[信号与系统]FIR滤波器的几种常见窗口法计算方法

FIR滤波器的几种常见窗口法计算方法

1. 矩形窗口(Rectangular Window)

矩形窗口直接截断理想脉冲响应,无额外的平滑效果。它简单但会引入较大的旁瓣效应。

w [ n ] = 1 , 0 ≤ n ≤ N − 1 w[n] = 1, \quad 0 \le n \le N-1 w[n]=1,0nN1

2. 汉宁窗口(Hanning Window)

汉宁窗口使用平滑的余弦函数,有效减少旁瓣效应。

w [ n ] = 0.5 ( 1 − cos ⁡ ( 2 π n N − 1 ) ) , 0 ≤ n ≤ N − 1 w[n] = 0.5 \left(1 - \cos\left(\frac{2\pi n}{N-1}\right)\right), \quad 0 \le n \le N-1 w[n]=0.5(1cos(N12πn)),0nN1

3. 汉明窗口(Hamming Window)

汉明窗口是汉宁窗口的变种,进一步减少旁瓣效应,适用于大多数实际应用。

w [ n ] = 0.54 − 0.46 cos ⁡ ( 2 π n N − 1 ) , 0 ≤ n ≤ N − 1 w[n] = 0.54 - 0.46 \cos\left(\frac{2\pi n}{N-1}\right), \quad 0 \le n \le N-1 w[n]=0.540.46cos(N12πn),0nN1

4. 布莱克曼窗口(Blackman Window)

布莱克曼窗口具有更好的旁瓣抑制效果,适用于需要高频率分辨率的情况。

w [ n ] = 0.42 − 0.5 cos ⁡ ( 2 π n N − 1 ) + 0.08 cos ⁡ ( 4 π n N − 1 ) , 0 ≤ n ≤ N − 1 w[n] = 0.42 - 0.5 \cos\left(\frac{2\pi n}{N-1}\right) + 0.08 \cos\left(\frac{4\pi n}{N-1}\right), \quad 0 \le n \le N-1 w[n]=0.420.5cos(N12πn)+0.08cos(N14πn),0nN1

5. 凯撒窗口(Kaiser Window)

凯撒窗口具有可调参数 β \beta β,通过调整 β \beta β 可以在主瓣宽度和旁瓣抑制之间进行权衡。

w [ n ] = I 0 ( π β 1 − ( 2 n N − 1 − 1 ) 2 ) I 0 ( π β ) , 0 ≤ n ≤ N − 1 w[n] = \frac{I_0\left(\pi \beta \sqrt{1 - \left(\frac{2n}{N-1} - 1\right)^2}\right)}{I_0(\pi \beta)}, \quad 0 \le n \le N-1 w[n]=I0(πβ)I0(πβ1(N12n1)2 ),0nN1

其中 I 0 I_0 I0 是零阶修正贝塞尔函数, β \beta β 为窗口的形状参数。

应用窗口函数设计FIR滤波器的步骤

  1. 定义理想脉冲响应

假设我们设计一个理想的低通滤波器,其理想的脉冲响应为:

h d [ n ] = sin ⁡ ( 2 π f c ( n − N − 1 2 ) ) π ( n − N − 1 2 ) , n ≠ N − 1 2 h_d[n] = \frac{\sin\left(2\pi f_c \left(n - \frac{N-1}{2}\right)\right)}{\pi \left(n - \frac{N-1}{2}\right)}, \quad n \neq \frac{N-1}{2} hd[n]=π(n2N1)sin(2πfc(n2N1)),n=2N1

n = N − 1 2 n = \frac{N-1}{2} n=2N1 时,

h d [ N − 1 2 ] = 2 f c h_d\left[\frac{N-1}{2}\right] = 2 f_c hd[2N1]=2fc

  1. 选择窗口函数

选择适当的窗口函数 w [ n ] w[n] w[n]

  1. 应用窗口函数

将窗口函数应用到理想的脉冲响应上:

h [ n ] = h d [ n ] ⋅ w [ n ] , 0 ≤ n ≤ N − 1 h[n] = h_d[n] \cdot w[n], \quad 0 \le n \le N-1 h[n]=hd[n]w[n],0nN1

