Python/Scipy是否有firls（）替换（即加权、最小二乘、FIR滤波器设计）？

我正在将代码从Matlab移植到Python，但很难找到firls（）例程的替代品。它用于最小二乘线性相位有限脉冲响应（FIR）滤波器设计

我看了看scipy.signal，那里没有任何东西能起作用。当然，我可以替换我的remez和freqz算法，所以这很好

在一个博客上，我发现了一个算法，它实现了这个过滤器而不需要加权，但我需要一个加权算法

---

谢谢，David，您似乎不太可能找到用Python编写的确切的搜索内容，但也许Matlab函数的帮助页面给出或引用了算法的描述？

这包含了详细说明如何使用

scipy.signal

实现FIR滤波器的代码

显然，这篇文章有些过时，但对一些人来说可能仍然很有趣：

我认为Python中的FIRL有两个近似等价物：

• 您可以使用window='boxcar'尝试firwin功能。这类似于Matlab，其中带有boxcar车窗的fir1与FIRL提供相同（？或至少非常相似的结果）
• 您还可以再次使用window='boxcar'尝试firwin2方法（频率采样方法，类似于Matlab中的fir2）

我确实尝试了一个例子，并取得了几乎相同的结果：

Matlab：

F = [0 0.3  0.4 0.6  0.7 0.9];
A = [0  1   0  0  0.5 0.5];
b = firls(24,F,A,'hilbert');

Python:

F = [0, 0.3,  0.4, 0.6,  0.7, 0.9, 1]
A = [0,  1,   0,  0,  0.5, 0.5, 0]
bb = sig.firwin2( 25, F,A, window='boxcar', antisymmetric=True )

---

我必须将顺序增加到N=25，还必须添加Python坚持的另一个数据点（F=1，A=0）；选项antisymetric=True仅在这种特殊情况下才是必需的（希尔伯特滤波器）

这篇文章是对

您可以使用window='boxcar'尝试firwin函数

不要使用boxcar，这意味着根本没有窗口（这是理想的，但只有在无限多个乘法器的情况下才能“理想地”工作——时间上为sinc）。使用窗口的全部好处是减少获得良好阻带衰减所需的乘法器数量。看

比较过滤器时，请使用dB/log刻度

Scipy没有firls（FIR最小二乘滤波器）功能是一个很大的限制（因为它在许多情况下生成最佳滤波器）

雷米兹有它的位置，但当你试图获得最好的结果（而不仅仅是满足一些经理的要求）时，平滚是一个真正的杀手。（）

如果您正在使用python（或需要使用某些窗口），我建议使用kasiar窗口，它可以获得非常好的结果，并且可以根据衰减与转换与乘法器的要求轻松调整（）。它的性能不如firls好，但它的优点是快速且易于计算（如果不存储系数，那就太好了）。

我在中找到了一个firls（）实现

为使其正常工作而进行的小改动：

交换以下两行：

波段，所需，权重=阵列（波段），阵列（所需），阵列（权重）
如果重量=无：重量=一（长度（带）/2）

从numpy而不是scipy.signal导入根

---

python中的firls等价物现在似乎是作为信号包的一部分实现的：

---

此外，我同意@pev hall在上文中所述的一切，尤其是firls在许多情况下是如何最佳的（例如，当针对给定数量的抽头优化整体信噪比时），并且如他所述，不使用boxcar车窗，它们根本不等效！在设计传统FIR滤波器时，firls通常优于所有窗口和频率采样方法进行滤波器设计。

自2016年7月以来，scipy包括firls的实现，正如。

好吧，这是一篇有趣的博客文章，但并不完全是我想要的。我看到了firwin（）函数，但它没有能力以核磁共振成像所需的方式表达频率响应。。。我不希望重新发明轮子，但看起来我更有可能需要这样做。谢谢，请查看更多回复，尤其是@Pev Hall。这些不是数字滤波器实现的最佳实践，性能相对较差（如建议的，应在对数范围内进行比较）。