FIR数字滤波器设计与实现

低通滤波器的设计与实现

打开Matlab ,运行命令filterDesigner,选择FIR 最小二乘或者其它,设置采样频率,和低通滤波器截止频率。点击设计滤波器,如图1:

点击目标生成.C头文件,滤波器系数如下:

复制代码
const int BL = 41;
double BBB[41] = {
   -0.00209557154698,-0.001476623089881,-0.0007749172356411, 0.001078324976728,
   0.003836735408429, 0.006655352519891, 0.008206881969049, 0.007078038071226,
   0.002355979867595,-0.005762925264306, -0.01559789169637, -0.02403993585321,
   -0.02714550652792, -0.02117231404326,-0.003786352520018,  0.02491382612837,
    0.06195502635744,   0.1018081070428,     0.13750215203,   0.1622394922755,
     0.1710869277889,   0.1622394922755,     0.13750215203,   0.1018081070428,
    0.06195502635744,  0.02491382612837,-0.003786352520018, -0.02117231404326,
   -0.02714550652792, -0.02403993585321, -0.01559789169637,-0.005762925264306,
   0.002355979867595, 0.007078038071226, 0.008206881969049, 0.006655352519891,
   0.003836735408429, 0.001078324976728,-0.0007749172356411,-0.001476623089881,
   -0.00209557154698
};

FIR滤波器实例代码如下:

复制代码
const int BL = 41;
double BBB[41] = {
   -0.00209557154698,-0.001476623089881,-0.0007749172356411, 0.001078324976728,
   0.003836735408429, 0.006655352519891, 0.008206881969049, 0.007078038071226,
   0.002355979867595,-0.005762925264306, -0.01559789169637, -0.02403993585321,
   -0.02714550652792, -0.02117231404326,-0.003786352520018,  0.02491382612837,
    0.06195502635744,   0.1018081070428,     0.13750215203,   0.1622394922755,
     0.1710869277889,   0.1622394922755,     0.13750215203,   0.1018081070428,
    0.06195502635744,  0.02491382612837,-0.003786352520018, -0.02117231404326,
   -0.02714550652792, -0.02403993585321, -0.01559789169637,-0.005762925264306,
   0.002355979867595, 0.007078038071226, 0.008206881969049, 0.006655352519891,
   0.003836735408429, 0.001078324976728,-0.0007749172356411,-0.001476623089881,
   -0.00209557154698
};

void  plot::fir_filter_realtime(float *input, float *output, double * coeffs, int input_len, int coeffs_len)
{
    int i,j;
    float sum;

    for(j = 0; j < input_len; j++)
    {
        sum = 0;
        for (i=0;i<coeffs_len; i++) {
            sum += input[i+j] *  coeffs[i];
        }
        output[j] = sum;
    }
}

void plot::dataInit(void)
{
    //创建一个测试信号
    int fs = 1000;     //采样频率
//    float t = 0:1/fs:1;  //时间向量  分辨率
    float t = 1.0 / fs;
    const float pi = 3.1415926;

    int i = 0;
    for (i = 0; i < _DATA_LENGTH; i++) {
        rawData[i] = sin(2 * pi * 50 * t * i) + sin(2 * pi * 150 * t * i) + sin(2 * pi * 250 * t * i);
        rawData2[i] = sin(2 * pi * 50 * t * i);
    }


    for (i = 0; i < _DATA_LENGTH; i += 2)
    {
            fir_filter_realtime(&rawData[i],&filterData[i], BBB, 2,41);
    }

}

效果如图所示,上下依次是

1 -> 50Hz,150Hz,250Hz原始叠加信号。

2 -> 50Hz原始信号。

3 -> 低通滤波后的信号,可见FIR滤波对相位没有影响。

相关推荐
这张生成的图像能检测吗10 分钟前
(论文速读)Nickel and Diming Your GAN:通过知识蒸馏提高GAN效率的双重方法
人工智能·生成对抗网络·计算机视觉·知识蒸馏·图像生成·模型压缩技术
亭台18 分钟前
【Matlab笔记_23】MATLAB的工具包m_map的m_image和m_pcolor区别
笔记·算法·matlab
李玮豪Jimmy19 分钟前
Day39:动态规划part12(115.不同的子序列、583.两个字符串的删除操作、72.编辑距离)
算法·动态规划
中国胖子风清扬21 分钟前
Spring AI Alibaba + Ollama 实战:基于本地 Qwen3 的 Spring Boot 大模型应用
java·人工智能·spring boot·后端·spring·spring cloud·ai
A7bert77725 分钟前
【YOLOv5seg部署RK3588】模型训练→转换RKNN→开发板部署
linux·c++·人工智能·深度学习·yolo·目标检测
不会计算机的g_c__b29 分钟前
AI Agent:从概念到实践,解析智能体的未来趋势与挑战
人工智能
serve the people42 分钟前
tensorflow 零基础吃透:RaggedTensor 的不规则形状与广播机制 2
人工智能·python·tensorflow
donkey_199343 分钟前
ShiftwiseConv: Small Convolutional Kernel with Large Kernel Effect
人工智能·深度学习·目标检测·计算机视觉·语义分割·实例分割
周名彥44 分钟前
二十四芒星非硅基华夏原生AGI模型集群·全球发布声明(S∅-Omega级·纯念主权版)
人工智能·去中心化·知识图谱·量子计算·agi
周名彥1 小时前
1Ω1[特殊字符]⊗雙朕周名彥實際物理載體|二十四芒星物理集群载体群:超級數據中心·AGI·IPO·GUI·智能體工作流
人工智能·神经网络·知识图谱·量子计算·agi