这个问题是我不知道的更一般问题的一部分 - 如何在频域中应用滤波器，然后将滤波后的信号转换回时域？好吧，我用谷歌搜索了我需要的答案

• 在 FFT 中转换信号
• 乘以过滤器
• 转换回时域

但我不完全确定我是否将这个想法正确地应用于大气吸收过滤（见下文）。

我也不确定我是否可以完全在时域中进行过滤（如卷积所建议的那样？）以某种方式减轻来回切换到频率域的需要。

输入：声波（枪声声压减去大气压力）和大气条件。输出：用大气吸收滤波器衰减的相同声波。

我用来查找Engineering Acoustics/Outdoor Sound Propagationpython-acoustics中描述的大气衰减系数。

我想出了以下代码：

def atmosphericAttenuation(signal, distance, Fs, **kwargs):
    """
    Apply atmospheric absorption to the `signal` for all its FFT frequencies.
    It does not account for the geometrical attenuation.

    Parameters
    ----------
    signal - a pressure waveform (time domain)
    distance - the travelled distance, m
    Fs - sampling frequency of the `signal`, Hz
    kwargs - passed to `Atmosphere` class

    Returns
    -------
    signal_attenuated - attenuated signal in the original time domain
    """
    # pip install acoustics
    from acoustics.atmosphere import Atmosphere

    atm = Atmosphere(**kwargs)
    signal_rfft = np.fft.rfft(signal)
    freq = np.fft.rfftfreq(n=len(signal), d=1. / Fs)
    # compute the attenuation coefficient for each frequency
    a_coef = atm.attenuation_coefficient(freq)
    # (option 2) signal_rfft *= 10 ** (-a_coef * distance / 20)
    signal_rfft *= np.exp(-a_coef * distance)
    signal_attenuated = np.fft.irfft(signal_rfft)
    return signal_attenuated

我做对了吗？哪一个是正确的：

• signal_rfft *= np.exp(-a_coef * distance)<-$P(r) = P(0) \exp (-\alpha r)$
• signal_rfft *= 10 ** (-a_coef * distance / 20)<-$A_a = -20 \log_{10} \frac{P(r)}{P(0)} = \alpha r$

如果两者都不是，请描述应该如何做。谢谢你。