{
  "id": "signal-filter",
  "title": "信号滤波器",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "信号滤波器选择性地改变信号成分，以提取信息、抑制干扰或调整信号的频谱与时域特性。",
  "category": "technology",
  "subcategory": "engineering",
  "type": "concept",
  "aliases": [
    "滤波器"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/signal-filter/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/signal-filter/",
      "json": "https://aiwiki.page/en/signal-filter.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "信号滤波器是一种物理装置或计算操作，用于选择性地改变信号中的成分。最常见的滤波方式是让某些频率范围内的信号通过，同时衰减其他频率范围内的信号，但滤波也包括平滑、预测、干扰抵消，以及从含噪观测数据中估计潜在量。滤波器可以处理连续电波形、采样数值数据、声学振动、光场、图像和多维测量数据。\n\n滤波是信号处理、电信、测量和控制理论的基础。无线电接收机利用滤波器将选定的传输信号与相邻信道的信号分离；数据采集系统通过滤波限制进入采样器的信号频率范围；图像处理系统则可以在保留边界的同时抑制噪声。滤波器不一定能直接区分“有用信息”和“噪声”：其效果取决于所需成分与不需要的成分在频率、空间结构、统计特性或其他可利用的性质上是否存在差异。\n\n这一领域将系统的数学描述与元件容差、数值精度、处理延迟和可用功率等实际约束联系起来。线性选频滤波器构成了其经典核心，而自适应滤波器、统计滤波器和非线性滤波器则将这一概念拓展到无法仅凭频率区分其相关结构的信号。"
    },
    {
      "heading": "数学基础与系统描述",
      "text": "滤波器将输入信号 \\(x\\) 转换为输出信号 \\(y\\)。其中一类尤为重要的滤波器是线性时不变系统，它满足叠加原理，且输入在时间上平移时，系统的行为规律不变。在通常的假设下，这类系统完全由其冲激响应 \\(h\\) 表征。对于连续时间信号，输出由以下卷积给出：\n\n\\[y(t)=\\int_{-\\infty}^{\\infty}h(\\tau)x(t-\\tau)\\,d\\tau.\\]\n\n对于离散时间信号，相应的表达式为：\n\n\\[y[n]=\\sum_{k=-\\infty}^{\\infty}h[k]x[n-k].\\]\n\n这些描述不仅适用于电子电路。振动的机械组件、声学腔体和软件程序，在适当的工作范围内都可以表现为线性滤波器。它们的物理实现虽然不同，却可能用相同的输入—输出数学关系来描述。\n\n傅里叶变换将时域中的卷积转换为频域中的乘法。若 \\(X(\\omega)\\)、\\(Y(\\omega)\\) 和 \\(H(\\omega)\\) 分别为输入、输出及冲激响应的傅里叶变换，则有：\n\n\\[Y(\\omega)=H(\\omega)X(\\omega).\\]\n\n复函数 \\(H(\\omega)\\) 称为频率响应，它同时描述幅度缩放和相位偏移。向稳定的线性时不变滤波器输入正弦信号，会产生频率相同的稳态正弦输出，其幅度和相位由频率响应决定。传递函数将这一描述推广到复频率变量；连续时间系统通常使用 \\(s\\)，离散时间系统通常使用 \\(z\\)。传递函数的极点和零点蕴含了谐振、相消、稳定性及其他性质的信息。\n\n因果性和稳定性带来的约束，仅凭频率响应图无法看出。因果滤波器不能依赖未来的输入值。对于通常的连续时间线性系统，冲激响应绝对可积是有界输入有界输出稳定性的判据；在离散时间情形下，对应的条件是冲激响应绝对可和。对于因果有理传递函数，稳定性要求极点位于 \\(s\\) 平面的开左半平面内，或位于 \\(z\\) 平面的单位圆内。处理零极点相消时需要谨慎，因为表面上稳定的外部传递函数可能掩盖不稳定的内部动态。\n\n并非所有滤波器都是线性或时不变的。中值滤波器是非线性的，而自适应滤波器会随着数据的到来调整其系数。二维图像滤波器作用于空间坐标，而非时间。这些情况仍然体现了选择性变换的基本思想，但单一的标量频率响应未必能完整表征它们。因此，数学模型必须与实际运算相匹配，而不能将所有称为滤波的过程都视为固定的频率选择性系统。"
