深入理解數字濾波器設計：原理、方法與實踐應用

在現代數字信號處理領域，數字濾波器設計扮演著舉足輕重的角色。無論是音頻處理、圖像增強、生物醫學信號分析，還是通信系統與控制工程，數字濾波器都是實現特定信號處理任務的核心組件。它允許我們精確地選擇或抑制特定頻率範圍的信號成分，從而去除雜訊、提取有用信息或對信號進行整形。

本文將帶您深入探討數字濾波器設計的方方面面，從其基本原理、主要類型、核心設計參數，到具體的FIR和IIR濾波器設計方法，以及實際應用中的考量和常用工具。無論您是初學者還是有一定經驗的工程師，本文都旨在為您提供一份全面、深入的數字濾波器設計指南。

什麼是數字濾波器設計？

數字濾波器設計是指根據特定的性能指標和應用需求，構建能夠對離散時間信號進行特定頻率響應操作的數字系統。簡而言之，就是通過數學演算法來改變信號的頻譜特性。與模擬濾波器不同，數字濾波器在數字域工作，其處理過程由一系列加法、乘法和延遲操作組成，通過數字處理器或專用硬體實現。這種數字化的處理方式賦予了數字濾波器無與倫比的靈活性、精度和可重複性。

為何數字濾波器設計至關重要？

數字濾波器設計的核心價值在於其無與倫比的靈活性、精度和可重複性。在無數領域中，它都是不可或缺的工具：

雜訊抑制： 從嘈雜的測量數據中去除隨機雜訊，提升信噪比，如在醫療設備中過濾心電圖（ECG）或腦電圖（EEG）信號中的工頻干擾。
信號分離： 將混合在一起的不同頻率信號分離開來，例如在無線通信中從接收到的寬頻信號中分離出所需的窄帶信號。
特徵提取： 提取信號中具有特定頻率特性的有用信息，如從複雜的機械振動信號中識別出特定故障頻率成分。
數據預處理： 在進一步分析之前，對數據進行平滑、去趨勢等操作，以滿足後續演算法的要求，例如在金融數據分析中平滑股價曲線。
通信系統： 實現通道均衡、調製解調、抗干擾、頻譜整形等關鍵功能，確保數據傳輸的可靠性和效率。
音頻/視頻處理： 廣泛應用於音頻均衡、混響、特效、降噪、圖像銳化、邊緣檢測、色彩校正等，提升多媒體內容的質量。
控制系統： 在反饋控制環路中對感測器信號進行濾波，以穩定系統並提高控制精度。

數字濾波器的主要類型：FIR與IIR

在數字濾波器設計中，最基本的分類是有限脈衝響應（FIR）濾波器和無限脈衝響應（IIR）濾波器。它們各有特點，適用於不同的場景，理解其優缺點是選擇正確設計方向的第一步。

1. 有限脈衝響應（FIR）濾波器

FIR濾波器的特點是其輸出是輸入的有限個過去樣本的加權和。其脈衝響應在有限時間內衰減到零，因此得名「有限」。這意味著當一個短脈衝信號通過FIR濾波器后，其輸出會在有限個採樣周期后完全消失。

優點：

嚴格的線性相位響應： 這是FIR濾波器最顯著的優勢。所有頻率成分的群延遲都相同，不會造成信號波形的失真。這對於圖像處理、數據通信、生物醫學信號分析等對相位敏感的應用至關重要。

總是穩定的： 由於其有限的脈衝響應，FIR濾波器本質上是穩定的，無需擔心設計過程中的穩定性問題。

設計方法相對簡單直觀： 如窗函數法，易於理解和實現。

易於實現和調試： 由於是純前饋結構，沒有反饋迴路，計算誤差不會累積。

缺點：

在達到相同頻率響應指標時，通常比IIR濾波器需要更高的階數，這意味著更多的計算量、更長的處理延遲和更多的硬體資源（如乘法器和存儲單元）。

2. 無限脈衝響應（IIR）濾波器

IIR濾波器的特點是其輸出不僅依賴於當前的輸入和過去的輸入，還依賴於過去的輸出。這意味著其脈衝響應理論上是無限長的，因為輸出信號會不斷地反饋到輸入中。IIR濾波器通常通過將模擬濾波器的理論和設計方法數字化而來。

