峰值滤波器peaker filter

峰值滤波器设计

简介

在特定的中心频率处对信号进行增益或衰减。它允许中心频率附近的频率成分得到增强或削弱，而其他频率成分保持相对不变。

如上图audacity软件的图示均衡器就是采样参数均衡器来设计，参数均衡器可以由用户自行定义中心频率、增益和品质因子来实现对中心频率的增益或衰减；

参数均衡器原理

参数均衡器效果函数图像如下：

$f_0$：中心频率，也就是我们调整的频率

$f_1$：中心频率往左下降3dB的上限频率

$f_2$：同$f_1$

除此之外，还需要理解其它参数；

$F_s$：采样频率

$dBgain$：中心频率的增/减益

$Q$：品质因子，描述了对某一点频率进行增益或衰减，对附近频率的影响范围，其公式如下：
$$Q=\frac{f_0}{\Delta f}=\frac{f_0}{f_2-f_1}$$
从公式可得，如果Q值越大，则影响的范围$\Delta f$越小，Q值越小，则范围越大

参数均衡器设计

利用IIR型无限冲击响应函数来设计，它相对于FIR有限冲击函数计算量小一些；采用二阶的IIR型传递函数公式来计算，此公式推导过程相对复杂，它是由工程师证明推导而成，如下：
$$H(z)=\frac{Y(z)}{X(z)}=\frac{b_0+b_1\ast z^{-1}+b_2\ast z^{-2}}{a_0-a_1\ast z^{-1}-a_2\ast b^{-2}}$$

$X(z)$表示输入信号，$Y(z)$是输出信号，对$a_0$归一化,也就是上下除$a_0$,转换成新的$a,b$系数，在转换到时域上的差分可得：
$$y(n)=b_0\ast x(n)+b_1\ast x(n-1)+b_2\ast x(n-2)-a_1\ast y(n-1)-a_2\ast y(n-2)$$

现在，只需要计算出a和b的系数，就可以得到这个峰值滤波器了；这3个系数计算也特别麻烦，很复杂；不过工程师也推导出了相关的公式，方便计算；

中间参数

在计算$a,b$系数时，还要介绍几个中间变量，如下：
$$A=\sqrt{10^{\frac{dBgain}{20}}}=10^{\frac{dBgain}{40}}$$
此公式只对峰值滤波器和陷波滤波器适用

$w_0=2\ast pi\ast \frac{f_0}{F_s}$

$cos(w_0)$

$sin(w_0)$

$alpha=sin(w_0)/(2Q)=sin(w0)\ast sinh(ln(2)/2\ast BW\ast w0/sin(w0))=sin(w0)/2\ast sqrt((A+1/A)\ast (1/S-1)+2)$

峰值滤波器系数

假设$Q=\frac{1}{\sqrt{2}}$，中心频率$F_c=1000hz$则有：

$b_0=1+alpha\ast A$

$b_1=-2\ast cos(w_0)$

$b_2=1-alpha\ast A$

$a_0=1+alpha/A$

$a_1=-2\ast cos(w_0)$

$a_2=1-alpha/A$

python代码计算的$a,b$参数，并对$a_0$做归一化：

def create_peak_filter_params():
    w0 = 2.0 * np.pi * f0 / Fs
    sin_w0 = np.sin(w0)
    alpha = sin_w0 / (2.0 * Q)
    dB = round(float(dBgain), 3) #四舍五入最接近的整数，小数点后3位
    A = 10 ** (dB/40)
    b0 = 1 + alpha * A
    b1 = -2 * np.cos(w0)
    b2 = 1 - alpha * A
    a0 = 1 + alpha / A
    a1 = -2 * np.cos(w0)
    a2 = 1 - alpha / A
    numerator_B = np.array( [b0, b1, b2], dtype=np.float32)
    denominator_A = np.array( [a0, a1, a2], dtype=np.float32)
    return numerator_B / a0, denominator_A / a0

