CN103944535B - 一种利用频响特性配置的全相位滤波器组的方法及其装置 - Google Patents

Abstract

本发明公开了一种利用频响特性配置的全相位滤波器组的方法及其装置，方法包括：通过卷积窗对输入信号x(n)进行卷积；再将相乘后的间隔N‑1的数据两两相加而形成N个数据；对Q个子通道滤波器系数向量进行快速配置频响特性，获取配置后的Q个子通道滤波器系数向量，并并行对数据做乘累加，获取Q个滤波输出结果。装置包括：将待滤波的信号经过模数转化器采样得到样本序列，以并行数据输入的形式进入DSP器件，同时设定滤波器阶数N、频率向量H中0与1的个数p和m，经过DSP器件的处理得到Q个滤波输出结果。本发明实现了对滤波器的各子带位置、子带宽度以及滤波器系数、频率响应函数快速配置；以及信号特征的准确提取。

Description

一种利用频响特性配置的全相位滤波器组的方法及其装置

技术领域

本发明涉及数字信号处理技术领域，尤其涉及一种根据所提供的频响特性如何快速有效地搭建出相应的全相位滤波器组的方法及其装置。

背景技术

在语音^[1]、故障检测^[2]、雷达^[3]、声纳、地震、图像^[4]、通信、控制、生物医学、遥感遥测^[5]、地质勘探、航空航天、自动化仪表^[6]等领域，存在大量的信号特征提取问题。这些特征提取问题的一个常用的角度，就是分析信号所包含的各个频带内的能量相对大小。例如，在语音信号识别^[7][8]中，人的声音频带分布在[300Hz,3400Hz]范围内，不同人的语音差别就体现在该频带中的各个小频段内的能量分布有差异，总体说来，在该频段内女人的声音相比于男人的声音在[300Hz,3400Hz]的高频段内更丰富些，因而女音的特征更尖锐、清脆，男人的声音则更低沉、厚实；例如，在机械故障诊断^[9]中，当出现失衡、支承刚性不足时，振动传感器采集到的信号的1次转频特征就会发生变化，当出现转子横向裂纹、转子对中不良等故障时，振动信号的高倍频的特征就会发生变化；再如，在全光纤周边防范系统的侵犯识别^[10]中，不同侵犯动作(如攀爬围栏、敲击光缆、盗剪围栏等)所对应的振动信号的频带分布也有所不同，其中攀爬动作的低频成分更丰富些，而敲击光缆的高频成分则更丰富些。

另外，当测试环境变化时，信号的频带分布也会出现变化，因而需要的频带特征提取方法的参数也要随之变化。例如，在机械故障诊断中，当转子转速发生变化时，所对应的转频、二倍频、高倍频的频带位置都会随之变化。因而如何设计一种可以快速配置参数的特征提取方法是工程界迫切需要引入的一项重要技术^[11][12]。

滤波器组是解决上述工程问题的有效方法^[13][14][15]。因为滤波器组可以把信号分成多个子带分别进行处理，从各个子带中提取相应的能量特征值而作为信号的特征向量。在工程界中，小波滤波器组^[16]是最常用的实现方法，小波有丰富的小波基^[17]库(如各种Daubechies正交小波和双正交小波)，每种小波基都对应一对高频和低频滤波器组，用这对滤波器组对信号进行多级小波分解^[18][19]或小波包分解^[20]，可以提取出各类信号的特征信息。但是小波滤波器组方法的分割频带的方式是固定的，即从上级分解到下级分解都采用的是均分子带的方式，其参数配置不灵活；而多级分解则意味着要进行多次滤波操作，计算量大。

发明内容

本发明提供了一种利用频响特性配置的全相位滤波器组的方法及其装置，本发明实现了对滤波器的各子带位置、子带宽度以及滤波器系数、频率响应函数快速配置；以及信号特征的准确提取，详见下文描述：

一种利用频响特性配置的全相位滤波器组的方法，所述方法包括以下步骤：

(1)通过长度为2N-1的卷积窗对输入信号x(n)进行卷积；

(2)再将相乘后的间隔N-1的数据两两相加而形成N个数据x′；

(3)对Q个子通道滤波器系数向量进行快速配置频响特性，获取配置后的Q个子通道滤波器系数向量；

(4)通过配置后的Q个子通道滤波器系数向量并行对数据x′做乘累加，获取Q个滤波输出结果y_q(n)。

所述对Q个子通道滤波器系数向量进行快速配置频响特性，获取配置后的Q个子通道滤波器系数向量的步骤具体为：

$h\left(n\right)=\left\{\begin{array}{cc}2m/N& n=0\\ \frac{2}{N}\·\frac{\sin \left(\frac{\mathrm{\π}}{N}\mathrm{nm}\right)}{\sin \left(\frac{\mathrm{\π}}{N}n\right)}\·\cos \left[\frac{\mathrm{\π}}{N}n(2p+m)\right]& n\∈[1,N]\end{array}\right.$

