音频开发 / 系统课时
用 Biquad 实现常用 IIR 滤波
用 Biquad 实现常用 IIR 滤波
这一节直接实现可用于实时音频链路的二阶 IIR 节:先建立稳定的状态更新形式,再生成低通、高通、峰值和搁架滤波器系数,最后用单位冲激验证状态是否按预期推进,并说明为什么高阶滤波器应拆成多个 Biquad 级联。
学习目标
- 能理解 Biquad 的五个归一化系数与两个状态变量分别负责什么。
- 能配置低通、高通、峰值、低搁架和高搁架滤波器。
- 能用单位冲激和二阶节级联检查实时实现的状态更新是否正确。
用二阶节保存最少状态
把分母首项归一化为 后,一个 Biquad 可以写成二阶传递函数。实时实现更适合使用转置直接二型,因为每个声道、每个二阶节只需保存两个状态变量。
对每个输入样本,状态更新为:
这里的 z1、z2 属于滤波器运行状态,不能在每个采样点重新清零;只有切换流、重置效果器或显式清状态时才重置。

生成常用滤波器系数
下面的完整 Python 示例使用常见数字音频 Biquad 公式,统一先计算未归一化的 b0~b2、a0~a2,再除以 a0。峰值和搁架滤波器用 gain_db 控制提升或衰减,搁架滤波器还可用 slope 调整过渡斜率。
python
import math
from dataclasses import dataclass
@dataclass
class Biquad:
b0: float
b1: float
b2: float
a1: float
a2: float
z1: float = 0.0
z2: float = 0.0
def process(self, x: float) -> float:
y = self.b0 * x + self.z1
self.z1 = self.b1 * x - self.a1 * y + self.z2
self.z2 = self.b2 * x - self.a2 * y
return y
def reset(self) -> None:
self.z1 = 0.0
self.z2 = 0.0
def normalized(b0, b1, b2, a0, a1, a2):
return Biquad(
b0 / a0,
b1 / a0,
b2 / a0,
a1 / a0,
a2 / a0,
)
def design(kind, fs, f0, q=1 / math.sqrt(2), gain_db=0.0, slope=1.0):
w0 = 2 * math.pi * f0 / fs
c = math.cos(w0)
s = math.sin(w0)
if kind in {"lowshelf", "highshelf"}:
A = 10 ** (gain_db / 40)
alpha = s / 2 * math.sqrt((A + 1 / A) * (1 / slope - 1) + 2)
r = 2 * math.sqrt(A) * alpha
if kind == "lowshelf":
b0 = A * ((A + 1) - (A - 1) * c + r)
b1 = 2 * A * ((A - 1) - (A + 1) * c)
b2 = A * ((A + 1) - (A - 1) * c - r)
a0 = (A + 1) + (A - 1) * c + r
a1 = -2 * ((A - 1) + (A + 1) * c)
a2 = (A + 1) + (A - 1) * c - r
else:
b0 = A * ((A + 1) + (A - 1) * c + r)
b1 = -2 * A * ((A - 1) + (A + 1) * c)
b2 = A * ((A + 1) + (A - 1) * c - r)
a0 = (A + 1) - (A - 1) * c + r
a1 = 2 * ((A - 1) - (A + 1) * c)
a2 = (A + 1) - (A - 1) * c - r
else:
alpha = s / (2 * q)
a0 = 1 + alpha
a1 = -2 * c
a2 = 1 - alpha
if kind == "lowpass":
b0 = (1 - c) / 2
b1 = 1 - c
b2 = (1 - c) / 2
elif kind == "highpass":
b0 = (1 + c) / 2
b1 = -(1 + c)
b2 = (1 + c) / 2
elif kind == "peaking":
A = 10 ** (gain_db / 40)
b0 = 1 + alpha * A
b1 = -2 * c
b2 = 1 - alpha * A
a0 = 1 + alpha / A
a1 = -2 * c
a2 = 1 - alpha / A
else:
raise ValueError(f"unsupported kind: {kind}")
return normalized(b0, b1, b2, a0, a1, a2)
def process_chain(x, stages):
for stage in stages:
x = stage.process(x)
return x
fs = 48_000
names = ["lowpass", "highpass", "peaking", "lowshelf", "highshelf"]
filters = [
design("lowpass", fs, 2_000),
design("highpass", fs, 200),
design("peaking", fs, 3_000, q=1.0, gain_db=6),
design("lowshelf", fs, 200, gain_db=3),
design("highshelf", fs, 8_000, gain_db=-3),
]
print("configured:", ", ".join(names))
# 单位冲激最适合暴露状态更新顺序错误。
lp = filters[0]
impulse = [lp.process(1.0 if i == 0 else 0.0) for i in range(8)]
print("impulse[0:8] =", [round(v, 6) for v in impulse])
assert abs(impulse[0] - lp.b0) < 1e-12
print("state update: PASS")
# 高阶目标不要直接写一个大分母,而是拆成多个二阶节。
chain = [
design("highpass", fs, 80),
design("peaking", fs, 2_500, q=1.2, gain_db=-2),
design("highshelf", fs, 9_000, gain_db=-1.5),
]
process_chain(1.0, chain)
print("cascade stages:", len(chain))预期输出:
text
configured: lowpass, highpass, peaking, lowshelf, highshelf
impulse[0:8] = [0.014401, 0.05232, 0.089895, 0.110665, 0.118634, 0.117303, 0.109627, 0.098011]
state update: PASS
cascade stages: 3单位冲激只在第一个样本输入 1.0,后续全为 0.0。如果 z1、z2 的更新顺序写错、反馈项符号写反,后续样本会立刻偏离这组结果,因此它比播放一段音乐更适合做实现级回归测试。
为什么高阶滤波要级联
直接实现六阶、八阶分母多项式时,系数对舍入误差更敏感,极点位置也更容易因有限精度发生偏移。把高阶系统分解为多个二阶节后,每一级只有五个归一化系数和两个状态,既便于逐级验证,也更适合 float32 实时处理。
级联时每个声道都必须拥有独立状态;立体声左右声道不能共享 z1、z2。参数实时变化时也不要瞬间替换差异很大的系数,否则可能产生点击声,可对频率、Q 值或增益做短时间平滑后逐块更新。
对实时音频链路而言,Biquad 的关键不只是“公式算对”,而是系数归一化、状态生命周期、每声道隔离和二阶节级联同时正确;这四点决定了滤波器能否长期稳定运行。
按自己的节奏,确认真正理解。