一维序列数据处理:FIR高通滤波器设计

本文详细介绍了加窗法设计FIR滤波器的原因和原理,通过DFT和正交性知识解释了频率泄露问题,并通过实例展示了加窗如何改善频率泄露。接着,文章应用加窗法设计了FIR高通滤波器,用于滤除带噪声信号中的低频成分,保留高频信号。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. 加窗法设计滤波器

为什么要加窗设计滤波器?因为为了降低DFT的频率泄露。那什么是DFT频率泄露以及为什么加窗设计就可以降低DFT的频率泄露?解释这个之前,我们先介绍一下DFT(离散傅里叶变换)和三角函数的正交性知识,再介绍加窗设计的原因。

首先是DFT:
X ( m ) = ∑ n = 0 N − 1 x ( n ) e − j 2 π n m / N = ∑ n = 0 N − 1 x ( n ) [ c o s ( 2 π n m / N ) − j ( s i n ( 2 π n m / N ) ] X(m)=\sum_{n=0}^{N-1}x(n)e^{-j2\pi nm/N}=\sum_{n=0}^{N-1}x(n)[cos(2\pi nm/N)-j(sin(2\pi nm/N)] X(m)=n=0N1x(n)ej2πnm/N=n=0N1x(n)[cos(2πnm/N)j(sin(2πnm/N)]
X ( m ) X(m) X(m)是第m个频率分量的幅值, x ( n ) x(n) x(n)是从连续变量 x ( t ) x(t) x(t)中取样得到的一个离散时间序列的第n个值。
需要注意的是,这里的N是指对时域信号有。N是固定大小,常见的都是2的整数倍。如果N个离散采样点没有采样到完整的周期数时,那么输入的残缺部分的能量就会泄露到其他频率分量上。

下面是三角函数的正交性知识点,可以解释为什么周期不完整会造成频率泄露?(正交即内积运算值为零)
对于三角函数集 { 1 , c o s ( n Ω t ) , s i n ( m Ω t ) } \{1, cos(n\Omega t), sin(m\Omega t) \}

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值