结合公式与窗函数特性加上代码，参悟一下。

好了现在我们开始设计FIR滤波器，至于书面的计算过程我就不写了，又不懂得请参考本文“写在前面的话”的第一个链接的内容。

第一个例子，用汉明窗设计一个低通滤波器，Wp=0.2π, Ws=0.4π, Ap=0.25dB, As=50dB

%%%%%Write by Han%%%%%这是实时脚本文件%%%%%
close all;
clc
Wp=0.2*pi;
Ws=0.4*pi;
tr_width=Ws-Wp;                         %Transition zone width
N=ceil(6.6*pi/tr_width)+1               %Filter length
n=0:1:N-1;
Wc=(Ws+Wp)/2;                           %Cutoff frequency of ideal low-pass filter          
hd = ideal_lp(Wc,N);                      %Unit impulse response of an ideal low-pass filter
w_ham=0.54-0.46*cos(2*pi*n/(14+eps));    % Writing a haming window                   
h=hd.*w_ham;                             %Truncated to the actual unit impulse response
[db,mag,pha,w]=freqz_m4(h,[1]);          %Calculate the amplitude response of the actual filter
delta_w=2*pi/1000;
Ap=-(min(db(1:1:Wp/delta_w+1)))          %Actual passband ripple
As=-round(max(db(Ws/delta_w+1:1:501)))   %Actual stop band ripple
subplot(221)
stem(n,hd)                               %Matchstick figure
title('Ideal unit impulse response: hd(n)')
subplot(222)
stem(n,w_ham)
title('Hamming window: w(n)')
subplot(223)
stem(n,h)
title('Actual unit impulse response: h(n)')
subplot(224)
plot(w/pi,db)
title('Amplitude response: (dB)')
axis([0,1,-100,10])
%2 Custom functions used by this program
% One is the "freqz_m4.m"
% Another is the "ideal_lp.m"

我在这用了两个自定义函数，所以大家还需要新建两个.m文件，一个是“freqz_m4.m”文件名与函数名需要保持一致。

function[db,mag,pha,w]=freqz_m4(b,a) 
[H,w]=freqz(b,a,1000,'whole');
H=(H(1:1:501));
w=(w(1:1:501));
mag=abs(H);
db=20*log10((mag+eps)/max(mag));
pha=angle(H);
end

另一个是“ideal_lp.m”

function hd=ideal_lp(Wc,N)
alpha= (N-1)/2;
n=0:1:N-1;
m=n-alpha+eps;
hd=sin (Wc*m)./(pi*m);
end

注意要把这三个文件保存在一个英文命名的文件夹中，不然MATLAB可能会出现.m文件打不开，或者找不到路径的问题。这个问题可参考（https://blog.csdn.net/Smile_h_ahaha/article/details/92477206）进行修正。代码是没问题的。

然后生成了以下图像：

第二个，我们设计个使用汉宁窗的高通滤波器，设计参数是：Wp=0.6 π,Ws=0.4 π,,Ap=0.25dB,As=40dB

%%%%%%%%%%%%%%% Write by Han %%%%%%%%%这是实时脚本文件%%%%%%%%%%%%
Wp=0.6*pi; Ws=0.4*pi;
tr_width=Wp-Ws;                         %Transition zone width
N=ceil (6.2*pi/tr_width) +1             %Filter length
n=0:1:N-1;
Wc= (Ws+Wp) /2;                         %The cut-off frequency of the ideal high-pass filter        
hd=ideal_hp2(Wc,N);                      %Unit impulse response of an ideal high-pass filter
w_han=0.5*(1-cos(2*pi/14*n));            % Writing Hanning window
h=hd.*w_han;                            %Truncated to the actual unit impulse response
[db,mag,pha,w]=freqz_m4 (h,[1]);         %Calculate the amplitude response of the actual filter
delta_w=2*pi/1000;
Ap=-(min(db(Wp/delta_w+1:1:500)))        %Actual passband ripple
As=-round(max(db(1:1:Wp/delta_w+1)))     %Actual stop band ripple
subplot(221)
stem(n,hd)                               %Matchstick figure
title('Ideal unit impulse response: hd(n)')
subplot(222)
stem(n,w_han)
title('Hanning: w(n)')
subplot(223)
stem(n,h)
title('Actual unit impulse response: h(n)')
subplot(224)
plot(w/pi,db)
title('FIR digital high-pass filter amplitude response: (dB)')
axis([0,1,-100,10])