示例

假设我们使用汉明窗口设计一个低通FIR滤波器:

import numpy as np
import matplotlib.pyplot as plt# 定义滤波器参数
N = 51  # 滤波器长度
fc = 0.25  # 归一化截止频率(f_c = f_c_actual / f_s)# 理想脉冲响应
n = np.arange(N)
hd = np.sinc(2 * fc * (n - (N - 1) / 2))# 汉明窗口
w = 0.54 - 0.46 * np.cos(2 * np.pi * n / (N - 1))# 应用窗口函数
h = hd * w# 频率响应
H = np.fft.fft(h, 1024)
H = np.fft.fftshift(H)  # 移动零频到中心
H_dB = 20 * np.log10(np.abs(H))# 绘制时域和频域响应
plt.figure(figsize=(12, 6))plt.subplot(2, 1, 1)
plt.stem(n, h, use_line_collection=True)
plt.title('时域脉冲响应')
plt.xlabel('样本点')
plt.ylabel('幅度')plt.subplot(2, 1, 2)
f = np.linspace(-0.5, 0.5, len(H))
plt.plot(f, H_dB)
plt.title('频域响应')
plt.xlabel('归一化频率')
plt.ylabel('幅度 (dB)')
plt.grid()
plt.show()

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/857000.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

从混乱到有序:SRM系统如何优化工厂采购流程

一、工厂采购管理的重要性 工厂采购管理是企业运营中的关键环节,它直接影响到生产成本、产品质量和市场响应速度。有效的采购管理能够降低成本、提升供应链的灵活性和响应市场变化的能力。在竞争激烈的市场环境中,采购管理的优劣直接关系到企业的竞争力…

django filter 批量修改

django filter 批量修改 在Django中,如果你想要批量修改记录,可以使用update()方法。这个方法允许你在一个查询集上执行批量更新,而不需要为每条记录生成单独的数据库事务。 以下是一个使用update()方法批量修改记录的例子: fro…

HarmonyOS角落里的知识—Stage模型应用程序

开发态包结构 在DevEco Studio上创建一个项目工程,并尝试创建多个不同类型的Module。根据实际工程中的目录对照本章节进行学习,可以有助于理解开发态的应用程序结构。 图1 项目工程结构示意图(以实际为准) 工程结构主要包含的文…

解释React中的“端口(Portals)”是什么,以及如何使用它来渲染子节点到DOM树以外的部分。

React中的“端口(Portals)”是一种将子节点渲染到DOM****树以外的部分的技术。在React应用中,通常情况下组件的渲染是遵循DOM的层次结构,即子组件会渲染在父组件的DOM节点内部。然而,有些情况下,开发者可能…

2023-2024山东大学移动互联网开发期末回忆

1、考试时间:2024/6/20 2、考试科目:移动互联网开发(安卓开发)(老师:Lin Fengbo) 一、名词解释 十几个词里面挑八个解释,建议50-100字 二、简答题 1.选择一种你喜欢的&#xff…

java数据格式处理

概述 记录一下常用的数据格式处理。千分位分隔符、四舍五入。 代码 /*** 数据格式化工具类* author *** since ***/ public class DataFormatUtil {private DataFormatUtil() {throw new IllegalStateException("工具类不要实例化");}public static String format…

4K高质量视频素材库,剪辑必备

找免费4K 高质量视频素材,就上这8个网站,剪辑必备,赶紧收藏吧! 1、baotu 【实拍视频】免费下载_实拍视频素材​ibaotu.com/shipin/7-5026-0-0-0-1.html?spmzhkolws​编辑 国内高质量素材网站,涵盖设计、新媒体、视频…

Text2SQL基座模型选择的实战教程(持续更新)

大家好,我是herosunly。985院校硕士毕业,现担任算法研究员一职,热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名,CCF比赛第二名,科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法…

有效提升智能会议系统语音识别准确性案例分享

语音识别技术是在智能会议系统中至关重要,准确的智能会议语音识别能力,意味着会议参与者可以通过语音命令来控制会议设备,如开启投影仪、调整音量、切换幻灯片或者记录会议纪要,节省时间并提高会议效率。多语言支持的语音识别技术…

Go微服务: redis分布式锁

概述 在分布式系统中,并发控制和数据一致性是至关重要的问题当多个服务或进程需要访问和修改共享资源时,我们必须确保在同一时间只有一个服务或进程能够执行操作,以防止数据竞争和不一致,这就是分布式锁要解决的问题Redis 作为一…