優點：

在相同的頻率響應指標下，IIR濾波器通常比FIR濾波器具有更低的階數，因此計算效率更高，所需的硬體資源更少。這使得它在資源受限的嵌入式系統和實時處理中更具優勢。

可以更好地逼近模擬濾波器的特性，因此在某些需要模擬濾波器特性的應用中更為合適。

缺點：

通常難以實現嚴格的線性相位響應，可能導致信號的相位失真（即不同頻率成分的延遲不同），這在某些應用中是不可接受的。

存在穩定性問題，設計時必須確保濾波器的所有極點位於Z平面單位圓內，否則系統可能發散。

由於反饋迴路的存在，有限字長效應（量化雜訊、溢出）的影響可能更顯著。

在選擇FIR或IIR濾波器時，需要根據具體的應用需求進行權衡。例如，對相位失真敏感的系統（如數據通信、心電圖分析）通常傾向於使用FIR；而對計算資源有限、對相位要求不高的系統（如音頻均衡器）則可能選擇IIR。

數字濾波器設計的關鍵性能參數

在進行數字濾波器設計之前，明確需要實現的性能指標是至關重要的。這些參數直接決定了濾波器的複雜度和最終性能：

1. 通帶與阻帶

通帶（Passband）： 信號允許通過的頻率範圍，在此範圍內，信號的幅度衰減很小或可以忽略不計。
阻帶（Stopband）： 信號被衰減或抑制的頻率範圍，在此範圍內，信號的幅度衰減非常大，以達到抑制雜訊或不需要信號的目的。
過渡帶（Transition Band）： 通帶和阻帶之間的頻率區域。在此區域，信號的幅度逐漸從通帶的允許範圍過渡到阻帶的抑制範圍。過渡帶越窄，濾波器越理想（接近「磚牆」濾波器），但設計難度和所需的濾波器階數也越高。

2. 截止頻率（Cutoff Frequency）

定義通帶和阻帶邊界的頻率，是濾波器特性發生顯著變化的位置。對於低通濾波器，它標誌著通帶的結束和阻帶的開始；對於高通濾波器，則是阻帶的結束和通帶的開始。通常以-3dB點（信號功率衰減一半）或通帶邊緣頻率來定義，具體取決於設計規範。

3. 通帶紋波（Passband Ripple）

在通帶內，濾波器增益允許的最大波動範圍。通常以dB為單位表示（例如，0.5 dB紋波表示通帶內增益在最大值和最小值之間波動0.5 dB）。紋波越小，通帶內信號的失真越小，但通常會增加濾波器階數或延長過渡帶寬度。

4. 阻帶衰減（Stopband Attenuation）

在阻帶內，信號被抑制的最小幅度。通常以dB為單位表示（例如，60 dB衰減表示阻帶信號被衰減到通帶信號的千分之一）。衰減越大，對阻帶信號的抑制能力越強，但同樣會增加濾波器階數。

5. 濾波器階數（Filter Order）

決定了濾波器的複雜性，通常與構成濾波器的延遲單元（或存儲單元）的數量相關。對於FIR濾波器，階數通常等於係數的數量減一；對於IIR濾波器，階數等於分母多項式的最高次冪。階數越高，濾波器通常能夠實現更陡峭的頻率響應和更好的通阻帶性能，但也會導致更大的計算量、更長的處理延遲和更多的硬體資源消耗。

6. 相位響應（Phase Response）

描述了信號通過濾波器后，不同頻率成分的相位變化。一個理想的線性相位響應意味著所有頻率成分的相位延遲（或群延遲）都是相同的常數，從而確保信號通過濾波器后其波形不會發生畸變。非線性相位響應會導致波形失真，這對於語音、圖像或數據傳輸等應用是不可接受的。

深入解析數字濾波器設計方法

數字濾波器設計的核心在於選擇和應用合適的演算法來逼近理想的頻率響應。以下是幾種常見且重要的設計方法：

1. FIR濾波器設計方法

FIR濾波器由於其線性相位特性和穩定性，在許多對相位敏感或要求高可靠性的應用中受到青睞。其設計主要關注如何選擇合適的濾波器係數。

a. 窗函數法（Window Method）

這是一種直觀且常用的方法。它首先設計一個理想的無限長脈衝響應濾波器（通常通過對理想頻率響應進行反傅里葉變換得到），然後用一個有限長度的窗函數對其進行截斷。這種截斷操作在頻域上表現為理想濾波器頻譜與窗函數頻譜的卷積，從而導致主瓣展寬和旁瓣出現。

