这是我们得到的差分方程：
y(n) = -0.25x(n) - 0.15x(n − 1) + 0.78x(n − 2) − 0.15x(n − 3) - 0.25x(n - 4)
我知道那是 FIR。系数的选择方式是通过这种卷积系统去除某些输入信号频率。以 Matlab 音频文件 gong.mat 为例，我们读取文件然后我们有输入信号 x 和采样率 Fs，然后通过这样的系统，我们有输出信号 y。我们如何理解使某些输入信号频率被过滤的滤波器系数？不同的系数导致不同的滤波器类型？我们可以估计去除了哪些频率吗？
2-tap FIR 滤波器可以用简单的直觉来理解（我使用 Python 进行绘图，但freqz在那里是一样的）。
让我们从两个具有相同值的水龙头开始：b = [1, 1]。这允许通过恒定信号（例如[1, 1, 1, ...]），但或多或少会阻止快速变化的信号（例如[1, -1, 1, -1, ...]），即它是低通：
w, h = scipy.signal.freqz([1, 1], 1)
plt.plot(w, abs(h))
另一方面，b = [-1, 1]将做相反的事情：让变化的信号通过但阻止恒定的信号，即我们有一个高通。
w, h = scipy.signal.freqz([-1, 1], 1)
plt.plot(w, abs(h))
我不确定将这种直觉扩展到像您这样的更复杂的信号是否很简单。但是从形状来看，我预计会出现一些带通行为（因为我们同时具有高通和低通分量），其峰值频率约为采样频率的三分之一（因为类似的信号[1, 0, 0, -1, 0, 0, 1, ...]将能够通过）。这显然与事实相去甚远：
我同意 NPE 的观点，尽管我建议 DSP stackexchange，但这个问题可能更好地放在其他地方。看看这里，看看你能不能到达某个地方。如果您想从一些自学开始，我建议您阅读 NPE 提到的维基百科页面的以下两段：
示例：移动平均滤波器，可以帮助您更好地理解系数的含义； FIR 滤波器的频率响应，如果您想了解在时域中与该滤波器进行卷积如何改变频率，它将引导您朝着正确的方向前进。