You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

S域带通滤波器无传递函数转换为T采样域方程方法咨询

不使用传递函数的S域带通滤波器转离散采样方程方法

核心思路:从连续时域微分方程出发,用离散差分近似替换微分算子

S域本质是连续微分方程的算子表示,不用传递函数的话,直接基于连续时域微分方程,通过离散采样后的差分近似完成转换。

对于你的二阶带通滤波器,先明确连续域的标准微分方程形式:
$$\frac{d^2 y(t)}{dt^2} + 2\alpha \frac{dy(t)}{dt} + \omega_0^2 y(t) = \beta \frac{dx(t)}{dt}$$
其中参数由你的截止频率计算:

  • 中心角频率 $\omega_0 = \sqrt{\omega_l \cdot \omega_h} = \sqrt{78.075 \times 312.3} \approx 156.15$ rad/s
  • 衰减系数 $\alpha = \frac{\omega_h - \omega_l}{2} = \frac{312.3 - 78.075}{2} = 117.1125$ rad/s
  • 增益系数 $\beta = 2\alpha = 234.225$(保证中心频率处增益为1)

设采样周期为$T$,离散化后$y[n] = y(nT)$、$x[n] = x(nT)$,用以下两种常用方法转换:


方法1:后向差分法(数值稳定性好,适合低采样率场景)

用后向差分近似连续微分:

  • $\frac{dy(t)}{dt} \approx \frac{y[n] - y[n-1]}{T}$
  • $\frac{d^2 y(t)}{dt^2} \approx \frac{y[n] - 2y[n-1] + y[n-2]}{T^2}$

代入连续微分方程并整理,得到离散递推方程:
$$y[n] = \frac{ \beta T(x[n]-x[n-1]) + (2 + 2\alpha T)y[n-1] - y[n-2] }{1 + 2\alpha T + \omega_0^2 T^2}$$


方法2:双线性变换法(避免频率混叠,适合宽频场景)

基于梯形积分的近似,对应微分算子替换为$s = \frac{2}{T} \cdot \frac{1 - z^{-1}}{1 + z^{-1}}$,代入S域算子方程后整理,得到离散递推方程:
$$y[n] = \frac{ \frac{2\beta}{T}(x[n] - x[n-2]) - (2\omega_0^2 - \frac{8}{T^2})y[n-1] - (\omega_0^2 + \frac{4}{T^2} - \frac{4\alpha}{T})y[n-2] }{ \omega_0^2 + \frac{4}{T^2} + \frac{4\alpha}{T} }$$


内容的提问来源于stack exchange,提问作者Gg Yu

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.07.12 22:17:32