Python 2.7 如何用Python实现高效带通FIR滤波器的设计

我正在尝试用python制作一个DSP，我是一个初学者，就像这个网站一样 1.我用python查找系数，但是如何使用hamming窗口查找系数FIR带通，你能给我举个例子吗？ 2.如何使用汉明窗口在FIR带通中使用python实现DSP的系数（我想使用raspberry pi（第一个选项）或Arduino实现DSP）

我的英语不好，我希望你明白我在说什么，

---

感谢

有几种设计FIR滤波器的技术和方法。但如果您只想要一个简单的带通滤波器，其n_pts点以f_c Hz为中心（采样率为sr Hz），请尝试：

这是一个合理的带通滤波器，Q约为n_pts/（sr/f_c）。您可以通过增加滤波器长度n_pts来增加Q（使其成为更窄的带通滤波器）

请注意，如果您试图在低功耗硬件上实现滤波器，最好使用IIR滤波器而不是FIR（如果它们适合您的问题）。因此，类似的滤波器可以实现为

# Q = n_pts/(sr/f_c) or defined some other way
w_c = 2*pi*f_c/sr
beta = np.cos(w_c)
BW = w_c / Q
alpha = (1. - np.sin(BW))/np.cos(BW)
G = (1. - alpha)/2.
filtered_signal = scipy.signal.lfilter([G, 0, -G], [1, -beta*(1+alpha), alpha], signal)

对于一个相当窄的过滤器（n_pts=33或其他），这应该快一个数量级

---

（表达式基于的幻灯片14，这是您在DSP课程中学习的内容）。

您的链接已断开，顺便说一句-在结尾处添加一个“r”，链接中缺少“r”。谢谢你，本，谢谢你。我想在语音识别过程中实现fir数字，但我不知道如何使用它。

# Q = n_pts/(sr/f_c) or defined some other way
w_c = 2*pi*f_c/sr
beta = np.cos(w_c)
BW = w_c / Q
alpha = (1. - np.sin(BW))/np.cos(BW)
G = (1. - alpha)/2.
filtered_signal = scipy.signal.lfilter([G, 0, -G], [1, -beta*(1+alpha), alpha], signal)