如何用scipy.signal.firwin为WAV文件实现有效1000Hz高通滤波？

嘿，我帮你排查下这个问题！你的代码思路是对的，但滤波没生效核心原因是FIR滤波器的抽头数（numtaps）太低，还有几个细节可以优化，让高通滤波的效果明显起来：

1. 大幅提升FIR滤波器的抽头数 #

FIR滤波器的抽头数直接决定了滤波的陡峭程度和阻带衰减能力。你当前用的是5个抽头，对于44.1kHz采样率、1000Hz截止频率的高通场景来说，这个数量太小了——滤波器的过渡带会极宽，1000Hz以下的低频信号几乎不会被衰减，自然听不出变化。

建议把抽头数调整到101、201这类奇数（奇数抽头的FIR滤波器能避免线性相位带来的半采样延迟问题，更适合音频处理），比如：

b = signal.firwin(101, cutoff=1000, fs=sr, pass_zero=False)

2. 可选：用窗函数增强阻带衰减 #

firwin默认使用汉宁窗，如果你想在相同抽头数下获得更陡峭的过渡带和更强的阻带衰减，可以换成凯泽窗。比如添加window=('kaiser', 6)参数（6是β值，越大阻带衰减越强，但过渡带会稍宽）：

b = signal.firwin(101, cutoff=1000, fs=sr, pass_zero=False, window=('kaiser', 6))

3. 优化信号类型转换，避免精度损失和削波 #

16位整数信号直接滤波可能会有精度损失，甚至出现溢出削波的情况。建议先把信号转成浮点型完成滤波，再归一化回16位整数范围：

# 转浮点型
x = x.astype(np.float64)
# 滤波
x = signal.lfilter(b, [1.0], x)
# 限制范围到16位整数的区间，防止削波失真
x = np.clip(x, -32768, 32767)
# 转回16位整数
x = x.astype(np.int16)

修改后的完整代码 #

from scipy.io import wavfile
from scipy import signal
import numpy as np

sr, x = wavfile.read('test.wav')  # 16-bit mono 44.1 khz

# 转换为浮点型避免精度损失
x = x.astype(np.float64)

# 使用101抽头的FIR高通滤波器，搭配凯泽窗增强衰减
b = signal.firwin(101, cutoff=1000, fs=sr, pass_zero=False, window=('kaiser', 6))

# 执行滤波
x = signal.lfilter(b, [1.0], x)

# 归一化并转换回16位整数，防止削波
x = np.clip(x, -32768, 32767)
x = x.astype(np.int16)

wavfile.write('test2.wav', sr, x)

这样修改后，你应该能明显听到低频被削弱的效果——比如原音频中的低音鼓、贝斯声会变得很淡，甚至消失。

内容的提问来源于stack exchange，提问作者Basj