其中，m表示滤波器带宽的参数，p表示滤波器通带起始位置的参数，h(n)表示配置后的每个滤波器的系数。

一种利用频响特性配置的全相位滤波器组的装置，所述装置包括：模数转化器和DSP器件，将待滤波的信号x(t)经过所述模数转化器采样得到样本序列x(n)，以并行数据输入的形式进入所述DSP器件，同时设定滤波器阶数N、频率向量H中0与1的个数p和m，经过所述DSP器件的处理得到Q个滤波输出结果y_q(n)。

本发明提供的技术方案的有益效果是：

第一、实现对滤波器的各子带起始位置、子带宽度以及滤波器系数、频率响应函数快速配置。全相位滤波器的频响特性可以由滤波器阶数N、滤波器带宽m、滤波器通带起始位置p快速得出，这样就可以省去对H进行IDFT来求h，减少了运算的复杂度。当滤波器阶数很大以及系统对时效性较高时，这种方法就显得尤为重要。

第二、实现各个子通道并行高效率滤波，绕开多级分解带来的计算量大的问题。配置多个子滤波器系数h₁,h₂,…,h_Q-1，就可以实现多路滤波并行输出。灵活配置滤波器系数，就可以实现各个子频带的滤波输出，而且还可以实现各个子通道的并行输出。结合频响特性的快速配置，可以给系统带来很大的灵活性和很高的效率。

第三、无需引入任何的系数优化措施，即可直接各子带滤波器通带波纹小、阻带衰减大的传输特性。

第四、可以很方便对多个子滤波器输出求能量值，而实现信号特征的准确提取。

附图说明

图1为利用频响特性配置的全相位滤波器组的方法的流程图；

图2为8通道全相位滤波器组的子滤波器系数；

其中，图2(a)、(b)、(c)、(d)、(e)、(f)、(g)和(h)分别对应不同滤波器参数。

图3为5通道全相位滤波器组的子滤波器系数；

其中，图3(a)、(b)、(c)、(d)和(e)分别对应不同滤波器参数。

图4为原信号x(t)及各子通道滤波输出波形；

其中，图4(a)对应着原始输入信号，图4(b)、(c)、(d)、(e)和(f)对应不同通道的输出信号。

图5为利用频响特性配置的全相位滤波器组的装置的结构示意图；

图6为DSP内部程序流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

因此，为解决以上的频带特征提取问题及其频带参数灵活配置和降低计算量问题，本发明提出一种频响特性可快速配置的滤波器组结构及其配置方法，基于此给出该装置的实现方法。全相位滤波器设计法详见文献[13,14]，但文献[13,14]没有涉及滤波器组问题，也没有涉及滤波器快速配置系数问题。本发明在文献[13,14]基础上，设计出的滤波器组可以灵活地划分信号的各频带位置，并且准确地测量出各频带成分的能量大小、抑制各频带的相互干扰，从而准确地完成信号的特征提取，参见图1，详见下文描述：

101：通过长度为2N-1的卷积窗对输入信号x(n)进行卷积；

如图1所示，用长度为2N-1的卷积窗w_c＝[w_c(-N+1),…,w_c(0),…,w_c(N-1)]对当前n时刻的数据向量x＝[x(n+N-1),…,x(n),…,x(n-N+1)]做乘积。其中，w_c(-N+1)、,w_c(0),…,和w_c(N-1)为卷积窗内部的元素，均为定值。x(n+N-1),…,x(n),…,和x(n-N+1)]均表示输入信号的值。

其中，图1中的卷积窗w_c由两个长度为N的普通窗f与b卷积而成，其元素值w_c(n)为

w_c(n)＝f(n)*b(-n) n＝-N+1,…,N-1 (1)

