多速率信号处理

多速率信号处理 (Multirate Signal Processing)

多速率信号处理（Multirate Signal Processing）是数字信号处理的一个重要分支，其核心特征在于系统中不同节点处存在不同的采样率，通过抽取（decimation）和内插（interpolation）操作在采样率之间进行转换。这一技术在现代通信系统、音频编码、图像压缩和滤波器组设计中具有广泛且不可替代的应用。

基本操作：抽取与内插

多速率系统的两个核心操作为抽取和内插，它们构成所有复杂多速率结构的构建基础。

抽取（Decimation）将信号的采样率降低 $M$ 倍，其中 $M$ 为正整数。数学上，对序列 $x[n]$ 进行 $M$-倍抽取得到：

该操作在时域中仅保留每第 $M$ 个样本，丢弃其余样本。为防止混叠（aliasing），抽取前须使用截止频率为 $\pi/M$ 的低通滤波器对原始信号进行滤波，即先通过抗混叠滤波器 $H(z)$，再执行抽取。这一组合称为抽取器（decimator）。

内插（Interpolation）将信号的采样率提高 $L$ 倍，其中 $L$ 为正整数。$L$-倍内插定义为：

x[n/L], \& n = kL, \; k \in $\mathbb{Z}$ \\ 0, \& $\text{其他}$

内插后在原始样本之间插入零值，此时频域产生 $L-1$ 个镜像频谱。为消除镜像，需后接截止频率为 $\pi/L$ 的低通滤波器，称为抗镜像滤波器（anti-imaging filter）。内插与滤波的组合称为内插器（interpolator）。

多相分解 (Polyphase Decomposition)

多相分解是多速率信号处理的基石性数学工具，它允许将滤波操作与采样率转换高效地结合。给定滤波器 $H(z) = \sum_{n=-\infty}^{\infty} h[n]z^{-n}$，其 $M$-相分解为：

其中第 $k$ 个子滤波器为：

多相分解将原滤波器分解为 $M$ 个并行的子滤波器组，每个子滤波器处理信号的一个相位分量。这一分解在计算效率上具有巨大优势：它允许将原本在高采样率下执行的滤波操作转移至低采样率侧，显著降低每秒所需乘法次数（MPs）。

对于 IIR 系统，多相分解同样适用，但需要额外的稳定性考量。对于 FIR 滤波器，多相结构可直接实现，且各子通路仍保持 FIR 特性，因而在实用中尤为常见。

Noble恒等式

Noble恒等式是多速率系统分析中的基本等价变换，由 B. Noble 于 1970 年代提出。该恒等式规定了滤波与采样率转换的交换法则。

第一 Noble 恒等式：对于抽取操作，以下两种结构等价——

即信号先经传输函数为 $G(z^M)$ 的滤波器再 $M$-倍抽取，等价于先 $M$-倍抽取再经 $G(z)$ 滤波。

第二 Noble 恒等式：对于内插操作——

即先经 $G(z)$ 滤波再 $L$-倍内插，等价于先 $L$-倍内插再经 $G(z^L)$ 滤波。

这两个恒等式的本质在于利用 $z^M$（或 $z^L$）的周期性结构，将滤波操作移至低采样率侧。与多相分解结合，Noble 恒等式能极大简化多速率网络的实现复杂度。

采样率转换与分数比转换

当目标采样率与原始采样率之比为有理数 $L/M$ 时，通过级联 $L$-倍内插器和 $M$-倍抽取器即可实现分数比采样率转换。典型结构中，内插与抽取之间共享一个低通滤波器，其归一化截止频率为：

若 $L$ 和 $M$ 较大，直接实现该滤波器计算代价高昂。利用多相分解和 Noble 恒等式可将滤波器拆分，使绝大部分运算在低采样率下进行，由此大幅降低计算负载。

对于无理数采样率转换（如 44.1 kHz 至 48 kHz），无法精确表示为有理比 $L/M$。实践中采用基于 Lagrange 插值或样条插值的任意比率重采样器，或通过 Farrow 结构实现多项式基函数插值。Farrow 结构将插值滤波器参数化为多项式，适合实时调整延迟，支持连续变化的采样率转换。

滤波器组 (Filter Banks)

滤波器组是多速率信号处理的自然延伸，它将输入信号分解为多个子带信号并对各子带以较低速率处理。最基本的构型为 $M$-通道均匀滤波器组，由分析滤波器组 $H_k(z)$（$k = 0, \ldots, M-1$）和合成滤波器组 $F_k(z)$ 组成。

