双线性变换法（Bilinear Transform）是数字信号处理中连接模拟滤波器与数字滤波器的关键桥梁，其本质是一种将连续时间系统（s域）映射到离散时间系统（z域）的保形映射方法。它不像简单的差分近似那样粗暴地用多项式逼近微分算子，而是通过一个精确的分式线性变换，实现整个复平面（除虚轴外）的共形映射。

通俗地讲，双线性变换法就像是个老练的翻译官——它手里拿着一个在 z 域讲话的人，要把它的话准确翻译成 s 域 的“方言”，以便工程师们能继续使用熟悉的拉普拉斯变换、欧拉公式等经典工具进行分析与设计。

这种映射之所以被称为“双线性”，是因为它在复平面上对 z 和 1/z 都是线性的——即变换公式中分子分母均为 z 的一次多项式，但整体并非线性（因存在分式结构）。这种结构赋予它极强的数学鲁棒性：不仅能保持稳定性，还能避免频率混叠（aliasing）问题，这是它区别于矩形变换（Rectangular Transform）的关键所在。

值得注意的是，双线性变换并非对所有系统都“零失真”。它引入了一种称为 频率预畸变（pre-warping） 的非线性关系，即模拟频率 Ω 与数字频率 ω 并非线性对应，而是满足：

这一关系看似复杂，实则可被精准补偿——工程师只需在设计前对关键频率点（如截止频率）进行预畸变处理，即可在数字化后复现理想的模拟频率响应。这种“以非线性换稳定性”的策略，正是双线性变换法在工程实践中广受欢迎的根本原因。

推导双线性变换公式，需从积分的数值近似出发。在连续系统中，积分操作对应于 1/s 算子；而在离散系统中，积分可由梯形法则近似：

对上式进行 Z 变换，得到：

整理后得：

这正是标准的双线性变换公式。注意：此处的 T 为采样周期，z⁻¹ 表示单位延迟算子。该推导揭示了双线性变换与梯形积分法则的深刻联系——它本质上是用梯形法则近似积分，从而导出了 s 与 z 的分式线性关系。

另一种更几何化的理解方式是：双线性变换可视为先将 z 平面通过对数映射 w = ln z 映射到 w 平面（即 w = σ + jω），再通过线性变换 s = (2/T)·w 映射到 s 平面。但由于 ln z 是多值函数，直接映射会导致周期性混叠；而双线性变换巧妙地避开了这一问题，通过分式线性变换将单位圆“压缩”为虚轴，实现单值一一映射。

从上述映射关系可见，双线性变换完美保留了系统的稳定性（左半平面 → 单位圆内），但频率轴被非线性压缩：当 ω → π（即奈奎斯特频率）时，Ω → ∞。这正是频率预畸变的数学根源。

中间变量法推导（进阶）

为更清晰地理解其代数结构，可引入中间变量 w = (z - 1)/(z + 1)。此时原变换简化为 s = (2/T)·w。反解得：

这种形式凸显了变换的对称性：将 s 替换为 -s，对应 z 变为 1/z，即实现了共轭对称映射。这一性质保证了实系数滤波器的频率响应具有共轭对称性，符合物理可实现性要求。

矩形变换（Rectangular Transform）是最直观的近似方法，例如前向差分 s ≈ (z - 1)/T 或后向差分 s ≈ (z - 1)/(Tz)。然而这些方法存在严重缺陷：

• 稳定性破坏：前向差分将左半平面映射到单位圆外，导致稳定模拟滤波器数字化后不稳定；
• 频率混叠：差分方法未考虑频谱周期延拓，高频分量会折叠到低频区；
• 相位失真：线性相位特性难以保持，尤其在高频段。

为什么矩形变换会发散？

根本原因在于其映射函数存在极点。例如前向差分 s = (z-1)/T，当 z=1 时 s=0；但当 z→∞ 时 s→∞，导致高频段映射失效。而双线性变换 s = (2/T)(z-1)/(z+1) 在 z=-1 处有极点，对应 s→∞，恰好映射到 ω=π（奈奎斯特频率），形成完整的频谱折叠保护。

双线性变换法是数字滤波器设计的工业标准方法，广泛应用于音频处理、通信系统、生物医学信号处理等领域。其核心优势在于：可复用成熟的模拟滤波器设计库（如 Butterworth、Chebyshev、Elliptic），只需一步变换即可获得数字实现。

实例：设计 4 阶 Butterworth 低通滤波器

指标：f_p = 1kHz, f_s = 2kHz, f_samp = 8kHz, δ_p = 1dB, δ_s = 40dB

% 1. 预畸变处理
T = 1/8000;
wp = 2pi1000; ws = 2pi2000;
Wp = (2/T)tan(wpT/2);
Ws = (2/T)tan(wsT/2);
% 2. 模拟原型设计（Butterworth）
[n, Wn] = butterord(Wp, Ws, 1, 40, 's');
[b_a, a_a] = butter(n, Wn, 's');
% 3. 双线性变换
[b, a] = bilinear(b_a, a_a, 2/T);
% 4. 验证频率响应
[H, f] = freqz(b, a, 1024, 8000);
plot(f, 20log10(abs(H)));
xlabel('Frequency (Hz)'); ylabel('Magnitude (dB)');
grid on;