102：再将相乘后的间隔N-1的数据两两相加(中间数据w_c(n)x(n)除外)而形成N个数据x′＝[x′(n),x′(n-1),…,x′(n-N+1)]；

其中，x′(n)对应于x(n)的输出，处理后信号在位置n的值，x′(n-1),…,和x′(n-N+1)]含义以此类推，本方法对此不做赘述。

103：对Q个子通道滤波器系数向量进行快速配置频响特性，获取配置后的Q个子通道滤波器系数向量；

只需要提供Q个滤波器系数向量h_q(q＝0,…,Q-1)，就能快速完成多路并行滤波。但是，配置这些滤波器系数向量，及其配置原理需要有力的理论推导来支撑。

为配置滤波器系数向量，首先需设定一长度为N频率向量H

式(2)中，m表示滤波器带宽的参数，p表示滤波器通带起始位置的参数。

再推出H的离散反傅立叶变换(Inverse Discrete Fourier Transform,IDFT)表达式h(n)：

$\begin{array}{cc}h\left(n\right)=\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}H\left(k\right)e^{j\frac{2\mathrm{\π}}{N}\mathrm{kn}}& n\∈[0,N-1]\end{array}---\left(3\right)$

其中，H(k)表示H中第k个元素的值，把H的值代入，有

$h\left(n\right)=\frac{1}{N}\underset{k=p}{\overset{p+m-1}{\mathrm{\Σ}}}{e}^{j\frac{2\mathrm{\π}}{N}\mathrm{kn}}+\frac{1}{N}\underset{k=N-p-m+1}{\overset{N-p}{\mathrm{\Σ}}}{e}^{j\frac{2\mathrm{\π}}{N}\mathrm{kn}}---\left(4\right)$

当n为0时，直接代入式(4)有

h(0)＝2m/N (5)

当n不为0时，利用等比数列求和，有

$\begin{array}{c}h\left(n\right)=\frac{1}{N}\underset{k=p}{\overset{p+m-1}{\mathrm{\Σ}}}{e}^{j\frac{2\mathrm{\π}}{N}\mathrm{kn}+\frac{1}{N}\underset{k=N-p-m+1}{\overset{N-p}{\mathrm{\Σ}}}{e}^{j\frac{2\mathrm{\π}}{N}\mathrm{kn}}}\\ =\frac{1}{N}\·\frac{1-e^{j\frac{2\mathrm{\π}}{N}\mathrm{mn}}}{1-e^{j\frac{2\mathrm{\π}}{N}n}}[e^{j\frac{2\mathrm{\π}}{N}\mathrm{pn}}+e^{j\frac{2\mathrm{\π}}{N}n(N-p-m+1)}]\\ =\frac{1}{N}\·\frac{1-e^{j\frac{2\mathrm{\π}}{N}\mathrm{mn}}}{1-e^{j\frac{2\mathrm{\π}}{N}n}}[e^{j\frac{2\mathrm{\π}}{N}\mathrm{pn}}+e^{-j\frac{2\mathrm{\π}}{N}\mathrm{pn}}\·e^{j\frac{2\mathrm{\π}}{N}n(N-m+1)}]n\∈[1,N]\end{array}---\left(6\right)$

从式(2)中可以看到，频率向量H值分布对称，其IDFT结果应该为实数，即是说式(6)最后结果为实数。现在式中变量m、n、p都带有复数表达式，下面就是要将这些复数表达式化为实数表达式。将式(6)分开化简得

$e^{j\frac{2\mathrm{\π}}{N}\mathrm{pn}}+e^{-j\frac{2\mathrm{\π}}{N}\mathrm{pn}}\·e^{j\frac{2\mathrm{\π}}{N}n(N-m+1)}=e^{j\frac{\mathrm{\π}}{N}n(N-m+1)}\·2\cos \left[\frac{\mathrm{\π}}{N}n(2p+m-1)\right]---\left(7\right)$

$\frac{1}{N}\·\frac{1-e^{j\frac{2\mathrm{\π}}{N}\mathrm{mn}}}{1-e^{j\frac{2\mathrm{\π}}{N}n}}=\frac{1-e^{j\frac{2\mathrm{\π}}{N}\mathrm{mn}}}{e^{-j\frac{\mathrm{\π}}{N}n}-e^{j\frac{\mathrm{\π}}{N}n}}\·e^{-j\frac{\mathrm{\π}}{N}n}=\frac{1-e^{j\frac{2\mathrm{\π}}{N}\mathrm{mn}}}{-2\sin \left(\frac{\mathrm{\π}}{N}n\right)}\·e^{j\frac{\mathrm{\π}}{N}n(N-m)---\left(8\right)}$

