数字滤波器程序，基于matlab，低通滤波器，高通滤波器，带通滤波器。 并且可进行FFT频谱分析，分析波形中所含谐波分量，并可以对特定频率波形进行提取。 不需要通过示波器观察，直接导入数据即可，快捷便利。 程序带有详细注释 图a为原始信号，图b为原始信号FFT分析结果，图c为进行带通滤后的结果对比，图d为滤波后的FFT分析结果，效果非常好
先上效果图镇楼（假装这里有四张图）：
图a是原始信号曲线，明显能看出叠加了多个频率；图b的频谱分析直接暴露出50Hz和200Hz两个刺头；图c经过带通滤波后200Hz成分被精准狙击；图d的频谱干净得就像刚大扫除过的房间。
上代码！先整数据导入部分：
% 老铁直接拖拽数据文件到Workspace raw_signal = load('signal_data.mat'); t = raw_signal(:,1); % 时间序列 x = raw_signal(:,2); % 原始信号这里要注意时间序列的采样率得算准，后面FFT要用到。建议用diff(t)自动计算采样间隔，防止手动输入翻车。
FFT分析直接套模板：
% 频谱分析三件套 Fs = 1/mean(diff(t)); % 智能获取采样率 L = length(x); % 信号长度 Y = fft(x); P2 = abs(Y/L); % 双边频谱 P1 = P2(1:L/2+1); % 取半谱 P1(2:end-1) = 2*P1(2:end-1); % 能量校正 f = Fs*(0:(L/2))/L; % 频率轴 % 画频谱图建议封装成函数 figure plot(f,P1) title('单边振幅谱') xlabel('频率(Hz)') ylabel('振幅')重点说下这个P1的处理，很多新手会漏掉能量校正那步，导致振幅值砍半。还有频率轴的生成必须用实际采样率，别傻乎乎用归一化频率。
重头戏滤波器设计，以带通为例：
% 带通滤波器参数 order = 6; % 6阶巴特沃斯 lowcut = 150; % 下限频率 highcut = 250; % 上限频率 nyq = 0.5*Fs; % 奈奎斯特频率 low = lowcut/nyq; high = highcut/nyq; % 设计滤波器 [b,a] = butter(order, [low, high], 'bandpass'); % 滤波操作 filtered_signal = filter(b,a,x);巴特沃斯滤波器属于万金油型，通带平坦过渡带适中。注意这里用归一化频率，别直接怼实际频率值进去。高阶滤波可能产生相位失真，需要零相位滤波的可以用filtfilt函数。
最后来个效果验证：
% 滤波前后对比 subplot(2,1,1) plot(t,x,'b',t,filtered_signal,'r') legend('原始信号','滤波后信号') % 新频谱生成 [new_f, new_P1] = custom_fft(filtered_signal, Fs); % 前面写的FFT函数 subplot(2,1,2) plot(f,P1,'b',new_f,new_P1,'r') legend('原始频谱','滤波后频谱')重点观察阻带衰减是否到位，过渡带有没有出现吉布斯效应。如果发现滤波后信号畸变严重，八成是截止频率设置太接近有效成分了，适当放宽通带范围。
几个避坑指南：
- 数据长度不是2的幂时，FFT前记得做零填充
- 滤波器阶数别无脑怼高，超过10阶可能数值不稳定
- 处理完记得用fvtool(b,a)检查滤波器幅频曲线
- 高通滤波时注意直流分量的处理，小心基线漂移
这套方案实测在工业振动信号分析中成功抓取出轴承故障特征频率，在ECG信号处理中也能有效滤除工频干扰。需要换滤波器类型？改butter函数的第二个参数就行：
- 低通：butter(6, high/nyq)
- 高通：butter(6, low/nyq, 'high')
- 带阻：butter(6, [low1,high1]/nyq, 'stop')
代码全量版已打包扔GitHub，需要的老铁评论区自取。下期预告：如何用神经网络自动识别特征频率，一键生成诊断报告。
)
