数字信号处理实战：从零极点图到系统特性分析
1. 零极点图：数字信号处理的"X光片"
第一次接触零极点图时，我完全不明白这些散落在复平面上的小圆圈和叉叉有什么用。直到有次调试音频滤波器，当我把一个极点的位置向单位圆外移动了0.1，喇叭里立刻传出刺耳的啸叫声——那一刻我才真正理解，零极点图就像是系统的"X光片"，能直观揭示系统的内在特性。
零极点图的横轴代表实部，纵轴代表虚部。其中：
- 零点（用○表示）：使系统传递函数值为零的点
- 极点（用×表示）：使系统传递函数值趋向无穷大的点
举个例子，假设有个系统的传递函数是H(z)=(z-0.5)/(z-0.8)，那么：
- 零点在z=0.5处
- 极点在z=0.8处
用Python可以快速绘制这个零极点图：
import matplotlib.pyplot as plt from scipy import signal # 定义系统：分子(z-0.5)，分母(z-0.8) sys = signal.TransferFunction([1, -0.5], [1, -0.8], dt=1) plt.figure() signal.zplane(sys.zeros, sys.poles) plt.title('零极点图示例') plt.show()2. 系统稳定性：别让极点"越狱"
在工程实践中，判断系统稳定性是首要任务。有次我设计了一个IIR滤波器，仿真一切正常，但实际运行时输出却不断增大最终溢出——后来发现是一个极点的模略大于1。
稳定性判据很简单：当且仅当所有极点都位于单位圆内（即模小于1）时，系统才是稳定的。这就像给极点画了个"警戒线"：
- 单位圆内极点：贡献衰减的分量
- 单位圆上极点：产生等幅振荡
- 单位圆外极点：导致输出发散
通过零极点图可以直观判断：
- 画出单位圆（|z|=1）
- 检查所有极点是否都在圆内
例如下面这个系统就存在稳定性风险：
H(z) = 1 / (z - 1.2)因为极点z=1.2在单位圆外。用向量法分析更直观：当z在单位圆上旋转时，极点向量长度会周期性变化，但永远不会为零。
3. 频率响应：零极点的"引力场"
零极点分布决定了系统的频率响应特性，这就像不同天体引力场影响周围空间。我曾用这个原理快速设计了一个带阻滤波器，效果比传统方法更好。
幅频响应的计算公式：
|H(e^jw)| = K * ∏(零点到e^jw的距离) / ∏(极点到e^jw的距离)具体分析步骤：
- 在单位圆上取测试点e^jw
- 测量到各零极点的距离
- 按公式计算增益
当测试点接近零点时，分子项趋近零，形成陷波；接近极点时，分母趋近零，产生峰值。例如：
# 带通滤波器设计示例 zeros = [1, -1] # 单位圆上零点阻隔低频和高频 poles = [0.9*exp(1j*pi/4), 0.9*exp(-1j*pi/4)] # 增强中频实测发现，极点越靠近单位圆，峰值越尖锐；零点越靠近单位圆，陷波越深。
4. 特殊系统：全通与最小相位
在实际项目中，我遇到过需要校正相位失真的情况，这时全通系统就派上用场了。而有次设计均衡器时，最小相位系统帮我避免了不必要的相位畸变。
4.1 全通系统
特点是幅频响应恒为1，只改变相位。其零极点呈共轭倒数对称：
H(z) = (z^-1 - a*)/(1 - a z^-1), |a|<1MATLAB实现示例：
[b,a] = tfdata(allpass(0.8),'v'); zplane(b,a)4.2 最小相位系统
所有零极点都在单位圆内，具有：
- 最小群延时
- 最小相位滞后
- 唯一性（给定幅频响应时）
设计技巧：将单位圆外零点用其倒数替换，例如把零点z=1.2改为z=0.833。
5. 实战案例：噪声抑制滤波器设计
去年处理ECG信号时，我设计了一个基于零极点分析的50Hz工频陷波器。关键步骤：
- 零点配置：在50Hz对应频率处（ω=2π*50/fs）放置零点
theta = 2 * np.pi * 50 / 1000 # 假设fs=1kHz zeros = [np.exp(1j*theta), np.exp(-1j*theta)]- 极点配置：在相同角度但半径0.95处放置极点，确保窄带抑制
poles = [0.95 * np.exp(1j*theta), 0.95 * np.exp(-1j*theta)]- 稳定性验证：检查所有极点模是否小于1
print(np.abs(poles)) # 应输出[0.95, 0.95]实测效果显示，该滤波器在保持信号形态的同时，有效去除了工频干扰。通过调整极点半径，还能控制阻带宽度——半径越大，阻带越窄。