    },
    {
      "heading": "频率响应、相位与技术指标",
      "text": "选频滤波器通常按其允许通过的频率范围分类。低通滤波器保留低频并衰减高频；高通滤波器则相反。带通滤波器允许某一中间频带通过，而带阻滤波器则抑制某一频带。窄带带阻滤波器常称为陷波滤波器，例如用于减小 50 或 60 Hz 电源线干扰的滤波器。理想的全通滤波器具有恒定的幅度响应，但会改变相位，因此可用于延时均衡和相位补偿。\n\n实际的技术指标将频率轴划分为通带、阻带和过渡带。通带纹波衡量通带内允许的幅度变化，阻带衰减则规定对不需要的分量所要求的抑制程度。相对幅度通常以分贝表示：\n\n\\[G_{\\mathrm{dB}}(\\omega)=20\\log_{10}|H(\\omega)|.\\]\n\n这一公式描述的是幅度比；功率比则使用系数 10。截止频率并不总是半功率点，其定义取决于滤波器类型及技术指标。不过，对于常规的一阶低通滤波器，截止频率处的幅度为其低频幅度的 \\(1/\\sqrt{2}\\)，对应约 \\(-3.01\\) dB。\n\n当波形形状或时序很重要时，仅考虑幅度响应是不够的。信号中各频率分量的相移不同，即使其幅度保持不变，也可能使脉冲失真。群时延为\n\n\\[\\tau_g(\\omega)=-\\frac{d\\phi(\\omega)}{d\\omega},\\]\n\n其中，\\(\\phi\\) 为展开后的相位。线性相位响应意味着相关频带内的群时延恒定。这一特性在测量和数字通信中很有价值，不过恒定的时延仍会带来延迟。理想的零相位运算不引入相移，但非平凡的对称平滑运算通常需要同时使用较早和较晚的采样值，因此不适合用于要求即时输出的因果处理。\n\n经典的逼近类型体现了不同的折中。对于归一化低通原型，巴特沃斯响应的幅度在零频处具有最大平坦性。Ⅰ 型切比雪夫响应允许通带内出现等波纹，以便在给定阶数下获得更陡峭的过渡；Ⅱ 型则将纹波置于阻带。椭圆响应允许通带和阻带均出现纹波，能够以较低阶数实现特别窄的过渡带。贝塞尔响应则侧重于使群时延在零频附近具有最大平坦性，通常会牺牲幅度选择性。\n\n理想的“砖墙式”低通滤波器说明了陡峭的频率选择特性与时间局域性之间的根本矛盾。其冲激响应在时间轴的两个方向上都无限延伸，因此不具备因果性。可实现的逼近则会引入过渡带宽、时延、纹波，或有限的阻带衰减。对于 \\(N\\) 阶全极点低通响应，远阻带的渐近衰减斜率为每十倍频程 \\(20N\\) dB，但这并不能描述所有高阶滤波器：有限频率处的零点及其他结构都可能显著改变衰减特征。"
    },
    {
      "heading": "模拟与物理实现",
      "text": "模拟电子滤波器直接处理连续变化的电压或电流。最基本的无源低通电路由一个与输入串联的电阻器和一个接地的电容器组成，输出取自电容器两端。在电压源理想且输出端负载影响可忽略的条件下，其传递函数为\n\n\\[H(s)=\\frac{1}{1+sRC}, \\qquad f_c=\\frac{1}{2\\pi RC}.\\]\n\n当 \\(R=10\\,\\mathrm{k\\Omega}\\)、\\(C=10\\,\\mathrm{nF}\\) 时，截止频率约为 \\(1.59\\,\\mathrm{kHz}\\)。将电阻器与电容器的位置互换，即可构成一阶高通电路。除非在电路模型中明确计入源电阻和负载阻抗，否则它们的存在会使上述简单公式不再适用。\n\n利用电感器和电容器，可以构成频率选择性更强的谐振滤波器。理想、无外部负载的电感—电容组合的谐振频率为\n\n\\[f_0=\\frac{1}{2\\pi\\sqrt{LC}}.\\]\n\n电阻和负载决定阻尼与带宽。