这也用到两个自定义函数，

%%%%%%%%%%%%% ideal_hp2.m %%%%%%%%%%%%%
function hd=ideal_hp2(Wc,N)
alpha= (N-1)/2;
n=0:1:N-1;
m=n-alpha+eps;
hd=(sin (pi*m)-sin(Wc*m))./(pi*m);
%%%%%%%%%%%请再新建一个.m文件放以下部分%%%%%
function[db,mag,pha,w]=freqz_m4(b,a) 
[H,w]=freqz(b,a,1000,'whole');
H=(H(1:1:501));
w=(w(1:1:501));
mag=abs(H);
db=20*log10((mag+eps)/max(mag));
pha=angle(H);
end

第三个，我们用汉宁窗设计一个bandstop(带阻) FIR滤波器，设计参数是：

%%%%%%%%%%%%%%%%%% Write by Han %%%%%%%%%%这是实时脚本文件%%%%%%%%%%%%
Wpl=0.2*pi; Wph=0.8*pi; Wsl=0.4*pi; Wsh=0.6*pi;
tr_width=min((Wsl-Wpl),(Wph-Wsh));      
N=ceil (6.2*pi/tr_width)                 
n=0:1:N-1;
Wcl= (Wsl+Wpl) /2;                      %Lower cutoff frequency of ideal band stop filter  
Wch= (Wsh+Wph) /2;                      %Upper cutoff frequency of ideal band stop filter           
hd=ideal_bs(Wcl,Wch,N);                 %Unit impulse response of an ideal band stop filter
w_hann= 0.5*(1-cos(2*pi/14*n));                  %Hanning window
h=hd.*w_hann;                          %Truncated to the actual unit impulse response
[db,mag,pha,w]=freqz_m4 (h,[1]);        %Calculate the amplitude response of the actual filter
delta_w=2*pi/1000;
Ap=-(min(db(1:1:Wpl/delta_w+1)))          %Actual passband ripple
As=-round(max(db(Wsl/delta_w+1:1:Wsh/delta_w+1)))      %Actual stop band ripple
subplot(221)
stem(n,hd)                                %Matchstick figure
title('Ideal: hd(n)')
subplot(222)
stem(n,w_hann)
title('hanning w(n)')
subplot(223)
stem(n,h)
title('Real h(n)')
subplot(224)
plot(w/pi,db)
title('FIRHanning window digital band rejection filter amplitude response(dB)')
axis([0,1,-100,10])
%%%%%%%%%%%%%%%%%%%%% ideal_bs.m %%%%%%%%新建一个.m文件%%%%%%%%%%%%

function hd=ideal_bs(Wcl,Wch,N)
alpha= (N-1) /2; n=0:1:N-1;
m=n-alpha+eps;
hd=(sin (Wcl*m) + sin(pi*m)-sin(Wch*m) ) ./(pi*m);
end
%%%%%%%%%%%%%%%%%%%%freqz_m4.m%%%%%%新建一个.m文件%%%%%%%%%%%
function[db,mag,pha,w]=freqz_m4(b,a) 
[H,w]=freqz(b,a,1000,'whole');
H=(H(1:1:501));
w=(w(1:1:501));
mag=abs(H);
db=20*log10((mag+eps)/max(mag));
pha=angle(H);
end

