[python] 使用python设计滤波器

使用python设计滤波器

文章目录

习惯了python后,matlab逐渐成为了牛夫人,尤其是漂亮国对龙国制裁后,我作为有骨气其的码农,虽然有和谐版的matlab可用,但是终究是放不下码农的尊严,不到万不得一,已经很少用matlab了。绝大部分仿真工作,都已经移步到python,但最近要进行滤波器设计,为了不使用matlab的fdatool,便尝试着用python设计滤波器。

闲话少说,代码说话:


完整滤波器设计代码(未经完整验证,博主还在不断完善中)

python 复制代码
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
from matplotlib.ticker import EngFormatter

# 设计参数
fs = 10000       # 采样率 10kHz
nyq = fs / 2     # 奈奎斯特频率
passband = 1500  # 通带截止频率 (Hz)
stopband = 2000  # 阻带截止频率 (Hz)
pass_ripple = 1  # 通带波动 (dB)
stop_atten = 40  # 阻带衰减 (dB)

# 计算归一化频率
wp = passband / nyq
ws = stopband / nyq

def design_iir_filter():
    """设计椭圆IIR滤波器"""
    # 计算最小阶数和自然频率
    order, wn = signal.ellipord(wp, ws, pass_ripple, stop_atten)
    # 设计椭圆滤波器
    b, a = signal.ellip(order, pass_ripple, stop_atten, wn, btype='low', analog=False)
    return b, a, order

def design_fir_filter():
    """设计FIR滤波器(凯塞窗方法)"""
    # 计算过渡带宽度
    width = abs(stopband - passband) / nyq
    # 估算凯塞窗参数
    A = stop_atten
    beta = 0.1102*(A - 8.7) if A > 50 else 0.5842*(A - 21)**0.4 + 0.07886*(A - 21)
    # 计算所需阶数
    numtaps = int((A - 8) / (2.285 * 2 * np.pi * width)) + 1
    # 设计FIR滤波器
    taps = signal.firwin(numtaps, wn=passband/nyq, window=('kaiser', beta), pass_zero='lowpass')
    return taps, numtaps

def analyze_filter(b, a=None):
    """分析滤波器性能"""
    fig, (ax_mag, ax_phase, ax_grp, ax_zp) = plt.subplots(4, 1, figsize=(10, 12))
    
    # 幅频响应
    w, h = signal.freqz(b, a, worN=8000, fs=fs)
    ax_mag.plot(w, 20 * np.log10(np.abs(h)), color='blue')
    ax_mag.set_title('幅频响应')
    ax_mag.set_ylabel('幅度 (dB)')
    ax_mag.grid(True, which='both', linestyle='--')
    ax_mag.axvline(passband, color='g', linestyle='--', alpha=0.7)
    ax_mag.axvline(stopband, color='r', linestyle='--', alpha=0.7)
    ax_mag.set_ylim([-stop_atten-20, 5])
    
    # 相频响应
    angles = np.unwrap(np.angle(h))
    ax_phase.plot(w, angles, color='green')
    ax_phase.set_title('相频响应')
    ax_phase.set_ylabel('相位 (弧度)')
    ax_phase.grid(True)
    
    # 群延迟
    grp_delay = -np.diff(angles) / np.diff(w)
    ax_grp.plot(w[:-1], grp_delay, color='red')
    ax_grp.set_title('群延迟')
    ax_grp.set_ylabel('采样点数')
    ax_grp.grid(True)
    
    # 零极点图
    if a is not None:  # IIR滤波器
        z, p, k = signal.tf2zpk(b, a)
        ax_zp.scatter(np.real(z), np.imag(z), marker='o', facecolors='none', edgecolors='b', s=80)
    else:  # FIR滤波器
        z = np.roots(b)
        p = np.zeros(len(z))
        ax_zp.scatter(np.real(z), np.imag(z), marker='o', facecolors='none', edgecolors='b', s=80)
    ax_zp.scatter(np.real(p), np.imag(p), marker='x', color='r', s=80)
    unit_circle = plt.Circle((0,0), radius=1, fill=False, color='gray', linestyle='--')
    ax_zp.add_patch(unit_circle)
    ax_zp.set_title('零极点图')
    ax_zp.set_xlabel('实部')
    ax_zp.set_ylabel('虚部')
    ax_zp.grid(True)
    ax_zp.axis('equal')
    ax_zp.axhline(0, color='black', linewidth=0.5)
    ax_zp.axvline(0, color='black', linewidth=0.5)
    
    plt.tight_layout()
    return fig

# 主程序
if __name__ == "__main__":
    # 设计IIR滤波器
    b_iir, a_iir, iir_order = design_iir_filter()
    print(f"IIR滤波器阶数: {iir_order}")
    