对于轻阻尼的二阶带通响应，品质因数与中心频率及半功率带宽之间的关系通常表示为 \\(Q=f_0/B\\)。高 \\(Q\\) 谐振器具有窄带选择性，但其储存的能量也会使响应在激励结束后继续存在。窄带宽与长时间振铃之间的这种联系，在通信和精密测量中十分重要。\n\n有源滤波器将电阻器、电容器与电子放大器结合使用，其中放大器通常为运算放大器。在音频和仪器测量所用的频段，Sallen–Key 电路和多重反馈电路无需体积庞大的电感器，即可实现二阶滤波单元。将这些单元级联，便可获得更高阶的响应。放大器并非理想器件：有限的增益带宽积、压摆率、输入噪声、输出电流限制以及电源电压范围，都可能改变预期响应或引起失真。高 \\(Q\\) 滤波级对元件参数比值和放大器性能限制尤为敏感。开关电容滤波器则采用另一种方法，通过时钟控制的电荷转移来实现等效电阻和精确可控的时间常数。\n\n在射频和微波频段，物理尺寸可能达到波长的相当一部分，因此分布式结构变得十分重要。传输线短截线、耦合谐振器、腔体滤波器和介质谐振器都能实现频率选择，而仅用少量集总元件并不总能充分描述其特性。石英晶体滤波器利用压电材料中的机械谐振工作。声表面波器件和体声波器件将电信号转换为弹性振动，再转换回电信号，从而实现用于射频前端的小型频率选择元件。\n\n光学滤波器和声学滤波器通过不同的物理相互作用，运用相同的基本原理。光学薄膜镀层利用干涉选择波段；光学谐振腔选择谐振模式；声学管道和腔体则调节声音的传输特性。物理滤波器可能引入插入损耗、阻抗失配和热噪声，其特性也可能随温度变化。因此，衡量其实测性能不能只看标称传递函数：输入和输出端的负载效应、制造偏差、功率承受能力以及环境条件，也都是技术规格的一部分。"
    },
    {
      "heading": "数字滤波器结构与数值特性",
      "text": "数字滤波器处理的是数值序列，这些序列通常表示采样测量值或合成信号。常见的线性实现遵循以下差分方程：\n\n\\[y[n]=\\sum_{k=0}^{M}b_kx[n-k] -\\sum_{k=1}^{N}a_ky[n-k],\\]\n\n其中分母已归一化，使得 \\(a_0=1\\)。前馈系数 \\(b_k\\) 对输入样本进行加权，反馈系数 \\(a_k\\) 则对先前的输出进行加权。相应的传递函数为\n\n\\[H(z)= \\frac{\\sum_{k=0}^{M}b_kz^{-k}} {1+\\sum_{k=1}^{N}a_kz^{-k}}.\\]\n\n其频率响应通过在单位圆上取值求得，即令 \\(z=e^{j\\omega}\\)，其中频率以弧度每样本为单位。\n\n有限冲激响应滤波器，简称 FIR 滤波器，其冲激响应在有限个样本之后严格为零。在通常采用的非递归实现中，它对固定长度的输入窗口内的样本进行加权求和。长度为 \\(L\\) 的移动平均滤波器在 \\(0\\leq k<L\\) 时采用 \\(h[k]=1/L\\)。它能高效地平滑波动，但其频率响应包含旁瓣和零点，并不能在整个阻带内都提供很强的衰减。具有适当对称性或反对称性的实数 FIR 系数可以实现严格的线性相位。长度为 \\(L\\) 的对称 FIR 滤波器具有 \\((L-1)/2\\) 个样本的延迟，这在实时系统中可能不可忽视。\n\n无限冲激响应滤波器，简称 IIR 滤波器，其冲激响应通常会无限持续下去，一般采用递归方式实现。一个一阶例子是\n\n\\[y[n]=(1-\\alpha)x[n]+\\alpha y[n-1], \\qquad 0<\\alpha<1.\\]\n\n这种指数平滑滤波器计算开销小，适用于变化缓慢的测量值。与性能相当的线性相位 FIR 设计相比，高阶 IIR 设计可以用更少的系数实现陡峭的过渡带，但其相位通常是非线性的。稳定性取决于系数的取值；即使数学设计本身稳定，内部数值运算也会影响实际表现。\n\n实现结构对数值性能有很大影响。若将高阶传递函数写成单个分子多项式与单个分母多项式之比，它可能对系数舍入十分敏感。采用二阶节级联通常能更好地控制数值误差和内部信号幅度，这些二阶节也常称为双二阶节。定点实现需要明确进行缩放以避免溢出，而有限字长会引入舍入噪声，并可能在递归结构中引起低幅度的极限环振荡。浮点运算提供了更宽的可表示数值范围，但并不能消除系数敏感性或数值病态问题。\n\n长 FIR 滤波器可以借助快速傅里叶变换，通过重叠相加法和重叠保留法等分块卷积方法实现。这些方法用频域乘法取代大量直接的乘加运算，但仍须确保实现的是线性卷积，而不是无意中引入循环卷积。分块大小决定了计算效率、缓冲需求和延迟。因此，即使离线音频处理与低延迟反馈控制器需要相同的幅频响应，对前者而言计算成本较低的算法，也可能不适用于后者。"