分析端对各子带输出进行 $M$-倍抽取，合成端则先 $M$-倍内插再通过合成滤波器并在输出端叠加。若输出信号 $\hat{x}[n]$ 等于输入 $x[n]$ 的纯延迟，即 $\hat{x}[n] = x[n - n_0]$，则称滤波器组满足完全重构（Perfect Reconstruction, PR）条件。

完全重构的理论核心可由调制矩阵（modulation matrix）和多相矩阵刻画。对于 $M$-通道系统，以多相矩阵 $\mathbf{E}(z)$ 和 $\mathbf{R}(z)$ 分别表示分析和合成的多相分量，完全重构条件等价于：

其中 $\mathbf{I}$ 为单位矩阵，$m_0$ 为系统延迟。

正交镜像滤波器组与子带编码

正交镜像滤波器（Quadrature Mirror Filter, QMF） 是两通道滤波器组的经典特例。分析滤波器满足 $H_1(z) = H_0(-z)$，即 $h_1[n] = (-1)^n h_0[n]$，两个滤波器的频率响应关于 $\pi/2$ 镜像对称。消除混叠分量的条件为合成滤波器满足 $F_0(z) = H_0(z)$ 和 $F_1(z) = -H_0(-z)$。

QMF 在子带编码（Subband Coding）中应用广泛，将信号按频带分割编码。在MP3、AAC等音频编码标准中，通过多通道滤波器组将音频信号分解为若干临界频带子带，再对各子带独立进行量化和熵编码。人类的听觉掩蔽效应使得量化噪声可被信号能量较强的邻带掩蔽，从而在较低的总体码率下保持主观音质。

小波变换与多速率系统的联系

离散小波变换（Discrete Wavelet Transform, DWT）与二通道滤波器组之间存在深刻的数学联系。Mallat 算法表明，DWT 的多尺度分解完全等价于递归的二通道滤波器组：每一级分解将低频子带进一步通过相同的分析和抽取结构继续分解，形成倍频程（octave-band）结构。

在此框架下，尺度函数 $\phi(t)$ 和小波函数 $\psi(t)$ 分别由合成滤波器 $F_0$ 和 $F_1$ 通过无穷次迭代的细化方程确定。Daubechies 小波族即是通过设计满足正则性和消失矩条件的共轭正交滤波器（CQF）构造得到的。这一联系意味着多速率滤波器组的设计理论可直接服务于小波基的构造。

在通信系统中的应用

多速率技术在数字通信中扮演核心角色。在软件定义无线电（Software Defined Radio, SDR）中，数字下变频（Digital Down Conversion, DDC）通过级联的 CIC（Cascaded Integrator-Comb）滤波器、半带滤波器和可编程 FIR 滤波器实现从高速 ADC 采样率到基带的逐级抽取，兼顾计算效率和滤波性能。

在OFDM（正交频分复用）系统中，发射端的多载波调制可通过 IDFT 实现的多相滤波器组高效生成，接收端的解调对称复用 DFT 结构。在 CDMA 系统中，码片速率的匹配也依赖于分数比采样率转换。

计算效率与实际实现考量

多速率设计本质上是一种计算效率策略：通过将滤波操作迁移至低采样率侧，Noble 恒等式和多相分解可将 FIR 滤波的计算量降低 $M$（或 $L$）倍。以 $M$-倍抽取器为例，直接在高采样率下实现 $N$-抽头 FIR 滤波器后再抽取为每秒 $N \cdot f_s$ 次乘法；多相实现将 $N$ 个系数分配至 $M$ 条通路，每条通路每秒仅需 $(N/M) \cdot (f_s/M)$ 次乘法，总计 $N \cdot f_s / M^2$，效率提升 $M$ 倍。

在硬件实现中（如 FPGA 或 ASIC），多相结构天然适合并行化，各子通路可独立在较低时钟频率下运行。对于动态采样率转换场景（如音频时钟同步），Farrow 结构和基于多项式的任意比率重采样器提供了低延迟、可调参数的解决方案。现代 DSP 处理器（如 Texas Instruments 的 C6000 系列）和 FPGA 工具链（如 Xilinx FIR Compiler）均内置了对多相滤波器结构的原生支持。

多速率信号处理将采样率视为可主动设计和优化的自由度，而非固定不变的约束。从抽取和内插的基本操作出发，经由多相分解和 Noble 恒等式的理论框架，延伸至滤波器组、小波变换和高效通信接收机，多速率信号处理为数字信号处理系统的性能和计算效率提供了系统性的优化方法。