数字信号处理基础：采样定理、离散时间信号与系统、Z变换与傅里叶变换回顾

自适应滤波器的核心运算对象是离散时间信号，其理论根基建立在采样定理、离散系统分析以及变换域工具之上。无论是时域的LMS自适应算法，还是频域的频块自适应滤波，都离不开对信号频谱结构、系统传递函数以及收敛特性的深刻理解。本章并非简单罗列公式，而是从工程实现的角度，梳理采样定理的工程约束、离散时间系统的稳定性判据、Z变换与傅里叶变换在滤波器设计中的分工，为后续自适应算法推导与实时实现打下坚实的数学与物理基础。

2.1 采样定理：从连续到离散的工程桥梁

2.1.1 核心原理：奈奎斯特准则与频谱混叠

采样定理（Nyquist-Shannon Sampling Theorem）指出：对于一个最高频率分量为 fmax 的带限连续信号 xa(t)，若采样频率 fs 满足 fs ≥ 2·fmax，则可以从采样序列 x[n] = xa(nT) 无失真地重建原始信号。其中 T = 1/fs 为采样周期，fmax 的2倍称为奈奎斯特率。在实际工程中，我们通常将 fs/2 称为奈奎斯特频率，它是数字系统能够唯一表示的最高频率分量。

当采样率不足时，高于 fs/2 的频率分量会“折叠”回低频区间，产生混叠（Aliasing）现象。混叠一旦发生，无法通过后续数字处理消除，因此必须在采样之前通过模拟抗混叠滤波器（低通滤波器）将信号带宽限制在 fs/2 以内。对于自适应滤波系统，混叠会直接污染参考信号与期望信号的频谱结构，导致自适应权向量收敛到错误的维纳解。

2.1.2 工程判断方法：采样率选择的系统化流程

1. 确定信号带宽：分析信号的功率谱密度，找到 -3dB 或 -60dB 带宽作为 fmax 的工程定义。对于宽带信号（如噪声），需根据应用场景设定有效带宽。
2. 选择采样率：理论最低值为 2·fmax，工程上通常取 2.5~4 倍 fmax 以留出过渡带余量。例如语音信号带宽 4kHz，常用 fs = 16kHz（4倍过采样）。
3. 设计抗混叠滤波器：模拟低通滤波器在 fs/2 处需提供足够的阻带衰减（通常 ≥60dB）。滤波器阶数越高，过渡带越窄，但相位失真越大。
4. 验证混叠余量：计算最高信号频率与 fs/2 之间的间隔，确保该间隔内滤波器衰减满足系统信噪比要求。

2.1.3 案例拆解：音频回声对消中的采样率设计

某车载免提通话系统需要实现回声对消，扬声器播放的语音信号带宽为 100Hz~8kHz，麦克风采集的近端语音同样在此频带内。系统约束为：DSP处理器主频 300MHz，ADC 动态范围 90dB，存储资源有限。

初始方案：直接采用 fs = 16kHz（满足 2×8kHz 理论值）。实测发现，由于扬声器非线性产生的高频谐波（可达 12kHz）混叠到 4kHz~8kHz 频段，自适应滤波器无法收敛，回声残留明显。

分析过程：扬声器在大音量下产生非线性失真，输出信号并非严格带限。虽然基波在 8kHz 以内，但二次谐波可达 16kHz，三次谐波更高。若 fs = 16kHz，这些谐波会混叠到低频段，形成不可预测的干扰。

改进措施：将采样率提升至 fs = 32kHz，并在扬声器驱动端加入二阶低通滤波器（截止频率 12kHz），抑制 16kHz 以上的非线性分量。同时，ADC 前端的抗混叠滤波器改为 4 阶巴特沃斯，在 16kHz 处提供 65dB 衰减。

结果对比：改进后，自适应滤波器的收敛时间从 850ms 缩短至 220ms，稳态回声返回损耗增强（ERLE）从 18dB 提升至 32dB。代价是数据吞吐量翻倍，但 DSP 仍有 40% 的算力余量。

