MATLAB低通滤波实战：从白噪声生成到频谱分析

1. 低通滤波基础概念与MATLAB环境准备

第一次接触低通滤波的朋友可能会觉得这个概念有点抽象，其实它的原理非常简单。想象一下你在听音乐时调节均衡器，把高频部分调低，保留低频部分，这就是低通滤波的直观体验。在信号处理中，低通滤波器就像个"频率筛子"，只允许低于某个临界值（截止频率）的信号成分通过，高于这个频率的则被大幅衰减。

MATLAB作为信号处理的利器，提供了多种实现低通滤波的方法。我比较推荐新手从最基本的滤波函数入手，等熟悉了再尝试更高级的方法。在开始之前，请确保你的MATLAB已经安装了Signal Processing Toolbox，这个工具箱包含了我们需要的各种滤波函数。检查方法很简单，在命令窗口输入：

ver('signal')

如果能看到版本信息，说明工具箱已安装。

2. 高斯白噪声生成与特性分析

在实际工程中，我们经常需要模拟噪声环境来测试滤波器性能。高斯白噪声就是个很好的选择，它的特点是频谱均匀分布（像白光一样包含所有颜色），幅度服从高斯分布。在MATLAB中生成这种噪声只需要一行代码：

noise = randn(1, N);  % 生成1×N的高斯白噪声

但这样生成的噪声可能不够直观，我们可以通过频谱分析来观察它的特性。完整的噪声生成与频谱绘制代码如下：

fs = 1000;          % 采样率1kHz
T = 1;              % 信号时长1秒
N = fs * T;         % 采样点数
t = (0:N-1)/fs;     % 时间向量

% 生成高斯白噪声
noise = randn(1, N);

% 计算频谱
f = (-N/2:N/2-1)*(fs/N);  % 频率轴
noise_fft = fftshift(fft(noise))/N;

% 绘制时域和频域图形
figure;
subplot(2,1,1