    },
    {
      "heading": "采样、混叠与采样率变换",
      "text": "在连续信号与采样信号的表示形式之间转换时，滤波至关重要。采样会使信号频谱以采样频率 \\(f_s\\) 为间隔周期性重复。如果这些频谱副本发生重叠，不同的连续时间频率就会产生无法区分的采样序列，这种现象称为混叠。在满足采样定理条件的情况下，若信号的频谱严格限制在 \\(f_s/2\\) 以下，就可以根据其理想采样值重建原信号。频率 \\(f_s/2\\) 称为奈奎斯特频率，但实际转换器需要留出过渡带，而不能依照理想的频谱边界工作。\n\n模拟抗混叠滤波器置于模数转换器之前，用于抑制那些会折叠到目标频带内的频率分量。一旦发生混叠，普通数字滤波器便无法判断，记录下来的某个频率分量中，哪些部分原本就处于该频率，哪些部分是从其他频率折叠而来的。例如，以 10 kHz 的采样率对 7 kHz 的正弦信号进行采样，所产生的序列除相位表示方式外，与 3 kHz 正弦信号的采样序列等效。采样后再去除 5 kHz 以上的频率分量，并不能消除这种歧义，因为混叠分量已经落入采样后的基带内。\n\n过采样使初始奈奎斯特频率远离所需信号频带，从而放宽对模拟滤波器的要求。对于只关注 20 kHz 以下频率的系统，可以采用远高于 40 kHz 的采样率，使用过渡较为平缓的模拟滤波器，然后在降低采样率之前，施加截止陡峭的数字低通滤波。许多转换器将过采样与噪声整形相结合，重新分配量化噪声的频谱，使数字滤波能够去除位于有效频带之外的大部分量化噪声。采用过采样后，仍需考虑模拟干扰、转换器的线性度以及过载问题。\n\n以整数因子 \\(M\\) 进行降采样时，每隔 \\(M\\) 个采样点保留一个，采样率随之降至 \\(f_s/M\\)。在此操作之前，通常需要对信号进行低通滤波，以防止高于新奈奎斯特频率的分量发生混叠。以整数因子 \\(L\\) 进行升采样，通常表示为在相邻采样点之间插入 \\(L-1\\) 个零，再通过滤波抑制由此产生的频谱镜像，并使增益达到预期值。有理数比采样率变换则将这两种操作结合起来。多相分解通过重新组织滤波运算，使与被丢弃的采样点或插入的零相关的计算无需显式执行。\n\n数模转换会带来一个相关的重建问题。简单的零阶保持会生成阶梯状波形，其频谱在采样频率各整数倍附近包含镜像，幅度包络则呈 sinc 函数形状。模拟重建滤波器用于抑制不需要的镜像，而数字均衡可以补偿部分通带幅度下垂。这些过程在概念上不同于恢复因混叠而丢失的信息：重建可以抑制可预测的镜像，但如果不对原始信号作出额外假设，就无法唯一地逆转采样过程中发生的频谱重叠。"
    },
    {
      "heading": "统计滤波、自适应滤波与非线性滤波",
      "text": "当所需信号与干扰所占据的频带相互重叠时，固定的频率选择方式可能不足以满足需求。统计滤波则利用描述信号和噪声生成过程的模型。维纳滤波器源于诺伯特·维纳关于预测与平滑的研究，能够在指定的一类线性估计器中，使估计的均方误差最小。在一个简单的非因果模型中，若观测值是互不相关的平稳信号与噪声之和，则其频率响应为\n\n\\[H(\\omega)=\\frac{S_s(\\omega)} {S_s(\\omega)+S_n(\\omega)},\\]\n\n其中，\\(S_s\\) 和 \\(S_n\\) 分别为信号与噪声的功率谱密度。与噪声占主导的频率成分相比，预期信号功率较强的频率成分会得到更多保留。因果版本和有限长度版本还需要施加额外约束。\n\n卡尔曼滤波器根据动力学模型和不完美的测量来估计随时间变化的内部状态。