一阶RC低通滤波器（巴特沃斯滤波）

前言

一种ADC采样算法，中位值平均滤波+递推平均滤波_递推中位值滤波法-CSDN博客

之前对数字信号滤波有了很浅的接触。

最近稍微研究了滤波器，想用模拟和数字的形式来简单理解一下，记录在这里。

有纰漏请指出，转载请说明。

学习交流请发邮件 1280253714@qq.com

参考

【动态系统的建模与分析】9_一阶系统的频率响应_低通滤波器_Matlab/Simulink分析_哔哩哔哩_bilibili

从最基本的单元开始：模拟滤波器设计--无源RC滤波器_哔哩哔哩_bilibili

[5.4.1]--一阶滞后滤波_哔哩哔哩_bilibili

滤波器设计工具 | 滤波器设计向导 | Analog Devices

一阶滤波器的定义

一阶滤波器（First-Order Filter）是滤波器的一种基本类型，其特点是在连续时间域或离散时间域中，滤波器的传递函数或差分方程具有一阶的形式。

连续时间域：在连续时间域中，一阶滤波器的传递函数通常具有如下形式：

其中，s 是复频率变量，a0​ 和 a1​ 是常数。

离散时间域：在离散时间域中，一阶滤波器的差分方程或传递函数通常具有如下形式：

或者

其中，y[n] 是输出信号，x[n] 是输入信号，α 和 a1​ 是常数，z 是复频率变量。

为什么需要一阶滤波器

一阶滤波器在信号处理和控制系统中有多种应用，其主要原因包括：

1. 简单性：一阶滤波器具有简单的数学模型，容易实现和分析。
2. 平滑性：一阶滤波器能够平滑输入信号中的高频噪声或变化，使输出信号更加平滑。
3. 延迟性：一阶滤波器引入了一定的时间延迟，这在某些应用中是有益的，例如用于稳定控制系统或模拟某些物理系统的行为。
4. 可调性：通过调整一阶滤波器的参数（如 α 或 a1​），可以控制滤波器的截止频率、带宽或响应时间等特性。
5. 稳定性：一阶滤波器在设计和实现时，容易确保其稳定性。

一阶滤波器通常用于各种实际应用中，如音频处理、图像处理、控制系统、传感器数据预处理等。它们可以是低通滤波器（允许低频信号通过，抑制高频信号）、高通滤波器（允许高频信号通过，抑制低频信号）、带通滤波器（允许特定频率范围内的信号通过）或带阻滤波器（抑制特定频率范围内的信号）。

一阶RC滤波器的电路模型与推导

模型搭建与仿真 

这里选取τ=RC=1时的传递函数

带高频噪声的信号

滤波前与滤波后的对比

原始信号与滤波后的信号，可以发现滤波后相位滞后了

 幅相特性曲线

% 定义传函
numerator = [1]; % 分子系数
denominator = [1 1]; % 分母系数
sys = tf(numerator, denominator); % 创建传函模型
 
% 绘制幅相特性曲线
bode(sys);

伯德图 

从一阶RC低通滤波器的伯德图（Bode Plot）中，我们可以观察到以下几个关键的信息和特性：

1. 截止频率（Cutoff Frequency）：伯德图中的幅值曲线（Magnitude Plot）从0dB开始下降，当达到某个频率时，其幅值下降3dB（即下降一半，因为20log(0.5) = -6dB）。这个点就是滤波器的截止频率。对于一阶RC低通滤波器，截止频率（fc）的计算公式为：fc = 1 / (2πRC)，其中R是电阻值，C是电容值。在截止频率之前，信号基本不受衰减地通过；而在截止频率之后，信号的幅度随频率的增加而逐渐减小。

2. 相位延迟（Phase Shift）：伯德图的相位曲线（Phase Plot）显示了信号通过滤波器后相对于原始信号的相位延迟。对于一阶RC低通滤波器，随着频率的增加，相位延迟逐渐增加，但永远不会超过90度。

3. 滤波器类型：伯德图清晰地表明滤波器是低通滤波器，因为随着频率的增加，幅值响应逐渐减小。

4. 滤波器性能：通过伯德图，我们可以评估滤波器的性能，例如过渡带宽（即幅值从0dB下降到-3dB的频率范围）和阻带衰减（即高频信号的抑制程度）。这些信息对于选择合适的滤波器参数以满足特定应用需求非常重要。

离散信号的代码实现

 

% 采样频率（Hz）  
Fs = 1000;   
  
% 时间向量（秒）  
t = 0:1/Fs:1-1/Fs;  
  
% 只取时间向量的前1/3  
t_third = t(1:floor(length(t)/3));  
  
% 正弦波频率（Hz）  
f_signal = 50;   
  
% 生成没有噪声的正弦波信号  
x_signal = sin(2*pi*f_signal*t);  
x_signal_third = x_signal(1:floor(length(t)/3));  
  
% 添加高频噪声（例如使用随机噪声）  
x_noise = 0.3 * randn(size(t));  
x_noisy = x_signal + x_noise;  
x_noisy_third = x_noisy(1:floor(length(t)/3));  
  
% 截止频率（Hz），例如80Hz（低于噪声频率但高于信号频率）  
fc = 80;   
  
% 计算归一化截止频率（Nyquist频率的一半为1）  
Wn = fc / (Fs / 2);  
  
% 一阶滤波器的系数（对于离散时间系统，我们使用差分方程）  
% alpha 是差分方程中的系数  
alpha = exp(-Wn);  
  
% 初始化输出信号和之前的样本（用于差分方程）  
y_filtered = zeros(size(x_noisy));  
y_prev = 0;  
  
% 滤波过程（使用差分方程）  
for n = 1:length(x_noisy)  
    y_filtered(n) = alpha * y_prev + (1 - alpha) * x_noisy(n);  
    y_prev = y_filtered(n);  
end  
  
% 滤波后的信号也只取前1/3  
y_filtered_third = y_filtered(1:floor(length(t)/3));  
  
% 绘制原始信号、带噪声的信号和滤波后的信号的前1/3部分  
figure;  
subplot(3,1,1);  
plot(t_third, x_signal_third);  
title('Original Signal (Sine Wave) - First Third');  
xlabel('Time (s)');  
ylabel('Amplitude');  
grid on;  
  
subplot(3,1,2);  
plot(t_third, x_noisy_third);  
title('Signal with Noise - First Third');  
xlabel('Time (s)');  
ylabel('Amplitude');  
grid on;  
  
subplot(3,1,3);  
plot(t_third, y_filtered_third);  
title('Filtered Signal (1st Order Lowpass) - First Third');  
xlabel('Time (s)');  
ylabel('Amplitude');  
grid on;

EXCEL的仿真 

signal(n) = 1-(EXP(-An/1)) ，时间常数τ=1

signal(n) = SIN(2*PI()*An/100)