其他的大家能参悟到这，其他的估计也就触类旁通了吧，学海无涯，兴趣作舟，祝大家好运！

Smile_h_ahaha
关注
  • 87
    点赞
  • 踩
  • 528
    收藏
    觉得还不错? 一键收藏
  • 12
    评论
专栏目录
【MATLAB库函数系列】firrcos、rcosfir、rcosine和rcosdesign区别之根升余弦滤波器系数推导详解
业精于勤，荒于嬉
07-26 2520
根升余弦(Square root raised cosine)滤波器系数求解推导
matlab besself函数 C实现
CSharp_Beginner的博客
12-11 284
IIR滤波器 besself bessel besselap
窗函数法设计FIR数字滤波器
m0_62404686的博客
11-29 2323
窗函数设计FIR滤波器
关于FIR滤波器的一些细节问题
最新发布
小王的博客
06-07 735
yn∑k0N−1hkxn−kynk0∑N−1​hkxn−k其中，( h[k] ) 是滤波器的系数，( x[n] ) 是输入信号，( y[n] ) 是输出信号。通带增益是指在滤波器的通带内（通常是低频部分）输入信号的增益。对于理想的低通滤波器，通带增益应尽量接近1，表示信号在通带内没有被放大或衰减。综上所述，低通FIR滤波器的通带增益等于其滤波系数之和，因为在零频率（即直流成分）下，频率响应等于系数的和，而通带增益应尽量接近零频率的增益。
Filters:贝塞尔滤波器-matlab开发
05-30
将模拟贝塞尔滤波器计算为多个 n 并显示图形
ideal_lp.m、freqz_m.m、freqz_m2.m
qq_45049500的博客
11-17 5185
ideal_lp.m: function hd=ideal_lp(wc,N) %点0到N-1之间的理想脉冲响应 %wc=截止频率（弧度）%N=理想滤波器的长度 tao=(N-1)/2; n=[0:(N-1)]; m=n-tao+eps; %加一个小数以避免0作除数 hd=sin(wc*m)./(pi*m); freqz_m.m: function [db,mag,pha,grd,w]=freqz_m(b,a) [H,w]=freqz(b,a,1000,'whole'); H=(H(..
贝塞尔滤波器
Fxing的博客
11-29 3689
贝塞尔滤波器 贝赛尔(Bessel)滤波器是具有最大平坦的群延迟（线性相位响应）的线性过滤器，即最平坦的幅度和相位响应，常用在音频天桥系统中。具有最平坦的幅度和相位响应。带通（通常为用户关注区域）的相位响应近乎呈线性。 1、 贝塞尔滤波器传递函数 Tn(s)=Bn(0)Bn(s/ω0)T_n(s) = \frac{B_n(0)}{B_n(s/\omega_0)}Tn​(s)=Bn​(s/ω0​)Bn​(0)​ 其中ω0\omega_0ω0​为期望截至频率 2、特性 贝塞尔滤波器的相移与频率关系如下图所示。.
数字滤波器在语音信号处理中的应用及其设计方法
我是MM仔
04-23 4323
数字滤波器在语音信号处理中的应用及其设计方法
matlab通过“ideal_lp设计理想高通滤波器_射频滤波器介绍
weixin_39922534的博客
11-02 1127
滤波器是有选择地通过“喜欢”的和阻止“不喜欢”的组件。当我们谈论滤波器的特性时，我们通常在频域中对其进行描述。在大多数情况下，滤波器将属于以下四种可能的理想类型之一(可能存在其他一些滤波器变体，例如具有多个通带的滤波器等，但是您可以看到超过99％的滤波器会是以下类型之一)。四种主要的滤波器类型低通滤波器是一种使低频信号通过并阻止高频信号的滤波器。通过的频率应该有多低取决于滤波器的规格。高通滤波器是...
fir 低通 matlab,MATLAB常用的FIR滤波器设计方法之窗函数法
weixin_34549315的博客
03-19 3840
