FPGA学习记录（5）＜低通&带通FIR滤波器FPGA实现＞

雨觞醉月

已于 2022-08-20 20:11:05 修改

阅读量1w

点赞数 21

分类专栏： FPGA学习手册文章标签： matlab fpga

于 2021-10-20 10:40:45 首次发布

本文链接：https://blog.csdn.net/ubuntu_0/article/details/120773351

版权

FPGA学习手册专栏收录该内容

14 篇文章 23 订阅

订阅专栏

该文档详细介绍了如何使用MATLAB的FDA插件设计FIR滤波器，并通过BLACKMAN窗函数实现低通滤波器，以及100MHz采样率下的带通滤波器。内容包括滤波器类型、参数设置、系数导出、Verilog代码实现、FPGA仿真和MATLAB验证。此外，还涉及到了量化系数、滤波器阶数、量化位数与硬件资源之间的平衡。

摘要由CSDN通过智能技术生成

Matlab仿真低通的FIR滤波器BLACKMAN窗并使用FPGA实现

（1）FIR&IIR介绍

巴特沃斯滤波器：最先由英国工程师斯蒂芬·巴特沃斯（Stephen Butterworth）在1930年提出，主要的特点是在阻带和通带上面都比较平坦，但是容易出现过渡带上失真的问题。有关常用的滤波器比较如下表所示。

滤波器名称	滤波器主要特点
巴特沃斯滤波器（Butterworth filter）	阻带和通带上面都比较平坦，但是容易出现过渡带上失真，阻带的下降过程较慢，当滤波器的阶数越高，滤波器就越接近理想滤波器
椭圆滤波器（Elliptic Filter）	在相同阶数时，椭圆滤波器阻带下降在几种滤波器中下降最快，过渡带更为陡峭、更窄
切比雪夫滤波器（Chebyshev Filter）	通带阻带上幅频响应有等波纹波动。虽然能够拥有比巴特沃斯滤波器衰减更快的过渡带，但是幅频响应的平坦度没有巴特沃斯滤波器平坦。有根据幅频响应中通带和阻带有无等波纹情况分为Ⅰ型切比雪夫滤波器（通带有等波纹）和Ⅱ型切比雪夫滤波器（阻带有等波纹）
贝塞尔滤波器(Bessel filter)	具有最大平坦的群延迟（线性相位响应）的线性过滤器
Compare:

	相同阶数下通频带下降陡峭度比较：**椭圆滤波器>切比雪夫滤波器>巴特沃斯滤波器>贝塞尔滤波器**

巴特沃斯滤波器的matlab实现的主要函数：

filter函数：y = filter(b,a,X) -b为分子系数向量，a为分母系数向量，向量X为代滤波的数据。

```
butter函数：[b,a] = butter(N,Wn,'high' / 'low' / ") -用来设计高通/低通/带通滤波器，N代表滤波器阶数
```
butter函数是算出巴特沃斯滤波器的系数，使用求得的系数，使用filter滤波函数对信号进行滤波。下面实现一个带通滤波器：通带频率大小为100Hz-200Hz，滤波器的阶数设置为8阶，采样频率设置为1000Hz

[b,a] = butter(8,[100/(1000/2) 200/(1000/2)]) 
//[b,a]=butter(n,[Wp/Fa Ws/Fa])
//Fa = Fs/2，Fs为采样频率
y = filter(b,a,x)
//使用巴特沃斯滤波器生成函数的b,a系数，滤除原始信号x的杂质，得到滤波完成后的波形信号y

上述是采用的matlab函数的实现方法，但是由于需要自己计算参数，没有图形界面直观，因此常常采用的是FDA设计插件进行设计，通过filterDesigner指令在matlab中唤出，通过COE文件导出量化系数进行卷积计算。

滤波器的线性相位，全通滤波器，群延迟之间的关系&滤波器设计：
链接1: 一文读懂滤波器的线性相位，全通滤波器，群延迟.
链接2: 数字滤波器设计（IIR与FIR）.