在线性离散时间形式下，\n\n\\[x_k=Ax_{k-1}+w_k, \\qquad z_k=Cx_k+v_k,\\]\n\n其中，\\(x_k\\) 为状态，\\(z_k\\) 为观测值，\\(w_k\\) 和 \\(v_k\\) 分别表示过程扰动与测量扰动。预测步骤将状态估计及其不确定性向前推演；更新步骤则将预测结果与新观测值结合。增益取决于估计的误差协方差。在线性高斯假设下，该方法给出条件均值和条件协方差；在更一般的条件下，它仍是一种重要的最优线性估计器。导航系统利用这一框架融合误差特性不同的测量数据。\n\n自适应滤波器根据观测数据调整系数，而不是始终采用固定的响应。一种常见的最小均方算法按下式更新系数向量：\n\n\\[\\mathbf{w}_{n+1} =\\mathbf{w}_n+\\mu e[n]\\mathbf{x}_n,\\]\n\n其中，\\(e[n]\\) 为估计误差，\\(\\mu\\) 为步长参数。根据梯度定义的不同，\\(\\mu\\) 的具体取值尺度也会有所不同。较小的步长通常能提高稳态精度，但会减慢自适应过程；步长过大则可能导致无法收敛。其应用包括声学回声消除、信道均衡，以及利用相关参考测量进行干扰抵消。效果取决于输入的统计特性，以及滤波器结构能否表征干扰的传播路径。\n\n非线性滤波器具有不同类型的选择性。中值滤波器用邻域内样本的中值替换当前样本，能够抑制孤立的脉冲干扰，而不会通过平均运算将其扩散到周围数据中。一般而言，不能将其输出描述为输入频谱与某个固定响应的乘积。在图像处理中，双边滤波器同时考虑空间上的接近程度和强度上的相似程度，从而减少跨越明显边界的平滑。这类方法比均匀平均更能保留边缘，但也可能引入伪影，或去除真实存在的细小特征。\n\n在估计理论中，滤波、平滑和预测具有不同的含义。滤波利用截至当前时刻可获得的观测来估计当前状态；平滑还会使用后续观测；预测则估计未来状态。这些操作可以采用相同的模型，但对可用信息和延迟的要求不同。它们的精度受到模型失配和统计特性不确定性的限制。如果假定的噪声水平或系统动态特性有误，仅凭估计协方差较小，并不能证明结果更加准确。"
    },
    {
      "heading": "工程应用、验证与权衡",
      "text": "滤波器设计应从系统需求出发，而不是先选定某种电路或算法。需要考虑的量包括有效信号频带、干扰水平、允许的失真、采样率、延迟、输入与输出阻抗，以及可用的计算资源或电功率。滤波器去除信号频带之外的噪声时，可能提高信噪比，但仅有衰减并不能保证信噪比得到改善。如果有用分量与无用分量具有完全相同的频谱和统计结构，那么在没有额外信息的情况下，滤波器通常无法将它们分离。因此，必须明确定义期望的输出。\n\n在无线电接收机中，前级滤波会抑制来自带外发射机的信号，以免灵敏的放大器或混频器过载。模拟前端一旦产生削波或互调，后续的数字滤波器便无法消除这些影响。随后，信道选择滤波器分离出所需的传输信号，而匹配滤波器则利用已知的脉冲形状。对于加性白噪声中的已知确定性波形，匹配滤波器可使指定采样时刻的输出信噪比达到最大。其冲激响应正比于该波形经过时间反转、复共轭和延迟后得到的波形。这一原理用于雷达脉冲压缩和数字符号检测；对于有色噪声，则需要相应调整处理方法。\n\n测量与控制有着不同的侧重点。对传感器输出进行平滑处理，可以减少快速波动，但也会使输出对真实变化的响应显得滞后。在反馈回路中，这种延迟与滤波器的相移都会影响稳定裕度。陷波滤波器可以抑制机械共振，但调谐时必须考虑共振频率和阻尼的变化。在音频应用中，均衡器用于有意调整频谱平衡，而扬声器分频器则将不同频带分配给各个扬声器单元。必须综合考虑各单元的声学输出及其相对相位，而不能只看各自的电传递函数。\n\n验证需要采用相互补充的测试方法。正弦扫频或宽带激励可揭示幅频响应和相频响应；冲激与阶跃测试可揭示延迟、过冲、振铃及稳定过程。噪声测量用于评估附加噪声和有效动态范围。模拟原型可能需要分析不同温度和供电条件下的元件容差，而数字实现则需要测试溢出、系数量化、初始化以及数据块边界效应。若仅在预期的输入电平下进行测试，可能会遗漏较大幅度下的非线性行为，或信号接近最小可表示幅度时出现的数值问题。\n\n有限长度的数据记录还会带来额外的复杂性。滤波器从内部状态为零的条件启动时，可能出现与所研究过程无关的瞬态。对图像或时间序列进行填充会改变其表观边界，并可能引入边缘伪影。前向—后向滤波可以在离线处理中抵消相位失真，但它是非因果的，会使有效幅度响应变为单次滤波幅度响应的平方，而且需要谨慎处理端点。陡峭的频谱选择特性还可能在突发事件前后产生前振铃或后振铃。当事件发生时刻、波形形态或瞬态幅度属于待测信息时，这些效应就尤为重要。"