复盘经验：采样率设计不能仅看标称带宽，必须考虑信号链中所有非线性环节产生的谐波分量。工程上建议至少留出 1.5 倍的理论带宽余量，并配合模拟滤波器的过渡带特性综合决策。

2.1.4 常见误区与总结

• 误区一：认为 fs = 2·fmax 是充分条件。实际上，该定理要求信号严格带限且采样为理想冲激采样，工程中必须留有余量。
• 误区二：忽略量化噪声的影响。ADC 的量化噪声近似均匀分布在 [0, fs/2] 频带内，过采样可以降低带内噪声密度，但需配合数字抽取滤波器。
• 误区三：抗混叠滤波器阶数越高越好。高阶模拟滤波器会引入严重的相位非线性，在自适应系统中可能破坏参考信号与期望信号的相关性结构。

2.2 离散时间信号与系统：时域分析基础

2.2.1 核心原理：LTI系统与卷积

离散时间信号 x[n] 是连续信号在等间隔时间点上的采样值。一个离散时间系统将输入序列 x[n] 映射为输出序列 y[n]。若系统满足线性（叠加性）与时不变性（延迟不变性），则称为线性时不变（LTI）系统。LTI 系统完全由其单位脉冲响应 h[n] 描述，输出为输入与 h[n] 的线性卷积：

y[n] = x[n] * h[n] = Σ_{k=-∞}^{∞} x[k]·h[n-k]

在自适应滤波中，滤波器本身就是一个 LTI 系统（权向量固定时），其单位脉冲响应即为滤波器系数 w[0], w[1], ..., w[M-1]。理解卷积的物理意义——输入信号的加权滑动平均——是理解自适应滤波如何塑造信号频谱的基础。

2.2.2 系统性质判断：因果性、稳定性与 FIR/IIR

自适应滤波器几乎全部采用 FIR 结构，原因在于：FIR 的误差曲面是权向量的二次函数，只有一个全局最小值，LMS 算法能够可靠收敛；而 IIR 的误差曲面可能存在多个局部极小值，且稳定性难以在线保证。

2.2.3 小型场景化说明：延迟估计中的互相关

考虑一个简单的自适应时延估计问题：参考信号 x[n] 经过未知延迟 D 后得到期望信号 d[n] = x[n-D]。若使用长度为 M 的 FIR 自适应滤波器逼近该延迟，滤波器权向量 w 将收敛为一个近似单位脉冲在 n=D 处的移位。通过检测权向量峰值位置即可估计延迟 D。该场景直观展示了 h[n] 的物理含义——系统对单位脉冲的响应形状直接反映了信号传播路径的特性。

2.2.4 常见误区与总结

• 误区一：混淆卷积与相关。卷积需要将 h[k] 翻转后滑动，而相关不翻转。在自适应滤波的维纳解推导中，自相关矩阵 R 和互相关向量 p 使用的是相关运算。
• 误区二：忽视初始条件。对于 FIR 滤波器，初始条件（即滤波器寄存器的初值）会影响前 M 个输出样本。自适应算法启动时，通常将权向量初始化为全零或单位脉冲。
• 误区三：认为所有离散系统都是 LTI。自适应滤波器在权向量更新过程中是时变的，因此严格来说不属于 LTI 系统，其分析需借助时变系统理论或假设权向量缓慢变化（分离原理）。

2.3 Z变换与傅里叶变换：频域视角的工程工具

2.3.1 核心原理：Z变换的定义与收敛域

序列 x[n] 的双边 Z 变换定义为 X(z) = Σ_{n=-∞}^{∞} x[n]·z⁻ⁿ，其中 z 为复变量。Z 变换将差分方程转化为代数方程，是分析离散系统传递函数 H(z) = Y(z)/X(z) 的核心工具。收敛域（ROC）是使级数收敛的 z 平面区域，它决定了系统性质：

• 因果系统的 ROC 为某个圆外区域（|z| > r）；
• 稳定系统的 ROC 包含单位圆（|z| = 1）；
• 若系统既因果又稳定，则所有极点必须在单位圆内。