（2）FIR的FPGA实现与matlab仿真(FIR&BLACKMAN窗&4MHz采样&低通滤波)：

①采用Matlab中的FDA插件设计滤波器

matlab上使用filterDesigner参数，唤出matlab上的插件，设置响应类型为低通，设置FIR为窗函数（Blackman），采样频率设置为4MHz，截至频率为1MHz，打开缩放通带，设定FIR滤波器阶数为7阶。如下图所示。
所得到的FIR滤波器是稳定性滤波器，所有频率下的延迟都是相同的，因此，当波形经过滤波器后，各个频率合成的波形的形状不会发生变化，只是发生了迟延。这个性质对音乐的播放很有帮助，若是使用不同频率下的延迟不相同的滤波器（IIR），那么音乐中不同频率的到达人耳的时间不一样，一定会导致音乐品质发生变化。
在这里插入图片描述
上图设置的是低通、FIR（BLACKMAN窗）、采样频率Fs为4MHz、截止频率Fc为1MHz。同时设置量化参数，如下图所示。

选择滤波器算术为定点，分子字长为8（这个地方的8相当于量化出来的滤波器量化系数值为8位，量化位数越高量化的就越精确，但是同时采用FPGA实现的时候就会消耗更多的硬件资源进行实现，因此我们择中考虑为8位，输出的位为xxxx_xxxx）

②FDA导出滤波器系数

在设计滤波器完成之后，需要将滤波器的参数进行导出。这里有两种导出方式，一是采用的Num系数直接导出法，最后自己进行量化；第二种是采用COE文件导出法，将导出的文件中的量化系数导出。下面分别简述导出方式。

采用Num系数矩阵导出法：

这个地方是将系数导出到Num数组中去，前提看下Num数组是否存在数据，有数据的话需要将数据删除再进行导出，否则可能会出现错误。

使用Num命令唤出当前数组array中的数据，并且进行量化。当然这个地方采用的是我自己设定的量化系数，可能和直接导出的量化系数不一样。
采用COE文件导出法：

保存coe文件后，然后在这个matlab上会自动出现以下的代码，里面coefdata中的数据就是量化系数（量化系数个数=滤波器阶数数+1）因此，这个地方应该就是有8位量化系数。
文本代码格式如下：

; XILINX CORE Generator(tm)分布式算术 FIR 滤波器系数(.COE)文件
; Generated by MATLAB(R) 9.9 and DSP System Toolbox 9.11.
; Generated on: 19-Oct-2021 15:28:13
Radix = 16; 
Coefficient_Width = 8; 
CoefData = 00,
fe,
13,
70,
70,
13,
fe,
00;

因此，采用这种方法得到的量化系数CoefData 为 00，fe，13，70，70，13，fe，00。可以发现具有对称性，我们后续的FPGA实现也采用这个量化系数来做。

③根据滤波器的量化系数使用FPGA代码实现

在得到滤波器的量化系数后，需要进行FPGA代码的实现。在本代码中，借鉴的是 matlab与FPGA数字滤波器设计（5）—— Verilog 串行 FIR 滤波器这篇文章的代码，自己并对代码进行了部分修改和优化，加上了部分注释。

step 1：建立好相关的工程文件（FIR_low8.v以及对应的tb文件）

在这里插入图片描述

step 2：Verilog代码书写

在这里插入图片描述
定义一个时钟信号clk与一个信号时钟信号clk_sig，保证时钟信号的频率是信号时钟信号clk_sig的8倍（这个地方的含义是每8个clk系统时钟时间，进行一次移位。然后在接下来的8个系统时钟clk中，由于有8个量化系数，因此要分别进行8次量化系数与输入波形数值的乘法）；data_in代表16位待滤波信号数据的输入，data_out代表16位滤波后信号数据的输出；定义x1-x7共8个reg寄存器用来缓存当前进行滤波的8位数据；量化系数h1~h7共8个，采用COE文件中导出的值00，fe，13，70，70，13，fe，00。
在这里插入图片描述
遇到信号时钟clk_sig上升沿或者是复位信号归零。遇复位信号时，将当前的待滤波信号缓冲区x1-x7中的值进行清零；当遇信号时钟clk_sig上升沿时，将新的一位的待滤波信号进行输入，进行下一轮卷积。