FIR滤波器很多工科出身的人都不会陌生，在我们的学习和工作中，也常常需要设计FIR滤波器。因为FIR滤波器有两个特点：滤波器是稳定的以及具有线性相位。FIR滤波器在信号处理相关领域当然也包括本人所在的雷达信号处理领域有着广泛的应用。本文主要介绍MATLAB最常用的FIR滤波器设计方法之窗函数法。其他的方法将在另一章中介绍。窗函数法是一种基础且普遍应用的FIR滤波器设计方法。首先需要根据性能指标(如...
matlab设计理想高斯巴特沃斯低通滤波器_巴特沃斯切比雪夫贝塞尔
weixin_39831170的博客
11-24 1126
看到这三个人的名字，学过模电的同学应该有点面熟，他们出现在有源滤波那一部分。要是学过《信号与系统》和《数字信号处理》课程的，对这三个名字就更熟了。这三个人是谁？是干啥的呢？斯蒂芬·巴特沃斯(Stephen Butterworth)，是个英国工程师，他1930年在英国《无线电工程》期刊发表了一篇有关滤波器的论文，后来以他的名字命名这种滤波器。巴特沃斯滤波器也被称作最大平坦滤波器, 其特点是...
在matlab里设计使用Bessel Filter（贝塞尔滤波器）进行数据降噪的简单例子
几何螃蟹的代码笔记
06-05 1万+
作为一个土木工程系的研究生，现在大家做数据处理也用得越来越多了，自己接触的东西也多。作为土木工程师，很大部分时间其实并不想弄清楚滤波器的原理，只是希望拿来用，拿来把自己采集到的数据降噪一下，拿来做个傅立叶分析看看结构的固有频率变没变。但是matlab自带的文档很多时候都默认大家知道滤波器的原理，很多专有名词搞得不太友好，所以在这里以问题解答的形式直接给出我在科研中遇到的一个简单的用贝塞尔滤波器的例...
scipy Matlab-style IIR 滤波器设计下(Elliptic \Bessel \IIR-notch\IIR-peak\IIR-comb)
KPer_Yang的博客
11-08 1377
scipy Matlab-style IIR 滤波器设计下(Elliptic \Bessel \IIR-notch\IIR-peak\IIR-comb)
基于MATLAB实现ECG心电信号处理
热门推荐
Coppa的博客
04-02 4万+
原文出处https://blog.csdn.net/zhaomengszu/article/details/78842613 这是原文的代码，直接复制后无法运行，显示M和TIME没有定义。 需要一个ramat函数把心电数据读取出来。 首先下载心电数据，地址https://www.physionet.org/cgi-bin/atm/ATM ...
matlab 贝塞尔滤波器实现_FIR滤波器窗函数设计法案例2之Matlab实现
weixin_30587271的博客
01-19 919
利用该案例理论见前文Ahlers：FIR滤波器窗函数设计法案例2之理论准备​zhuanlan.zhihu.comMatlab实现效果：可以看出阻带的频率衰减是大于40dB，通带的最大起伏只有0.05dB，小于0.2dB, 满足题意。Maltab实现代码:Fs=1200; M=48; n=0:M; om=linspace(0,pi,200); %for displaying frequency re...
Matlab中freqs函数使用
jk_101的博客
04-22 2万+
freqs函数的功能是求解模拟滤波器的频率响应。
0阶贝塞尔函数_MATLAB常用的FIR滤波器设计方法之窗函数法
weixin_39602967的博客
11-19 468
FIR滤波器很多工科出身的人都不会陌生，在我们的学习和工作中，也常常需要设计FIR滤波器。因为FIR滤波器有两个特点：滤波器是稳定的以及具有线性相位。FIR滤波器在信号处理相关领域当然也包括本人所在的雷达信号处理领域有着广泛的应用。本文主要介绍MATLAB最常用的FIR滤波器设计方法之窗函数法。其他的方法将在另一章中介绍。窗函数法是一种基础且普遍应用的FIR滤波器设计方法。首先需要根据性能指标(如...
利用Matlab工具箱设计FIR和IIR滤波器
weixin_45761461的博客
08-19 966
FIR IIR滤波器
matlab 第一类修正贝塞尔函数,bessel(第一类修正贝塞尔函数)
weixin_28931559的博客
03-16 2995
