Blog
MATLABのfiltfiltは、フォワードバックワードフィルタリングを実行します。つまり、フィルター処理、信号の反転、再度フィルター処理、そして再度反転します。これは、位相遅れを減らすために行われたようです。このようなフィルタリングを使用することの長所/短所は何ですか（結果として生じると思います）フィルタの順序を効果的に増やします）。
filterの代わりに常にfiltfiltを使用することをお勧めします（つまり、フォワードフィルタリングのみ）？これを使用する必要があり、使用してはならないアプリケーションはありますか？
プリリンギング"奇妙に聞こえます。最小位相フィルタリングはより自然です。 ccrma.stanford.edu/~jos/filters/Linear_Phase_Really_Ideal.html
周波数領域で最もよく見ることができます。 $ x [n] $が入力シーケンスで、$ h [n] $がフィルターのインパルス応答である場合、最初のフィルターパスの結果は
$$ X（e ^ {j \ omega}）H（e ^ {j \ omega}）$$
$ X（e ^ {j \ omega}）$および$ H（e ^ {j \ omega}）$それぞれ$ x [n] $と$ h [n] $のフーリエ変換。時間反転は、周波数領域で$ \ omega $を$-\ omega $に置き換えることに対応するため、時間反転後に次のようになります。
$$ X（e ^ {-j \ omega}）H（e ^ {-j \ omega}）$$
2番目のフィルターパスは、$ H（e ^ {j \ omega}）$：
$$ X（e ^ {-j \ omega}）H（e ^ {j \ omega}）H（e ^ {-j \ omega}）$ $
時間反転後、最終的に出力信号のスペクトルが得られます
$$ Y（e ^ {j \ omega}）= X（e ^ {j \ omega }）H（e ^ {j \ omega}）H（e ^ {-j \ omega}）= X（e ^ {j \ omega}）| H（e ^ {j \ omega}）| ^ 2 \ tag {1} $$
実数値のフィルター係数の場合、$ H（e ^ {-j \ omega}）= H ^ {*}（e ^ {j \ omega}）$があるためです。式（1）は、出力スペクトルが周波数応答$ | H（e ^ {j \ omega}）| ^ 2 $のフィルターでフィルター処理することによって得られることを示しています。 chは純粋に実数値です。つまり、その位相はゼロであるため、位相の歪みはありません。
これは理論です。リアルタイム処理では、もちろん、入力ブロックの長さに対応するレイテンシーを許可した場合にのみ時間反転が機能するため、非常に大きな遅延が発生します。ただし、これによって位相歪みがないという事実は変わりません。出力データの遅延が追加されるだけです。FIRフィルタリングの場合、新しいフィルター$ \ hat {hを定義した方がよいため、このアプローチは特に有用ではありません。 } [n] = h [n] * h [-n] $であり、通常のフィルタリングで同じ結果が得られます。IIRフィルターではゼロ位相（または線形位相、つまり線形位相）を持つことができないため、この方法を使用する方が興味深いです。純粋な遅延）。
要約：
IIRフィルターが必要な場合、または位相歪みをゼロにしたい場合、処理遅延は問題ありません。この方法は便利です
処理の遅延が問題になる場合は、使用しないでください
FIRフィルターがある場合、この方法を使用するのと同等の新しいFIRフィルター応答を簡単に計算できます。 FIRフィルターを使用すると、常に正確な線形位相を実現できることに注意してください。
maximum-aposteriori-estimation。名前をmaximum-a-posteriori-estimationに変更してください。誤って、aの後に-を忘れてしまいました。ありがとうございます。この動画を見つけました非常に役立つ（マットの回答について詳しく説明します）。
ビデオからの重要なアイデアは次のとおりです。
x[n]を取得し、それをフィルタリングし、結果を反転し、再度フィルタリングし、再度反転します（時間反転ステップでは、すべてのデータが使用可能である必要があります）。