在filter（）中使用来自lowpass（）的Matlab digitalfilter对象

我需要多次执行低通滤波操作（每次的截止频率和采样频率相同）

似乎

lowpass（）

是一个缓慢的操作，如果我重用创建的过滤器对象，我可以加快它的速度。

lowpass（）

的帮助说明：

[Y，D]=低通（…）返回用于滤波信号的数字滤波器D。[…]调用筛选器（D，X）以筛选数据

然而，当我尝试以这种方式使用filter对象时，我得到的结果与

lowpass（）

返回的结果不同。我希望在本例中，

lp1

和

lp2

是相同的：

% Test input data
x = rand([200,1]);
% Lowpass filter, and save the filter object to df:
[lp1, df] = lowpass(x,50,1000);
% Reuse the filter object:
lp2 = filter(df, x);

% Plot to show that they are clearly different results
figure;plot(lp1);hold on;plot(lp2);

---

我也尝试过使用

filtfilt（）

，但这并没有产生相同的结果。

如果您希望在这个特定场景中获得与低通相同的输出，并且如果时间不在您这边，请快速使用filter对象df:lp3=conv（x，df.coverties，'same'）

说明：您使用lowpass.m设计的滤波器是一个有限脉冲响应滤波器（FIR），它可以移相。再看看代码片段生成的图中的两条曲线，您会发现filter.m生成的曲线本质上是lowpass.m生成的版本的右移版本。你可以试着纠正一下，看。然而，令人惊讶的是，lowpass.m自动纠正了延迟，而粗略阅读文档并没有发现这一点

Filt.m执行两次过滤，一次在正向，然后在反向，另外“…最小化启动和结束瞬态…”。由于这种往复过滤基本上消除了延迟，但也更难过滤，因此根据定义，结果将不同于低通.m和filter.m

从长远来看，最好是投入一些时间从下到上设计滤波器（Matlab文档在这方面非常优秀），而不是使用相对较新的方便的包装函数，如lowpass，它似乎在后台做一些不需要的事情

% Test input data
x = rand([200,1]);
t = 1:200;
% Lowpass filter, and save the filter object to df:
[lp1, df] = lowpass(x,50,1000);
% Reuse the filter object:
lp2 = filter(df, x);
% Convolution of time series with filter coefficients
lp3 = conv(x, df.Coefficients, 'same');

% Plot 
figure(1), clf;
subplot(2,1,1)
% Plot lp3 with a tiny offset so we can discern it from lp1
plot(t, lp1, t, lp2, t, lp3+0.01)
legend('lowpass.m','filter.m','convolution')

% Use filtfilt to obtain zero-lag, doubly filtered version (for comparison)
lp4 = filtfilt(df, x);
subplot(2,1,2)
plot(t, lp1, t, lp4)
legend('lowpass.m','filtfilt.m')