FIR 滤波器设计模拟器 — 窗函数法

理想"砖墙"低通 $H_d(f) = 1$ (|f|≤f_c), $0$ (其它) 经逆 DTFT 得到无穷长的 sinc 函数。

截断到 $0 \le n \le M$, 再乘以窗 $w[n]$, 即得 FIR 系数 $h[n] = h_d[n]\,w[n]$。Hamming 窗为

过渡带宽 $\Delta f \approx A\,f_s/M$, 其中 $A$ 由窗决定 (Hamming 时 $A \approx 3.3$)。系数对称 $h[n] = h[M-n]$ 保证严格线性相位, 群延迟为常数 $\tau_d = M/(2 f_s)$。

数字音频: 扬声器线性相位 FIR 分频器、DAC 过采样链中的镜频抑制滤波器, 能在不破坏瞬态与声场的前提下保留全频段细节。

无线脉冲整形: RRC 根升余弦 FIR 滤波器在发射端与接收端配对, 抑制 ISI 并作为匹配滤波器使用, 是 PSK / QAM 通信链的核心环节。

传感与生物医学: 心电、脑电、惯性测量等场景, 在抗混叠后用 FIR 低通提取低频, 同时不破坏峰形, 这对诊断与特征提取尤为重要。

图像处理: 高斯模糊、锐化与方向边缘检测都是二维 FIR。可分离核能将二维 FIR 拆为两次一维 FIR, 大幅降低计算量。

误区 1: 选个好窗就能满足任意指标。 窗函数法的阻带衰减几乎由窗决定 (Hamming 约 -53 dB), 无法独立设定。严格指标应使用等纹波设计 (Parks-McClellan / Remez)。

误区 2: 抽头数翻倍, 陡峭度也翻倍。 Δf 按 1/M 缩窄, 但群延迟 τ_d = M/(2·f_s) 与 M 成正比增长。延迟受限时应用 Parks-McClellan 或改用 IIR 来最小化 M。

误区 3: FIR 总比 IIR 更慢。 同样规格下系数确实更多, 但对称结构可减半乘法, 长滤波器还可用 FFT 卷积达到 O(N log N)。SIMD 与 GPU 都更适合 FIR。