信号处理 / 系统课时
用窗函数法设计低通 FIR
用窗函数法设计低通 FIR
窗函数法把无限长的理想低通冲激响应截成有限个 FIR 系数,是理解“阶数、过渡带和阻带衰减如何交换”的直接方法。本节以 48 kHz 采样、5 kHz 通带边缘和 6 kHz 阻带边缘为例,完成系数设计并用频率响应验证指标。
学习目标
- 解释理想低通、窗函数和有限长 FIR 系数之间的关系
- 根据过渡带与衰减要求选择截止频率、抽头数和窗参数
- 用程序分别验证通带纹波和阻带衰减,而不是只观察截止点
窗函数法在做什么
理想低通在频域中是矩形,因此它的冲激响应是无限长 sinc。若有限长滤波器共有 个抽头,中心位置为 ,则理想低通在 时可写成
中心点取极限得到 。窗函数法使用有限长度的 对它加权:。时间域中的“截断并加窗”会在频域产生卷积,因此窗的主瓣宽度主要影响过渡带,旁瓣高度主要影响阻带泄漏。

先决定截止频率和抽头数
本例要求 0~5 kHz 保持通带、6 kHz 起进入阻带。窗函数设计的截止频率可先放在过渡带中点,即 5.5 kHz,让两侧都留出约 500 Hz 的过渡余量。为了把阻带压到 60 dB 以下,可以使用 Kaiser 窗;增大参数 会降低旁瓣,但在抽头数固定时也会加宽主瓣,因此通常要和抽头数一起调整。
这里选用 255 个抽头、。奇数抽头形成 Type I 线性相位 FIR,群时延为
这个延迟是线性相位 FIR 的实际成本之一。增加抽头数通常能缩窄过渡带,但每个输出样本需要更多乘加运算,延迟也随之增加。
设计并验证频率响应
示例依赖 NumPy 和 SciPy。firwin 生成低通系数,freqz 在高密度频率网格上计算响应;验证时分别截取 0~5 kHz 和 6 kHz 以上的频点,避免只看 5.5 kHz 截止点就下结论。
import numpy as np
from scipy.signal import firwin, freqz
fs_hz = 48_000.0
f_pass_hz = 5_000.0
f_stop_hz = 6_000.0
numtaps = 255
beta = 8.0
cutoff_hz = (f_pass_hz + f_stop_hz) / 2
# scale=True 把直流增益归一化到 1,便于直接测量通带纹波。
taps = firwin(
numtaps,
cutoff=cutoff_hz,
window=("kaiser", beta),
fs=fs_hz,
scale=True,
)
freq_hz, response = freqz(taps, worN=131_072, fs=fs_hz)
gain_db = 20 * np.log10(np.maximum(np.abs(response), 1e-12))
passband = gain_db[freq_hz <= f_pass_hz]
stopband = gain_db[freq_hz >= f_stop_hz]
passband_ripple_db = float(passband.max() - passband.min())
stopband_attenuation_db = float(-stopband.max())
print(f"numtaps={len(taps)}")
print(f"passband_ok={passband_ripple_db <= 0.5}")
print(f"stopband_ok={stopband_attenuation_db >= 60.0}")预期输出
numtaps=255
passband_ok=True
stopband_ok=True这两个布尔值分别对应 dB 和 dB。实际测得的纹波与衰减会随频率网格密度产生很小的数值差异,所以验收应比较阈值,而不是把某个小数末位当成固定常量。
从失败方式判断该调什么
| 现象 | 优先调整 | 原因 |
|---|---|---|
| 阻带泄漏过大,但过渡带尚有余量 | 增大 或换更低旁瓣窗 | 主要目标是压低旁瓣 |
| 到 6 kHz 仍未进入足够深的阻带 | 增加抽头数 | 需要更窄的主瓣和过渡带 |
| 指标通过但计算量或延迟过高 | 放宽过渡带或减少抽头数 | 直接降低 FIR 长度成本 |
把设计结果带到实现阶段
窗函数法的核心不是记住某个固定阶数,而是形成闭环:先由规格确定过渡带和衰减目标,再选窗与抽头数,最后把生成的系数放回原始指标中验证。对于本例,255 抽头 Kaiser 低通已经同时通过通带与阻带约束;若采样率、边缘频率或衰减目标变化,应重新设计和验证,而不是直接复用这组系数。