双线性变换模拟器 — 模拟转数字 IIR

Q: 什么是双线性变换？

双线性变换（也称双线性变换、Tustin 变换）是一种将模拟滤波器传递函数 H(s) 转换为数字滤波器 H(z) 的方法。通过替换 s = (2/T)(1−z⁻¹)/(1+z⁻¹)，s 平面的左半平面（稳定区域）精确地映射到 z 平面的单位圆内部（稳定区域）。T 是采样周期 1/fs。s 平面的整个 jω 轴缠绕在单位圆上，因此原理上不会出现采样引起的混叠。

参数设置

模拟设计截止频率 fc

低通设计的 −3 dB 频率

采样频率 fs

采样周期 T = 1/fs。fs/2 为奈奎斯特频率

评估频率 fEval

查看数字滤波器增益 |H| 的频率

计算结果

—

预翘曲后 ωc (rad/s)

—

系数 b0

—

系数 b1

—

系数 a1

—

评估频率处增益 |H| (dB)

—

频率翘曲率

—

s 平面 → z 平面映射

左：模拟 s 平面（jω 轴与左半平面=稳定区域）。右：数字 z 平面（单位圆与内部=稳定区域）。双线性变换将 s 的左半平面映射到单位圆内部。z 平面内的点为 IIR 滤波器的极点（单位圆内=稳定）。

频率响应 |H(f)|

频率翘曲 — 数字频率 vs 模拟频率

理论·关键公式

$$s=\frac{2}{T}\,\frac{1-z^{-1}}{1+z^{-1}}, \qquad T=\frac{1}{f_s}$$

双线性变换的替换式。将模拟传递函数 H(s) 的 s 代入此式得到数字 H(z)。T 为采样周期。

$$\omega_{warped}=\frac{2}{T}\tan\!\left(\frac{\omega_c T}{2}\right)$$

频率预翘曲。预先拉伸设计用模拟截止 ωc，使数字 −3 dB 点与目标 fc 一致。

$$K=\frac{\omega_{warped}\,T}{2}, \quad b_0=b_1=\frac{K}{1+K}, \quad a_1=\frac{K-1}{1+K}$$

模拟一阶低通 H(s)=ωc/(s+ωc) 变换后的数字 IIR 系数。差分方程为 y[n] = b0·x[n] + b1·x[n−1] − a1·y[n−1]。双线性变换保存稳定性，s 平面左半平面映射到 z 平面单位圆内。

双线性变换原理

🙋

「双线性变换」是把模拟滤波器变成数字的方法对吧？但为什么不直接用数字设计呢？

🎓

很好的问题。原因很简单：模拟滤波器设计的理论积累了100年。巴特沃思、切比雪夫、椭圆滤波器——都有完整的「s 平面」设计理论。既然有这么好的工具，为什么不复用呢？所以想法是「先用模拟设计，最后翻译成数字」。那个翻译工具的定论就是双线性变换。用一个简单的替换 s = (2/T)(1−z⁻¹)/(1+z⁻¹)，模拟的 H(s) 瞬间变成数字的 H(z)。

🙋

我明白了，翻译的概念。但翻译有时会失真，双线性变换也会失真吗？

🎓

你观察力很敏锐。正是这点。双线性变换把模拟频率轴（0 到无穷大）「紧紧压缩」进数字的 0 到 fs/2 有限区间。无穷变有限，当然会扭曲。这就叫「频率翘曲」。低频还行，但越接近奈奎斯特频率 fs/2，模拟频率压缩得越厉害。看上面的「频率翘曲」图，低频是直线，高频一下子弯下去了。

🙋

那设计的截止频率也会偏离吗？比如用 1000 Hz 设计，变成数字后变成 980 Hz 这样？

🎓

会偏离，不过有办法。既然知道会缩，那就预先拉伸不就行了。这就是「预翘曲」。用 ωcWarped = (2/T)·tan(ωc·T/2) 预先拉伸设计用的模拟截止，变换后就能恰好着地在目标 fc。左边的滑块调到 fc=1000、fs=44100，预翘曲后的 ωc 会比原来的 2π×1000 稍微大一点。那点差别就是补正量。

🙋

预翘曲可以补正的话，双线性变换就是无敌的方法啊？我还听说过脉冲不变法。

🎓

与其说无敌，不如说「工程标准」。脉冲不变法是直接对模拟脉冲响应采样。听起来直观，但 s 平面的 jω 轴会在 z 平面重叠，出现「混叠」。双线性变换把 jω 轴一一映射到单位圆，混叠原理上为零。代价只有频率翘曲，还能预翘曲补偿。所以音频 EQ、传感器降噪，从模拟原型做 IIR 时基本都用双线性变换。

🙋

最后一个问题。变换后的数字滤波器会「不稳定」，出现发散吗？

🎓

这也是双线性变换的妙处：「保存稳定性」在数学上有保证。模拟世界里，极点在 s 平面左半平面就稳定。数字世界里，极点在 z 平面单位圆内就稳定。双线性变换恰好把 s 平面左半平面映射到单位圆内部。所以原模拟滤波器稳定，变换后的数字 IIR 必然稳定。看上面「s 平面 → z 平面」的图，左半平面的点进入单位圆内部。

