信号处理 / 系统课时
用双线性变换映射模拟原型
用双线性变换映射模拟原型
双线性变换把模拟滤波器的左半平面映射到数字系统单位圆内部,因此能保留稳定性且不会产生频率混叠。代价是模拟频率与数字频率并非线性对应;本课用预畸变把指定的 100 Hz 截止点准确映射回数字域。
学习目标
- 解释双线性变换如何把模拟 域映射到数字 域。
- 判断频率扭曲为什么出现,并用预畸变修正关键频率。
- 把一个模拟低通原型转换成数字滤波器并验证截止点。
映射如何保留稳定性
双线性变换使用
把模拟传递函数中的 替换成关于 的有理式。模拟系统的左半平面会落到数字系统单位圆内部,因此稳定模拟极点经过映射后仍是稳定数字极点;虚轴则映射到单位圆。
频率轴上的对应关系为
其中 是数字角频率。由于正切函数是非线性的,接近直流时映射近似线性,越接近奈奎斯特频率压缩越强,这就是频率扭曲。

用预畸变锁定关键频率
如果希望数字截止频率为 ,不能简单把模拟原型截止角频率设成 。应先把目标数字频率反映射到模拟域:
这一步称为预畸变。以 Hz、 Hz 为例,预畸变得到 rad/s;如果直接使用 ,经过双线性变换后的截止点只会落在约 96.892 Hz。
映射一个一阶模拟低通
下面从模拟原型 出发。先预畸变,再调用 bilinear 完成系数映射,最后在 100 Hz 处检查是否仍为一阶低通的 -3.0103 dB。
import numpy as np
from scipy import signal
fs = 1000.0
fc = 100.0
# 预畸变让关键数字频率在非线性映射后回到目标位置。
omega_c = 2 * fs * np.tan(np.pi * fc / fs)
b_z, a_z = signal.bilinear([omega_c], [1.0, omega_c], fs=fs)
# 直接用 2*pi*fc 时,可计算出未预畸变的截止点偏移。
naive_fc = fs / np.pi * np.arctan((2 * np.pi * fc) / (2 * fs))
_, h = signal.freqz(b_z, a_z, worN=[2 * np.pi * fc / fs])
np.set_printoptions(precision=8, suppress=True)
print(f"prewarped Omega_c = {omega_c:.6f} rad/s")
print(f"naive mapped cutoff = {naive_fc:.3f} Hz")
print("b =", b_z)
print("a =", a_z)
print(f"gain@{fc:.0f}Hz = {20 * np.log10(abs(h[0])):.4f} dB")预期输出
prewarped Omega_c = 649.839392 rad/s
naive mapped cutoff = 96.892 Hz
b = [0.24523728 0.24523728]
a = [ 1. -0.50952545]
gain@100Hz = -3.0103 dB输出说明预畸变后的模拟原型在数字域准确回到 100 Hz 截止点。分母对应的数字极点约为 0.5095,位于单位圆内,也直接体现了稳定性从模拟域到数字域的保留。
避免重复预畸变
若使用 scipy.signal.butter(..., fs=...) 这类直接接受数字频率的设计接口,库已经按数字滤波器设计流程处理了双线性映射。此时不要先手工预畸变,再把预畸变频率当成普通数字频率传入,否则会把同一个修正做两次。
带通和带阻设计通常有多个关键边缘,每个边缘都需要按同一映射关系处理。双线性变换保留稳定性与滤波器阶数,但不保留线性的频率刻度;因此工程上真正需要锁定的是通带、阻带或截止边缘,而不是期待整条模拟频率轴等比例搬到数字域。