    # 设计FIR滤波器
    fir_taps, fir_order = design_fir_filter()
    print(f"FIR滤波器阶数: {fir_order}")
    
    # 分析IIR滤波器
    fig_iir = analyze_filter(b_iir, a_iir)
    fig_iir.suptitle('椭圆IIR滤波器分析', fontsize=16)
    
    # 分析FIR滤波器
    fig_fir = analyze_filter(fir_taps)
    fig_fir.suptitle('FIR滤波器分析', fontsize=16)
    
    # 应用滤波器示例
    t = np.linspace(0, 1, fs)  # 1秒时长
    sig = np.sin(2*np.pi*1000*t) + 0.5*np.sin(2*np.pi*3000*t)
    
    # IIR滤波
    filtered_iir = signal.lfilter(b_iir, a_iir, sig)
    
    # FIR滤波
    filtered_fir = signal.lfilter(fir_taps, 1.0, sig)
    
    # 绘制结果
    plt.figure(figsize=(10, 6))
    plt.plot(t[:500], sig[:500], 'b-', label='原始信号')
    plt.plot(t[:500], filtered_iir[:500], 'r-', label='IIR滤波后')
    plt.plot(t[:500], filtered_fir[:500], 'g-', label='FIR滤波后')
    plt.title('时域滤波效果对比 (前500点)')
    plt.xlabel('时间 (秒)')
    plt.ylabel('幅度')
    plt.legend()
    plt.grid(True)
    plt.tight_layout()
    plt.show()

关键原理与代码对应说明

1. 滤波器类型选择

  • IIR滤波器:椭圆滤波器(Elliptic)提供最陡峭过渡带

    python 复制代码
    order, wn = signal.ellipord(wp, ws, pass_ripple, stop_atten)
    b, a = signal.ellip(order, pass_ripple, stop_atten, wn, btype='low')
    • ellipord计算最小阶数和自然频率
    • 椭圆滤波器在通带/阻带均有等波纹特性
  • FIR滤波器:凯塞窗(Kaiser)提供参数化控制

    python 复制代码
    beta = 0.1102*(A - 8.7)  # 窗形参数计算
    taps = signal.firwin(numtaps, cutoff, window=('kaiser', beta))
    • 凯塞窗通过beta控制主瓣宽度和旁瓣衰减平衡

2. 阶数估算原理

  • IIR阶数估算
    N = K ( ω s ) K ( 1 − ω p 2 ) K ( ω p ) K ( 1 − ω s 2 ) N = \frac{K(\omega_s)K(\sqrt{1-\omega_p^2})}{K(\omega_p)K(\sqrt{1-\omega_s^2})} N=K(ωp)K(1−ωs2 )K(ωs)K(1−ωp2 )

    其中K为第一类完全椭圆积分

  • FIR阶数估算
    N ≈ A − 8 2.285 ⋅ Δ ω N \approx \frac{A - 8}{2.285 \cdot \Delta\omega} N≈2.285⋅ΔωA−8
    Δ ω \Delta\omega Δω为过渡带宽度,A为阻带衰减(dB)

3. 性能分析技术

  • 幅频响应signal.freqz计算复数频率响应

    python 复制代码
    w, h = signal.freqz(b, a, worN=8000, fs=fs)
    20*np.log10(np.abs(h))  # 转换为dB
  • 相位特性

    python 复制代码
    angles = np.unwrap(np.angle(h))  # 解卷绕相位
  • 群延迟:相位导数计算

    python 复制代码
    -np.diff(angles)/np.diff(w)  # 群延迟 = -dφ/dω
  • 稳定性分析

    • IIR:极点是否在单位圆内
    • FIR:恒稳定(全零点系统)

4. 设计参数调整指南

  1. 过渡带陡度

    • IIR:增加阶数
    • FIR:增加窗长度
  2. 阻带衰减

    • IIR:增加stop_atten参数
    • FIR:增大凯塞窗的beta
  3. 计算效率

    • IIR:阶数低但非线性相位
    • FIR:高阶但线性相位

此方案应该能替代MATLAB FDATool的核心功能,提供从设计到分析的完整工作流。可根据具体应用调整滤波器类型(低通/高通/带通)和设计参数。但是比起FDATool的可视化设计,还是有明显的不足,需要不断完善。


研究学习不易,点赞易。
工作生活不易,收藏易,点收藏不迷茫 :)


相关推荐
为了更好的明天而战17 分钟前
Java 中的 ArrayList 和 LinkedList 区别详解(源码级理解)
java·开发语言
烛阴31 分钟前
一文搞懂 Python 闭包:让你的代码瞬间“高级”起来!
前端·python
JosieBook41 分钟前
【Java编程动手学】Java中的数组与集合
java·开发语言·python
qq_5895681044 分钟前
element-plus按需自动导入的配置 以及icon图标不显示的问题解决
开发语言·javascript·ecmascript
菜菜why1 小时前
MSPM0G3507学习笔记(一) 重置版:适配逐飞库的ti板环境配置
笔记·学习·电赛·嵌入式软件·mspm0
夜阑卧听风吹雨,铁马冰河入梦来1 小时前
Spring AI 阿里巴巴学习
人工智能·学习·spring
lsx2024061 小时前
SQLite Select 语句详解
开发语言
Dovis(誓平步青云)1 小时前
基于探索C++特殊容器类型:容器适配器+底层实现原理
开发语言·c++·queue·适配器·stack
R-sz1 小时前
java流式计算 获取全量树形数据,非懒加载树,递归找儿
java·开发语言·windows
随意0232 小时前
Qt 事件
开发语言·qt