将式(6)、(7)、(8)联立可得

$\begin{array}{cc}h\left(n\right)=\frac{2}{N}\·\frac{\sin \left(\frac{\mathrm{\π}}{N}\mathrm{nm}\right)}{\sin \left(\frac{\mathrm{\π}}{N}n\right)}\·\cos \left[\frac{\mathrm{\π}}{N}n(2p+m)\right]& n\∈[1,N]---\left(9\right)\end{array}$

联立式(5)、(9)，可得出滤波器系数的完整表达式

$h\left(n\right)=\left\{\begin{array}{cc}2m/N& n=0\\ \frac{2}{N}\·\frac{\sin \left(\frac{\mathrm{\π}}{N}\mathrm{nm}\right)}{\sin \left(\frac{\mathrm{\π}}{N}n\right)}\·\cos \left[\frac{\mathrm{\π}}{N}n(2p+m)\right]& n\∈[1,N]\end{array}\right.---\left(10\right)$

由于直接根据式(10)即可得到滤波器系数，故省去了对H做反傅立叶变换这一步，节省了大量计算，有利于快速且灵活配置滤波器系数。

对于不同的子滤波器只需对式(10)的滤波器参数m、p做不同的设置，就可以获得具有不同频响特性的滤波器系数。

104：通过配置后的Q个子通道滤波器系数向量h_q＝[h(0),h(1),…,h(N-1)](_q＝0,…,Q-1)并行对x′做乘累加，获取Q个滤波输出结果y_q(n)(q＝0,…,Q-1)。

其中，h(N-1)表示子滤波器的第N个系数值。假定参与滤波的样本数为L，对图1中Q个输出y_q(n)(q＝0,…,Q-1)进行平方求和得到能量值可以得到特征向量E＝[E₀,E₁,…,E_Q-1]，该特征向量可作为语音识别、机械故障检测、人脸识别等领域的信号分类依据。

一、验证全相位滤波器组的频响特性

上一节已经说明可以快速有效配置全相位滤波器各子通道的滤波器系数，下面来讨论这些滤波器频响特性？通过仿真来验证这样配置的滤波器到底能不能满足工程项目要求。

令采样速率为f_s，则频率分辨率为f_s/N，由于H向量均分了频率轴。由于p值和m值分别代表各子滤波器的起始位置和通带宽度，从而式(10)中滤波器通带的低频截止频率f_L和高频截止频率f_H分别为

$f_L=P\frac{f_s}{N}---\left(11\right)$

$f_H=(p+m)\frac{f_s}{N}---\left(12\right)$

以阶数N＝128的滤波器组设计为例，做如下参数设置：令采样速率f_s＝10kHz,通道数Q＝8，通道宽度m＝4，将滤波器h_q(n)(q＝0,…,Q-1)的参数p设置为m×q+3，(q＝0,1,…,Q-1)。则将以上参数代入式(12)、(13)，可算出这Q＝8个子滤波器的低频截止频率f_L(q)和高频截止频率f_H(q)分别为

$\begin{array}{cc}{f}_L\left(q\right)=(m\·q+1)\·\frac{f_s}{N}& q=\mathrm{0,1}...,Q-1---\left(13\right)\end{array}$

$\begin{array}{cc}{f}_H\left(q\right)=(m\·q+m+1)\·\frac{f_s}{N}& q=\mathrm{0,1},...,Q-1---\left(14\right)\end{array}$

从上图2中可看出：

1、各个子通道滤波频带起始位置和各不相同，但是带宽一样，这是因为各滤波器参数p值设置不同、但m值设置一样的缘故。所以，通过控制p、m的值就能得到想要的滤波器频率响应，具有很高的灵活性。

2、各子滤波器频响曲线均具有通带平缓、阻带衰减的特点，这是使用卷积窗的缘故。

3、多个通道滤波重叠部分很窄(有利于分辨不同频带的信号特征)。

二、实验

由信号发生器输出信号x(t)＝a₁·cos(2πf₁·t)+…+a₅·cos(2πf₅·t)+n(t)，其中a₁,...,a₅为信号振幅，分别为1,3,4,2,6，f₁,...,f₅为信号频率，分别为30.3,50.4,70.5,110.2,130.7，n(t)为均值为0，方差为0.4的随机噪声。再用采样速率f_s＝1000Hz，对x(t)做采样馈入图1的滤波器组进行滤波，获得各通道滤波输出。

