最简单的方法是什么？

我是 GNU Radio 的人。所以最简单的方法是这个 GNU Radio 同伴设计的流程图：

生成此流程图文件会生成一个 python 程序，该程序使用 GNU Radio 在尽可能多的 CPU 内核上进行信号处理。

然后你可以运行它

$ ./bandpass_filters.py -f {input file containing float32 samples, one after the other}

为了降低所有这些带通的复杂性，我首先使用低通将信号的采样率降低一半——这没关系，因为您只对低于输入采样率一半的频率感兴趣。

我用一个 200MB 的“虚拟”文件尝试了这个，创建了 8 个 100MB 的输出文件——这在一个临时目录中来回花费了整整 13 秒。我非常希望它足够快！我对此进行了一些基准测试，似乎该源每秒能够通过大约 2000 万个样本；缓慢的部分是写入 8 个文件。

请注意，这是一个快速简便的解决方案——一个适当的、速度优化的解决方案可能会使用

1. 抽取，因为您的输出采样率仍然是 110 Hz，其中最多包含 9 Hz（这浪费了处理能力，因此浪费了速度）
2. 对于低于该速率的四个滤波器，通过低通滤波到 27.5 Hz 的另一个预抽取 2

但是，实际上，在您的样本量适中（16GB = 40 亿个 32 位浮点数？），无论如何，如果您想喝杯咖啡，这并不是必需的。

那个流程图真的很好而且很容易设计。如果你想学习自己设计这样的信号处理流程图，我在这里，无耻地插入 GNU Radio 的指导教程；事实上，在实时流程图中使用 GNU Radio 更有趣，即在输入或输出（或两者）是物理设备（麦克风、心电传感器、声纳、无线电前端）的系统中。-r如果您将“文件源”替换为“音频源”（两者都带有 GNU Radio）并通过标志指定与声卡兼容的采样率，则完全相同的流程图可以与声卡一起使用。

现在，由于您可能比我更了解如何使用 Mathematica，因此我建议您实现以下内容：

1. （第一次，一次）您使用 GNU Radio 伴侣生成一个 python 程序，为您进行信号处理。
2. 您使用 MathematicaBinaryWrite()将原始样本作为 32 位浮点数写入文件，例如BinaryWrite("/tmp/samples.dat.f32", your_sample_vector, "Real32").
3. 您可以使用 Mathematica 的功能来调用您机器上的可执行文件来执行该 python 脚本。现在，我不是 Mathematica 专家，所以这都是基于谷歌的猜测：RunProcess({"/path/of/python/executable", "/path/of/generated/python/program", "-f", "/tmp/samples.dat.f32"})
4. 您在 Mathematica 中阅读 ( BinaryRead) 结果/tmp/samples.dat.f32_1_3.dat（等等）。…_4_7.dat

或者，您确实考虑在 Mathematica 中减少工作流程，并使用 GNU Radio 或其模块生态系统附带的大量信号处理东西。

采样频率似乎正确（220 Hz > 2*50 Hz），因此不会丢失信息。

您要做的是为每个频段设计一个带通滤波器，并将其应用于您的信号以提取每个频段。由于您似乎拥有“无限”的计算量，因此您可以轻松应用高阶滤波器并获取信号。

由于您使用的是mathematica，我建议使用此功能： https ://reference.wolfram.com/language/ref/BandpassFilter.html 它允许轻松指定频率和其他参数，而无需设计整个事物。

例如，假设您有一个信号$S$在mathematica 中，它由数字数组 {12,21,...,36,...} 定义。你想提取$\alpha_2$波浪。您必须使用以下函数（n 是过滤器的内核长度）

BandPassFilter[S, {w1,w2},n]

w1 和 w2 被定义为：

如果您可以自由使用任何软件，我也建议您切换到 MatLab，它比 Mathematica（我的观点）更适合随心所欲地处理数据，并且在信号工程社区中广泛使用。