IIR数字滤波器C语言

最新推荐文章于 2025-06-14 02:07:55 发布

灬江湖雨灬

最新推荐文章于 2025-06-14 02:07:55 发布

阅读量2k

点赞数

1.模拟滤波器的设计

1.1巴特沃斯滤波器的次数

根据给定的参数设计模拟滤波器，然后进行变数变换，求取数字滤波器的方法，称为滤波器的间接设计。做为数字滤波器的设计基础的模拟滤波器，称之为原型滤波器。这里，我们首先介绍的是最简单最基础的原型滤波器，巴特沃斯低通滤波器。由于IIR滤波器不具有线性相位特性，因此不必考虑相位特性，直接考虑其振幅特性。

在这里，N是滤波器的次数，Ωc是截止频率。从上式的振幅特性可以看出，这个是单调递减的函数，其振幅特性是不存在纹波的。设计的时候，一般需要先计算跟所需要设计参数相符合的次数N。首先，就需要先由阻带频率，计算出阻带衰减

将巴特沃斯低通滤波器的振幅特性，直接带入上式，则有

最后，可以解得次数N为

当然，这里的N只能为正数，因此，若结果为小数，则舍弃小数，向上取整。

1.2巴特沃斯滤波器的传递函数

巴特沃斯低通滤波器的传递函数，可由其振幅特性的分母多项式求得。其分母多项式

根据S解开，可以得到极点。这里，为了方便处理，我们分为两种情况去解这个方程。当N为偶数的时候，

这里，使用了欧拉公式。同样的，当N为奇数的时候，

同样的，这里也使用了欧拉公式。归纳以上，极点的解为

上式所求得的极点，是在s平面内，在半径为Ωc的圆上等间距的点，其数量为2N个。为了使得其IIR滤波器稳定，那么，只能选取极点在S平面左半平面的点。选定了稳定的极点之后，其模拟滤波器的传递函数就可由下式求得。

1.3巴特沃斯滤波器的实现（C语言）

首先，是次数的计算。次数的计算，我们可以由下式求得。

其对应的C语言程序为

[cpp]view
 plaincopy 
 
   
 N = Ceil(0.5*( log10 ( pow (10, Stopband_attenuation/10) - 1) /   
             log10 (Stopband/Cotoff) ));  

然后是极点的选择，这里由于涉及到复数的操作，我们就声明一个复数结构体就可以了。最重要的是，极点的计算含有自然指数函数，这点对于计算机来讲，不是太方便，所以，我们将其替换为三角函数，

这样的话，实部与虚部就还可以分开来计算。其代码实现为

[cpp]view
 plaincopy 
 
   
 typedef struct   
 {  
     double Real_part;  
     double Imag_Part;  
 } COMPLEX;  
   
   
 COMPLEX poles[N];  
   
 for(k = 0;k <= ((2*N)-1) ; k++)  
 {  
     if(Cotoff*cos((k+dk)*(pi/N)) < 0)  
     {  
         poles[count].Real_part = -Cotoff*cos((k+dk)*(pi/N));  
     　　poles[count].Imag_Part= -Cotoff*sin((k+dk)*(pi/N));        
         count++;  
         if (count == N) break;  
     }  
 }   

计算出稳定的极点之后，就可以进行传递函数的计算了。传递的函数的计算，就像下式一样

这里，为了得到模拟滤波器的系数，需要将分母乘开。很显然，这里的极点不一定是整数，或者来说，这里的乘开需要做复数运算。其复数的乘法代码如下，

[cpp]view
 plaincopy 
 
   
 int Complex_Multiple(COMPLEX a,COMPLEX b,  
                  double *Res_Real,double *Res_Imag)  
       
 {  
        *(Res_Real) =  (a.Real_part)*(b.Real_part) - (a.Imag_Part)*(b.Imag_Part);  
        *(Res_Imag)=  (a.Imag_Part)*(b.Real_part) + (a.Real_part)*(b.Imag_Part);      
      return (int)1;   
 }  

