探秘！有限冲激响应（FIR）数字滤波器竟如此通俗易懂！

1. 前言

数字滤波器凭借高精度、稳定性、灵活编程等特点，在通信、音频、图像等领域得到了广泛应用。

今天，我们将探索一下数字滤波器的理论基础，运用 Python（SciPy 库）构建一个常见类型的滤波器 —— FIR 滤波器。希望借此让大家了解数字滤波器这一强大工具，开启信号处理的全新旅程。

2. 数字滤波器简介

滤波器的核心作用是对信号的频率成分进行筛选和阻挡。接下来，我们将从滤波器的频率响应、时域（冲激响应）、运算（卷积）以及硬件实现等方面展开介绍。

2.1 频率响应

滤波器对不同频率的响应可以划分为通带、过渡带和阻带，典型情况如下：

图1 滤波器频率响应，来源[1]

一些重点关注的指标有：

• 通带（Passband）：在此区域内，信号的频率成分基本无变化通过。
• 阻带（Stopband）：在此区域内，信号频率成分会遭受大幅度衰减。
• 过渡带（Transition band）：位于通带与阻带之间，信号的频率成分会有一定程度的衰减，但不会被大幅剔除。
• 纹波（Ripple）：描述滤波器在频带内增益的波动情况。纹波越小，说明滤波器的响应越稳定，也就越符合理想要求。
• 相位（Phase）：输入信号经过滤波器后会产生相位变化。在线性相位滤波器中，所有频率的信号都会经历同样的相位变化。

一般而言，纹波与过渡带之间存在着权衡关系。即纹波越小，过渡带就越大；反之，纹波越大，过渡带则越小。因此，在设计滤波器时需要折中考虑。

2.2 冲激/阶跃响应

滤波器在时域上也有表征，称为 “冲激响应”（Impulse Response）。之所以这样命名，是因为当我们将一个脉冲信号输入到滤波器时，观察到的时域输出信号就是 “冲激响应” 的样子。

此外，我们还经常会看到 “阶跃响应”（Step Response），它是指当输入为阶跃信号时，时域输出信号的形态。阶跃响应是冲激响应的累加之和，反映了滤波器从初始到稳定的变化，有点类似于设备的开关机过程。

下图展示的是图 1 所示滤波器的冲激响应与阶跃响应：

图2 冲激响应与阶跃响应，来源[1]

冲激响应分为有限和无限两种，具有有限冲激响应的是 FIR (Finite Impulse Response) 滤波器，具有无限冲激响应的是 IIR (Infinite Impulse Response) 滤波器。

本文重点关注 FIR 滤波器，其冲激响应中的每个脉冲称为 “抽头”（Tap）。例如，上图所示的是一个约 100 抽头的 FIR 滤波器。一旦确定了抽头系数，DSP 程序就可以做相应的运算了（见下文）。

2.3 卷积运算

之所以提及 “冲激响应”，是因为对信号进行滤波时，只需将冲激响应与信号进行 “卷积”（Convolution）即可。当然，也可以通过频域 “乘法” 实现滤波，从结果看，两者是等价的。只不过在实际