小于的输入信号的隐含零点,它是滤波器输出的初始瞬态。n0
让我在这里模拟一下效果,因为您没有发布实际数据,我将使用以下Matlab/Octave代码尽可能接近地对其进行建模:
Fs = 250; % Sampling frequency in Hz.
Ts=1/Fs; % Sampling period in seconds.
t = [0:Ts:4]; % Simulation interval for the signals.
L = length(t); % Simulation signal lengths in samples.
x = 8E4 + 1E4*exp(-t) + 1E3*filter(fir1(43,0.03),1,randn(1,L));
% Note: x[n] is roughly modeling your input signal sampled at 250 Hz.
% I have not included those spikes, as they're irrelevant for this analysis
b = fir1(65,[10/125 20/125],'bandpass'); % a BPF with passband [10,20] Hz.
y = filter(b,1,x); % Obtain the filtered output signal.
% Now, observe the outputs...
figure,subplot(2,1,1);
plot(t,x);title('Input signal x[n] of duration 4 seconds')
subplot(2,1,2)
plot(t,y);title('Output signal y[n] obtained from BPFing of the input');
如下所示:

因此,可以清楚地观察到输出开始处的峰值。
查看带通滤波器的脉冲响应很直观:

查看 BPF 脉冲响应(尤其是第二个子图)揭示了瞬态与脉冲响应一致的事实;它们的持续时间相同,形状非常相似。
事实上,看看瞬态的持续时间(大约 0.25 秒),它与脉冲响应的样本数相匹配:
滤波器的 BPF 脉冲响应相吻合。N×Ts=0.25s→N=0.25×250=62.5 samples65th66
所以我们有线索,开始时的峰值确实是输出处的脉冲响应(它的转换版本)。
其原因可以通过查看卷积和来理解:
应针对
y[n]=∑k=0L−1x[k]h[n−k]
n≥0
现在总和可以看出,的信号值暗示为零。让我们在下面的翻转和拖动图形评估中展示这种效果:k<0
现在首先观察它的初始部分,信号x[n]具有几乎恒定的值。那么也可以看出,直到n=65信号和脉冲响应之间的重叠是部分的,因此脉冲响应的正负样本不会有足够的消除来产生(大约)零输出。但当n≥65脉冲响应和信号之间存在完全重叠(几乎是恒定的),因此在求和中,脉冲响应的正样本和负样本将相互抵消,产生一个小的(零直流)输出,代表预期输出后n>65.