Matlab fir2() 函数中傅立叶时移的作用是什么？

Question

我在理解 Matlab 信号处理工具箱 fir2() 函数中的一些代码片段时遇到问题：

% My comment: at this point vector H contains nn+1 (nn is an even number) points (double numbers) of amplitudes for a dense frequency grid


% Fourier time-shift.
dt = 0.5 .* (nn - 1);
rad = -dt .* sqrt(-1) .* pi .* (0:npt-1) ./ (npt-1);
H = H .* exp(rad);
%My comment: now H contains nn+1 complex numbers 


%My comment: creates a horizontal mirror with 2*nn points    
Hconj = [H conj(H(npt-1:-1:2))];   % Fourier transform of real series.
ht = real(ifft(Hconj));            % Symmetric real series.

%My comment: throws away the half after ht[nn]
b = ht(1:nn);         % Raw numerator.
wind = hamming(nn);
b = b .* wind(:).';   % Apply window.

令我困惑的是： - 如果我注释掉傅里叶时移，则 ifft 的结果围绕 ht[nn] 对称 - 如果我保持傅立叶时移代码不变，则 ifft 的结果不再围绕 ht[nn] 对称，但它在 ht[nn/2] 和 ht[3*nn/4] 周围有两个对称组，而两个部分都围绕 ht[nn/2] 和 ht[nn/2] 对称ht[nn] 在情节中看起来确实不同。但是 ht[nn] 之后的所有内容都被丢弃，所以如果我需要最终输出是对称的，我必须保留傅里叶时移。

为什么需要傅里叶时移？我可以在我的 C++ 应用程序中用一些更简单的算法替换它吗？该算法不使用复数，并且仍然得到围绕 ht[nn/2] 对称的 nn 点，这样我就可以扔掉 ht[nn] 之后的所有内容？

PS 我只是查看了有和没有傅立叶时移的图，并注意到通过将第二个结果 nn/2 向右移动可以得到相同的结果。因此，理论上我可以避免在 C++ 应用程序中使用傅立叶时移，而只需将 ifft 的实际结果向右移动 nn/2，然后丢弃 nn 之后的所有内容。我说得对吗？这样做安全吗？

Answer 1

根据本文，因果滤波器设计需要-shift。引用一下，

如果为每个 指定了零相移，则
生成的 h(n) 将以原点为中心。因此最小
需要 g = (M-1)/2 个样本的延迟才能使滤波器具有因果性。经过
DTFT 的时移特性，这对应于
|Hd(F)| 乘以 exp(-j*g*2*pi*F)。




换句话说，您可以绕过频域时移并仍然获得正确的滤波器，但这根本就不是因果关系。它将具有对称性并以原点为中心。