常见问题

双线性变换（也称双线性变换、Tustin 变换）是将模拟滤波器传递函数 H(s) 转换为数字滤波器 H(z) 的方法。通过替换 s = (2/T)(1−z⁻¹)/(1+z⁻¹)，s 平面的左半平面（稳定区域）精确地映射到 z 平面的单位圆内部（稳定区域）。T 是采样周期 1/fs。s 平面的整个 jω 轴缠绕在单位圆上，因此原理上不会出现采样引起的混叠，这是最大优点。

双线性变换将 s 的整个 jω 轴（0～∞）压缩到 z 的单位圆（0～fs/2），导致频率轴非线性压缩，称为频率翘曲。因此，直接使用模拟截止频率会导致数字侧截止频率偏离。预翘曲通过 ωcWarped = (2/T)·tan(ωc·T/2) 预先拉伸设计用的模拟截止，使数字滤波器的 −3 dB 点精确匹配目标 fc。

将模拟一阶低通 H(s) = ωc/(s+ωc) 代入双线性变换的 s，整理后得到 K = ωcWarped·T/2，从而 b0 = b1 = K/(1+K)、a1 = (K−1)/(1+K)。差分方程为 y[n] = b0·x[n] + b1·x[n−1] − a1·y[n−1]。本工具的默认值（fc=1000Hz, fs=44100Hz）给出 b0=b1≈0.0666、a1≈−0.866，截止频率处的增益恰好为 −3 dB。

脉冲不变法对模拟滤波器的脉冲响应进行采样，但 s 的 jω 轴会在 z 平面重叠，导致混叠。双线性变换将 jω 轴一一映射到单位圆，没有混叠，广泛适用于低通、高通、带通滤波器。代价是频率翘曲，但可通过预翘曲补偿截止点。从模拟原型（巴特沃斯等）设计 IIR 时，工程实践中基本都使用双线性变换。

现实应用

音频设备均衡器：混音器、插件 EQ、音调控制、分频网络基本都用 IIR 滤波器实现。设计师先在 s 平面用巴特沃思或铃形衰减滤波器设计，再用双线性变换落地数字系数。音频采样频率固定在 44.1 kHz 或 48 kHz，预翘曲正确设定截止点直接关系到音色精度。

传感器信号除噪：加速度传感器、应变片、温度传感器等测量数据都含高频噪声。单片机或 DSP 上跑一阶～二阶 IIR 低通平滑是标配，本工具的差分方程 y[n] = b0·x[n] + b1·x[n−1] − a1·y[n−1] 直接成为嵌入式代码。相比 FIR，用更少系数、更少运算得到同等滤波特性，资源受限的嵌入式设备的好帮手。

控制系统离散化：PID 控制器、Lead-Lag 补偿器用模拟设计，再用双线性变换移植到数字控制器。采样周期 T 直接离散化，稳定性得以保存，模拟设计的稳定余量在数字实现中不会崩坏。伺服马达、变频器固件里广泛使用。

通信·生物信号处理：无线接收机的通道选择滤波、心电图（ECG）基线漂移除去、脑电图（EEG）频段分割等实时性要求高的场景也靠 IIR 滤波器。用模拟原型滤波器（椭圆滤波器等）经双线性变换离散化，用少阶次实现陡峭的截止特性。

常见误区和注意事项

最大陷阱是「忘了预翘曲导致截止偏离」。直接把模拟截止 ωc 代入 K = ωc·T/2 算系数，得出的数字滤波器 −3 dB 点会比目标 fc 低。低频、高采样频率下偏差小，容易忽视，但截止接近奈奎斯特时偏差不可忽略。本工具的「频率翘曲率」是预翘曲后 ωc 与原 2π·fc 的比。这个值离 1 越远，不预翘曲就越危险。

其次，「双线性变换完美保存幅度和位相」是误解。双线性变换保存的是「幅度响应形状」和「稳定性」，频率轴本身是非线性翘曲的。意思是可以让某频率增益与模拟一致，但频率刻度伸缩了。特别是位相响应（群延迟）与模拟原型不同。需要线性位相的场景应考虑 FIR 滤波器。双线性变换优先保证「幅度特性和无混叠」，这是其设计出发点。

最后，「算出系数就完事」并非如此。本工具用理想实数算术求 b0、b1、a1，但实际嵌入式实现系数要量化成有限比特。固定小数点 DSP 上系数舍入误差可能让极点微微越出单位圆，本该稳定的滤波器反而振荡。高阶滤波器应拆成二阶段级（双二阶）级联而非单一传递函数，这样降低量化敏感度。双线性变换得出的系数是「设计值」，实现时另需量化和数值精度验证。

双线性变换模拟器 — 模拟转数字 IIR

双线性变换原理

常见问题

现实应用

常见误区和注意事项

使用指南

计算示例

工程实践注意