[导读]：前面的文章介绍了移动平均滤波器、IIR滤波器、梳状滤波器，今天来谈谈FIR滤波器的设计实现。
本篇文章依然采用4W1H进行描述，从What Why Where When How几个维度展开。为了便于理解4W1H，依然把5W1H的图附上。
LTI线性时不变系统冲激响应按照其是有限长还是无限长可分为FIR(Finite Impulse Response)有限长冲激响应系统以及无限长冲激响应IIR(Infinite Impulse Response)系统。FIR是全零点系统，也即Z传递函数在Z复平面极点全在Z=0处。至于这些概念是如何得来的，不是本文重点，如果有兴趣深究，可以查阅数字信号处理方面的书籍。
FIR滤波器具有多种实现形式，比如直接型、二阶级联型、Lattice结构，都只是上述基本传递函数的不同数学表达形式，没有本质区别，只是在具体算法实现上各具特点。这里将二阶级联形式描述如下。
二阶级联的意思是将上述传递函数分解为二阶多项式块连乘的形式，其数学表达如下：
FIR滤波器之Why？
为啥称前面的传递函数形式的系统为有限长冲激响应呢？要从概念上理解，首先须从冲激响应说起，什么是系统的冲激响应？系统在单位冲激函数激励下引起的零状态响应被称之为该系统的“冲激响应”。
那么什么又是冲激函数呢？
单位冲激函数（Unit-Impulse Function）是信号与系统学科中的一个重要概念。它是一个面积等于1的理想化了的窄脉冲。也就是说，这个脉冲的幅度等于它的宽度的倒数。当这个脉冲的宽度愈来愈小时，它的幅度就愈来愈大。当它的宽度按照数学上极限法则趋近于零时，那么它的幅度就趋近于无限大，这样的一个脉冲就是“单位冲激函数”。在实际工程中，像“单位冲激函数”这样的信号是不存在的，至多也就是近似而已。在理论上定义这样一个函数，完全是为了分析研究方便的需要。<百度百科>
单位冲激函数又称为狄拉克函数，定义为：
这玩意纯数学表达仅为从严谨角度出发，却不易懂，在数字信号处理领域或者称为离散系统领域，定义单位冲激（也有的称为单位采样/单位函数/单位脉冲，管它张三、李四）这里只需要明白其物理含义即可：
那么所谓单位冲激函数响应，就是一个系统输入这样一个能量激励，在输出端所观测到的响应信号，那么对于FIR系统而言，其响应在经过有限长的序列后，最后将稳定在0，这就是有限长冲激响应的内涵，而无限长则是有这样一个冲激激励后，其响应经过无限长序列后仍不会稳定到0。再进一步思考，为什么呢？因为FIR系统输出不会反馈回输入端，则保证其输出响应是有限长序列， 因此，“有限冲激响应”几乎与“无反馈”等价。但是，如果采用反馈，但脉冲响应是有限的，则滤波器仍然是FIR。一个示例是移动平均滤波器，其中每次有新采样进入时都会减去（反馈）第N个先前的采样。即使使用反馈，该滤波器也具有有限的脉冲响应：在N个采样样本之后，输出 将始终为零。IIR滤波器使用反馈，因此，当输入脉冲时，理论上输出会无限地振荡。所以对于这两个概念的区分从字面去理解即可。
在实践中，即使是IIR系统，其脉冲响应也通常接近零，并且可以忽略不计。但是，引起IIR或FIR响应的物理系统是不同的，这就是区别的重要性。例如，由电阻器，电容器和/或电感器（也许还有线性放大器）组成的模拟电子滤波器通常是IIR滤波器。另一方面，基于不使用反馈的抽头延迟线的离散时间滤波器（通常是数字滤波器）必然是FIR滤波器。模拟滤波器中的电容器（或电感器）具有“记忆特性也即储能特性”，其内部能量不会因脉冲而消失而马上消失。但是在后一种情况下，在脉冲到达抽头延迟线的末端之后，系统不再对该脉冲进行存储，并返回到其初始状态。超出该点的脉冲响应恰好为零。多说一句，在使用IIR时，是否稳定包括在模拟电路设计时，需要考虑的一个重要指标就是其系统的相位裕度的概念。有兴趣的可以去研究一下。
FIR滤波器的应用领域非常的广泛：
说了这么多，就是想说这个东东非常有用，个人认为这是电子类开发工程师进阶神器，值得深入研究，反复探究，这也是为什么花这么多精力写这个系列的初心，希望自己的一些经验你能帮助到其他的人。所以如果你没有这方面的经验，刚好看到这系列的文章，还请帮忙转发分享以帮助到更多的人，哈哈哈。当然如果您是这方面的行家里手如果发现文中有错误或者需要改进的地方，也真诚的期待能告诉与我，帮助我纠正错误。所以导读中所说恳请指正，绝非套话。
当实现传感器时，个人建议首先理清楚信号链模型，信号的频域带宽，是否有潜在混入噪声的可能。是故个人认为：
设计FIR滤波器从书本知识，可以发现有窗函数法、切比雪夫逼近法、最小均方差等方法，这些方法从数学理论上给出了设计原理，但作为工程师而言，个人认为只需要理解其概念内涵即可。学以致用才是目的，所以强大的MATLAB 工具fdatool以及实现了这些基本的设计方法。当然如果对于MATLAB函数很熟悉，直接来段MATLAB程序效果也是一样的。这里仍然利用fdatool来示例如何设计实现FIR滤波器。
本文以实现采样频率20kHz，带宽为100Hz～5KHz带通滤波器。
假设设计一个64阶的FIR带通滤波器，其指标为：
其幅频响应为：
相频响应如下图，可见在通频带内，随频率的增加，其相位延迟也是线性增加的，这就是线性相位的含义。
前面说到冲激响应，这里将图附上帮助理解。
其参数太长就不贴在这里了，直接放到测试代码中。
接下来就进行C代码实现，由其Z传递函数，比较容易得到其差分方程为：
C语言实现及测试程序如下：
#include <stdio.h>
#include <math.h>
#include <string.h>
#define FIR_RANK 64
typedef float E_SAMPLE;
typedef float E_COEFF;
typedef struct _t_FIR_STATE
{
E_SAMPLE x[FIR_RANK];
int index;
}t_FIR_STATE;
typedef struct _t_FIR_COFF
{
E_COEFF coeff[FIR_RANK+1];
}t_FIR_COFF;
void fir_init(t_FIR_STATE * pFir)
{
memset(pFir,0,sizeof(t_FIR_STATE));
pFir->index = -1;
}
E_SAMPLE fir_filter(t_FIR_STATE * pFir,const t_FIR_COFF *pCff,E_SAMPLE xn)
{
double yn=0;
int i=0;