count用记录每一次卷积中乘积做到哪一个位次，8个量化系数需要进行8次乘积，依次从3’b000，3’b001，3’b010，3’b011，3’b100，3’b101，3’b110，3’b111共8种依次变化。当数值加满成3’b111，下一个clk来临时自动进位成3’b000，开始重新进行8次乘积以及乘积的累加。
在这里插入图片描述
通过定义mul_a、mul_b、mul_p，并分别在每个时钟clk来临的时候进行mul_a、mul_b值的切换，从而依次乘积得到新的mul_p。这里还需要尤为注意一点，assign mul_p = mul_a * mul_b，两个有符号数（一个8位乘以一个16位的二进制数）最终的乘积结果位24位的有符号二进制数，因此定义mul_p应该是wire signed [23:0] mul_p这样的方式，都是采用补码的方式进行展示。
在这里插入图片描述
最后一个always语句是控制out_temp这个缓存区中的累加和，每8个clk时钟（或者称之为每1个clk_sig时钟），进行缓存区的赋值（data_out <= out_temp[31:16]）和缓存区的清零（out_temp <= 'd0 ）。同时由于规定输出的滤波数据应该是16位的，所以使用data_out <= out_temp[31:16] 这个语句，只采用高16位的值，忽略低16位的值，相当于做一个除法，除以2^16，将权值较大的保留，较小的去除，做一个滤波后输出波形的等比例缩小。

step 3：生成待滤波波形，并且使用matlab对波形进行数字化抽样，将波形数值保存在txt文档中去

matlab波形生成代码如下：

// A code block
var foo = 'bar';%设置源波形以及杂波波形的频率，这里选择的采样频率位4MHz
f1 = 0.4;
f2 = 1.97;
Fs = 4;
N = 16;%设置量化位数，控制后面数字化输出波形的中的数据值，量化位数越高，波形数据还原
       %就越准确，但是同时后面就会消耗更多的FPGA硬件资源，因此综合考虑，我们data_in采用的
       %16位输入，这里量化也采用的是16位


t = 0:1/Fs:20;
c1 = 2*pi*f1*t;
c2 = 2*pi*f2*t;

%波形合成，源波采用1倍幅值，杂波采用0.5倍幅值，使用s1+s2进行波形合成
s1 = sin(c1);
s2 = 0.5*sin(c2);
s = s1+s2;

%归一化
s = s/max(abs(s));

%等比例放大波形的数值，方便进行二进制化
Q_s = round(s*(2^(N-1) - 1));

fid = fopen('C:路径\sin_ten.txt','w');%十进制变换，保存十进制数到路径
fprintf(fid, '%16d\r\n',Q_s);
fprintf(fid, ';');
fclose(fid);

fid = fopen('C:路径\sin.txt','w');
for k=1:length(Q_s)%二进制变换，保存二进制数到路径
B_s=dec2bin(Q_s(k)+((Q_s(k))<0)*2^N,N);
for j=1:N
if B_s(j)=='1'
tb=1;
else
tb=0;
end
fprintf(fid,'%d',tb);
end
fprintf(fid,'\r\n');
end
fprintf(fid,';');
fclose(fid);

step 4：testbench文件的编写

已经生成了待滤波的数据文件，保存在sin.txt中。现在我们需要使用已经写好的verilog代码对数据进行滤波输出，因此需要书写.tb文件。同样的采用前几讲中的testbench&vscode模板书写。

`timescale 1ns / 1ps
//
// Company: 
// Engineer: 
// 
// Create Date: 2021/10/16 14:50:22
// Design Name: 
// Module Name: tb
// Project Name: 
// Target Devices: 
// Tool Versions: 
// Description: 
// 
// Dependencies: 
// 
// Revision:
// Revision 0.01 - File Created
// Additional Comments:
// 
//

`timescale  1ns / 1ps

module tb_FIR_low8;

// FIR_low8 Parameters
parameter PERIOD  = 10;


// FIR_low8 Inputs
reg   clk                   ;
reg   clk_sig               ;
reg   rst_n                 ;
reg   [15:0]  data_in       ;

// FIR_low8 Outputs
wire  [15:0]  data_out      ;
integer i;

initial
begin
clk                          = 0 ;
clk_sig                      = 0 ;
rst_n                        = 0 ;
data_in                      = 0 ;
i                            = 1 ; //此处是从1开始计数，也就是说data_men中的第一个数的下标为[1]，而非[0]
end

initial
begin
   forever #(PERIOD/2)  clk =~clk; //clk的周期
end

initial
begin
   forever #(PERIOD*4)  clk_sig = ~clk_sig; //clk_sig的周期为clk的8倍
end


initial
begin
   #(PERIOD*2) rst_n  =  1;  //复位信号
end


parameter data_num = 32'd10000;
reg [15:0]  data_men[data_num:1];


initial begin
   $readmemb("C:路径/sin.txt",data_men);   //注意斜杠的方向，不能反<<<<<<<
end
   always @(posedge clk_sig) begin //每1个clk_sig信号来临后，进行一次数据输入，将新的一个波形数据输入data_in中。
       data_in <= data_men[i];
       i <= i+1;
   end


