4. 数字滤波器设计基础（一）：FIR与IIR滤波器原理、频率响应、群延迟

滤波器，说白了就是让某些频率通过，把另一些频率拦下来。做去噪算法，这步绕不开。

我记得刚入行那会儿，总觉得滤波器就是个黑盒子，输入输出就完事了。直到有一次做音频去噪，选错了滤波器类型，结果噪声是滤掉了，但语音信号也变得面目全非。嗯，从那以后我老老实实把原理啃了一遍。

这一章我们重点聊两个主角：FIR（有限脉冲响应）和IIR（无限脉冲响应）。它们原理不同，脾气也不同，选对了事半功倍。

4.1 从差分方程说起

数字滤波器本质上就是个差分方程。你给它一个输入序列，它按照规则算出输出序列。

通用形式长这样：

y[n] = b0·x[n] + b1·x[n-1] + ... + bM·x[n-M]
       - a1·y[n-1] - a2·y[n-2] - ... - aN·y[n-N]

这里有个关键区别：

• 如果所有 a 系数都是 0，那就是 FIR 滤波器。输出只依赖当前和过去的输入。
• 如果存在非零的 a 系数，那就是 IIR 滤波器。输出不仅依赖输入，还依赖过去的输出。

这个差异，决定了它们所有的行为特征。

4.2 FIR 滤波器：稳定，但代价高

FIR 滤波器最大的优点就四个字：线性相位。

什么叫线性相位？说白了就是不同频率的信号经过滤波器后，延迟时间是一样的。这在去噪场景里特别重要——你不会把信号的波形形状搞歪。

我在项目中遇到过一个问题：用 IIR 滤波器做心电信号去噪，结果 QRS 波群的位置发生了偏移，医生直接说数据不可用。后来换成 FIR，问题就解决了。

FIR 的代价呢？阶数高。要达到同样的陡峭程度，FIR 需要的阶数往往是 IIR 的 5~10 倍。这意味着更多的乘法器和寄存器，面积和功耗都上去了。

4.3 IIR 滤波器：高效，但小心相位

IIR 滤波器最大的优势是效率高。用很低的阶数就能实现很陡的过渡带。为什么？因为它有反馈，相当于把能量"循环利用"了。

但代价也很明显：

• 相位非线性：不同频率的延迟不一样，信号波形会失真。
• 稳定性问题：反馈系数设计不好，滤波器可能振荡甚至发散。
• 有限字长效应敏感：定点实现时，量化误差可能被反馈放大。

我曾经在一个语音降噪项目里用 IIR 滤波器，仿真跑得好好的，上 FPGA 就炸了。查了两天才发现是定点化后极点漂移到了单位圆外。嗯，这个坑我印象很深。

4.4 频率响应：看滤波器"长什么样"

频率响应就是滤波器对不同频率信号的"态度"。通常用两个维度描述：

指标	含义	单位
幅频响应	各频率通过后的幅度变化	dB
相频响应	各频率通过后的相位偏移	弧度或度

设计滤波器时，我们通常先定幅频响应的指标：通带纹波、阻带衰减、过渡带宽度。相频响应往往是被忽略的，但在去噪算法里，它恰恰很关键。

你想想看，如果滤波器把噪声滤掉了，但把有用信号的相位搞乱了，那后续处理（比如峰值检测、波形匹配）就全废了。

4.5 群延迟：信号失真的"元凶"

群延迟的定义是相位对频率的负导数：

τ(ω) = -dφ(ω)/dω

翻译成人话：群延迟表示不同频率分量通过滤波器的时间差。

• FIR 滤波器：群延迟是常数（等于 (N-1)/2 个采样周期），所有频率延迟一样，波形不变。
• IIR 滤波器：群延迟随频率变化，低频和高频走得不一样快，波形必然失真。

我在做雷达信号处理时，对群延迟特别敏感。目标回波的形状稍微变一点，测距精度就受影响。那时候我们团队定了个规矩：凡是涉及波形保真度的模块，一律用 FIR。

4.6 FIR vs IIR：一张表说清楚

对比项	FIR	IIR
相位特性	线性相位（严格）	非线性相位
群延迟	常数	频率相关
稳定性	稳定	需设计保证
阶数需求	高	低
硬件资源	多	少
有限字长敏感度	低	高
设计复杂度	简单（窗函数法）	中等（模拟原型映射）

4.7 本章知识体系

下面这张图把 FIR 和 IIR 的核心差异、设计要点、应用场景串起来了。我建议你把它存下来，以后做滤波器选型时对照着看。

这张图把 FIR 和 IIR 的核心差异、特性、适用场景都串起来了。做 RTL 设计前，先对着这张图想清楚你要什么，能省很多弯路。