将带通滤波器应用于Python中的信号时遇到一些麻烦。尝试了以下方法：
手动执行Box窗口，即对信号执行FFT，将
用一个框窗口进行过滤，然后执行IFFT以返回到时间
域。
使用scipy.signal模块，在其中我使用firwin2来构建
过滤，然后lfilter进行过滤。
此外，我在音频程序Cool Edit中进行了相同的过滤，并比较了上述两个测试的结果。
可以看出（我是新用户，所以我不能张贴png图），FFT和scipy.signal的结果非常不同。与Cool编辑的结果进行比较时，FFT接近，但是不完全相同。代码如下：
# imports
from pylab import *
import os
import scipy.signal as signal
# load data
tr=loadtxt('tr6516.txt',skiprows=1)
sr = 500 # [samples/s]
nf = sr/2.0 # Nyquist frequence
W = 512 # Window widht for filtering
N=float(8192) # Fourier settings
Ns = len(tr[:,0]) # Total number of samples
# Create inpulse responce from the filter
fv=12.25
w =0.5
r =0.5*w
Hz=[0, fv-w-r, fv-w, fv+w, fv+w+r, nf]
ff=[0, 0, 1, 1, 0, 0]
b = signal.firwin2(W,Hz,ff,nfreqs=N+1,nyq=nf)
SigFilter = signal.lfilter(b, 1, tr[:,1])
# Fourier transform
X1 = fft(tr[:,1],n=int(N))
X1 = fftshift(X1)
F1 = arange(-N/2.0,N/2.0)/N*sr
# Filter data
ff=[0,1,1,0]
fv=12.25
w =0.5
r =0.5*w
Hz=[fv-w-r,fv-w,fv+w,fv+w+r]
k1=interp(-F1,Hz,ff)+interp(F1,Hz,ff)
X1_f=X1*k1
X1_f=ifftshift(X1_f)
x1_f=ifft(X1_f,n=int(N))
谁能向我解释为什么会有这种差异？ Cool编辑中的过滤已使用与scipy.signal中相同的设置完成（汉宁窗口，窗口宽度512）。还是我完全错了。
最好的祝福，
安德斯
上面的代码：
与酷编辑相比：
最佳答案
库可以使用不同的算法来解释小差异，这些算法会累积略有不同的错误。
例如，如果使用基数2 FFT，分基数FFT和普通DFT计算DFT，则结果都将略有不同。实际上，普通DFT的精度比FFT的所有体面实现都要差，这是因为它使用了更多的浮点运算，因此累积了更多的错误。
这可以解释您看到的接近（但不完全相同）结果吗？
关于python - FFT过滤器vs Python中的lfilter，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/8037990/