4. 频域滤波基础：傅里叶变换入门、低通/高通/带通滤波器设计、IIR与FIR滤波器对比、截止频率选择
各位同学，欢迎来到滤波技术的核心章节。说实话，很多做信号处理的朋友，一听到「频域」两个字就头大。我当年刚入行时也一样，觉得时域挺好理解的，干嘛非要折腾到频域去？
但后来我在一个风速传感器项目里栽了跟头——时域里怎么滤都滤不干净的噪声，换到频域一看，问题清清楚楚。嗯，从那以后，我再也不敢小看傅里叶变换了。
4.1 傅里叶变换：从时域到频域的「翻译官」
傅里叶变换的核心思想，说白了就是一句话：任何信号都可以分解成不同频率的正弦波之和。
你想想看，我们平时采集到的风向标信号，是一个随时间变化的电压值。这个信号里，既有真正的风向变化（低频成分），也有传感器振动、电磁干扰（高频成分）。在时域里，它们混在一起，你根本分不清谁是谁。
傅里叶变换就是一把「筛子」，把信号按频率拆开。公式长这样：
X(f) = ∫ x(t) · e^(-j2πft) dt别被公式吓到。在实际工程里，我们用的是离散傅里叶变换（DFT），以及它的快速算法FFT。Python里实现起来就几行代码：
import numpy as np
import matplotlib.pyplot as plt
# 生成一个示例信号：10Hz + 50Hz 混合
fs = 1000 # 采样率 1000Hz
t = np.arange(0, 1, 1/fs)
x = np.sin(2*np.pi*10*t) + 0.5*np.sin(2*np.pi*50*t)
# 做FFT
X = np.fft.fft(x)
freqs = np.fft.fftfreq(len(x), 1/fs)
# 只取正频率部分
plt.plot(freqs[:len(freqs)//2], np.abs(X[:len(X)//2]))
plt.xlabel('频率 (Hz)')
plt.ylabel('幅度')
plt.title('信号的频谱')
plt.grid(True)
plt.show()4.2 三大滤波器：低通、高通、带通
理解了频域，滤波器设计就变得很直观了。你想保留哪些频率？滤掉哪些频率？这就是滤波器的全部秘密。
| 滤波器类型 | 作用 | 风向标应用场景 |
|---|---|---|
| 低通滤波器 | 保留低频，滤除高频 | 去除传感器振动噪声、电磁干扰 |
| 高通滤波器 | 保留高频，滤除低频 | 去除温度漂移、基线漂移 |
| 带通滤波器 | 保留特定频段 | 提取特定风速下的特征频率 |
在Python里，用scipy设计一个低通滤波器非常方便：
from scipy import signal
# 设计一个4阶巴特沃斯低通滤波器
fs = 1000 # 采样率
cutoff = 30 # 截止频率 30Hz
nyquist = 0.5 * fs
normal_cutoff = cutoff / nyquist
b, a = signal.butter(4, normal_cutoff, btype='low', analog=False)
# 应用到信号上
filtered_signal = signal.filtfilt(b, a, x)4.3 IIR与FIR滤波器：两种思路，两种性格
IIR和FIR，是数字滤波器的两大门派。我经常跟团队里的新人说：选哪个，取决于你要什么。
IIR滤波器（无限脉冲响应）：
- 优点：阶数低，计算量小，延迟小
- 缺点：有非线性相位，可能不稳定
- 适合：实时性要求高的嵌入式系统
FIR滤波器（有限脉冲响应）：
- 优点：严格线性相位，绝对稳定
- 缺点：阶数高，计算量大，延迟大
- 适合：对相位精度要求高的场合
举个例子。我在做一款低成本风向标时，MCU主频只有几十MHz，内存也小。这时候我毫不犹豫选了IIR——巴特沃斯滤波器，4阶就够了，跑起来很轻松。
但后来做一款科研级风速计，要求波形不能有任何畸变。那没办法，只能用FIR，哪怕阶数到了80阶，也得硬扛。
- IIR：用相位换效率
- FIR：用计算量换精度
4.4 截止频率选择：一个工程问题
截止频率怎么选？这个问题没有标准答案。但我可以给你一个实用的思路。
第一步：分析信号频谱
先采集一段典型数据，做FFT看看。风向变化通常集中在0.1-5Hz，传感器振动可能在20-100Hz，50Hz工频干扰也很常见。
第二步：确定过渡带
截止频率不是一刀切。从通带到阻带，有一个过渡区域。过渡带越窄，滤波器阶数越高，计算量越大。
第三步：留余量
我个人习惯，截止频率选在目标频率的1.5-2倍。比如我要保留5Hz以内的信号，截止频率设在8-10Hz。这样既能保留有效信号，又能给滤波器一个缓冲。
# 一个实用的截止频率选择流程
def choose_cutoff(signal, fs, target_freq):
"""
signal: 原始信号
fs: 采样率
target_freq: 目标保留的最高频率
"""
# 建议截止频率 = target_freq * 1.5
suggested_cutoff = target_freq * 1.5
# 检查是否满足奈奎斯特条件
if suggested_cutoff > fs/2:
print("警告：截止频率超过奈奎斯特频率！")
suggested_cutoff = fs/2 * 0.9
return suggested_cutoff4.5 本章知识体系
为了帮你理清思路，我画了一张图。这张图展示了频域滤波的完整逻辑链：
这张图的核心逻辑是：时域信号 → FFT变换 → 频域分析 → 选择滤波器 → 得到干净信号。每一步都有对应的工程技巧，我们会在后续章节逐一展开。
好了，频域滤波的基础就讲到这里。记住一句话：滤波不是把噪声去掉，而是把有用的信号留下来。想清楚你要什么，再动手设计滤波器，事半功倍。
公众号:蓝海资料掘金营，微信deep3321