FIR_low8  u_FIR_low8 (
   .clk                     ( clk              ),
   .clk_sig                 ( clk_sig          ),
   .rst_n                   ( rst_n            ),
   .data_in                 ( data_in   [15:0] ),
   .data_out                ( data_out  [15:0] )
);

endmodule

step 5：仿真结果

在这里插入图片描述
仔细观察下mul_a，mul_b里面的参数变化：

step 6：Matlab仿真验证

为了验证滤波器的滤波结果，使用原来的量化系数进行matlab滤波仿真，以验证我们的FPGA设计实现的滤波效果有没有达到。验证仿真使用的matlab代码如simulation.m所示，代码如下：

Fs = 4;               %4M的采样频率sample
t = 0:1/Fs:20-1/Fs;   %设置精确的采样点        
N = 20 * Fs;          %设置采样点数， 总共的采样点数为80

f1 = 0.4;             %源波频率0.4MHz
f2 = 1.97;            %杂波频率1.97MHz
c1 = 2*pi*f1*t;
c2 = 2*pi*f2*t;

s1 = sin(c1);
s2 = 0.5*sin(c2);
s = s1+s2;            %波形合成
x_in= s;

%输入信号
figure(1);
subplot(1,2,1)
plot(t,x_in);
title('输入信号');
xlabel('时间');
ylabel('幅度');

subplot(1,2,2);
SpectrumX= fft(x_in,N);
M=0:1:N-1;
stem(M,abs(SpectrumX));
title('输入信号FFT');


%滤波
y=zeros(1,N);
lastr0=0;
lastr1=0;
lastr2=0;
lastr3=0;
lastr4=0;
lastr5=0;
lastr6=0;
lastr7=0;

for i=1:1:N
     newr0  = x_in(i)*0;
     newr1  = lastr0 + x_in(i) * -2;
     newr2  = lastr1 + x_in(i) * 13;
     newr3  = lastr2 + x_in(i) * 70;
     newr4  = lastr3 + x_in(i) * 70;
     newr5  = lastr4 + x_in(i) * 13;
     newr6  = lastr5 + x_in(i) * -2;
     newr7  = lastr6 + x_in(i) * 0;
     lastr0  = newr0 ;
     lastr1  = newr1 ;
     lastr2  = newr2 ;
     lastr3  = newr3 ;
     lastr4  = newr4 ;
     lastr5  = newr5 ;
     lastr6  = newr6 ;
     y(i)=newr7;
end

%输出信号
figure(2);
subplot(1,2,1);
plot(t,y);
len_of_y=length(y);
SpectrumY= fft(y ,len_of_y);
title('输出信号');
xlabel('时间');
ylabel('幅度');

subplot(1,2,2);
N=0:1:len_of_y-1;
stem(N,abs(SpectrumY));
title('输出信号FFT');

使用代码仿真验证的波形如下图所示，分别是输入信号、输入信号的FFT以及输出信号、输出信号的FFT。
输入信号与输入信号的FFT：

在这里插入图片描述
输出信号与输出信号的FFT：

在这里插入图片描述
通过上图验证，我们的滤波效果已经实现了。

（3）FIR的FPGA实现与matlab仿真(FIR&汉明窗&100MHz采样&带通滤波)：

带通滤波&FIR实现与前文中的低通滤波器的实现较为相似，流程也基本上是一样的。因此，相关详情不再进行赘述。直接操作。
FDA文件的设计，阶数设置为19阶，对应会生成20个量化系数，采用汉明窗的方法。采样频率Fs设置大小为100MHz，带通通带频率范围为20MHz-30MHz。量化的分子字长同样采用的8位字长。
导出COE文件中的量化系数CoefData = 00, 02, 05, f5, ea, 24, 34, bc, b0, 57, 57, b0, bc, 34, 24, ea, f5, 05, 02, 00。
采样导出的量化系数进行设计，对应的Verilog代码实现如下所示：
tb测试文件实现如下所示：