定義理想頻率響應： 根據濾波器類型（如低通、高通）和截止頻率定義理想的頻率響應。
計算理想脈衝響應： 對理想頻率響應進行逆傅里葉變換，得到一個無限長的脈衝響應序列。
選擇合適的窗函數： 根據對主瓣寬度和旁瓣衰減的權衡，選擇合適的窗函數。常用的窗函數包括：
- 矩形窗： 最簡單，但旁瓣衰減最差，主瓣最窄。
- 漢寧窗（Hanning Window）： 旁瓣衰減優於矩形窗，但主瓣略寬。
- 漢明窗（Hamming Window）： 旁瓣衰減比漢寧窗更好，但主瓣寬度與漢寧窗相似。
- 布萊克曼窗（Blackman Window）： 旁瓣衰減最好，但主瓣最寬。
截斷並加窗： 將理想脈衝響應與選定的窗函數相乘，得到有限長的FIR濾波器係數。

窗函數法的優點是概念簡單、易於實現，但其缺點是不能精確控制通帶和阻帶的紋波，且過渡帶通常較寬。

b. 頻率採樣法（Frequency Sampling Method）

頻率採樣法是直接在離散頻率點上指定理想的頻率響應值（幅度和相位），然後通過離散傅里葉逆變換（IDFT）來計算濾波器的脈衝響應係數。這種方法的優點是可以精確地在採樣頻率點上滿足要求，但在採樣點之間可能存在較大的紋波。通過增加採樣點數（即濾波器階數）可以改善其在非採樣點處的特性。

c. Parks-McClellan演算法（Equiripple Method）

Parks-McClellan演算法（也稱為最優等紋波設計法）是一種優化演算法，能夠設計出在通帶和阻帶內具有等紋波特性的最優線性相位FIR濾波器。它通過雷梅茲交換演算法（Remez Exchange Algorithm）實現，旨在最小化通帶紋波和阻帶衰減中的最大誤差，從而在給定階數下提供最佳的通帶/阻帶性能。這種方法設計的濾波器過渡帶非常陡峭，性能優越，但設計過程相對複雜，通常依賴於MATLAB或SciPy等工具箱的實現。

2. IIR濾波器設計方法

IIR濾波器通常通過將模擬濾波器進行數字化的方式來設計，利用了成熟的模擬濾波器理論。這種方法允許IIR濾波器在較低階數下實現比FIR濾波器更陡峭的過渡帶。

a. 模擬濾波器原型法

這是IIR濾波器設計中最常用的方法。首先，根據數字濾波器的規格，將其轉換為對應的模擬濾波器規格。然後，設計一個滿足這些模擬規格的模擬濾波器原型（如低通巴特沃斯、切比雪夫或橢圓濾波器），最後，通過變換將模擬濾波器轉換為數字濾波器。

巴特沃斯濾波器（Butterworth Filter）： 以其通帶和阻帶頻率響應都非常平坦的特性而聞名，沒有紋波。過渡帶性能適中，隨階數增加而單調下降。
切比雪夫濾波器（Chebyshev Filter）： 在通帶或阻帶內具有等紋波特性，從而在相同階數下比巴特沃斯濾波器具有更陡峭的過渡帶。分為Type I（通帶等紋波，阻帶單調）和Type II（通帶單調，阻帶等紋波）。
橢圓濾波器（Elliptic Filter / Cauer Filter）： 在通帶和阻帶內都具有等紋波特性，性能最為陡峭。在相同階數下，其過渡帶是所有模擬濾波器中最窄的，但代價是通帶和阻帶都有紋波。

b. 脈衝響應不變法（Impulse Invariance Method）

該方法的核心思想是將模擬濾波器的脈衝響應按採樣周期進行採樣，並將採樣后的序列作為數字濾波器的脈衝響應。這種方法簡單直觀，保留了模擬濾波器的時域特性。然而，它主要適用於低通和帶通濾波器，並且在採樣頻率不足時，由於模擬頻譜的周期延拓，可能會產生頻率混疊（Aliasing），導致高頻信息失真。

c. 雙線性變換法（Bilinear Transform Method）

這是一種更通用且廣泛使用的IIR濾波器設計方法。它通過對模擬濾波器傳輸函數進行非線性頻率映射，將S平面（模擬頻率域）映射到Z平面（數字頻率域）。這種映射關係為： s = (2/T) * (1 - z^-1) / (1 + z^-1) 其中 s 是模擬頻率變數，z 是數字頻率變數，T 是採樣周期。

