在NumPy中使用枚举索引实现FIR滤波器时触发IndexError

错误根源 #

你代码里的enumerate用法错了——enumerate(x)返回的是**(索引, 对应元素)**的元组，比如遍历到第一个元素时，n是(0, x[0])，不是单纯的整数索引。你直接把n和k（同样是元组）当成数组索引用，自然会触发IndexError，因为numpy数组只接受整数、切片这类合法索引。

修复步骤 #

1. 修正循环变量：只提取enumerate返回的索引值，或者直接用range生成索引，不用管元素值；
2. 处理边界条件：当n_idx < k_idx时，n_idx - k_idx是负数，这时候应该用0来填充（FIR滤波器的初始零状态假设），否则会取到数组末尾的元素，完全不符合滤波逻辑。

修复后的代码 #

import numpy as np

def filter(x):
    h = np.array([-0.0147, 0.173, 0.342, 0.342, 0.173, -0.0147])
    y = np.zeros_like(x)
    # 遍历每个输出点的索引
    for n_idx in range(len(x)):
        total = 0.0
        # 遍历每个滤波器系数
        for k_idx in range(len(h)):
            # 计算输入信号的索引，小于0时取0
            x_idx = n_idx - k_idx
            x_val = x[x_idx] if x_idx >= 0 else 0.0
            total += h[k_idx] * x_val
        y[n_idx] = total
    return y

额外优化（可选） #

如果想提高效率，完全可以用numpy的卷积函数直接实现，代码更简洁：

import numpy as np

def filter(x):
    h = np.array([-0.0147, 0.173, 0.342, 0.342, 0.173, -0.0147])
    # 使用full卷积，然后截取和输入长度一致的部分（对应零状态滤波）
    y = np.convolve(x, h, mode='same')
    return y

mode='same'会让输出长度和输入x一致，和你手动实现的逻辑匹配。

内容的提问来源于stack exchange，提问作者gann