在连续时间帧上应用 IIR 滤波器时的连续性问题_python

我想在每个 1024 个样本的连续块/时间帧上应用 FIR 或 IIR 滤波器（例如：低通滤波器）。

可能的应用：

实时音频处理，例如 EQing。 在精确的时间，我们在缓冲区中只有接下来的 1024 个样本。 下一个要处理的样本尚不可用（实时）。
如所建议的，通过将输入信号分成块来制作截止时变滤波器。

我在这里尝试过：

import numpy as np
from scipy.io import wavfile
from scipy.signal import butter, lfilter, filtfilt, firwin

sr, x = wavfile.read('input.wav')
x = np.float32(x)
y = np.zeros_like(x)

N  = 1024  # buffer block size = 23ms for a 44.1 Khz audio file
f = 1000  # cutoff
pos = 0  # position

while True:
    b, a = butter(2, 2.0 * f / sr, btype='low')
    y[pos:pos+N] = filtfilt(b, a, x[pos:pos+N])
    pos += N
    f -= 1   # cutoff decreases of 1 hz every 23 ms, but the issue described here also present with constant cutoff!
    print f
    if pos+N > len(x):
        break

y /= max(y)  # normalize

wavfile.write('out_fir.wav', sr, y)

我试过：

都使用巴特沃斯滤波器或 FIR（用b, a = firwin(1000, cutoff=f, fs=sr), 1.0替换之前的行）
使用和（后者具有向前和向后应用过滤器的优势，这解决了相位问题），

但问题是：

在每个时间帧的输出边界处，存在连续性问题，导致音频信号严重失真。

如何解决这个不连续问题？ 我想过 windowing+OverlapAdd 方法，但肯定有更简单的方法。

正如@sobek 在评论中提到的，当然需要指定初始条件以允许连续性。 这是通过lfilter的zi参数lfilter 。

问题是通过更改主循环来解决的：

while True:
    b, a = butter(2, 2.0 * f / sr, btype='low')
    if pos == 0:
        zi = lfilter_zi(b, a)
    y[pos:pos+N], zi = lfilter(b, a, x[pos:pos+N], zi=zi)
    pos += N
    f -= 1 
    if pos+N > len(x):
        break

即使在每次迭代时修改过滤器的截止（以及因此a和b ），这似乎也有效。

在连续时间帧上应用 IIR 滤波器时的连续性问题

问题描述

1楼