下面设计一组5通道全相位滤波器组，以分别提取信号x(t)中各频率成分的能量特征，根据式(11)、(12)，可以设滤波器阶数N＝256，m＝8，p＝1、9、17、25、33。下图3为设计出的滤波器组的各个通道的频率响应。

从图3中可以看出，设计出的滤波器组包含的五个子通道频带，正好包含了原信号待提取出的各个频率成分。

从上图4可看出，各个子通道滤波效果很好，去噪和频率段的提取都很成功。鉴于全相位滤波器组目前在模式识别特征提取方面发挥着重要的作用，从各个通道输出信号提取出能量E＝[E₀,E₁,…,E_Q-1]，将各个通道能量做归一化使之满足滤波后归一化能量值如表1第1组数据所示(该表还给出了理论能量向量E_ideal与之对照， $E_{\mathrm{ideal}}=[{a_0}^2,$ ${a_1}^2,...,{a_{Q-1}}^2]/{\mathrm{\Σ}}_{q=0}^{Q-1}{a_q}^2).$

另外，由信号发生器输出另一组信号x(t)＝a₁·cos(2πf₁·t)+…+a₅·cos(2πf₅·t)+n(t)，其中a₁,...,a₅为信号振幅，分别为2,1,5,4,3，f₁,...,f₅为信号频率，其幅值分别为20.7,58.5,81.2,101.1,147.9，n(t)为均值为0，方差为0.4的随机噪声，采样速率仍为f_s＝1000Hz，则滤波前后归一化能量值如表1第2组数据所示

表1x(t)滤波前后能量对比

从表1可以看出，信号经过全相位滤波器组滤波后，对于两组不同参数设置的实验，用本发明提出的滤波器组进行滤波并作特征提取，其通道1～通道5所提取出来的能量特征向量与原信号x(t)理想的能量特征向量的各个频率段的能量均差异很小，验证了本发明的理论完善性和可靠的实用性。

参见图5，一种利用频响特性配置的全相位滤波器组的装置包括：A/D(模数转化器)和DSP器件、将待滤波的信号x(t)经过A/D(模数转化器)采样得到样本序列x(n)，以并行数据输入的形式进入DSP器件，同时设定滤波器阶数N、频率向量H中0与1的个数p和m，经过DSP器件的内部算法处理(包括输入数据x(n)的全相位预处理以及卷积窗、Q个滤波器系数向量h₀…h_Q-1，得到信号的滤波输出y₀…y_Q-1。

其中，图5的DSP为核心器件，在信号参数估计过程中，完成如下主要功能：

(1)调用核心算法，完成输入信号的全相位滤波工作；

(2)根据实际需要调整滤波器阶数N、滤波器带宽m、滤波器通带起始位置p，以此来构建子滤波器系数h。

例如：若信号采样频率f_s为100KHz，信号滤波所需保留频率为4KHz～6KHz，则可设参数N＝128、p＝4、m＝4，根据式(12)、(13)计算得滤波器通带为3125Hz～6250Hz。

(3)将各子通道滤波结果分别输出。

需指出，由于采用了数字化的估计方法，因而决定了图5系统的复杂度、实时程度和稳定度的主要因素并不是图5中DSP器件的外围连接，而是DSP内部程序存储器所存储的核心估计算法。

DSP器件的内部程序流程如图6所示，图6流程分为如下几个步骤：

(1)首先需根据具体应用要求(如待滤波信号通带带宽)，设置全相位滤波器参数N、p与m。该步骤是从工程方面提出具体需求，以使得后续流程有针对性地进行处理。

(2)根据式(10)，生成全相位滤波器滤波系数h。

(3)然后，DSP器件从I/O端口读采样数据，进入内部RAM。

(4)对读取到的输入数据进行全相位数据预处理，为接下来的滤波打好基础。

(5)将步骤(2)中得到的h与步骤(4)预处理的数据做卷积，实现信号滤波。

(6)将上一步的滤波结果按每个通道分开输出。

需指出，由于采用了DSP器件实现，使得整个参数估计操作变得更为灵活，可根据信号所包含的各种分量的具体情况，通过编程灵活改变算法的内部参数设置。

本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。

参考文献

[1]赵力,钱向民.语音信号中的情感识别研究[J].软件学报,2001,12(7):1050-1055.

[2]Lin J,Qu L.Feature extraction based on Morlet wavelet and its application formechanical fault diagnosis[J].Journal of sound and vibration,2000,234(1):135-148..

