[转载]5 IIR数字滤波器设计与滤波：从巴特沃兹到双线性变换的MATLAB实现

1. 从模拟原型到数字滤波器IIR 设计到底在解决什么问题如果你正在做信号处理相关的课程设计或者工程调试大概率会遇到这样一个场景采集到的一段信号里混着高频噪声想把它干净地滤掉但手头只有采样点序列没有现成的硬件滤波器。这时候 IIR 数字滤波器就是最直接的方案——它用较少的阶数就能做出陡峭的过渡带计算量比同指标的 FIR 小得多非常适合在 MATLAB 里先验证、再移植到嵌入式平台。IIR 数字滤波器的核心思路其实不复杂先在 s 域模拟域设计一个满足指标的模拟低通原型再通过频率变换把它搬到目标频段最后用双线性变换把 s 域映射到 z 域得到可以直接对离散序列做运算的差分方程系数。整条链路里巴特沃兹原型负责“平坦”双线性变换负责“落地”两者配合就能覆盖低通、高通、带通、带阻四类需求。适合读这篇的人有三类一是正在学数字信号处理、需要把课本公式跑成可复现脚本的学生二是做音频、振动、生物电信号处理需要快速拿到滤波器系数的工程师三是想把 MATLAB 设计结果搬到 C 或 Python 里做在线滤波的开发者。下面我会把每一步的函数调用、参数单位、预畸变处理都拆开讲脚本可以直接复制运行。先明确一个容易踩的坑MATLAB 里buttord、buttap、lp2lp这些函数默认工作在模拟域单位是 rad/s而freqz、filter工作在数字域频率用归一化值0 到 1 对应 0 到 π。很多初学者直接把数字频率 0.2π 丢给buttord结果阶数算出来完全不对就是因为漏了预畸变这一步。双线性变换的频率映射关系是 Ω tan(ω/2)其中 ω 是数字角频率Ω 是等效模拟角频率。设计前先把通带、阻带边界做一次 tan 变换后面bilinear才能把频率点准确对回去。另外采样周期 T 的取值也会影响bilinear的第三个参数。当 T1 时bilinear(bs,as,1/2)里的 1/2 其实是 2/T这个细节在旧版教材里经常写成bilinear(bs,as,fs)fs 是采样率。如果你后续要把系数用到实际采样率为 fs 的系统里记得把模拟频率按 fs 重新归一化否则通带位置会整体偏移。2. TaoToken 在滤波器开发链路里的前置准备做信号处理实验时除了 MATLAB 本身很多人还会顺手接一个大模型来帮忙解释报错、生成测试信号或者把 MATLAB 代码转成 Python。这时候一个稳定的模型调用入口就很有用。TaoToken 提供的是统一的 API 接入方式你可以在它的控制台里创建密钥然后把 Base URL 指向https://taotoken.net/api就能在脚本或工具里调用模型对话能力。具体来说如果你想让模型帮你检查buttord返回的阶数是否合理或者把一段 MATLAB 滤波代码翻译成 NumPy 版本可以先用 API Key 打通调用链路。操作路径是进入控制台创建密钥拿到形如sk-xxxx的 Key然后在请求里带上Authorization: Bearer 你的Key请求地址用https://taotoken.net/api作为 Base URL。模型 ID 根据你需要的场景选比如做代码解释可以选通用对话模型做长链路 Agent 任务可以走 Coding Plan。这里要强调一点TaoToken 不是用来替代 MATLAB 的它解决的是“你在写滤波器脚本时遇到不确定的函数行为、报错信息、参数含义”这类问题。比如zp2tf输出的分子分母系数顺序、bilinear的预畸变补偿这些细节如果拿不准直接问模型比翻文档快。但滤波器本身的数值计算、频响验证仍然要在 MATLAB 里跑。如果你用的是 Claude Code 这类命令行工具做辅助开发配置方式是把 Base URL 和 Key 写进对应的 settings 文件模型 ID 填你选定的版本。Cline 或 Roo Code 这类插件也是同样的三件套Base URL、API Key、Model ID。配置完成后你可以在编辑器里直接让模型读你的.m文件指出lp2hp调用时Wo参数单位写错之类的问题。需要提醒的是模型对话适合做“解释”和“生成草稿”不要让它直接生成生产环境的滤波器系数。系数必须由 MATLAB 实际计算并用freqz验证因为模型可能给出看起来合理但数值不对的结果。把 TaoToken 当成一个随叫随到的助教而不是计算器这样定位最稳。