---

详细阅读笔记：傅里叶级数与线性时不变系统——滤波及其微分/差分方程实现

1. Metadata (元数据)

• Title (主题): 周期信号的傅里叶级数表示：滤波 (Filtering) 及连续/离散时间滤波器举例
• Source (来源): 《信号与系统（第二版）》第3章 3.9 - 3.11 节
• Core Subject (核心领域): 信号处理、线性时不变系统 (LTI)、频谱分析

---

2. Overview (内容概述)

本部分内容主要探讨了滤波 (Filtering) 这一信号处理领域中极其重要且基础的概念。视频/教材首先定义了滤波的本质——即通过线性时不变系统 (LTI) 改变信号中各频率分量的相对大小，甚至完全消除某些频率分量。随后，内容将其分为两大应用方向：“频率成形滤波器”与“频率选择性滤波器”。为了将理论落地，教材分别在连续时间域（第3.10节）和离散时间域（第3.11节）引入了具体的物理与数学实现方式，即利用微分方程（如简单的RC电路）和差分方程（递归与非递归滤波器）来构建滤波器。同时，深入剖析了在滤波器设计中不可避免的一个核心折中问题：时域响应速度与频域选择性之间的内在矛盾。

---

3. Thematic Breakdown (主题内容拆解)

3.9 滤波 (Filtering)

在信号与系统分析中，LTI系统的频率响应 $H(j\omega)$（连续时间）或 $H(e^{j\omega})$（离散时间）直接作用于输入信号的傅里叶级数系数，这种通过改变频谱形状来实现特定目的的操作即为滤波。根据应用目的的不同，滤波器主要分为两类：

3.9.1 频率成形滤波器 (Frequency-shaping filters) 此类滤波器旨在改变频谱的形状，但不一定是为了完全消除某些频率。

• 典型应用：音频均衡器 在音响系统中，为了补偿扬声器的频率响应或适应听众偏好，常使用由多个滤波器级联而成的均衡器。它们可以在不同的频段（如低、中、高音）提供独立的增益或衰减控制。其频率响应的模常以“对数-对数”坐标图（即 $20\log_{10}|H(j\omega)|$ 与 $\log_{10}(\omega/2\pi)$ 的关系，单位为分贝 dB）来表示。
• 典型应用：微分滤波器 (Differentiating filter) 系统的输出是输入的导数，即 $y(t) = dx(t)/dt$。其频率响应为 $H(j\omega) = j\omega$。
  • 特性： 随着频率 $\omega$ 的增大，幅度 $|H(j\omega)|$ 线性放大。它对高频分量（即信号中快速变化的部分）有显著的增强作用。
  • 实际应用： 在图像处理中用于边缘增强 (Edge enhancement)。图像边缘代表了亮度的剧烈变化，蕴含大量高频分量。通过等效的二维微分器处理，可以突出图像轮廓。
• 离散时间简单滤波器 一个简单的离散系统：求相邻两点的平均，即 $y[n] = \frac{1}{2}(x[n] + x[n-1])$。 其频率响应为 $H(e^{j\omega}) = e^{-j\omega/2}\cos(\omega/2)$。这在低频（$\omega \approx 0$）时幅度较大，在高频（$\omega \approx \pi$）时衰减，因此表现为平滑信号的低通滤波特性。

3.9.2 频率选择性滤波器 (Frequency-selective filters) 此类滤波器专门用于无失真（或近似无失真）地选取某些频带范围内的信号，并阻绝其他频带范围的信号。

• 核心术语：
  • 通带 (Passband): 信号几乎不衰减通过的频段。
  • 阻带 (Stopband): 信号被显著衰减或完全阻止的频段。
  • 截止频率 (Cutoff frequency, $\omega_c$): 定义通带和阻带之间边界的特定频率。
• 基本分类：
  • 低通滤波器 (Lowpass filter): 通过低频，阻止高频。
  • 高通滤波器 (Highpass filter): 通过高频，阻止低频。
  • 带通滤波器 (Bandpass filter): 通过某一特定频带，衰减既高于又低于该频带的频率。
• 理想滤波器 (Ideal filters) vs. 实际滤波器：
  • 理想滤波器具有绝对平坦的通带、绝对为零的阻带，以及垂直的过渡带（如理想低通的频率响应在一个矩形内为1，外部为0）。
  • 实际中，理想滤波器是不可物理实现的（因其需要非因果的无限长响应）。工程师只能利用微分方程等手段构建“逼近”理想特性的实际滤波器。注意，离散时间滤波器的频率响应必定是以 $2\pi$ 为周期的。

---

3.10 用微分方程描述的连续时间滤波器举例

大量实际的模拟滤波器是通过线性常系数微分方程描述的电路（如 RC 电路）来实现的。

3.10.1 简单 RC 低通滤波器

• 结构： 一阶 RC 电路，输入电压 $v_s(t)$ 串联电阻 R 和电容 C，输出电压 $v_c(t)$ 取自电容两端。
• 系统方程： $RC \frac{dv_c(t)}{dt} + v_c(t) = v_s(t)$
• 频率响应： $H(j\omega) = \frac{1}{1 + RCj\omega}$
  • 当频率 $\omega \approx 0$ 时，$|H(j\omega)| \approx 1$（低频通过）。
  • 当频率 $\omega$ 较大时，$|H(j\omega)|$ 显著变小（高频衰减）。
• 重要发现：时域与频域的折中 (Trade-off) 系统的阶跃响应为 $s(t) = [1 - e^{-t/RC}]u(t)$，时间常数 $\tau = RC$。
  • 频域需求： 想要更好的低通滤波效果（去除不需要的高频），需要较长的响应时间，即较大的 RC 值。
  • 时域需求： 想要输出对输入有较快的阶跃响应，需要较小的 RC 值。
  • 结论： 在简单滤波器设计中，通带宽度（频域特性）与响应速度（时域特性）是相互矛盾的。

