4、数字滤波器基础：IIR与FIR滤波器的区别、稳定性、相位特性
数字滤波器这东西，说白了就是一段算法代码。你给它一串采样点，它给你吐出一串处理后的数据。但同样是滤波器，IIR和FIR这两兄弟脾气完全不同。我刚开始做信号处理那会儿，总觉得随便选一个就行，结果被相位失真坑了好几次。今天咱们就把它们的底细彻底扒清楚。
4.1 什么是数字滤波器？
数字滤波器本质上是一个线性时不变系统。输入信号经过它，某些频率分量被保留，某些被衰减。用数学语言说，就是差分方程：
y[n] = b₀x[n] + b₁x[n-1] + ... + b_M x[n-M]
- a₁y[n-1] - a₂y[n-2] - ... - a_N y[n-N]这里 x[n] 是输入，y[n] 是输出。系数 b_k 和 a_k 决定了滤波器的行为。如果所有 a_k 都是零，那就是 FIR；只要有一个 a_k 非零，就是 IIR。嗯，就这么简单。
核心区别一句话：FIR 只有前馈路径，IIR 有反馈路径。反馈路径让 IIR 能用更少的阶数达到同样的幅频指标，但也带来了稳定性和相位问题。
4.2 FIR 滤波器：稳定但“慢”
FIR 的全称是 Finite Impulse Response，有限冲激响应。你给它一个单位脉冲，它的输出在有限个采样点后一定会归零。为什么？因为没有反馈，能量不会循环。
FIR 的差分方程长这样：
y[n] = b₀x[n] + b₁x[n-1] + ... + b_M x[n-M]没有 a 系数，没有递归。这带来了几个关键特性：
- 绝对稳定：所有极点都在原点，单位圆内稳稳的。不管输入多大，输出不会发散。
- 线性相位：如果系数对称（b_k = b_{M-k}），相位响应就是一条直线。所有频率的延迟时间相同，波形形状不变。
- 代价：要达到陡峭的过渡带，阶数 M 可能很大。我做过一个 60dB 阻带衰减的低通，阶数跑到 200 多阶，实时系统里延迟大到没法用。
我的经验：在需要保留波形形状的场景——比如心电图信号处理、音频均衡器——我首选 FIR。线性相位太香了，波形不失真。但如果你对延迟敏感，比如实时控制系统，就得掂量掂量了。
4.3 IIR 滤波器：高效但“险”
IIR 的全称是 Infinite Impulse Response，无限冲激响应。给它一个脉冲，理论上输出会一直振荡下去，永远不会完全归零。原因就是反馈——输出的一部分被送回输入端。
IIR 的差分方程就是完整的那个：
y[n] = b₀x[n] + b₁x[n-1] + ... + b_M x[n-M]
- a₁y[n-1] - a₂y[n-2] - ... - a_N y[n-N]反馈带来了两个好处和一个大坑：
- 效率高：同样的幅频指标，IIR 需要的阶数只有 FIR 的十分之一甚至更少。比如一个 4 阶巴特沃斯低通，效果能顶 FIR 的 50 阶。
- 幅频特性好：模拟滤波器那一套（巴特沃斯、切比雪夫、椭圆）都能通过双线性变换直接映射过来，过渡带可以做得非常陡。
- 稳定性问题：极点必须在单位圆内。一旦系数量化误差把极点推出单位圆，滤波器就炸了——输出指数增长，直到溢出。
我曾经踩过的坑：有一次用定点 DSP 实现一个 8 阶椭圆低通，仿真时好好的，上板子就发散。查了两天才发现，系数量化后极点跑到了单位圆外。从那以后，我每次做 IIR 都会做两步：先检查极点位置，再留出量化裕量。
4.4 稳定性：一个必须较真的问题
稳定性是数字滤波器的生命线。一个不稳定的滤波器，输出会越来越大，直到把系统撑爆。
判断方法其实很直接：
- FIR：所有极点都在 z=0，永远稳定。不用操心。
- IIR：所有极点必须在单位圆内（|z| < 1）。只要有一个极点在单位圆上或圆外，就不稳定。
实际工程中，IIR 的稳定性受三个因素威胁：
- 系数量化：浮点转定点时，系数精度丢失，极点位置偏移。
- 高阶级联：直接实现高阶 IIR 对量化误差极其敏感。我习惯把高阶拆成二阶节级联（SOS），每个二阶节独立控制极点。
- 极限环：输入为零时，输出可能因为量化误差而持续小幅度振荡。这在定点实现中尤其常见。
避坑指南：设计 IIR 时，永远留出 10%~20% 的稳定裕量。也就是说，极点不要放在离单位圆太近的地方。我一般要求所有极点的模 ≤ 0.95，这样量化后也不容易出事。
4.5 相位特性：线性 vs 非线性
相位特性是 FIR 和 IIR 最大的分水岭。你想想看，滤波器不仅改变信号的幅度，还会改变各频率分量的时间对齐关系。
线性相位：所有频率的延迟时间相同。方波经过滤波器，形状不变，只是整体平移。FIR 在系数对称时能做到这一点。
非线性相位：不同频率的延迟时间不同。方波经过滤波器，上升沿和下降沿会变形，出现过冲或振铃。IIR 几乎都是非线性相位。
我举个例子你就明白了：
| 特性 | FIR（对称系数） | IIR |
|---|---|---|
| 相位响应 | 线性（直线） | 非线性（弯曲） |
| 群延迟 | 常数 | 随频率变化 |
| 波形保真度 | 高 | 低（有相位失真） |
| 典型应用 | 通信、音频、生物医学 | 控制、语音、幅频优先场景 |
我的建议：如果相位失真不可接受——比如你要做相干解调、波形匹配滤波——老老实实用 FIR。如果幅频特性更重要，相位失真可以通过后处理补偿（比如全通滤波器校正），那就用 IIR 省资源。
4.6 知识体系总览
下面这张图把 FIR 和 IIR 的核心差异、稳定性判断、相位特性串在了一起。你可以把它当作本章的思维导图：
4.7 选型决策清单
每次做滤波器选型，我都会过一遍这个清单。你也可以照着来：
- 相位要求高不高？——高，选 FIR；不高，看下一条。
- 阶数敏感吗？——资源紧张、延迟敏感，选 IIR；资源充裕，FIR 更省心。
- 实现平台是什么？——浮点 DSP 或 FPGA，IIR 的量化问题好处理；定点平台，FIR 更安全。
- 有没有现成库？——很多芯片厂商提供 FIR 和 IIR 的优化库，直接调库比自己手写靠谱。
最后提醒一句：别在仿真阶段只看幅频响应。相位响应、群延迟、阶跃响应、量化效应，一个都不能少。我见过太多人在仿真里觉得“差不多了”，结果上板子就翻车。嗯，我自己也翻过。