前馈与反馈梳状滤波器的实现差异及反馈版本实现方法

你觉得反馈版和前馈版实现一致是错误的，二者核心逻辑完全不同，反馈版的实现需要基于输出信号的延迟反馈，而非输入信号的延迟叠加。

核心差异解析 #

• 前馈梳状滤波器：输出是当前输入 + 延迟后的输入×增益，信号只经过一次延迟叠加，效果更偏向简单回声，衰减速度快。
• 反馈梳状滤波器：输出是当前输入 + 延迟后的输出×增益，输出信号会被循环送回延迟线，产生持续的混响效果，衰减节奏由增益系数控制。

你的前馈实现中，memory存储的是输入信号的延迟样本，而反馈版需要存储的是输出信号的延迟样本，这是最关键的区别。

反馈梳状滤波器的Python实现 #

根据公式y(t) = x(t) + alpha * y(t - tau)，实现时需要维护一个存储历史输出的延迟线，代码示例如下：

import numpy as np

def db_to_linear(db):
    return 10 ** (db / 20)

def feedback_combfilter(x, delay=2, gain=-3):
    alpha = db_to_linear(gain)
    # 初始化延迟线，长度为delay，初始值为0
    delay_line = [0.0] * delay
    y = np.zeros_like(x)
    
    for i in range(len(x)):
        # 当前输出 = 当前输入 + 延迟线中最早的输出 × 增益
        y[i] = x[i] + alpha * delay_line[0]
        # 更新延迟线：移除最早的样本，加入当前输出
        delay_line.pop(0)
        delay_line.append(y[i])
    
    return y

关键变化说明 #

1. 延迟线存储内容：从存储输入信号的增益版本，变为存储历史输出信号。
2. 计算逻辑：当前输出依赖于过去的输出而非过去的输入，这会让信号在延迟线中循环叠加，产生更持久的声学效果。
3. 增益的影响：反馈版的增益alpha绝对值需要小于1（对应dB为负数），否则信号会不断放大导致溢出；前馈版的增益则无此限制（但通常也用负数抵消相位）。

内容的提问来源于stack exchange，提问作者lussco