if(pFir->index==-1)
{
for(i=0;i<FIR_RANK;i++)
{
pFir->x[i] = xn;
}
pFir->index = FIR_RANK-1;
}
yn = pCff->coeff[0]*xn;
for(i=pFir->index+1;i<FIR_RANK;i++)
{
yn += pCff->coeff[i-pFir->index]*pFir->x[i];
}
for(i=0;i<=pFir->index;i++)
{
yn += pCff->coeff[FIR_RANK+i-pFir->index]*pFir->x[i];
}
/*存储xn为下次迭代准备*/
pFir->x[pFir->index] = xn;
if(pFir->index==0)
pFir->index = FIR_RANK-1;
else
pFir->index--;
return yn;
}
#define SAMPLE_RATE 20000.0f
#define SAMPLE_SIZE 1024
#define PI 3.415926f
const t_FIR_COFF coff={
-0.011262440038163873,-0.013943401141922421,-0.0081737662228137248,-0.0098154763556324871,
-0.02113385595071398,-0.02217110374674186, -0.0086760432252453272,-0.0053777731960091618,
-0.020684485378668873,-0.026487927162555332,-0.0099598536658154907,-0.0020760557762302574,
-0.020234665687863043,-0.030631983578413714,-0.010974822973539177, 0.0018520388094555051,
-0.019945227624679929,-0.035904990372740073,-0.011725945979530706, 0.0077957069084101244,
-0.019771168997491595,-0.044197538806107613,-0.012256200606615813, 0.018808015681099421,
-0.01967177670413162, -0.06116090480347313, -0.012595538855093001, 0.047238864700837428,
-0.019621294906038051,-0.12211186053365741,-0.012761289558492961, 0.30206303190057837,
0.4803940881892042, 0.30206303190057837,-0.012761289558492961,-0.12211186053365741,
-0.019621294906038051, 0.047238864700837428,-0.012595538855093001,-0.06116090480347313,
-0.01967177670413162, 0.018808015681099421,-0.012256200606615813,-0.044197538806107613,
-0.019771168997491595, 0.0077957069084101244,-0.011725945979530706,-0.035904990372740073,
-0.019945227624679929, 0.0018520388094555051,-0.010974822973539177,-0.030631983578413714,
-0.020234665687863043,-0.0020760557762302574,-0.0099598536658154907,-0.026487927162555332,
-0.020684485378668873,-0.0053777731960091618,-0.0086760432252453272,-0.02217110374674186,
-0.02113385595071398, -0.0098154763556324871,-0.0081737662228137248,-0.013943401141922421,
-0.011262440038163873
};
int main()
{
E_SAMPLE rawSin[SAMPLE_SIZE];
E_SAMPLE outSin[SAMPLE_SIZE];
t_FIR_STATE fir;
FILE *pFile=fopen("./simulationSin.csv","wt+");
if(pFile==NULL)
{
printf("simulationSin.csv opened failed");
return -1;
}
for(int i=0;i<SAMPLE_SIZE;i++)
{
rawSin[i] = 5*sin(2*PI*20*i/SAMPLE_RATE);//+rand()%10;
rawSin[i] += 5*sin(2*PI*7000*i/SAMPLE_RATE);
rawSin[i] += 10*sin(2*PI*2500*i/SAMPLE_RATE);
}
/*初始化*/
fir_init(&fir);
/*滤波*/
for(int i=0;i<SAMPLE_SIZE;i++)
{
outSin[i]=fir_filter(&fir,&coff,rawSin[i]);
}
for(int i=0;i<SAMPLE_SIZE;i++)
{
fprintf(pFile,"%f,",rawSin[i]);
}
fprintf(pFile,"\n");
for(int i=0;i<SAMPLE_SIZE;i++)
{
fprintf(pFile,"%f,",outSin[i]);
}
fclose(pFile);
return 0;
}
同样利用excel生成波形：
可见滤波效果不错。下面进行总结：
FIR滤波器与IIR滤波器相比的优势：
FIR滤波器与IIR滤波器相比的劣势：
另外如果使用的芯片具有乘累加指令，则非常利于实现FIR滤波器。
