python写一个fir 低通滤波器

好的，这里是一个使用NumPy和Matplotlib库实现的FIR低通滤波器的代码示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成测试信号
t = np.linspace(0, 1, 1000, endpoint=False)
input_signal = np.sin(2 * np.pi * 5 * t) + np.sin(2 * np.pi * 20 * t)

# 定义滤波器参数
N = 51 # 滤波器长度
fs = 1000 # 采样频率
cutoff = 100 # 截止频率
nyq = 0.5 * fs # 奈奎斯特频率
cutoff_norm = cutoff / nyq # 归一化截止频率

# 生成滤波器系数
h = np.zeros(N)
for i in range(N):
    if i == (N-1)/2:
        h[i] = 2 * cutoff_norm # 窗口函数中心点
    else:
        h[i] = np.sin(2 * np.pi * cutoff_norm * (i - (N-1)/2)) / (np.pi * (i - (N-1)/2))
    h[i] = h[i] * np.hamming(N)[i] # 汉明窗口

# 对信号进行滤波
filtered_signal = np.convolve(input_signal, h, mode='same')

# 绘制滤波前后的信号图像
plt.figure(figsize=(10, 6))
plt.subplot(2, 1, 1)
plt.plot(t, input_signal)
plt.title('Input Signal')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.subplot(2, 1, 2)
plt.plot(t, filtered_signal)
plt.title('Filtered Signal')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.tight_layout()
plt.show()

这个示例中，我们使用了一个简单的FIR低通滤波器，其中滤波器系数是通过窗口函数的方法生成的。在滤波器系数生成之后，我们使用np.convolve函数进行卷积运算，对输入信号进行滤波。最终，我们绘制了滤波前后的信号图像，可以看到滤波器成功地去除了高频成分。

希望这个示例能够对您有所帮助！