3. 可复制的 MATLAB 配置与完整设计脚本下面这份脚本覆盖了低通和高通两个例子你可以直接存成iir_design.m运行。先看低通部分要求通带低于 0.2π rad 时幅度误差在 1dB 以内阻带 0.3π 到 π 之间衰减大于 15dB采样周期 T1采用巴特沃兹原型加双线性变换。%% 低通 IIR 数字滤波器设计 rp 1; rs 15; wp 0.2*pi; ws 0.3*pi; wap tan(wp/2); was tan(ws/2); % 预畸变 [n, wn] buttord(wap, was, rp, rs, s); % 模拟域阶数与截止频率 [z, p, k] buttap(n); % 巴特沃兹原型零极点增益 [bp, ap] zp2tf(z, p, k); % 转传输函数系数 [bs, as] lp2lp(bp, ap, wap); % 低通到低通频率变换 [bz, az] bilinear(bs, as, 1/2); % 双线性变换到 z 域 [hi, t] impz(bz, az); [hf, w] freqz(bz, az, 256, 1); subplot(3,2,1); stem(t, hi); title(低通冲激响应); subplot(3,2,2); plot(w, abs(hf)); title(低通幅频响应); n_seq 0:80; x sin(2*pi*50/1000*n_seq) sin(2*pi*400/1000*n_seq); y filter(bz, az, x); subplot(3,2,3); stem(n_seq, x); title(滤波前); subplot(3,2,4); stem(n_seq, y); title(滤波后);高通部分把lp2lp换成lp2hp注意通带和阻带的边界要反过来写%% 高通 IIR 数字滤波器设计 rp2 1; rs2 15; wp2 0.6*pi; ws2 0.4*pi; % 高通通带在上阻带在下 wap2 tan(wp2/2); was2 tan(ws2/2); [n2, wn2] buttord(wap2, was2, rp2, rs2, s); [z2, p2, k2] buttap(n2); [bp2, ap2] zp2tf(z2, p2, k2); [bs2, as2] lp2hp(bp2, ap2, wap2); [bz2, az2] bilinear(bs2, as2, 1/2); [hi2, t2] impz(bz2, az2); [hf2, w2] freqz(bz2, az2, 256, 1); subplot(3,2,5); stem(t2, hi2); title(高通冲激响应); subplot(3,2,6); plot(w2, abs(hf2)); title(高通幅频响应);如果你要把这套系数配置到其他环境可以导出一个 JSON 片段记录关键参数方便版本管理{ filter_type: lowpass, prototype: butterworth, rp_db: 1, rs_db: 15, wp_rad: 0.6283, ws_rad: 0.9425, order: 5, b_coeff: [], a_coeff: [], note: 运行脚本后从 bz/az 填充系数 }这里order是buttord返回的阶数实际运行低通例子时你会看到 n 大约在 5 左右。系数bz、az需要运行后手动填入或者用writematrix导出。注意bilinear的第三个参数写的是1/2对应 2/TT1 时就是 2。如果你改成 T0.5这里要写 4否则频率映射会错。4. 验证请求与成功结果频响曲线和滤波前后对比脚本跑完后最关键的验证动作是看两张图幅频响应曲线和滤波前后的时域波形。低通的freqz结果里横轴 w 是归一化频率0 到 1 对应 0 到 π。你应该看到通带内幅度接近 1在 w0.2 附近开始下降到 w0.3 时已经压到 15dB 以下。如果曲线在通带内有明显纹波说明阶数不够或者buttord参数单位写错了。时域验证部分我构造了一个 50Hz 加 400Hz 的混合正弦采样率按 1000Hz 算。经过低通滤波后400Hz 分量应该被明显压制输出波形接近纯 50Hz 正弦。你可以用max(abs(y))对比滤波前后的幅度或者用fft看频谱里 400Hz 峰的衰减量。