最后，计算的效果如下：

其它滤波器设计

其它滤波器使用IIR设计方式也和上面一样，只是最后推导出的$a,b$参数公式不一样，这里简单记录一下：

低通滤波器

假设$Q=\frac{1}{\sqrt{2}}$，中心频率$F_c=1000hz$则有：
$b_0=(1-cos(w0))/2$

$b_1=1-cos(w0)$

$b_2=(1-cos(w0))/2$

$a_0=1+alpha$

$a_1=-2\ast cos(w0)$

$a_2=1-alpha$

高通滤波器

假设$Q=\frac{1}{\sqrt{2}}$，中心频率$F_c=1000hz$则有：
$b_0=(1+cos(w0))/2$

$b_1=-(1+cos(w0))$

$b_2=(1+cos(w0))/2$

$a_0=1+alpha$

$a_1=-2\ast cos(w0)$

$a_2=1-alpha$

带通滤波器

假设$Q=\frac{1}{\sqrt{2}}$，中心频率$F_c=1000hz$则有：
$b_0=sin(w0)/2=Q\ast alpha$

$b_1=0$

$b_2=-sin(w0)/2=-Q\ast alpha$

$a_0=1+alpha$

$a_1=-2\ast cos(w0)$

$a_2=1-alpha$

带阻滤波器

假设$Q=\frac{1}{\sqrt{2}}$，中心频率$F_c=1000hz$则有：
$b_0=alpha$

$b_1=0$

$b_2=-alpha$

$a_0=1+alpha$

$a_1=-2\ast cos(w0)$

$a_2=1-alpha$

音频频率知识

人耳可分辨的声音频率大约是在20Hz~20kHz，因此调音台中的四段均衡器把其分为的4个频段，根据德国柏林音乐研究所资料介绍，它们是低频、中低频、中高频、高频

音频频率对音色的影响是多方面的。以下是一些关键频率段及其对音色的影响：

低频（20Hz-200Hz）：影响音色的混厚度和丰满度，像低音炮那种低沉的声音。

31Hz——这个频段需要播放器材有比较好的低频下潜能力，如果没有，当然就不容易听见，这个频段主要影响底鼓的延续音（sustain)，就是踩下底鼓之后嗡嗡的声音，增强这个频段可以让音乐浑厚。

63Hz——这个频段是底鼓所在的主要频段，如果单纯把这个频点增强10dB，最明显的感受就是底鼓声变得很大，甚至破了，所以增强这个频段有助于音乐更厚实。

125Hz——这就主要是贝斯的频段了，贝斯常用的音高位置的音色主要在这一频段，当然不是说这一频段只有贝斯，增强这一频段音乐会更扎实。

中低频（200Hz-600Hz）：影响音色的力茺和结实度。

250Hz——这个频段多了声音会很脏，少了声音会很干净，硬实，但它同时也是人声、弦乐、手鼓等等音色的主要共鸣点的所在频段。可以想象在水下的那种轰隆隆的感觉，是这一频段带给我的主要感受。

500Hz——和250Hz的感受相似，这一频段的增强会使一些铺底的合成器pad音色凸显出来，会使更多的男声凸显出来，这一频段多了还是会浑浊，稍微增加一些会使音乐有更多温暖、亲近的感觉。

中高频（600Hz-6kHz）：影响音色的明亮度和清晰度。

1000Hz——这个频段可以算作一个分水岭，大部分乐器的基频都在200—1000Hz，所以调节1000以下的频段会更多的影响音色（不是影响音量），增强这一频段会使音色更明亮。

2000Hz——增强人声的可懂性，说白了听得更清楚，包括吉他贝斯的琴弦摩擦的声音，电吉他的尖刺感，两元店大喇叭里的广告，都可以让你更多的体会这一频段的特点，所以增强这一频段让音乐更清晰。

4000Hz——这一频段是很多音色的镶边，就像是相框的边框，衣服或者窗帘的下摆，很多时候这一频段可以让声音更完整，更具细节，更多现场感，但是过多的提升也会让人觉得刺耳，听觉疲劳。

5000Hz以上是几乎所有乐器的谐波成分，也是人耳最敏感的频段，比如把5000Hz提升6dB，有时会让人觉得整个音量被开大了一倍，如果过多的衰减则会让音乐听起来很远。

高频（6kHz-16kHz）：影响音色的表现力和解析力，像音乐盒那种尖锐的声音。

8000Hz——这个频段比较明显的是各种镲声、弦乐摩擦琴弦的声音、还有就是齿音，比如提升该频段会放大歌手四、是、次、字一类的发音。一般很少会大幅提升这一频段。

16000Hz——事实上这一频段确实很难分辨，如果把一首歌的16000Hz提升10dB，我一般会去听各种镲，镲会显得更亮更大声了，反之，镲声会显得小了、暗了。如果不仔细听，会感觉音乐没什么变化。

这里说一下遮蔽效应，简单说就是比如你把125Hz调的很大，那么靠近125Hz的、dB数小的频率就会被遮蔽，听不到了。

参考

1. 音频均衡器详解