[3]张海燕,周全,夏金东.超声缺陷回波信号的小波包降噪及特征提取[J].仪器仪表学报,2006,27(1):94-97.

[4]刘丽,匡纲要.图像纹理特征提取方法综述[J].中国图象图形学报,2009,14(4):622-635.

[5]安如,冯学智,王慧麟.基于数学形态学的道路遥感影像特征提取及网络分析[J].中国图象图形学报:A辑,2004,8(7):798-804.

[6]吴定海,张培林,任国全,等.基于双树复小波包的发动机振动信号特征提取研究[J].振动与冲击,2010,29(4):160-163.

[7]韩纪庆,铁然.语音信号处理[M].清华大学出版社有限公司,2004.

[8]Petrushin V A.Emotion recognition in speech signal:experimental study,development,and application[J].studies,2000,3:4.

[9]屈梁生.机械故障诊断学[M].上海科学技术出版社,1986.

[10]丁吉,赵杰,万遂人,等.基于小波包变换的光纤扰动信号模式识别[J].微计算机信息,2011,27(2):163-164.

[11]王志刚,朱瑞荪,李友荣.FFT-FS频谱细化技术及其在机械故障诊断中的应用[J].武汉科技大学学报(自然科学版),2000,23(1):44-46.

[12]Lin J,Zuo M J.Gearbox fault diagnosis using adaptive wavelet filter[J].Mechanicalsystems and signal processing,2003,17(6):1259-1269.

[13]黄翔东,王兆华.全相位FIR滤波器族[J].信号处理,2008,24(3):470-475.

[14]吴国乔,王兆华.基于全相位的零相位数字滤波器的设计方法[J].电子和信息学报,2007,29(3):573-576,

[15]Bamberger R H,Smith M J T.A filter bank for the directional decomposition of images:Theory and design[J].Signal Processing,IEEE Transactions on,1992,40(4):882-893.

[16]王百锁,李春庚.小波滤波器组[J].大连海事大学学报:自然科学版,2001,27(1):75-77.

[17]周小勇,叶银忠.故障信号检测的小波基选择方法[J].控制工程,2003,10(4):308-311.

[18]Demirel H,Anbarjafari G.Image resolution enhancement by using discrete andstationary wavelet decomposition[J].Image Processing,IEEE Transactions on,2011,20(5):1458-1460.

[19]张静远,张冰.基于小波变换的特征提取方法分析[J].信号处理,2000,16(2):156-162.

[20]杨国安,钟秉林.机械故障信号小波包分解的时域特征提取方法研究[J].振动与冲击,2001,20(2):25-28.

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种利用频响特性配置的全相位滤波器组的方法，其特征在于，所述方法包括以下步骤：

(1)通过长度为2N-1的卷积窗对输入信号x(n)进行卷积；

(2)再将相乘后的间隔N-1的数据两两相加而形成N个数据x′；

(3)对Q个子通道滤波器系数向量进行快速配置频响特性，获取配置后的Q个子通道滤波器系数向量；

(4)通过配置后的Q个子通道滤波器系数向量并行对数据x′做乘累加，获取Q个滤波输出结果y_q(n)。

2.根据权利要求1所述的一种利用频响特性配置的全相位滤波器组的方法，其特征在于，所述对Q个子通道滤波器系数向量进行快速配置频响特性，获取配置后的Q个子通道滤波器系数向量的步骤具体为：

$h\left(n\right)=\left\{\begin{array}{cc}2m/N& n=0\\ \frac{2}{N}\·\frac{\sin \left(\frac{\mathrm{\π}}{N}nm\right)}{\sin \left(\frac{\mathrm{\π}}{N}n\right)}\·\cos \[\frac{\mathrm{\π}}{N}n\left(2p+m\right)\]& n\∈\[1,N\]\end{array}\right.$

其中，m表示滤波器带宽的参数，p表示滤波器通带起始位置的参数，h(n)表示配置后的每个滤波器的系数。

3.一种实施权利要求1所述的利用频响特性配置的全相位滤波器组的方法的装置，所述装置包括：模数转化器和DSP器件，其特征在于，

将待滤波的信号x(t)经过所述模数转化器采样得到样本序列x(n)，以并行数据输入的形式进入所述DSP器件，同时设定滤波器阶数N、频率向量H中0与1的个数p和m，

经过所述DSP器件的处理得到Q个滤波输出结果y_q(n)。