Tôi có thể nhận triển khai mã nguồn mở của thuật toán thiết kế bộ lọc tối ưu FIR-McClellan ở đâu?

Bối cảnh: Thường thì tôi đang thực hiện một số loại tác vụ xử lý tín hiệu yêu cầu một bộ lọc duy nhất. Thông thường tại thời điểm này tôi đi đến MATLAB và tạo một bộ lọc duy nhất mới bằng cách sử dụng . Hàm MATLAB thực hiện thuật toán Công viên-McClellan. Bây giờ tôi có một bộ lọc và tôi đặt bộ lọc vào một mảng mã hóa cứng. Nhưng đây là vấn đề bây giờ tôi có một bộ lọc mã hóa cứng chỉ hoạt động cho một kịch bản.$\tt firpm()$firpm()

Vấn đề: Bây giờ tôi có thể giải quyết vấn đề xử lý tín hiệu của mình ... nhưng chỉ với một tỷ lệ mẫu rất CỤ THỂ hoặc kịch bản CỤ THỂ.

Mục tiêu: Tôi muốn có thể gọi từ mã C hoặc một số ngôn ngữ khác và làm cho mã xử lý tín hiệu của tôi chung chung hơn. Tôi không thể tìm thấy một triển khai nguồn mở !$\tt firpm()$firpm()

Tôi có thể nhận triển khai mã nguồn mở của thuật toán thiết kế bộ lọc tối ưu FIR-McClellan ở đâu (hay còn gọi là trong MATLAB)?$\tt firpm()$

• Tái bút: Tôi biết rằng tôi có thể thiết kế các bộ lọc khác nhau bằng cách sử dụng cửa sổ hoặc một cái gì đó khác ... vui lòng đề cập đến các bộ lọc trong các nhận xét. Nhưng vấn đề của câu hỏi này là không hỏi "các kỹ thuật thiết kế bộ lọc khác là gì?" vấn đề là tìm ra một triển khai nguồn mở của RẤT RẤT hữu ích ... hoặc một cái gì đó tương tự.$\tt firpm()$

• PPS Một trong những mục tiêu của câu hỏi này là tìm hiểu cách hoạt động của thuật toán Công viên-McClellan bằng cách xem mã trước và sau đó tôi dự định đọc một số lý thuyết cơ bản.

Đây là phiên bản LGPL của thuật toán trao đổi Remez. Mã quãng tám dường như bắt nguồn từ nó. Nó được liên kết từ trang wikipedia Công viên trang McClellan .
Mã Janovetz ban đầu có thể dễ sử dụng hơn trong dự án của bạn, vì nó không có các cuộc gọi quãng tám, nhưng sẽ rất khôn ngoan khi tìm hiểu thông tin thay đổi svn octave-forge cho bất kỳ thông tin nào về lỗi hoặc tăng tốc trong tệp remez.cc .

Có một triển khai mã nguồn mở của Công viên-McClellan (còn được gọi là thuật toán trao đổi Remez) trong GNU Octave, một triển khai phần mềm miễn phí của môi trường giống như MATLAB. Hàm, được gọi là "remez", được chứa trong gói "signal" , được lưu trữ tại Octave-Forge . Nếu bạn tải xuống gói, bạn sẽ tìm thấy "remez.cc", triển khai thuật toán C ++.

Một điều thú vị về Octave là nó gần như tương thích mã với MATLAB, vì vậy bạn có thể dễ dàng chuyển mã qua sử dụng ở đó nếu muốn. Đây là một cách hay để xem lén trong việc triển khai các thuật toán được cung cấp dưới dạng MEX trong MATLAB.

Một phiên bản tiện lợi có thể được tìm thấy trong scipy.signal.ternalz của Python . Đẹp nếu sử dụng numpy / scipy.

Đây là một nguồn khác cho thuật toán Công viên McClellan trong C. Mã này khác với mã SciPy được đề cập ở trên, nó có 61 trong số 69 câu lệnh goto ban đầu bị xóa (mã SciPy vẫn còn khoảng 37 goto). Nó cũng sửa mã ở 3 vị trí có thể chia cho 0 và nó có một số mã bổ sung để kiểm tra các giá trị cạnh của dải.

http://www.iowahills.com/A7ExampleCodePage.html

có thể bạn đã biết điều này, nhưng nếu bạn có MATLAB, bạn có thể sử dụng bộ mã hóa MATLAB và tạo một hàm đơn giản sử dụng tính năng bạn muốn kiểm tra. Sau đó chạy nó và xem mã C đã tạo. Tôi đã thử với FFT, và với phân tách QR, và trong khi nó hơi lộn xộn, nó có thể được hiểu là tốt.

Đây là một bài báo thực hiện một phiên bản Matlab thực tế của thuật toán remez "cốt lõi". Chương trình thiết kế bộ lọc FIR đa cấp tối ưu dựa trên MATLAB theo ý tưởng ban đầu của thuật toán trao đổi đa năng Remez, Hội nghị chuyên đề quốc tế về mạch và hệ thống (ISCAS) của IEEE (Ahsan, Saramaki)

Bài viết này làm một công việc tốt trong việc giải thích các thuật toán cơ bản. Mục tiêu của bài viết là tránh sử dụng mã Fortran gốc - vốn không giải thích thuật toán này tốt và thường được dịch trực tiếp sang nhiều ngôn ngữ khác.

Một điều tôi sẽ bình luận. Một trong những ý tưởng cốt lõi của thuật toán là khớp một đường cong và sau đó tìm các điểm cực trị. Thông thường Nội suy Lagrange được sử dụng để giải thích ý tưởng này, nhưng Nội suy Lagrange có các thuộc tính số kém. Trong thuật toán ban đầu, việc sử dụng Thực hiện Barycentric của Nội suy Lagrange - giúp tránh được nhiều cạm bẫy liên quan đến nội suy Lagrangian. Vì vậy, nếu bạn đang cố gắng để hiểu đầy đủ về mã, bạn có thể muốn tìm kiếm Nội suy Barycentric.

Cảnh giác với sự khác biệt giữa linh hồn của Matlab và Remip của Scipy.signal. Ví dụ: hai câu lệnh này tương đương nhau:

% Matlab
firpm(10,[.2 .8],[1 1],'Hilbert')

# Python
from scipy.signal import remez

remez(11, [0.1, 0.4], [1], type='hilbert')