滤波器（FIR与IIR）

最新推荐文章于 2024-07-30 16:22:24 发布

iceberg7012

最新推荐文章于 2024-07-30 16:22:24 发布

阅读量1.7w

点赞数 52

分类专栏：脑电信号（EEG）小结文章标签： iir滤波器 python

本文链接：https://blog.csdn.net/iceberg7012/article/details/109901315

版权

本文介绍了数字信号处理中的两种基本滤波器——FIR和IIR，包括滤波器的基本概念、类型、应用，以及FIR与IIR的脉冲响应、比较和在Python中的实现。IIR滤波器计算速度快但存在非线性相位和稳定性问题，FIR滤波器则具有线性相位和稳定性，但计算量更大。

摘要由CSDN通过智能技术生成

前言

滤波器在数据采集和分析中具有很多应用，它们通过减小或放大某些频率来改变时间信号的频率成分。

本文主要介绍在数字信号处理(DSP)中经常使用的两种基本的低通滤波器，有限脉冲响应滤波器（FIR）、无限脉冲响应滤波器（IIR）。

滤波器通过减小或放大某些频率来改变时间信号的频率成分。

举例说明如下：
在这里插入图片描述

如上图1所示，低通滤波器以三种不同的方式影响信号中的频率成分：一些频率成分保持不变，而其它频率成分的幅度变小或从信号中完全移除。

滤波器还可以放大频率成分，而不仅仅是降低或消除频率成分。滤波器调整信号幅度的量可以用线性项（即放大系数）或增益/衰减的分贝表示，如下图2所示。

在这里插入图片描述
线性度量指标和分贝度量指标有以下等价关系：

虽然在频域查看滤波器特性很有用，但是滤波器是在时域进行工作的(如下图3)。滤波器以时域信号为输入，修改频率内容，得到新的时域信号。

在这里插入图片描述

滤波器可以针对不同的任务进行设计。例如，滤波器可以分为高通(high pass)、低通(low pass)、带阻(band stop)或带通(band pass)滤波器。
在这里插入图片描述

滤波器类型：

这些滤波器类型可以使用FIR或IIR滤波器来实现。也可以将这些组合使用以产生任意形状的过滤器。

滤波器可用于信号清理与信号分析。在某些应用中，滤波器用于通过衰减不需要的频率内容来调节时域信号。例如：

有时滤波器用于将特定的信号特性保留下来用于后续分析:

A加权(A-Weighting)：A加权滤波器(如下图4)用于将人的听觉特性引入麦克风数据采集。麦克风在听不同频率的信号时，其状态是一样的，即无法区分不同的频率输入，而人耳却能感觉到不同频率信号的差异。A加权滤波器降低麦克风采集信号的高频和低频部分，以模拟人耳感知声音的方式。
全身振动加权–人体对某些振动频率的敏感度高于其他振动频率。可以使用一个过滤器（由ISO 2631定义）基于加速度计的振动信号来评估人体的健康和舒适度。