雙線性變換的優點是：

避免了頻率混疊問題，因為它將整個模擬頻率軸映射到數字頻率軸的一個周期內。
能夠保持模擬濾波器的穩定性，如果模擬濾波器是穩定的，則轉換后的數字濾波器也一定是穩定的。

然而，其缺點是會引起頻率失真（非線性頻率壓縮，即「頻率預畸變」或「頻率卷繞」）。模擬頻率和數字頻率之間的關係是非線性的，高頻部分會被嚴重壓縮。因此，在設計時需要進行頻率預畸變（pre-warping）：在將數字濾波器的截止頻率轉換為模擬截止頻率時，需要應用一個逆向的非線性映射，以補償雙線性變換帶來的頻率壓縮，確保轉換后數字濾波器的截止頻率與預期相符。

數字濾波器設計的實踐步驟

一個完整的數字濾波器設計過程通常包含以下幾個關鍵步驟，這些步驟形成了一個循環迭代的流程，直至達到滿意的性能：

規格定義（Specification）： 這是設計的第一步，也是最重要的一步。需要明確濾波器的所有需求，包括：
- 濾波器類型： 低通、高通、帶通、帶阻、全通等。
- 截止頻率： 各個通帶/阻帶邊界的頻率。
- 通帶紋波容限： 通帶內允許的最大增益波動（dB）。
- 阻帶衰減要求： 阻帶內信號應被衰減到的最小幅度（dB）。
- 相位響應要求： 是否需要線性相位？（決定選擇FIR或IIR）
- 採樣率： 信號的數字化採樣頻率。
- 實現平台限制： 對計算複雜度、延遲、存儲資源的要求。
逼近（Approximation）： 根據定義好的規格，選擇合適的濾波器類型（FIR或IIR）和具體的設計方法（如窗函數法、Parks-McClellan演算法、模擬原型法結合雙線性變換等）。這一步的核心是計算出滿足規格的濾波器傳輸函數（H(z)）或脈衝響應係數（h[n]）。這是一個迭代優化的過程，可能需要調整濾波器階數或其他參數來滿足所有要求。
結構實現（Realization/Structure）： 將抽象的濾波器傳輸函數轉化為具體的數字結構。相同的傳輸函數可以有多種不同的實現結構，例如：
- 直接型（Direct Form）： 包括直接型I和直接型II，是最常見的實現方式，易於理解。
- 級聯型（Cascade Form）： 將高階濾波器分解為一系列低階（一階或二階）濾波器的級聯，有助於改善有限字長效應和穩定性。
- 並聯型（Parallel Form）： 將傳輸函數分解為部分分式，然後將這些分式并行實現，也用於改善數值特性。
- 格型結構（Lattice Form）： 在某些應用（如線性預測、自適應濾波）中具有良好的數值特性和收斂性。
選擇合適的結構對濾波器的實際性能（如量化雜訊、溢出、係數靈敏度）有重要影響。
實現與測試（Implementation and Testing）： 將設計好的濾波器實現在目標硬體（如數字信號處理器DSP晶元、現場可編程門陣列FPGA、微控制器）或軟體平台（如MATLAB、Python、C/C++）中。實現后，必須進行全面的測試以驗證其性能是否滿足原始規格。這包括：
- 頻率響應測試： 測量實際頻率響應曲線，與設計目標進行對比。
- 脈衝響應測試： 驗證濾波器的時間域特性。
- 雜訊性能分析： 評估有限字長效應對性能的影響。
- 實時性能測試： 在實時系統中檢查延遲和計算效率。
- 輸入/輸出波形分析： 實際輸入信號通過濾波器后的輸出是否符合預期。
如果測試結果不理想，可能需要返回到「規格定義」或「逼近」步驟進行調整和優化。

