pytorch实现FIR滤波器

PyTorch是一个深度学习框架，不是一个信号处理框架，但是可以利用PyTorch的张量操作实现FIR滤波器。下面是一个简单的示例，实现了一个长度为5的FIR滤波器，其系数为[0.2, 0.3, 0.1, 0.4, 0.2]。

import torch

# FIR filter coefficients
h = torch.tensor([0.2, 0.3, 0.1, 0.4, 0.2])

# Input signal
x = torch.tensor([1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, 10.0])

# Apply filter
y = torch.conv1d(x.view(1, 1, -1), h.view(1, 1, -1))

# Output filtered signal
print(y.view(-1))

在上面的代码中，我们使用了PyTorch中的`conv1d`函数来实现卷积运算，其中`x`和`h`都是一维张量，但是我们需要将它们的维度扩展为(batch_size, channel, length)，因此我们使用了`view`函数来改变张量的维度。最终得到的`y`也是一个一维张量，通过`view`函数转换为一维数组输出。