我正在研究信号处理问题。我正在提取一些特征来提供分类器。在这些特征中，有前 5 个 FFT 系数之和。如您所知，初级 FFT 系数实际上表明了信号的主要低频分量。这非常接近低通滤波器所提供的。
在这里，我怀疑计算 FFT 以获取前 5 个系数是否是不必要的任务。我认为应用低通滤波器只会消除低频分量，并且不会对初级 FFT 系数产生显着影响。然而，可能有一些其他方式与低通滤波器结合使用，以便在不使用 FFT 的情况下提取相同的信息（包含在前五个 FFT 系数中）。
您对这个问题有什么想法或建议吗？
提前致谢。
如果您只需要一个信号低频部分的指标，我建议您做一些非常简单的事情。只需使用一个普通的低通滤波器，例如二阶巴特沃斯，截止频率设置得当（如果我理解正确的话，在你的情况下为 5Hz）。然后计算窗口（长度 100）上的能量（平方和）或 rms 值。或者也许取低频能量与窗口总能量的比值，得到一个相对量度。这应该为您提供信号的低频贡献的一个很好的指标。
人们倾向于过度使用 fft 来完成各种非常简单的任务。在 90% 的用例中，fft 可以用更简单的算法代替。
我似乎你应该看看Goertzel Algorithm，至于你需要的看似有限的频率数量，它应该需要更少的计算。在更新每个样本的反馈部分后，您可以选择生成“特征度量”的频率或对结果进行一些额外的加权，可以产生可观的低通滤波器。