[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]=1,0≤n≤N−1

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(1−cos(N−12πn)),0≤n≤N−1

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]=0.54−0.46cos(N−12πn),0≤n≤N−1

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]=0.42−0.5cos(N−12πn)+0.08cos(N−14πn),0≤n≤N−1

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−(N−12n−1)2 ),0≤n≤N−1

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(n−2N−1)sin(2πfc(n−2N−1)),n=2N−1

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

h d [ N − 1 2 ] = 2 f c h_d\left[\frac{N-1}{2}\right] = 2 f_c hd[2N−1]=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],0≤n≤N−1

示例

假设我们使用汉明窗口设计一个低通FIR滤波器:

python 复制代码
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()
相关推荐
XY.散人1 天前
初识Linux · 信号处理 · 续
linux·信号处理
XY.散人2 天前
初识Linux · 信号处理
linux·信号处理
宋发元2 天前
Preamble puncture 信号处理技术
网络·5g·信号处理
FPGA狂飙4 天前
FPGA 常用 I/O 电平标准有哪些?
信号处理·verilog·fpga·vivado·xilinx
北京青翼科技4 天前
【FMC169】基于VITA57.1标准的4发4收射频子模块(基于ADRV9026)
图像处理·人工智能·信号处理·模块测试
柳鲲鹏7 天前
雷达信号处理的流程和恒虚警检测CFAR
信号处理
雷龙发展:Leah9 天前
离线语音识别自定义功能怎么用?
人工智能·音频·语音识别·信号处理·模块测试
陌夏微秋9 天前
51单片机基础02 动态数码管显示-并串转换
arm开发·单片机·嵌入式硬件·51单片机·硬件工程·信息与通信·信号处理
艾思科蓝-何老师【H8053】9 天前
【ACM出版】第四届信号处理与通信技术国际学术会议(SPCT 2024)
人工智能·信号处理·论文发表·香港中文大学