有了乘法代码之后，我们现在简单的情况下，看看其如何计算其滤波器系数。我们做如下假设

这个时候，其传递函数为

将其乘开，其大致的关系就像下图所示一样。

计算的关系一目了然，这样的话，实现就简单多了。高阶的情况下也一样，重复这种计算就可以了。其代码为

[cpp]view
 plaincopy 
 
   
  Res[0].Real_part = poles[0].Real_part;   
  Res[0].Imag_Part= poles[0].Imag_Part;  
  Res[1].Real_part = 1;   
  Res[1].Imag_Part= 0;  
   
 for(count_1 = 0;count_1 < N-1;count_1++)  
 {  
   for(count = 0;count <= count_1 + 2;count++)  
   {  
       if(0 == count)  
  　{  
               Complex_Multiple(Res[count], poles[count_1+1],  
                    &(Res_Save[count].Real_part),  
                    &(Res_Save[count].Imag_Part));  
       }  
       else if((count_1 + 2) == count)  
       {  
             Res_Save[count].Real_part  += Res[count - 1].Real_part;  
    　Res_Save[count].Imag_Part += Res[count - 1].Imag_Part;  
       }         
   　else   
   　{  
               Complex_Multiple(Res[count], poles[count_1+1],  
                    &(Res_Save[count].Real_part),  
                    &(Res_Save[count].Imag_Part));                 
 1   　　Res_Save[count].Real_part  += Res[count - 1].Real_part;  
   　　 Res_Save[count].Imag_Part += Res[count - 1].Imag_Part;  
  　}  
   }  
  　　*(b+N) = *(a+N);  

到此，我们就可以得到一个模拟滤波器巴特沃斯低通滤波器了。

2.双1次z变换

2.1双1次z变换的原理

我们为了将模拟滤波器转换为数字滤波器的，可以用的方法很多。这里着重说说双1次z变换。我们希望通过双1次z变换，建立一个s平面到z平面的映射关系，将模拟滤波器转换为数字滤波器。

和之前的例子一样，我们假设有如下模拟滤波器的传递函数。

将其做拉普拉斯逆变换，可得到其时间域内的连续微分方程式，

其中，x(t)表示输入，y(t)表示输出。然后我们需要将其离散化，假设其采样周期是T，用差分方程去近似的替代微分方程，可以得到下面结果

然后使用z变换，再将其化简。可得到如下结果

从而，我们可以得到了s平面到z平面的映射关系，即

由于所有的高阶系统都可以视为一阶系统的并联，所以，这个映射关系在高阶系统中，也是成立的。

然后，将关系式

带入上式，可得

到这里，我们可以就可以得到Ω与ω的对应关系了。

这里的Ω与ω的对应关系很重要。我们最终的目的设计的是数字滤波器，所以，设计时候给的参数必定是数字滤波器的指标。而我们通过间接设计设计IIR滤波器时候，首先是要设计模拟滤波器，再通过变换，得到数字滤波器。那么，我们首先需要做的，就是将数字滤波器的指标，转换为模拟滤波器的指标，基于这个指标去设计模拟滤波器。另外，这里的采样时间T的取值很随意，为了方便计算，一般取1s就可以。

2.2双1次z变换的实现（C语言）

我们设计好的巴特沃斯低通滤波器的传递函数如下所示。

我们将其进行双1次z变换，我们可以得到如下式子

可以看出，我们还是需要将式子乘开，进行合并同类项，这个跟之前说的算法相差不大。其代码为。

[cpp]view
 plaincopy 
 
   
 for(Count = 0;Count<=N;Count++)  
     {         
           　for(Count_Z = 0;Count_Z <= N;Count_Z++)  
             {  
                  Res[Count_Z] = 0;  
              Res_Save[Count_Z] = 0;    
             }  
                 Res_Save [0] = 1;  
          　 for(Count_1 = 0; Count_1 < N-Count;Count_1++)  
             {  
             　　for(Count_2 = 0; Count_2 <= Count_1+1;Count_2++)  
                 {  
                     if(Count_2 == 0)  Res[Count_2] += Res_Save[Count_2];      
 　　　　　　　　　        　else if((Count_2 == (Count_1+1))&&(Count_1 != 0))    
                        　    Res[Count_2] += -Res_Save[Count_2 - 1];   
 　　　　　　　　　　        else  Res[Count_2] += Res_Save[Count_2] - Res_Save[Count_2 - 1];  
 　　           　for(Count_Z = 0;Count_Z<= N;Count_Z++)  
               　　　{  
                     　 Res_Save[Count_Z]  =  Res[Count_Z] ;  
                    　　Res[Count_Z]  = 0;  
               　　　}            
             }  
         for(Count_1 = (N-Count); Count_1 < N;Count_1++)  
             {  
                         for(Count_2 = 0; Count_2 <= Count_1+1;Count_2++)  
                 {  
                      if(Count_2 == 0) 　Res[Count_2] += Res_Save[Count_2];     