常用數字濾波器設計工具與軟體

進行數字濾波器設計，離不開專業的軟體工具的支持。這些工具極大地簡化了設計、模擬和分析過程，使得工程師能夠高效地探索不同設計方案並驗證其性能：

MATLAB： 擁有強大的信號處理工具箱（Signal Processing Toolbox），是數字信號處理領域最常用和最全面的工具之一。它提供了豐富的函數用於FIR和IIR濾波器設計（如fir1, firpm, butter, cheby1, ellip等）、分析、可視化（如fvtool），以及對有限字長效應的模擬。MATLAB以其直觀的語法和強大的繪圖功能，深受學術界和工業界的青睞。
Python（SciPy）： SciPy庫中的scipy.signal模塊提供了與MATLAB信號處理工具箱類似的功能。它包含了各種濾波器設計函數（如scipy.signal.firwin, scipy.signal.remez, scipy.signal.butter等）、濾波器分析工具，並且是開源且免費的選擇。結合NumPy進行數值計算和Matplotlib進行可視化，Python已成為科學計算和信號處理的強大平台。
Simulink： 作為MATLAB的伴侶工具，Simulink是一個圖形化的模擬環境，特別適合基於模型的系統設計和模擬。它提供了豐富的信號處理模塊，可以拖放組件構建複雜的濾波器系統，進行實時模擬，並生成代碼，非常適合複雜信號處理系統的原型開發和測試。
LabVIEW： NI（美國國家儀器）的圖形化編程環境，尤其適合實時系統、數據採集和控制應用中的濾波器設計和實現。LabVIEW以其直觀的圖形化編程方式，允許用戶快速搭建和部署濾波器系統。
C/C++語言： 在嵌入式系統和高性能計算中，常直接使用C/C++語言實現濾波器演算法。這需要對演算法有更深入的理解，並可能涉及到手動的優化以滿足實時性要求和資源限制。許多DSP晶元廠商也會提供優化的C/C++庫，用於在其特定硬體上實現濾波器。
Octave： 一個開源的科學計算軟體，與MATLAB高度兼容，可以運行許多MATLAB腳本，並提供類似的信號處理功能。對於預算有限的用戶來說，是一個很好的替代品。

數字濾波器設計中的挑戰與考量

儘管數字濾波器設計提供了強大的功能，但在實踐中仍需面對一些挑戰和權衡，這些因素會影響濾波器的最終性能和實際應用：

性能與複雜度的權衡： 追求更好的頻率響應（如更陡峭的過渡帶、更低的通帶紋波和更高的阻帶衰減）通常意味著更高的濾波器階數。更高的階數會導致更大的計算量（需要更多的乘法和加法操作）、更長的處理延遲（因為需要更多的採樣點來計算輸出）和更多的硬體資源消耗（如存儲器和處理單元）。在實際應用中，必須在性能和資源之間找到一個最佳平衡點。
有限字長效應： 在實際數字系統中，濾波器係數和信號樣本通常使用有限的位數（字長）來表示，而不是無限精度。這種有限精度會導致：
- 量化誤差： 模擬信號在A/D轉換時產生的誤差，以及數字信號在內部計算中被截斷或舍入時產生的誤差。
- 係數誤差： 濾波器係數無法精確表示為有限位數的二進位數時產生的誤差，這會使得實際頻率響應偏離設計目標。
- 溢出： 中間計算結果超出數據類型所能表示的最大範圍。
- 舍入/截斷雜訊： 在乘法和加法運算后對結果進行舍入或截斷時引入的雜訊。
這些效應會影響濾波器的實際性能，特別是對於高階IIR濾波器，可能會導致不穩定或性能嚴重下降。
穩定性： 對於IIR濾波器設計，穩定性是一個必須嚴格關注的問題。不穩定IIR濾波器會導致輸出信號發散，使系統崩潰。設計時必須確保IIR濾波器傳輸函數的所有極點都位於Z平面的單位圓內。標準的IIR設計方法（如模擬原型結合雙線性變換）通常能保證穩定性，但如果手動調整係數或在實時系統中處理不當，仍可能出現穩定性問題。FIR濾波器本身是穩定的，無需擔心此問題。
相位失真： 對於某些應用（如語音、圖像處理、高保真音頻），保持信號的相位信息至關重要。非線性相位響應會導致信號波形失真。FIR濾波器可以設計成嚴格的線性相位，因此在這類應用中表現優異。而IIR濾波器通常具有非線性相位，如果需要線性相位，則可能需要額外的相位補償網路，或者選擇在設計時對相位進行優化（但這通常會增加階數）。
實時性要求： 在實時信號處理系統中（如音頻處理器、通信數據機、工業控制系統），濾波器的計算必須在有限的時間內完成，以跟上輸入數據流。這要求濾波器演算法高效，且目標硬體（DSP、FPGA）的處理能力足夠。設計時需要考慮乘法和加法的運算次數、存儲器訪問延遲等因素。
實現架構的選擇： 不同的濾波器結構（如直接型、級聯型、並聯型）對量化雜訊、溢出和係數敏感度有不同的影響。選擇一個適合目標硬體和應用需求的實現架構至關重要。

