从MATLAB到C语言：手把手实现巴特沃斯低通滤波器的双线性变换（附完整代码）

从MATLAB到C语言：手把手实现巴特沃斯低通滤波器的双线性变换（附完整代码）

如果你是从MATLAB转向C语言开发的信号处理工程师，那么这篇文章就是为你准备的。我们经常遇到这样的场景：在MATLAB里用buttord、bilinear几个函数轻松搞定一个滤波器设计，但一到嵌入式环境，面对C语言，就得从零开始构建整个算法框架。这中间的鸿沟，不仅仅是语法差异，更是从高级抽象到内存字节管理的思维转换。今天，我们就来彻底拆解这个过程，聚焦于双线性变换这个核心，并提供一套可复用、内存管理清晰的C语言实现方案。你会发现，脱离MATLAB的“舒适区”，亲手构建这些基础组件，不仅能让你对滤波器原理有更深的理解，更能让你在资源受限的嵌入式平台上游刃有余。

1. 理解核心：双线性变换的数学本质与MATLAB黑箱

在MATLAB里，我们习惯了一行代码完成从模拟到数字域的转换：

[numd, dend] = bilinear(numa, dena, Fs);

这行代码背后，隐藏了几个关键步骤：预畸变、极点计算、多项式形式的s域到z域的映射。对于C语言实现，我们必须亲手揭开这个黑箱。

双线性变换的基本公式是 s = (2/T) * (1 - z^{-1}) / (1 + z^{-1})。这里的T是采样周期。这个变换的目的是将s平面的左半平面映射到z平面的单位圆内，从而保证滤波器的稳定性。但直接代入这个公式进行多项式运算，对于高阶滤波器来说，手工推导几乎是不可能的。这就是我们需要用程序实现的核心算法。

注意：双线性变换会引入频率畸变。在MATLAB中，bilinear函数内部已经帮我们处理了预畸变（pre-warping），以确保数字滤波器的截止频率准确对应模拟原型。在C语言实现中，我们必须显式地先对模拟截止频率进行预畸变计算。

一个典型的MATLAB设计流程如下表所示，我们可以清晰地看到每个步骤对应的数学操作和C语言实现时需要关注的点：