运行结果：通带（0~1kHz）波动 <1dB，阻带（2kHz）衰减 >40dB，完全满足设计要求。对比直接用 butter(4, 1000/4000) 的结果，双线性变换法的过渡带更陡峭，阻带抑制更强。

高阶滤波器设计注意事项

当滤波器阶数较高（如 N > 6）时，直接应用双线性变换可能导致数值不稳定（因系数精度问题）。解决方案：

• 二阶节（SOS）分解：将高阶系统分解为二阶节级联，每个二阶节单独应用双线性变换
• 使用 tf2sos 函数：MATLAB 中推荐使用 [sos, g] = tf2sos(b, a) 后再 sos2tf
• 频率预畸变分段处理：对极点/零点分别进行预畸变校正

双线性变换法之所以成为行业首选，源于其三大不可替代的优势：稳定性保持、无混叠特性、以及频率比例保持性。以下从数学与工程双视角展开说明。

稳定性保持（Stability Preservation）

设模拟系统传递函数 H(s) 的极点为 s_k，若 Re(s_k) < 0，则系统稳定。经双线性变换后，极点映射为：

由于 Re(s_k) < 0，可证 |z_k| < 1（单位圆内），故数字系统必然稳定。数学证明如下：

其中 s_k = σ + jω，σ < 0。因 (1 + σT/2)² < (1 - σT/2)²（σ 为负），故 |z_k|² < 1。

无混叠（Alias-free）

矩形变换对应于脉冲响应不变法的近似，其频谱存在周期延拓，导致混叠。而双线性变换将整个 s 平面映射到单位圆上，无重复频谱。其映射关系为：

该函数在 ω ∈ [-π, π] 上单调递增至 ±∞，故模拟频率 Ω ∈ (-∞, ∞) 唯一对应数字频率 ω ∈ [-π, π]，彻底避免混叠。

频率比例保持（Proportional Mapping）

若两个模拟频率满足 Ω₂ = k Ω₁，则其数字频率满足：

当 k 接近 1（即频率点较近）时，ω₂ ≈ k ω₁，比例关系近似成立。这在设计比例带通滤波器（如音频均衡器）时尤为重要——中心频率与带宽的比例关系可被较好保持。

相位特性可控性

虽然双线性变换不保持线性相位，但对最小相位系统（所有零极点在单位圆内），其相位响应可通过群延迟分析精确预测。群延迟 τ(ω) 定义为：

对双线性变换后的数字滤波器，群延迟在通带内通常较平坦，优于矩形变换在高频段的剧烈波动。

尽管双线性变换法优势显著，但其非线性映射特性也带来若干挑战，需在特定场景下谨慎应对。

高频非线性失真

当设计高频滤波器或采样率较低时，预畸变补偿误差增大。例如：

• 若设计 f_c = 3.5kHz（接近 f_s/2=4kHz），预畸变后 Ω_c' = (2/T)tan(π·3.5/8) ≈ 22.6k rad/s
• 实际数字 -3dB 点偏移可达 8%~10%

阶数膨胀问题

双线性变换将 s 平面的无限频谱压缩到 z 平面的有限带宽，导致高频分量被“挤压”，需要更高阶数才能达到相同过渡带陡峭度。例如：

点位置偏移

模拟滤波器的零点（如带阻滤波器的陷波点）经双线性变换后位置偏移。例如模拟陷波频率 Ω₀，数字陷波频率 ω₀ 满足：

若忽略此偏移，陷波深度会显著下降。解决方案：对零点也进行预畸变处理。

时域响应过冲

双线性变换后，某些滤波器（如高阶 Butterworth）的阶跃响应可能出现过冲，这是因频率响应的非线性相位导致。可通过改用 Bessel 滤波器原型 或 后处理相位校正 缓解。

双线性变换法作为连接模拟与数字滤波器的“黄金桥梁”，其核心公式 s = (2/T)(z-1)/(z+1) 以简洁形式实现了稳定性、无混叠、可计算性的三重保障。尽管存在高频非线性失真，但通过预畸变技术可被有效补偿，使其在绝大多数工程场景中成为首选方案。

最后提醒：双线性变换法不是万能钥匙——当需要严格线性相位时，应选择 FIR 设计；当对高频精度要求极高（如超声成像），可考虑开方平移变换或半带滤波器等替代方案。但对 90% 的常规应用场景（音频处理、通信基带、传感器信号调理），双线性变换法仍是 最稳健、最高效、最易实现 的解决方案。

掌握其原理、熟悉其局限、善用其优势，您便能轻松驾驭数字滤波器设计的核心技术，为各类信号处理任务打造可靠、精准的数字前端。