MATLAB提供了计算贝塞尔函数的函数，具体包来括：besselj - 第一类贝塞尔函数，或简称贝塞尔函数；bessely - 第二类贝塞尔函数，又称诺伊曼函数(Neumann .对光纤中传播的电磁场分析发现，其纵向分量可以用贝塞耳函数及第二类变态贝塞耳函数来描述，据此，提出一种利用玻璃毛细管和聚焦透镜实现贝塞尔光束的简易方法..求Bessel函数的形式matlab提供了计算贝塞尔函数的函数，具体...
窗函数法设计fir滤波器matlab
06-28
### 回答1： 在MATLAB中，可以使用窗函数法来设计FIR滤波器。具体步骤如下： 1. 确定滤波器的阶数和截止频率。 2. 选择一个窗函数，如矩形窗、汉宁窗、汉明窗等。 3. 根据所选窗函数的特点，计算出窗函数的系数。 4. 根据所选窗函数的系数和滤波器的阶数，计算出FIR滤波器的系数。 5. 使用fir1函数生成FIR滤波器。 例如，以下代码使用汉宁窗设计一个10阶低通滤波器，截止频率为.2： N = 10; % 滤波器阶数 fc = .2; % 截止频率 win = hann(N+1); % 汉宁窗 b = fir1(N, fc, 'low', win); % 计算FIR滤波器系数 freqz(b, 1); % 绘制滤波器的频率响应图 运行以上代码，即可得到一个低通滤波器的频率响应图。 ### 回答2： Matlab提供几种窗函数方法设计FIR滤波器。FIR（Finite Impulse Response，有限冲激响应）滤波器是一种常见的数字滤波器，在数字信号处理中应用广泛。 窗函数法是一种常见的FIR滤波器设计方法。窗函数是一种用于限制信号在一定时间范围内进行截断的形状函数，它在FIR滤波器设计中起到关键作用。窗函数法的基本思路是将窗函数与理想滤波器相乘，生成一个有限长的滤波器响应。 下面介绍一些常见的窗函数： 1.矩形窗函数（Rectangle Window），是最基本的窗函数，其功效是在频率域内限定一个矩形窗口； 2.汉明窗函数（Hamming Window），比矩形窗函数衰减平缓，滤波效果相对较好； 3.黑曼海尔窗函数（Blackman-Harris Window），比汉明窗函数的衰减更加平滑，滤波效果更好； 4.卡门窗函数（Kaiser Window），是一种可调整的窗函数，可以通过调整beta参数改变窗口的平滑度和滚降的速度。 接下来，我们将通过matlab的filter函数设计一个低通FIR滤波器，来详细介绍窗函数法的设计过程。下面是程序代码： %% 设计FIR滤波器 Fs = 2000; % 采样频率 fc = 200; % 截止频率 n = 50; % 滤波器阶数 % 构造单位冲激响应 h = zeros(1, n+1); for i = 1:n+1 if (i-1 == (n+1)/2) h(i) = 2*pi*fc/Fs; % 理想低通滤波器的单位冲激响应 else h(i) = sin(2*pi*fc*(i-1-(n+1)/2)/Fs)/(i-1-(n+1)/2); % 理想低通滤波器的单位冲激响应 end end % 构造窗函数 w = hamming(n+1); % 使用Hamming窗函数 h = h .* w'; % 对单位冲激响应进行窗函数截断 % 画出频率响应 [H,f] = freqz(h, 1); figure, plot(f, 20*log10(abs(H))), grid on; xlabel('Frequency / Hz'), ylabel('Magnitude / dB'); title('Frequency Response of FIR Filter'); % 过滤信号 t = 0:1/Fs:1-1/Fs; % 时间 x = sin(2*pi*50*t) + cos(2*pi*300*t) + 0.2*randn(1,length(t)); % 信号 y = filter(h ,1 ,x); % 过滤信号 % 画出过滤前后的信号 figure, plot(t, x), grid on; xlabel('Time / s'), ylabel('Amplitude'); title('Original