傅里叶变换（DTFT）是 Z 变换在单位圆上的特例，即 X(e^{jω}) = X(z)|_{z=e^{jω}}，其中 ω = 2πf/fs 为归一化数字角频率。DTFT 给出了序列的频谱密度，是分析滤波器频率响应的直接工具。DFT/FFT 则是对 DTFT 在频域的等间隔采样，用于数值计算。

2.3.2 工程判断方法：从传递函数到滤波器行为

1. 求系统函数：对差分方程两边做 Z 变换，得到 H(z) = B(z)/A(z)。
2. 分析零极点：绘制零极点图。极点靠近单位圆表示该频率处增益峰值高、响应慢；零点靠近单位圆表示该频率处陷波。
3. 判断稳定性：检查所有极点是否在单位圆内。对于自适应滤波器，每次权向量更新后都应检查等效传递函数的极点位置。
4. 计算频率响应：令 z = e^{jω}，计算幅度响应 |H(e^{jω})| 和相位响应 ∠H(e^{jω})。FIR 滤波器可直接用 FFT 计算。

2.3.3 案例拆解：陷波器设计的频域分析

某生物医学信号采集系统需要滤除 50Hz 工频干扰，采样率 fs = 1000Hz。要求陷波深度 ≥40dB，且对 45Hz~55Hz 以外的信号影响小于 0.5dB。

方案一：IIR 双二阶陷波器。传递函数为 H(z) = (1 - 2cosω₀·z⁻¹ + z⁻²) / (1 - 2r·cosω₀·z⁻¹ + r²·z⁻²)，其中 ω₀ = 2π×50/1000 = 0.314 rad，r 控制陷波带宽。取 r = 0.98，计算得 -3dB 带宽约 6Hz，陷波深度约 35dB，不满足 40dB 要求。将 r 增大至 0.995，陷波深度达 46dB，但 -3dB 带宽收窄至 1.5Hz，对 49Hz 的信号已产生 3dB 衰减，不满足指标。

方案二：自适应 FIR 陷波器。使用两个自适应权值的 FIR 滤波器，参考输入为正交的 sin(ω₀n) 和 cos(ω₀n)。LMS 算法迭代更新权值，等效传递函数在 ω₀ 处形成自适应零点。实测结果：稳态陷波深度 52dB，-3dB 带宽 2Hz，对 48Hz 和 52Hz 信号的衰减小于 0.3dB。收敛时间约 200ms，满足系统要求。

分析过程：IIR 陷波器的带宽与深度相互制约，本质是零极点距离的折中。自适应 FIR 陷波器通过梯度搜索自动调整零点位置，能够适应工频频率的微小漂移（如电网频率在 49.8~50.2Hz 波动），这是固定 IIR 无法做到的。

结果对比：自适应方案在性能上全面优于固定 IIR，但需要额外的参考信号生成逻辑和 LMS 运算。最终选择自适应方案，因其鲁棒性更好。

复盘经验：Z 变换的零极点分析能快速判断固定滤波器的性能边界，而自适应滤波器的频域行为需要结合收敛后的维纳解来分析。两者互为补充，不可偏废。

2.3.4 常见误区与总结

• 误区一：混淆 DTFT 与 DFT。DTFT 是连续频率函数，DFT 是离散频率采样。用 FFT 分析频谱时，频率分辨率 Δf = fs/N，N 为 FFT 点数，需根据所需分辨率选择 N。
• 误区二：忽略 Z 变换的 ROC。两个不同的序列可能有相同的 Z 变换表达式但不同的 ROC，对应不同的系统性质。在自适应滤波中，我们通常关注因果稳定系统，ROC 为 |z| > max|极点|。
• 误区三：认为傅里叶变换能处理所有信号。对于非平稳信号（如语音、生物信号），傅里叶变换只能给出平均频谱，需使用短时傅里叶变换（STFT）或小波分析。自适应滤波器处理非平稳信号时，需采用可变步长或归一化算法来跟踪时变特性。