Applying the Spectral Method for Modeling Linear Filters: Butterworth, Linkwitz-Riley, and Chebyshev filters

技术摘要：应用谱方法进行线性滤波器建模

问题陈述
本文探讨了在连续时间中对线性滤波器（特别是巴特沃斯、Linkwitz–Riley 和切比雪夫类型）进行计算机建模的挑战。传统的计算机建模方法通常依赖于时间离散化，将模拟系统转换为离散时间等效系统。作者指出，这些方法会引入特定的伪影：脉冲不变法如果在离散频率不足时会产生混叠；而双线性变换法则会因为频率轴的非线性变换而引入频率翘曲。本文提出了一种无需进行时间离散化的技术，旨在直接将输出信号建模为连续时间函数。

方法论
该提议技术的核心是线性系统的数学描述的谱形式。这种方法将输入和输出信号表示为相对于选定基底的正交展开（谱特性），而非离散的时间样本。

关键方法组成部分包括：

• 谱表示： 信号 $g(t)$ 和 $x(t)$ 被表示为相对于正交基 $\{q(i, t)\}$ 的展开系数（$G$ 和 $X$）的无限列矩阵。
• 二维非平稳传递函数： 线性滤波器本身不是由标量传递函数 $H(s)$ 描述，而是由二维非平稳传递函数矩阵 $W$ 描述。该矩阵通过线性代数运算 $X = WG$ 将输入谱特性与输出联系起来。
• $W$ 的推导： 矩阵 $W$ 是通过将复变量 $s$ 映射到导数块矩阵 $P$，从而从标准传递函数 $H(s)$（由极点和零点定义）推导而出的。其关系式表示为 $W = (a_n P^n + \dots + a_0 E)^{-1}(b_m P^m + \dots + b_0 E)$，其中 $P$ 是导数算子的谱表示，$E$ 是单位矩阵。
• 基底选择： 在数值实验中，作者利用余弦基（傅里叶级数）来确保平滑度和高近似精度。
• 截断： 在计算机实现中，将无限矩阵和向量截断为有限大小（$L \times L$）。
• 误差度量： 研究通过将滤波后的输出（带有相位延迟补偿）与原始有用信号进行比较来评估性能。误差在时间间隔内按 $L^2$ 范数进行计算。该方法区分了非理想滤波器固有的误差与由谱方法截断引入的误差。

主要贡献

1. 新型建模技术： 本文引入了一种完全在谱域内运行的线性滤波器建模方法，实现了连续时间输出表示，从而避免了与离散时间离散化相关的混叠或频率翘曲问题。
2. 特定滤波器族的应用： 作者明确推导了以下滤波器的二维非平稳传递函数（$W$）：
   • 巴特沃斯滤波器： 通过单位根推导得出。
   • Linkwitz–Riley 滤波器： 建模为两个巴特沃斯滤波器的级联（平方）。
   • 切比雪夫第一型和第二型滤波器： 使用切比雪夫多项式和约科夫斯基变换推导得出。
3. 代数公式化： 该工作证明了滤波过程可以简化为展开系数上的线性代数运算，将连续系统的分析严谨性与数值方法的可实现性结合在一起。

结果
该技术使用确定性噪声（特定频率分量）和随机高斯白噪声进行了测试。

• 确定性噪声： 滤波输出与有用信号之间的误差（$E$）显著低于先验误差（噪声能量本身），证明了有效的噪声抑制。结果表明，增加滤波器阶数通常会提高质量，而将截断阶数（$L$）增加到一定程度（例如 $L=128$）后收益递减，这表明谱方法误差相对于滤波器本身的限制而言是可以忽略不计的。
• 随机噪声： 通过对 $10^4$ 次实现的统计分析（误差的均值和标准差）证实，谱方法有效地降低了噪声。误差估计仍低于先验噪声能量，但由于噪声分量落在通带内，滤波器的效果不如处理确定性噪声时那么显著。
• 计算复杂度： 作者估计寻找传递函数矩阵的复杂度为使用标准算法时的 $O(L^3)$，并指出快速算法（如 Strassen 算法）可以降低这一复杂度。

意义与主张
本文声称，谱方法通过在连续时间中对滤波器进行建模，提供了一个明显的优势，从而避免了时间离散化的伪影。作者指出，据其所知，这种谱形式尚未被应用于这些特定滤波器族的计算机建模中。

这项工作的意义在于其普适性；一旦已知其传递函数，该技术即可应用于其他线性滤波器（如椭圆、贝塞尔、高斯和勒让德滤波器）。作者强调，该方法结合了分析方法（平滑性、连续时间）的优点与数值实现（简单性）的优点。研究结论认为，谱方法误差相对于滤波器误差而言是微不足道的，这验证了该方法在实际计算机建模线性系统中的有效性。