總結

數字濾波器設計是數字信號處理領域的核心技能之一。它不僅僅是數學公式的應用，更是一門將理論知識與實際需求相結合的藝術。通過精確地控制信號的頻率成分，數字濾波器在現代科技的各個角落發揮著不可替代的作用，從我們每天使用的智能手機到複雜的航天航空系統，無處不在。

理解不同濾波器類型（FIR與IIR）的優缺點，掌握各種設計方法（如窗函數法、Parks-McClellan、雙線性變換），並熟悉常用的設計工具，是成功進行數字濾波器設計的關鍵。在實際工作中，工程師需要不斷權衡性能、複雜度、穩定性和資源消耗，以找到最適合特定應用的解決方案。隨著高性能DSP、FPGA和AI加速器等技術的發展，未來將為更複雜、更智能的數字濾波器設計與實現提供更廣闊的平台和可能性。

常見問題解答（FAQ）

1. 如何選擇FIR或IIR濾波器？

選擇FIR還是IIR濾波器主要取決於您的應用需求。如果對相位失真有嚴格要求（例如，在數據傳輸中保持信號波形完整性，或在圖像處理中避免邊緣模糊），或需要保證絕對穩定性（如在安全關鍵系統中），應優先考慮FIR濾波器。如果對計算資源或處理延遲有嚴格限制，且可以容忍非線性相位（例如，在許多音頻均衡器中，相位失真不那麼明顯），則IIR濾波器通常是更高效的選擇，因為它們可以用更低的階數實現陡峭的頻率響應。

2. 為何需要進行頻率預畸變（Pre-warping）？

在IIR濾波器設計中，當採用雙線性變換法將模擬濾波器轉換為數字濾波器時，需要進行頻率預畸變（Pre-warping）。這是因為雙線性變換會將模擬頻率軸（jΩ）非線性地映射到數字頻率軸（e^jω），導致模擬域的高頻區域在數字域中被壓縮（即頻率卷繞現象）。通過對模擬濾波器的截止頻率進行預畸變處理，可以補償這種非線性映射引起的頻率失真，確保在轉換后的數字濾波器中，關鍵的截止頻率能夠精確地落在我們期望的位置。

3. 數字濾波器設計中，濾波器階數有什麼影響？

濾波器階數是衡量濾波器複雜性和性能的關鍵指標。通常，階數越高，濾波器在通帶和阻帶內的頻率響應越接近理想的「磚牆」特性，過渡帶越陡峭，對不需要信號的抑制能力越強。然而，高階濾波器也意味著更高的計算複雜度（需要更多的乘法和加法運算）、更大的處理延遲、更多的存儲需求，且可能對有限字長效應更敏感。因此，在設計時需要根據性能要求、計算資源和實時性約束，在階數和性能之間進行權衡。

4. 如何避免數字濾波器設計中的穩定性問題？

FIR濾波器由於其純前饋結構，本身總是穩定的，因此在設計和實現時不需要擔心穩定性問題。對於IIR濾波器，穩定性是設計中的一個關鍵考量。其設計必須確保所有極點都位於Z平面的單位圓內（對於離散時間系統）。最常用的IIR設計方法（如模擬原型法結合雙線性變換）通常能保證穩定性，因為它們基於穩定的模擬濾波器原型和保守的映射方式。然而，如果手動修改IIR濾波器的係數，或者在有限字長實現中發生數值誤差累積，則可能會導致不穩定性。因此，在實踐中，應始終通過極點-零點圖分析、穩定性測試（例如，檢查極點是否在單位圓內）來驗證IIR濾波器的穩定性。

數字濾波器設計從理論到實踐：深度解析與應用指南