音频开发 / 系统课时
检查极点零点与稳定性
检查极点零点与稳定性
IIR 滤波器“听起来不对”时,先别只盯频响曲线。极点是否落在单位圆内,直接决定系统会不会衰减;极点离单位圆过近,还会把量化误差、振铃和瞬态峰值放大。本节用极点图、系数量化和扫频三步完成稳定性检查。
学习目标
- 能根据极点与单位圆的位置判断二阶 IIR 是否稳定
- 能解释高 Q 值、系数量化与长时间振铃之间的关系
- 能用扫频结果复核理论极点判断,而不是只看系数表
从极点位置先判断稳定性
对归一化 Biquad,分母写成 。把它乘以 后求根,得到的两个根就是极点。离散时间因果 IIR 要满足所有极点模长都小于 1;只要有一个极点落到单位圆外,递归状态就可能越积越大。
极点越接近单位圆,衰减越慢。参数均衡器把 Q 调得很高时,极点通常会向单位圆靠近,因此窄峰附近的能量会持续更久。听感上可能表现为振铃、瞬态拖尾;如果前级本来就接近满幅,还可能在系数切换或强瞬态时出现爆音。

用代码复算极点与量化影响
下面脚本使用 RBJ 风格的 peaking EQ 系数,比较不同 Q 值下的极点半径,并把高 Q 系数按“保留 15 个二进制小数位、整数位足够”的方式量化后重新求极点。工程里不要假设量化后仍稳定,应该对最终写入 DSP 的系数再次求根。
import cmath
import math
def peaking_coeffs(fs, f0, gain_db, q):
A = 10 ** (gain_db / 40)
w0 = 2 * math.pi * f0 / fs
alpha = math.sin(w0) / (2 * q)
b0 = 1 + alpha * A
b1 = -2 * math.cos(w0)
b2 = 1 - alpha * A
a0 = 1 + alpha / A
a1 = -2 * math.cos(w0)
a2 = 1 - alpha / A
return [v / a0 for v in (b0, b1, b2, a1, a2)]
def poles(a1, a2):
# 归一化分母对应 z^2 + a1*z + a2 = 0。
d = cmath.sqrt(a1 * a1 - 4 * a2)
return ((-a1 + d) / 2, (-a1 - d) / 2)
def quantize_frac15(x):
# 只模拟 15 个二进制小数位的舍入,不限制整数位范围。
return round(x * 32768) / 32768
def response_db(coeffs, fs, f):
b0, b1, b2, a1, a2 = coeffs
z1 = cmath.exp(-1j * 2 * math.pi * f / fs)
z2 = z1 * z1
h = (b0 + b1 * z1 + b2 * z2) / (1 + a1 * z1 + a2 * z2)
return 20 * math.log10(abs(h))
fs, f0, gain_db = 48000, 6000, 12
for q in (1, 12, 60):
coeffs = peaking_coeffs(fs, f0, gain_db, q)
radius = max(abs(p) for p in poles(coeffs[3], coeffs[4]))
print(f"Q={q:>2}: pole radius={radius:.9f}, stable={radius < 1}")
coeffs = peaking_coeffs(fs, f0, gain_db, 60)
quantized = [quantize_frac15(v) for v in coeffs]
quantized_radius = max(abs(p) for p in poles(quantized[3], quantized[4]))
freqs = [20 * (20000 / 20) ** (i / 999) for i in range(1000)]
peak_f = max(freqs, key=lambda f: response_db(coeffs, fs, f))
print(f"quantized radius={quantized_radius:.9f}, stable={quantized_radius < 1}")
print(f"sweep peak={peak_f:.1f} Hz, {response_db(coeffs, fs, peak_f):.2f} dB")预期输出
Q= 1: pole radius=0.836033362, stable=True
Q=12: pole radius=0.985341060, stable=True
Q=60: pole radius=0.997051074, stable=True
quantized radius=0.997050705, stable=True
sweep peak=6004.9 Hz, 11.81 dB扫频网格只取 1000 个对数频点,因此峰值点没有恰好落在 6000 Hz,显示 11.81 dB 是采样误差,不代表设计增益变成了 11.81 dB。实际工程可以提高扫频分辨率,或直接在中心频率补测。
把高 Q、量化和异常听感串起来
高 Q 本身并不等于不稳定,但它会缩小数值余量。极点半径从 0.84 增长到 0.997 后,递归状态衰减明显变慢;这时即使系数只发生很小的量化偏移,也更值得重新检查极点位置。不同量化格式可能把极点向内推,也可能向外推,不能根据一次示例推断方向。
爆音还常来自实时切换系数。旧滤波器内部状态对应旧极点,新系数瞬间生效后,已有状态可能被新递归关系放大。对可调 EQ,常见做法是平滑参数、分帧插值系数,或在可接受的位置重置状态,而不是每个采样点直接跳变。
用扫频完成最后验证
稳定性检查至少应分成两层:第一层是数学检查,确认最终系数的全部极点满足 ;第二层是系统检查,用扫频、脉冲或实际音频验证频响、峰值和尾音是否符合预期。二者缺一不可。
扫频通过并不自动证明任何输入下都安全,但它能快速暴露中心频率偏移、峰值异常和级联后的增益问题。若极点已经非常接近单位圆,还应补做长脉冲响应、满幅瞬态以及目标定点格式下的压力测试,再决定是否把该参数范围开放给用户。