我应该使用scipy.signal.firwin进行放大吗？

Scipy的firwin2函数接受大于1.0的增益值，这将导致相应频率的放大。我已经测试过了，它看起来像预期的那样工作。然而，我在网上找到的所有示例都只使用了介于0.0和1.0之间的增益值。这让我怀疑：用firwin2函数制作和放大滤波器是不是一个坏主意？

不接受增益因子，只接受numtaps和

firwin(numtaps, cutoff, width=None, window='hamming', pass_zero=True,
           scale=True, nyq=None, fs=None)

要么我没有正确理解你的问题，要么你把

切断

和增益混淆了。 截止值表示已关闭

如果要应用增益，请将返回的滤波器乘以增益

from scipy import signal
numtaps = 3
f = 0.1
gain = 5;
h = gain * signal.firwin(numtaps, f)

您可以按如下方式绘制过滤器的响应

import numpy as np;
import matplotlib.pyplot as plt;

h1 = signal.firwin(256, 0.1)
h2 = signal.firwin(256, 0.3)

plt.plot(np.fft.rfftfreq(len(h1)), abs(np.fft.rfft(h1)))
plt.plot(np.fft.rfftfreq(len(h2)), abs(np.fft.rfft(h2)))
plt.xlabel('F / Fs')
plt.ylabel('Filter gain')

编辑：关于firwin2的问题

函数（freq，gain）返回一个滤波器，该滤波器由频域内的插值和窗口（标量乘法）构成。此操作在增益阵列上是线性的。i、 e.

firwin2（频率，A*增益）=A*firwin2（频率，增益）

。因此存在类似于

增益<1

的限制

您可以通过以下方式确认这一点：

来自scipy导入信号的

将numpy作为np导入
taps1=信号firwin2（150，[0.0,0.5,1.0]，[1.0,1.0,0.0]）*2
taps2=信号firwin2（150，[0.0,0.5,1.0]，[2.0,2.0,0.0]）
断言（np.allclose（taps1，taps2））

不接受增益因子，仅接受numtaps和

firwin(numtaps, cutoff, width=None, window='hamming', pass_zero=True,
           scale=True, nyq=None, fs=None)

要么我没有正确理解你的问题，要么你把

切断

和增益混淆了。 截止值表示已关闭

如果要应用增益，请将返回的滤波器乘以增益

from scipy import signal
numtaps = 3
f = 0.1
gain = 5;
h = gain * signal.firwin(numtaps, f)

您可以按如下方式绘制过滤器的响应

import numpy as np;
import matplotlib.pyplot as plt;

h1 = signal.firwin(256, 0.1)
h2 = signal.firwin(256, 0.3)

plt.plot(np.fft.rfftfreq(len(h1)), abs(np.fft.rfft(h1)))
plt.plot(np.fft.rfftfreq(len(h2)), abs(np.fft.rfft(h2)))
plt.xlabel('F / Fs')
plt.ylabel('Filter gain')

编辑：关于firwin2的问题

函数（freq，gain）返回一个滤波器，该滤波器由频域内的插值和窗口（标量乘法）构成。此操作在增益阵列上是线性的。i、 e.

firwin2（频率，A*增益）=A*firwin2（频率，增益）

。因此存在类似于

增益<1

的限制

您可以通过以下方式确认这一点：

来自scipy导入信号的

将numpy作为np导入
taps1=信号firwin2（150，[0.0,0.5,1.0]，[1.0,1.0,0.0]）*2
taps2=信号firwin2（150，[0.0,0.5,1.0]，[2.0,2.0,0.0]）
断言（np.allclose（taps1，taps2））

这绝对不是个坏主意！与其他基于窗口的设计一样，您需要确保NUMTAP（也称为过滤器的顺序）足以表示所需的频率响应

您看到的增益=[0,1]的伪标准是因为，在大多数情况下，相对于不使用放大，过单位放大并不能提高信噪比（相反，放大可能会引入削波）。要提高信噪比和信噪比，您需要消除噪声或干扰。如果噪声和干扰的频率与您想要的信号不同，您可以通过过滤来衰减它们。在这种情况下，信号的频率将保持1.0的增益，而不需要的部分将保持0.0的增益

然而，有时你会想放大一些频率，而不去理会其他频率或是衰减它们。音频均衡器就是一个例子。假设你有一个基于计算机的音频均衡器。用户将看到一系列不同频率的滑块，并根据需要上下调整。你的车里可能有一个这样的。您可以通过简单地传入频率向量和相应的增益向量，轻松地使用firwin2创建相应的FIR系数。如果用户将低音调高，同时将所有其他频率保持在0 dB（即单位增益），则在您设计的低音频率下增益为1.0，在所有其他频率下增益为1.0

---

下面是一个使用增益实现音频均衡器的示例。我找到了以下图片：

为了使用firwin2实现这一点，我可以使用以下脚本：

来自scipy导入信号的

将numpy作为np导入
导入matplotlib.pyplot作为plt；
Fs=44100
订单=4096+1
频率=[0,32,64,125,250,500,1000,2000,4000,8000,16000，Fs/2]
增益_dB=[4.0,4.0,2.3,1.0,0.3，-0.3，-1.2,0.1,1.6,3.1,3.3,3.3]
增益=10.*（np.asarray（增益/10.）
h=信号。firwin2（阶数、频率、增益，fs=fs）
plt.semilogx（np.fft.rfftfreq（len（h））*Fs，10*np.log10（abs（np.fft.rfft（h）））
plt.title（“均衡器示例”）
plt.xlabel（'频率，Hz'）
plt.ylabel（'滤波器幅度响应，dB'）
plt.grid（True，其中='tware'）
plt.show（）

请注意：

• 通常在半对数图上绘制过滤器，因为每个倍频程都会发生衰减
• 您通常以分贝为单位绘制增益图

• firwin2

  接受线性单位的增益，而不是分贝，因此需要进行转换

• firwin2

  要求频率表示为0和Fs/2，因此我将它们添加到中，并使它们与它们的邻居相等

---

这绝对不是个坏主意！与其他基于窗口的设计一样，您需要确保NUMTAP（也称为过滤器的顺序）足以表示所需的频率响应

您看到的增益=[0,1]的伪标准是因为，在大多数情况下，相对于不使用放大，过单位放大并不能提高信噪比（相反，放大可能会引入削波）。要提高信噪比和信噪比，您需要消除噪声或干扰。如果噪声和干扰的频率与您想要的信号不同，您可以通过过滤来衰减它们。在这种情况下，信号的频率将保持1.0的增益，而不需要的部分将保持0.0的增益

然而，有时你会想放大一些频率，而不去理会其他频率或衰减其他频率