如何使用java实现低通滤波器
我试图在Java中实现低通滤波器。 我的要求很简单，我必须消除特定频率以外的信号（单维）。 看起来Butterworthfilter可以满足我的需要。
现在重要的是CPU时间应该尽可能低。 filter必须处理近百万个样本，我们的用户不喜欢等待太久。 是否有任何现成的Butterworth滤波器实现，它具有最佳的滤波算法。
我有一个页面描述了一个非常简单，非常低CPU的低通滤波器，它也能够与帧率无关。 我用它来平滑用户输入以及经常绘制帧速率。
http://phrogz.net/js/framerate-independent-low-pass-filter.html
简而言之，在您的更新循环中：
// If you have a fixed frame rate smoothedValue += (newValue - smoothedValue) / smoothing // If you have a varying frame rate smoothedValue += timeSinceLastUpdate * (newValue - smoothedValue) / smoothing smoothing值为1会导致不平滑，而值越高，结果越平滑。
该页面有几个用JavaScript编写的函数，但该公式与语言无关。
这是一个低通滤波器，在apache数学库中使用傅里叶变换。
public double[] fourierLowPassFilter(double[] data, double lowPass, double frequency){ //data: input data, must be spaced equally in time. //lowPass: The cutoff frequency at which //frequency: The frequency of the input data. //The apache Fft (Fast Fourier Transform) accepts arrays that are powers of 2. int minPowerOf2 = 1; while(minPowerOf2 < data.length) minPowerOf2 = 2 * minPowerOf2; //pad with zeros double[] padded = new double[minPowerOf2]; for(int i = 0; i < data.length; i++) padded[i] = data[i]; FastFourierTransformer transformer = new FastFourierTransformer(DftNormalization.STANDARD); Complex[] fourierTransform = transformer.transform(padded, TransformType.FORWARD); //build the frequency domain array double[] frequencyDomain = new double[fourierTransform.length]; for(int i = 0; i < frequencyDomain.length; i++) frequencyDomain[i] = frequency * i / (double)fourierTransform.length; //build the classifier array, 2s are kept and 0s do not pass the filter double[] keepPoints = new double[frequencyDomain.length]; keepPoints[0] = 1; for(int i = 1; i < frequencyDomain.length; i++){ if(frequencyDomain[i] < lowPass) keepPoints[i] = 2; else keepPoints[i] = 0; } //filter the fft for(int i = 0; i < fourierTransform.length; i++) fourierTransform[i] = fourierTransform[i].multiply((double)keepPoints[i]); //invert back to time domain Complex[] reverseFourier = transformer.transform(fourierTransform, TransformType.INVERSE); //get the real part of the reverse double[] result = new double[data.length]; for(int i = 0; i< result.length; i++){ result[i] = reverseFourier[i].getReal(); } return result; }
我最近设计了一个简单的butterworthfunction（ http://baumdevblog.blogspot.com/2010/11/butterworth-lowpass-filter-coefficients.html ）。 它们很容易用Java编写代码，如果你问我我应该足够快（你只需要更改filter（double * samples，int count）来过滤（double [] samples，int count），我猜）。
JNI的问题在于它需要平台独立性，可能会混淆热点编译器和代码中的JNI方法调用，这可能会使速度变慢。 所以我建议尝试Java并查看它是否足够快。
在某些情况下，首先使用快速傅立叶变换并在频域中应用滤波可能是有益的，但我怀疑这比简单的低通滤波器的每个样本的约6次乘法和几次加法更快。
filter设计是一种权衡的艺术，要做得好，您需要考虑一些细节。
什么是必须通过“没有太多”的最大频率，“没有多少”的最大值是多少？
什么是必须“大量”减弱的最小频率，“很多”的最小值是多少？
在滤波器应该通过的频率内，可以接受多少纹波（即衰减的变化）？
您有多种选择，这将花费您各种计算量。 像matlab或scilab这样的程序可以帮助你比较权衡 。 您需要熟悉诸如将频率表示为采样率的小数部分，以及线性和对数（dB）衰减测量之间的交换等概念。
例如，“完美”低通滤波器在频域中是矩形的。 在时域中表示为脉冲响应，这将是一个sinc函数（sin x / x），其尾部达到正无穷大。 显然你无法计算出来，所以如果你将sinc函数逼近有限的持续时间（你可以计算出来），那么问题会变成什么，这会使你的filter降低多少？
或者，如果你想要一个非常便宜的有限脉冲响应滤波器来计算，你可以使用“盒子车”或矩形滤波器，其中所有系数都是1.（如果你把它作为CIC滤波器实现，这可以更便宜利用二进制溢出来做“循环”累加器，因为无论如何你将在以后使用导数。 但是一个矩形的滤波器在频率上看起来像一个sinc函数 – 它在通带中有一个sin x / x滚降（通常会提升到一些功率，因为你通常会有一个多级版本），还有一些“反弹”在阻带。 在某些情况下它仍然有用，无论是单独使用还是后续使用其他类型的filter。
就像Mark Peters在评论中所说的那样：需要过滤很多的filter应该用C或C ++编写。 但是你仍然可以使用Java。 只需看看Java Native Interface（JNI） 。 由于C / C ++编译为本机机器代码，它运行速度比在Java虚拟机（JVM）中运行字节码要快得多，后者实际上是一个虚拟处理器，它将字节码转换为本地机器的本机代码（取决于在CPU指令集上，如x86，x64， ARM ，….）
我从http://www.dspguide.com/采用了这个，我对java很新，所以它不漂亮，但它有效
/* * To change this license header, choose License Headers in Project Properties. * To change this template file, choose Tools | Templates * and open the template in the editor. */ package SoundCruncher; import java.util.ArrayList; /** * * @author 2sloth * filter routine from "The scientist and engineer's guide to DSP" Chapter 20 * filterOrder can be any even number between 2 & 20 * cutoffFreq must be smaller than half the samplerate * filterType: 0=lowPass 1=highPass * ripplePercent is amount of ripple in Chebyshev filter (0-29) (0=butterworth) */ public class Filtering { double[] filterSignal(ArrayList signal, double sampleRate ,double cutoffFreq, double filterOrder, int filterType, double ripplePercent) { double[][] recursionCoefficients = new double[22][2]; // Generate double array for ease of coding double[] unfilteredSignal = new double[signal.size()]; for (int i=0; i