低通滤波器算法LPF的python图像化验证

 

低通滤波器电路在电路中很常见，在算法上也用过几次，但一直缺少太系统的研究。最近比较闲，拿出来耍耍。

一、基本原理

简单的一阶低通滤波器如下图所示：

由上图有：

 

 和 替换输入和输出电压，用代换，用代换dt，得到上述方程的离散形式：

整理可得：

其中

        

截止频率

     

参数设计过程：

1、根据需求确定截止频率和采样时间间隔。

2、根据截止频率和采样时间间隔确定滤波器参数a

3、算法实现。

二、验证

（1）proteus：100hz，采样频率采样10K，计算a=0.059

截止频率为100hz

仿真结果如下：

 

编写python代码：

对比两者幅值和波形变化，基本相同。

其中滤波器代码如下：

def lpf1(listx:list[float],a:float) ->list[float]:
    listy:list[float]=list()

    yold=listx[0]
    listy.append(yold)
    for i in range(1,len(listx)):
        y=a*listx[i]+(1-a)*yold
        listy.append(y)
        yold=y
    return listy

主程序主要用于生成对应的输入和输出序列，代码如下：

import matplotlib.pyplot as plt
import numpy as np
import sjb

xs=np.linspace(-5,5,201)
ys0=sjb.getSawtooth(xs,2)  #此代码用于生成2个周期的锯齿波

ys1=sjb.lpf1(ys0,0.059)

plt.plot(xs,ys0)
plt.plot(xs,ys1)
plt.show()

此处图形用屏幕上显示2个波形代替上文中的100hz，同样，取样点数应该乘以100是200个，所以参数a不需要变化。

代码中如果改变波形频率和取样点数（取样频率）将引起滤波效果变化，原因上文已经做了说明。