【C++LeetCode】【热题100】字母异位词分组【中等】-不同效率的题解【3】

题目&#xff1a; 暴力方法&#xff1a; class Solution { public:vector<vector<string>> groupAnagrams(vector<string>& strs) {std::unordered_set<std::string> uniqueWord;//单词字符唯一化集合vector<vector<std::string>>…

MySQL:MySQL分组排序函数rank()、row_number()、dense_rank()与partition by结合使用

一、前言 在 MySQL 中&#xff0c;虽然标准的 SQL 函数 RANK(), ROW_NUMBER(), 和 DENSE_RANK() 是 SQL 标准的一部分&#xff0c;但早期的 MySQL 版本并不直接支持这些窗口函数。然而&#xff0c;从 MySQL 8.0 开始&#xff0c;这些函数被引入以支持窗口函数&#xff08;也称为…

深入Android S (12.0) 探索Framework之输入子系统InputDispatcher的流程

Framework层之输入系统 第一篇 深入Android S (12.0) 探索Framework之输入系统IMS的构成与启动 第二篇 深入Android S (12.0) 探索Framework之输入子系统InputReader的流程 第三篇 深入Android S (12.0) 探索Framework之输入子系统InputDispatcher的流程 文章目录 Framework层…

SMTP、POP3、IMAP4学习

文章目录 前言SMTPPOP3IMAP4区别与联系 前言 常见的邮件协议包括SMTP、POP3和IMAP4。这些协议都隶属于TCP/IP协议簇&#xff0c;属于应用层&#xff0c;分别通过TCP端口25、110和143建立连接。电子邮件的发送和接收过程依赖于这些协议。 SMTP &#xff08;Simple Mail Trans…

数据标注-语音标注

声音是由物体振动产生的&#xff0c;通过介质传播到人耳中。 音高是指人听到的声音的高低&#xff0c;它与物体振动的频率成正比。物体振动的频率越快&#xff0c;我们听到的声音就越高&#xff1b;物体振动的频率越慢&#xff0c;我们听到的声音就越低。 音素是语言中声音的…

微信小程序-界面提示框和消息

一.Loading加载框 小程序提供了wx.showLoading用来在加载界面的时候使用&#xff0c;比如加载图片和数据的时候可以使用。 常常和wx.hideLoading()配合使用&#xff0c;否则加载框一直存在。 其效果如下&#xff1a; 代码如下&#xff1a; //显示加载消息wx.showLoading({//提…

【机器学习】Lasso回归:稀疏建模与特征选择的艺术

&#x1f308;个人主页: 鑫宝Code &#x1f525;热门专栏: 闲话杂谈&#xff5c; 炫酷HTML | JavaScript基础 ​&#x1f4ab;个人格言: "如无必要&#xff0c;勿增实体" 文章目录 Lasso回归&#xff1a;稀疏建模与特征选择的艺术引言一、Lasso回归简介1.1 基本…

Leetcode Java学习记录——代码随想录数组篇

因为是初学Java&#xff0c;刷题语言从Python切换过来有很多小习惯会出问题。 除此之外也算二刷代码随想录&#xff0c;仍有很多细节问题&#xff0c;特此记录。 文章目录 Java 易错点声明位运算lengthfor定义数组数组打印无穷大 二分法不变量 Java 易错点 声明 Java中变量需…

丰臣秀吉-读书笔记五

如今直面自己一生中的最高点&#xff0c;加之平日里的觉悟与希冀&#xff0c;此时此地他“一定要死得其所”。 “武士之道&#xff0c;便是在死的瞬间决定一生或华或实。一生谨慎、千锤百炼&#xff0c;如果在死亡这条路上一步走错&#xff0c;那么一生的言行便全部失去真意&am…

帕金森的锻炼方式

帕金森病&#xff0c;这个看似陌生的名词&#xff0c;其实离我们并不遥远。它是一种常见的神经系统疾病&#xff0c;影响着许多中老年人的生活质量。虽然帕金森病目前尚无根治之法&#xff0c;但通过科学合理的日常锻炼&#xff0c;可以有效缓解病情&#xff0c;提高生活质量。…