`timescale 1ns / 1ps
//
// Company: 
// Engineer: 
// 
// Create Date: 2021/10/16 14:50:22
// Design Name: 
// Module Name: tb
// Project Name: 
// Target Devices: 
// Tool Versions: 
// Description: 
// 
// Dependencies: 
// 
// Revision:
// Revision 0.01 - File Created
// Additional Comments:
// 
//

`timescale  1ns / 1ps

module tb_FIR_low8;

// FIR_low8 Parameters
parameter PERIOD  = 10;


// FIR_low8 Inputs
reg   clk                   ;
reg   clk_sig               ;
reg   rst_n                 ;
reg   [15:0]  data_in       ;

// FIR_low8 Outputs
wire  [15:0]  data_out      ;
integer i;

initial
begin
clk                          = 0 ;
clk_sig                      = 0 ;
rst_n                        = 0 ;
data_in                      = 0 ;
i                            = 1 ; //此处是从1开始计数，也就是说data_men中的第一个数的下标为[1]，而非[0]
end

initial
begin
    forever #(PERIOD/2)  clk =~clk; //clk的周期
end

initial
begin
    forever #(PERIOD*10)  clk_sig = ~clk_sig; //clk_sig的周期为clk的8倍
end


initial
begin
    #(PERIOD*2) rst_n  =  1;  //复位信号
end


parameter data_num = 32'd10000;
reg [15:0]  data_men[data_num:1];


initial begin
    $readmemb("C:路径/sin.txt",data_men);   //注意斜杠的方向，不能反<<<<<<<
end
    always @(posedge clk_sig) begin //每1个clk_sig信号来临后，进行一次数据输入，将新的一个波形数据输入data_in中。
        data_in <= data_men[i];
        i <= i+1;
    end


FIR_low8  u_FIR_low8 (
    .clk                     ( clk              ),
    .clk_sig                 ( clk_sig          ),
    .rst_n                   ( rst_n            ),
    .data_in                 ( data_in   [15:0] ),
    .data_out                ( data_out  [15:0] )
);

endmodule

生成复合信号（低频+中频），并转化为2进制进行存储。这里采用的源信号是25MHz，两个杂波信号为5.5MHz与10.5MHz。波形的采样频率与FDA设计时选用的Fs=100MHz一致。输出的波形数据位数为16位。

f1 = 25;
f2 = 5.5;
f3 = 10.5;

Fs = 100;
N = 16;

end_num = 5;
t = 0:1/Fs:end_num-1/Fs;

c1 = 2*pi*f1*t;
c2 = 2*pi*f2*t;
c3 = 2*pi*f3*t;

s1 = sin(c1);
s2 = 0.5*sin(c2);
s3 = 0.2*sin(c3)
s = s1+s2+s3;

s = s/max(abs(s));

Q_s = round(s*(2^(N-1) - 1));

fid = fopen('C:路径\sin_ten.txt','w');
fprintf(fid, '%16d\r\n',Q_s);
fprintf(fid, ';');
fclose(fid);

fid = fopen('C:路径\sin.txt','w');
for k=1:length(Q_s)%二进制变换
B_s=dec2bin(Q_s(k)+((Q_s(k))<0)*2^N,N);
for j=1:N
if B_s(j)=='1'
tb=1;
else
tb=0;
end
fprintf(fid,'%d',tb);
end
fprintf(fid,'\r\n');
end
fprintf(fid,';');
fclose(fid);

将实现的代码进行仿真，波形仿真效果如下。可以看到，低频信号已经被滤除，保留下了中频信号25MHz。
最后同样的，为了验证我们的带通滤波器的实现是正确的，同样需要构造一个Matlab仿真程序，查看经过设计的带通滤波器之后的波形效果图。同样将代码贴下：

Fs = 100;                                     %100M的采样频率sample
end_num = 5;
t = 0:1/Fs:end_num-1/Fs;                      %设置精确的采样点        
N = end_num * Fs;                             %设置采样点数， 总共的采样点数为20 * Fs; 


f1 = 25;                                      %源波频率25MHz
f2 = 5.5;                                      %杂波频率5.5MHz
f3 = 10.5;                                       %杂波频率10.5MHz

c1 = 2*pi*f1*t;
c2 = 2*pi*f2*t;
c3 = 2*pi*f3*t;

s1 = sin(c1);
s2 = 0.5*sin(c2);
s3 = 0.2*sin(c3)
s = s1+s2+s3;                                    %波形合成

x_in= s;

