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 1+a1z−1+a2z−21+a_1z^{-1}+a_2z^{-2}。把它乘以 z2z^2 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。

极点半径、单位圆与振铃时间的对应关系

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。

python
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

text
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 ∣p∣<1|p|<1;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。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

检查极点零点与稳定性

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通