{
int i, j, sum for (j = 0j <100j++) {
sum = 0
for (i = 0i <32i++)
sum += x[i+j] * h[i]
y[j] = sum >>15
}
}
2
void fir(short x[], short h[], short y[])
{
int i, j, sum0, sum1
short x0,x1,h0,h1 for (j = 0j <100j+=2) {
sum0 = 0
sum1 = 0
x0 = x[j]
for (i = 0i <32i+=2){
x1 = x[j+i+1]
h0 = h[i]
sum0 += x0 * h0
sum1 += x1 * h0
x0 = x[j+i+2]
h1 = h[i+1]
sum0 += x1 * h1
sum1 += x0 * h1
}
y[j] = sum0 >>15
y[j+1] = sum1 >>15
}
}
3
void fir(short x[], short h[], short y[])
{
int i, j, sum0, sum1
short x0,x1,x2,x3,x4,x5,x6,x7,h0,h1,h2,h3,h4,h5,h6,h7 for (j = 0j <100j+=2) {
sum0 = 0
sum1 = 0
x0 = x[j]
for (i = 0i <32i+=8){
x1 = x[j+i+1]
h0 = h[i]
sum0 += x0 * h0
sum1 += x1 * h0
x2 = x[j+i+2]
h1 = h[i+1]
sum0 += x1 * h1
sum1 += x2 * h1
x3 = x[j+i+3]
h2 = h[i+2]
sum0 += x2 * h2
sum1 += x3 * h2
x4 = x[j+i+4]
h3 = h[i+3]
sum0 += x3 * h3
sum1 += x4 * h3
x5 = x[j+i+5]
h4 = h[i+4]
sum0 += x4 * h4
sum1 += x5 * h4
x6 = x[j+i+6]
h5 = h[i+5]
sum0 += x5 * h5
sum1 += x6 * h5
x7 = x[j+i+7]
h6 = h[i+6]
sum0 += x6 * h6
sum1 += x7 * h6
x0 = x[j+i+8]
h7 = h[i+7]
sum0 += x7 * h7
sum1 += x0 * h7
}
y[j] = sum0 >>15
y[j+1] = sum1 >>15
}
}
如图Fig1所示，是IIR二阶数字滤波器的数学计算公式
转换到离散域，计算公式如下
滤波器主要有以下几种：高通/低通/带通。下分别说明此三种滤波器的系统的求取方法。
通常，对一个滤波器的要求，我们主要给出以下技术规格：中心频率frequency，采样频率sampleRate，增益dBgain，品质因数Q。
为计算方便，先定义以下几个值：
高通滤波器系数的计算：
采样原始信号为一个正弦信号和一个直流分量的相加。直流分量的幅值为1，正弦信号周期为1s，幅值也为1。
初始化采样信号
首先定义数字滤波器的结构体
初始化滤波器，这里我们选择二阶带通滤波器做测试
其中，Init_Filter函数定义如下
DSP滤波器函数
使用滤波器函数滤波原始采样信号
m_signal采样信号如下，由于包含直流分量1，所以它的幅值由正弦信号的（-1,1）沿Y轴向上偏移1位变成（0,2）
滤波后的信号m_signal_filter如下所示
通过上述实验验证了我们给出的二阶带通滤波器算法的有效性，但是我们滤波后的信号其实并不是真正的正弦信号，而是一个无限逼近正弦的信号，这是由于以下几个原因造成的
1）采样时间：采样速率越高，信号失真越小
2）计算精度：计算机处理信号时在存储浮点数会出现一定误差
3）算法精度：算法本身就有精度误差
改进：
1）读者们可以自行提高采样速率，去验证采样速率对信号误差的影响，评判标准可以使用均方根误差
2）读者们还可以通过更改中心频率，品质因子，选择不同的滤波器类型测试对信号的影响
