我不明白的是如何在程序中实际使用它。如果
f代表频率，那么大概我可以对值进行硬编码，因为它们将保持恒定。如果是这种情况，如何将Wa应用于样本值，我使用什么值？我是否要计算功率谱以获取WINDOW_SIZE/2值，然后将频带中的每个值与相关的预先计算的Wa值相乘，或者这样做是错误的方法？预先谢谢您。#1 楼
是的，您可以对值进行硬编码，对信号进行FFT，然后乘以硬编码的值，然后从Parseval定理（示例）中获得频域中的幅度。您还可以实现数字滤波器，并在时域中进行。这是Matlab代码以及我对Python的翻译。
请注意，双线性变换使数字滤波器的滚降速度比模拟滤波器的滚降速度快，从而在常见采样率下引入了测量误差。一个简单的解决方法是先对数据进行上采样，以使差异最小化。此处的其他过滤器设计方法：http://dsp.stackexchange.com/q/36077/29
评论
$ \ begingroup $
谢谢，我的理解更好了。在您的Parseval示例中，rms_flat是RMS方程（SQRT（x1 ^ 2 + x2 ^ 2 ... xn ^ 2 / n）），信号的rms_flat与FFT的rms_flat有什么区别？
$ \ endgroup $
– TryNCode
2011-10-13 14:45
$ \ begingroup $
@ExpAns：是的，rms_flat（）只是sqrt（mean（absolute（a）** 2））。 / n在外面。信号的RMS值和FFT的比例因子相同。
$ \ endgroup $
– Endolith
2011年10月13日在15:53