3.10.2 简单 RC 高通滤波器

• 结构： 同样是 RC 电路，但输出电压取自电阻两端，记为 $v_r(t)$。
• 频率响应： $G(j\omega) = \frac{j\omega RC}{1 + j\omega RC}$
  • 对于低频，衰减较大；对于高频（$|\omega| \gg 1/RC$），衰减极小。这是一个非理想的高通滤波器。
• 阶跃响应： $v_r(t) = e^{-t/RC}u(t)$。输出信号会迅速衰减到零，同样受到 RC 参数对时间与频率的刚性折中限制。

---

3.11 用差分方程描述的离散时间滤波器举例

在离散时间系统中（如计算机或DSP芯片内部），滤波器一般通过线性常系数差分方程实现。分为两大类：递归的 IIR 滤波器和非递归的 FIR 滤波器。

3.11.1 一阶递归离散时间滤波器 (IIR - Infinite Impulse Response)

• 系统方程： $y[n] - ay[n-1] = x[n]$ （当前输出依赖于过去的输出，因此称为递归）。
• 频率响应： $H(e^{j\omega}) = \frac{1}{1 - ae^{-j\omega}}$
• 滤波器特性控制（通过参数 $a$）：
  • 当 $a > 0$（例如 $a=0.6$）：表现为低通滤波器。$\omega=0$ 处衰减最小。$a$ 越接近 1，通带越窄。
  • 当 $a < 0$（例如 $a=-0.6$）：表现为高通滤波器。交替变换的极性使得系统对高频分量更敏感，在 $\omega=\pi$ 处衰减最小。
• 折中关系： 同样存在类似于连续时间的限制，参数 $|a|$ 既控制了单位脉冲响应的衰减速度（时域灵活性），也控制了通带的宽度（频域选择性）。

3.11.2 非递归离散时间滤波器 (FIR - Finite Impulse Response)

• 定义： 输出仅依赖于输入信号的当前值和过去值（不依赖过去输出），一般形式为加权平均：$y[n] = \sum_{k=-N}^{M} b_k x[n-k]$。其单位脉冲响应只有有限个非零项。
• 典型代表：移动平均滤波器 (Moving Average Filter)
  • 简单三点平均： $y[n] = \frac{1}{3}(x[n-1] + x[n] + x[n+1])$。它能将输入中快速变化的高频分量平均掉，起到低通滤波作用。频率响应包含了类似 $\cos(\omega)$ 的项。
  • 推广到多点窗口 (长度为 $N+M+1$)： 窗口越大（参与平均的点数越多），系统的通带越窄（截止频率越低）。通过调节窗口大小，可以灵活调节截止频率。但是阻带内会产生震荡现象（并非完全单调衰减）。
• 非递归高通滤波器示例： 采用一次差分操作：$y[n] = \frac{x[n] - x[n-1]}{2}$。由于相近采样的相减操作会消除平缓变化的低频分量，突出快速变化，因此表现为一个简单的高通滤波器。

---

4. Frameworks & Mental Models (框架与思维模型)

在本段学习中，可以抽象出以下两个信号与系统工程的核心思维模型：

模型一：时频域测不准/折中模型 (Time-Frequency Domain Trade-off)

• 适用场景： 评估或设计任何物理可实现的系统和滤波器。
• 核心逻辑： 信号在时域的变化速度与频域的带宽呈反比关系。
  • 在 RC滤波器（模拟） 中：小的时间常数（$RC$ 小）带来极快的阶跃响应（时域好），但意味着系统无法有效过滤高频噪声（频带过宽）；反之，高强度滤波会导致系统反应迟钝。
  • 在 递归离散滤波器（数字） 中：参数 $|a|$ 越接近 1，频率过滤效果越好（通带极窄），但系统的脉冲响应拖尾极长（时域反应慢）。
• 实践指导： 完美的滤波器是不存在的。工程设计本质上就是在这个天平上寻找最符合当前应用需求的平衡点；如果既要陡峭的滤波边界又要优良的时域特性，只能通过增加系统的阶数（即增加设计的复杂度）来实现。

模型二：系统的记忆性映射 (Memory vs. FIR/IIR)

• 适用场景： 数字滤波器架构选型。
• 核心逻辑：
  • IIR (无限脉冲响应/递归)： 具有“历史记忆”。计算公式中包含 $y[n-1]$。它的优势是可以用非常低阶的方程（极少的计算量）实现非常锐利的频率截止，但因为有反馈，面临稳定性挑战。
  • FIR (有限脉冲响应/非递归)： 只对当前的“观察窗口”负责。计算公式仅对 $x[n]$ 序列求加权和。它的优势是绝对稳定、设计直观（如求平均），但要达到与 IIR 相同的滤波强度，需要极长的阶数（计算量大）。
• 实践指导： 评估算力资源与稳定性要求。若注重实时性和绝对稳定，首选滑动平均等 FIR 架构；若算力受限且需要强滤波，可谨慎设计 IIR 架构。