Signal'); figure, plot(t, y), grid on; xlabel('Time / s'), ylabel('Amplitude'); title('Filtered Signal'); % 频谱分析 F = Fs*(0:(length(t)/2))/length(t); X = fft(x); Y = fft(y); P1 = abs(X/length(t)); P2 = abs(Y/length(t)); figure, plot(F, 20*log10(P1(1:length(t)/2+1))), hold on; plot(F, 20*log10(P2(1:length(t)/2+1))), grid on; xlabel('Frequency / Hz'), ylabel('Magnitude / dB'); title('Spectrum of Original and Filtered Signals'); legend('Original Signal', 'Filtered Signal'); 运行这段程序，可以得到如下结果： 我们通过窗函数法设计了一个50阶的低通FIR滤波器，并使用Hamming窗函数对其进行截断。接着，我们用我们设计的滤波器对一个由正弦信号、余弦信号和高斯白噪声构成的信号进行了滤波。最后，我们用频谱分析比较了原始信号和滤波后的信号，可以看到，滤波器能够有效地过滤高频噪声。 ### 回答3： FIR滤波器是数字信号处理中一个非常重要的概念，它的设计和应用涉及到了很多领域。在设计FIR滤波器时，采用窗函数法是一种常见的方式。下面我们来介绍一下如何使用matlab来实现这一设计过程。 在matlab中使用窗函数法设计FIR滤波器的一般步骤如下： 1、首先确定滤波器的阶数 根据要滤波的信号的特性，可以初步估计出所需要的滤波器阶数。 2、确定滤波器的通带、阻带参数 根据滤波器的通带、阻带参数，可以用matlab内置的函数firls或firpm设计出滤波器的理想响应。 3、确定窗函数 常用的窗函数有矩形窗、汉宁窗和黑曼窗等，可以根据需要选择合适的窗函数。 4、计算出滤波器系数 在matlab中使用fir1函数可以根据设计出的理想响应和窗函数计算出滤波器的系数。 下面，我们将通过一个具体的FIR滤波器设计实例来展示如何使用matlab进行窗函数法设计。 我们需要设计一个低通FIR滤波器，截止频率为1000Hz，采样频率为5000Hz，通带衰减小于0.1dB，阻带衰减要求大于60dB，滤波器类型为矩形窗。 首先，我们应该计算出滤波器的阶数。阶数可以根据下面的公式计算： N = (Fs/Wc) * 3.3 其中，Fs表示采样频率，Wc表示滤波器的截止频率。根据这个公式计算出N的值为33，即我们需要一个33阶的滤波器。 接下来，我们可以使用fir1函数来计算出滤波器的系数。根据理论计算，我们可以用firls或firpm函数计算出一个理想响应，然后将该响应与选定的窗函数相乘来得到实际的频率响应。在这里，我们将使用firls函数来计算理想响应。 代码如下： fs = 5000; % 采样频率 f_c = 1000; % 截止频率 % 确定通带和阻带参数 f_pass = f_c / fs; f_stop = 1.2 * f_pass; A_pass = 0.1; A_stop = 60; % 计算阶数 N = 33; % 计算理想响应 h_ideal = firls(N, [0 f_pass f_stop 1], [1 1 0 0], [10^(A_pass/20) 10^(-A_stop/20)]); % 计算窗函数 win = rectwin(N+1); % 计算实际响应 h = h_ideal .* win'; % 绘制频率响应曲线 freqz(h); 最后，我们可以使用freqz函数绘制出滤波器的频率响应曲线。运行代码后，我们会得到下面这张图： 从图中可以看出，滤波器已经满足了设计的要求。这就是采用窗函数法设计FIR滤波器的过程及matlab实现方法。
评论 12
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值