%输入信号
figure(1);
subplot(1,2,1)
plot(t,x_in);
title('输入信号');
xlabel('时间');
ylabel('幅度');

subplot(1,2,2);
SpectrumX= fft(x_in,N);
M=0:1:N-1;
stem(M,abs(SpectrumX));
title('输入信号FFT');


%滤波
y=zeros(1,N);
lastr0=0;
lastr1=0;
lastr2=0;
lastr3=0;
lastr4=0;
lastr5=0;
lastr6=0;
lastr7=0;
lastr8=0;
lastr9=0;
lastr10=0;
lastr11=0;
lastr12=0;
lastr13=0;
lastr14=0;
lastr15=0;
lastr16=0;
lastr17=0;
lastr18=0;


for i=1:1:N
     newr0  = x_in(i) * 00;
     newr1  = lastr0 + x_in(i) * 02;
     newr2  = lastr1 + x_in(i) * 05;
     newr3  = lastr2 + x_in(i) * -11;
     newr4  = lastr3 + x_in(i) * -22;
     newr5  = lastr4 + x_in(i) * 36;
     newr6  = lastr5 + x_in(i) * 52;
     newr7  = lastr6 + x_in(i) * -68;
     newr8  = lastr7 + x_in(i) * -80;
     newr9  = lastr8 + x_in(i) * 87;
     newr10  = lastr9 + x_in(i) * 87;
     newr11  = lastr10 + x_in(i) * -80;
     newr12  = lastr11 + x_in(i) * -68;
     newr13  = lastr12 + x_in(i) * 52;
     newr14  = lastr13 + x_in(i) * 36;
     newr15  = lastr14 + x_in(i) * -22;
     newr16  = lastr15 + x_in(i) * -11;
     newr17  = lastr16 + x_in(i) * 05;
     newr18  = lastr17 + x_in(i) * 02;
     newr19  = lastr18 + x_in(i) * 00;

     lastr0  = newr0 ;
     lastr1  = newr1 ;
     lastr2  = newr2 ;
     lastr3  = newr3 ;
     lastr4  = newr4 ;
     lastr5  = newr5 ;
     lastr6  = newr6 ;
     lastr7  = newr7 ;
     lastr8  = newr8 ;
     lastr9  = newr9 ;
     lastr10  = newr10 ;
     lastr11  = newr11 ;
     lastr12  = newr12 ;
     lastr13  = newr13 ;
     lastr14  = newr14 ;
     lastr15  = newr15 ;
     lastr16  = newr16 ;
     lastr17  = newr17 ;
     lastr18  = newr18 ;
     y(i)=newr19;
    
end

%输出信号
figure(2);

subplot(1,2,1);
plot(t,y);
len_of_y=length(y);
SpectrumY= fft(y ,len_of_y);
title('输出信号');
xlabel('时间');
ylabel('幅度');

subplot(1,2,2);
N=0:1:len_of_y-1;
stem(N,abs(SpectrumY));
title('输出信号FFT');

对应的输入信号的波形以及FFT变化如下：
在这里插入图片描述

通过上述的仿真结果，可以看出两个低频分量已经被滤除了，和上面Vivado的仿真结构一样。可以证明此带通滤波器已经实现了。

（4）滤波器FPGA实现方式原理示意：

clk_sig信号控制着输入数据的读入，数据一个一个被读进寄存器中，然后再8个clk的时钟周期上一次进行乘积，并累加。最终完成一个数据输入后的一次完整卷积操作，主要的示意图如下所示。
在这里插入图片描述

（5）文件汇总：

FIR的FPGA实现与matlab仿真（FIR&BLACKMAN窗&4MHz采样&低通滤波)
FIR的FPGA实现与matlab仿真 (FIR&汉明窗&100MHz采样&带通滤波)

文档中所有已使用的代码已经放在中。fir.fda为filterDesigner设计代码，fir_des.m为待滤波形模拟生成文件，simulation.m为滤波器仿真测试文件。tb.v为FIR_low8.v文件的测试代码。
在这里插入图片描述

Verilog_FIR_4M是FIR&BLACKMAN窗&4MHz采样&低通滤波代码。
Verilog_FIR_100MHz是FIR&汉明窗&100MHz采样&带通滤波代码。
上述代码文件放在了 FIR的低通滤波器、带通滤波器Verilog代码实现与Matlab仿真测试链接中。