实测下来5 阶巴特沃兹低通在这个指标下能把 400Hz 压掉 20dB 以上波形会变得干净很多。高通的验证逻辑类似但要注意lp2hp之后通带在高频段。你可以构造一个 100Hz 加 800Hz 的信号采样率 2000Hz滤波后 100Hz 应该被抑制800Hz 保留。如果发现高频反而被衰减检查wp2和ws2是不是写反了——高通的通带截止频率必须大于阻带起始频率。还有一个容易忽略的验证点impz出来的冲激响应应该是衰减的。如果冲激响应不衰减或者发散说明极点跑到了单位圆外通常是bilinear参数不对或者lp2hp的Wo用了数字频率而不是预畸变后的模拟频率。这时候回到第 3 步检查wap2 tan(wp2/2)有没有漏掉。如果你想把验证结果保存下来做报告可以用saveas(gcf, iir_response.png)导出图片或者把hf的幅度值写进 CSV。对于需要反复调参的场景建议把rp、rs、wp、ws做成脚本开头的变量改完直接重跑比在命令行里逐句敲快得多。5. 本篇常见报错排查从 401 到系数维度不匹配第一个高频报错是调用模型 API 时返回 401。这通常意味着 Key 没带对或者 Base URL 写错了。检查请求头里Authorization: Bearer sk-xxx的格式确认 Key 没有多余空格Base URL 用https://taotoken.net/api而不是带路径的地址。如果用的是 Claude Code 或 Cline检查 settings 里的 Base URL、Key、Model ID 三件套是否都填了缺一个都会 401。第二个是local proxy failed或连接超时。这类问题一般出在网络层不是滤波器代码本身。先确认你的请求地址能正常访问再检查工具里的代理配置有没有冲突。如果你在 MATLAB 里用webwrite调 API注意 MATLAB 的 web 选项默认不走系统代理需要显式设置。第三个是Unable to read file xxx或者reading choices相关报错。这通常发生在模型返回的 JSON 结构和你解析的字段对不上时。比如你期望choices[0].message.content但实际返回的是流式分块。解决办法是先打印原始响应体确认结构再解析。做代码辅助时让模型返回纯文本比返回 JSON 更省事。第四个是 MATLAB 侧的Index exceeds matrix dimensions。常见于filter(bz, az, x)里bz、az长度不一致或者freqz的返回值被你用错了维度。freqz返回的hf是复数向量取幅度要用abs(hf)。另外zp2tf输出的bp、ap是行向量lp2lp要求输入一致如果手动改过系数顺序会报错。第五个是 OAuth 相关报错出现在用账号授权方式接入时。如果你用的是 API Key 模式一般不会碰到。真遇到了就回到控制台重新生成 Key确认权限范围包含你要调用的模型。排查顺序建议是先确认 Key 和 Base URL再确认模型 ID最后看请求体格式。三步都对了401 和 OAuth 报错基本能消掉。6. 把设计流程固化成可复用脚本的实用建议滤波器设计最耗时的不是写代码而是调参数和验证。我的做法是把整个流程拆成三个函数一个负责根据指标算系数一个负责画频响和时域对比图一个负责导出系数到 JSON 或 C 头文件。这样下次做带通或带阻只需要改频率变换那一步其余部分直接复用。带通用lp2bp(bp, ap, Wo, Bw)带阻用lp2bs(bp, ap, Wo, Bw)其中Wo是中心频率的预畸变值Bw是带宽的预畸变值。注意这两个函数的Wo和Bw都要用模拟域频率也就是先做tan变换再传进去。很多人在这里直接把数字频率填进去结果中心频率偏移。如果你要把系数用到实际硬件上记得把bz、az转成差分方程形式y[n] (1/a0)(b0*x[n] b1*x[n-1] ... - a1*y[n-1] - ...)。MATLAB 的filter内部已经做了归一化但手写 C 代码时要自己除以az(1)。这一步漏掉会导致输出幅度整体缩放。最后验证环节不要只看一幅图就下结论。至少检查三个点通带边缘的衰减是否满足指标、阻带最小衰减是否达标、冲激响应是否收敛。三个都过了这组系数才算可用。把每次设计的指标和结果记在一个表格里下次遇到类似需求可以直接查历史参数省去重复试错。