    },
    {
      "heading": "历史发展与领域拓展",
      "text": "在滤波器的一般理论建立之前，人们就已利用频率选择特性。机械谐振器、声学腔体和电调谐电路都能按频率分离振荡。19世纪，电报通信和电话工程使信号失真与传输带宽成为工业实践中必须面对的问题。长电缆对各个频率分量的传输并不均等，而加感线圈会改变电缆的分布电气参数。这些问题促使工程师将传输系统视为一个相互连接、具有可测量的频率相关特性的网络，而不再仅仅将其看作传送不变波形的导体。\n\n现代电气滤波器理论在20世纪初迅速发展。1915年前后，美国电话电报公司的乔治·A. 坎贝尔与德国的卡尔·威利·瓦格纳各自独立提出了重要的波滤波器概念。镜像参数设计方法为分离电话信道和管理传输频带提供了实用的网络。这类滤波器在载波电话中发挥了重要作用：多个通信信道通过占用不同频段，共享同一传输媒介。滤波器的设计与网络呈现的阻抗及其预定的终端阻抗密切相关。\n\n20世纪30年代出现了影响深远的响应逼近方法和网络综合方法。斯蒂芬·巴特沃斯于1930年发表的滤波放大器论文，描述了如今以他命名的最大平坦幅频特性。威廉·考尔推动了网络综合与椭圆函数滤波器设计的发展，其他数学逼近方法则为纹波、相位特性与选择性之间的权衡提供了不同方案。这些进展使滤波器设计逐步成为一个系统化的问题：可以先用数学方法逼近指定响应，再通过适当的电路加以实现，而不必仅靠对谐振环节进行经验性调整来获得所需响应。\n\n在第二次世界大战期间及战后，统计滤波拓展了这一领域。维纳的工作将滤波和预测与平稳随机过程及均方误差联系起来。鲁道夫·E. 卡尔曼在1960年的论文中提出了一种递归状态空间方法，后来成为估计与控制领域的核心方法。自适应滤波也源于通信、预测和控制问题；伯纳德·威德罗与马西安·霍夫在1960年前后的研究确立了一种影响深远的最小均方自适应方法。这些方法将关注重点从固定通带转向估计目标、具有不确定性的观测，以及可在运行过程中更新的模型。\n\n数字计算使滤波器的特性越来越多地能够通过编程设定。詹姆斯·库利与约翰·图基于1965年发表的论文推广了一种高效的快速傅里叶变换算法，加快了频谱分析和长序列卷积的计算。此后，数字信号处理器、集成式转换器和通用计算技术的进步，使复杂的滤波器得以在消费产品和工业系统中实际应用。20世纪70年代初，詹姆斯·麦克莱伦、托马斯·帕克斯和劳伦斯·拉比纳的研究提供了广泛使用的等波纹有限冲激响应（FIR）滤波器设计方法。当代系统通常将物理谐振器、模拟信号调理、数字滤波和基于模型的估计结合使用，各个环节分别应对其他环节无法消除的限制。"
    }
  ],
  "links": [
    "signal-processing",
    "telecommunications",
    "control-theory",
    "linear-time-invariant-system",
    "impulse-response",
    "convolution",
    "fourier-transform",
    "transfer-function",
    "resistor",
    "capacitor",
    "electronic-amplifier",
    "temperature",
    "fast-fourier-transform",
    "aliasing",
    "sampling-theorem",
    "wiener-filter",
    "kalman-filter",
    "signal-to-noise-ratio",
    "radar",
    "sensor",
    "telegraphy",
    "world-war-ii"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}