FIR 带通滤波器参数设计流程

假设有一段10kHz的语言,现需要对2~3kHz之间的语言信号进行提取,要求1.5kHz及3.5kHz以上的频率需要有40dB的衰减

1、求数字频率指标

通带下边频:
w p l = 2 ∗ π ∗ f p l / f s = 0.4 π w_{pl}=2*\pi *f_{pl}/f_s=0.4\pi wpl​=2∗π∗fpl​/fs​=0.4π
通带上边频:
w p h = 2 ∗ π ∗ f p h / f s = 0.6 π w_{ph}=2*\pi *f_{ph}/f_s=0.6\pi wph​=2∗π∗fph​/fs​=0.6π
下阻带上变频:
w s l = 2 ∗ π ∗ f s l / f s = 0.3 π w_{sl}=2*\pi *f_{sl}/f_s=0.3\pi wsl​=2∗π∗fsl​/fs​=0.3π
上阻带下变频:
w s h = 2 ∗ π ∗ f s h / f s = 0.7 π w_{sh}=2*\pi *f_{sh}/f_s=0.7\pi wsh​=2∗π∗fsh​/fs​=0.7π

2、选取窗函数

FIR 带通滤波器参数设计流程

根据阻带衰减查表,可选汉宁窗,过度带宽 Δ w = w p l − w s l = 0.1 π \Delta_w=w_{pl}-w_{sl}=0.1\pi Δw​=wpl​−wsl​=0.1π
由汉宁窗过度带宽确定阶数N
N = 6.2 π / Δ w = 62 N=6.2\pi/\Delta_w=62 N=6.2π/Δw​=62
取N为奇数N=63
a = ( N − 1 ) / 2 a = (N-1)/2 a=(N−1)/2
因此窗函数:
w ( n ) = 1 2 [ 1 − c o s ( 2 π n a ) ] w(n)=\frac{1}{2}[1-cos(\frac{2\pi n}{a})] w(n)=21​[1−cos(a2πn​)]

3、求理想带通滤波器的单位脉冲响应

理想带通滤波器的截止频率:
w c l = ( w p l + w s l ) / 2 w_{cl}=(w_{pl}+w_{sl})/2 wcl​=(wpl​+wsl​)/2
w c h = ( w p h + w s h ) / 2 w_{ch}=(w_{ph}+w_{sh})/2 wch​=(wph​+wsh​)/2
理想带通滤波器的单位脉冲响应:

h d ( n ) = s i n [ w c h ∗ ( n − a ) ] − s i n [ w c l ∗ ( n − a ) ] π ∗ ( n − a ) h_d(n)=\frac{sin[w_{ch}*(n-a)]-sin[w_{cl}*(n-a)]}{\pi*(n-a)} hd​(n)=π∗(n−a)sin[wch​∗(n−a)]−sin[wcl​∗(n−a)]​

4、求FIR滤波参数

h ( n ) = h d ( n ) w ( n ) h(n)=h_d(n)w(n) h(n)=hd​(n)w(n)

5、算法仿真

import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
from scipy.fftpack import fft,ifft
#采样为10Khz
#1.5khz以下及3.5khz以上至少40db的衰减

f_pl = 2000

f_sl = 1500
f_sh = 3500
f_ph = 3000
f_s  = 10000
#通带下边频
W_pl = 2*np.pi*f_pl/f_s

W_ph = 2*np.pi*f_ph/f_s

W_sl = 2*np.pi*f_sl/f_s
W_sh = 2*np.pi*f_sh/f_s

W_D = W_pl - W_sl

N = 6.2*np.pi/(W_D)
if N%2==0:
    N=N+1
print(N)
a = (N-1)/2
n=np.linspace(0,a-1,a)

R_n =  1
#汉宁窗口函数
w_n = 0.5*(1-np.cos(2*np.pi*n/(N-1)))

W_cl = (W_pl+W_sl)/2
W_ch = (W_ph+W_sh)/2
h_d  = (np.sin(W_ch*(n-a))-np.sin(W_cl*(n-a)))/(np.pi*(n-a))
#h_d = (np.sin(0.65*(n-31)*np.pi)-np.sin(0.35*(n-31)*np.pi))/(np.pi*(n-31))
h_c = h_d*w_n

numtaps=63
array = [0]*63
for i in range(31):
    array[i] = h_d[i]
    array[60-i] = -h_d[i]
plt.figure(1)

#plt.plot(h_d,'b')
plt.title('滤波系数')  # 定义标题
plt.plot(array,'g')
#plt.plot(n,h_c,'r')
plt.show()

x=np.linspace(0,1,f_s)
signal_array = np.sin(2*np.pi*2000*x)
for i in range(10):
    if 1000*i != 2000:
        signal_array+=np.sin(2*np.pi*1000*x*i)#+np.sin(2*np.pi*175*x)+np.sin(2*np.pi*350*x)+np.sin(2*np.pi*500*x)
plt.figure(2)        
Weight = array
FIR_filter=filter(32,Weight)
output = FIR_filter.FIR_Filter(signal_array)   
y=  signal_array
xf = np.arange(len(y)) 
yy=fft(y)                     #快速傅里叶变换
yf=abs(fft(y))                # 取模
yf1=abs(fft(y))/((len(x)/2))           #归一化处理
yf2 = yf1[range(int(len(x)/2))]  #由于对称性,只取一半区间
plt.subplot(221)
plt.title('原始信号')  # 定义标题
plt.plot(xf,signal_array,'r') #显示原始信号的FFT模值

plt.subplot(222)
plt.title('原始信号FFT')  # 定义标题
plt.plot(xf,yf1,'r') #显示原始信号的FFT模值

yy_1=fft(output)                     #快速傅里叶变换
yf_1=abs(fft(output))                # 取模
yf1_1=abs(fft(output))/((len(x)/2))           #归一化处理
yf2_1 = yf1_1[range(int(len(x)/2))]  #由于对称性,只取一半区间
plt.subplot(223)
plt.title('滤波后的信号')  # 定义标题
plt.plot(xf,output,'r') 
plt.subplot(224)
plt.title('滤波后的信号FFT')  # 定义标题
plt.plot(xf,yf1_1,'r') #显示原始信号的FFT模值

6、算法结果

FIR 带通滤波器参数设计流程

FIR 带通滤波器参数设计流程

上一篇:车载雷达板卡学习资料第520篇:基于ZU15EG和四路AWR1243的车载雷达板卡


下一篇:ZYNQ的AXI协议(一)——简介