在数字信号处理和离散时间的控制理论中，双线性变换 (即 Tustin变换)被用来在连续时间系统与离散时间系统做转换。

双线性变换是一种特别的共行映射(即莫比乌斯变换)，常被用来将线性非时变系统滤波器在连续时域的传递函数 ${\displaystyle H_{a}(s)\ }$转换成线性且平移不变滤波器在离散时域的传递函数 ${\displaystyle H_{d}(z)\ }$。将S平面中位置在${\displaystyle j\omega \ }$轴的点映射到复数平面上的单位圆 ${\displaystyle |z|=1\ }$。其他的应用还有扭曲任何的离散时间线性系统的频率响应(例如用来估计人类听觉系统的非线性频率清晰度)或是被用在离散域以取代一个系统经过一阶全通滤波器的单位延迟${\displaystyle \left(z^{-1}\right)\ }$。

这种变换保有稳定性且将连续时间滤波器的频率响应 ${\displaystyle H_{a}(j\omega _{a})\ }$中每一点映射到离散时间滤波器的频率响应${\displaystyle H_{d}(e^{j\omega _{d}T})\ }$中所对应的点，虽然频率会有点不同，这部分会在之后的频率扭曲中解释。对于模拟滤波器的频率响应中所看到的特征，在数字滤波器的频率响应中都有相同增益和相位平移的对应特征，虽然频率可能会有点不同，在低频时很难观察到但在频率接近奈奎斯特频率时就相当明显。

离散时间估计

双线性变换是自然对数函数的一阶估计法，也就是将z平面映射到s平面，当拉普拉斯变换被用在离散时间信号上(将离散时间串行中的每个元素附在对应的延迟狄拉克δ函数)，其结果确实为将离散时间串行的Z转换替代成

${\displaystyle {\begin{aligned}z&=e^{sT}\\&={\frac {e^{sT/2)){e^{-sT/2))}\\&\approx {\frac {1+sT/2}{1-sT/2))\end{aligned))}$

其中${\displaystyle T\ }$是用在推导双线性变换的梯形公式中数值积分每阶的大小^[1]，换句话说就是采样间距。上述的双线性估计可以透过${\displaystyle s\ }$来解或是产生一个近似估计${\displaystyle s=(1/T)\ln(z)\ \ }$。

逆映射则为

${\displaystyle {\begin{aligned}s&={\frac {1}{T))\ln(z)\\&={\frac {2}{T))\left[{\frac {z-1}{z+1))+{\frac {1}{3))\left({\frac {z-1}{z+1))\right)^{3}+{\frac {1}{5))\left({\frac {z-1}{z+1))\right)^{5}+{\frac {1}{7))\left({\frac {z-1}{z+1))\right)^{7}+\cdots \right]\\&\approx {\frac {2}{T)){\frac {z-1}{z+1))\\&={\frac {2}{T)){\frac {1-z^{-1)){1+z^{-1))}\end{aligned))}$

双线性变换的本质是使用这种一阶估计法且将连续时间传递函数${\displaystyle H_{a}(s)\ }$中的${\displaystyle s\ }$替换成

${\displaystyle s\leftarrow {\frac {2}{T)){\frac {z-1}{z+1)).}$

也就是说

${\displaystyle H_{d}(z)=H_{a}(s){\bigg |}_{s={\frac {2}{T)){\frac {z-1}{z+1))}=H_{a}\left({\frac {2}{T)){\frac {z-1}{z+1))\right).\ }$

保留稳定性及最小相位性质

如果有一个连续时间且有因果性的滤波器，其传递函数的极点落在复数S平面的左半边，此滤波器则为稳定的。如果有一个离散时间且有因果性的滤波器，其传递函数的极点落在复数Z平面的单位圆内，此滤波器则为稳定的。双线性变换将复数S平面的左半边映射到复数Z平面的单位圆内，因此稳定的连续时间滤波器被转变成离散时间滤波器后也保有稳定性。

同样地，如果有一个连续时间的滤波器，其传递函数的零点落在复数S平面的左半边，此滤波器则有最小相位性质。如果有一个离散时间且有因果性的滤波器，其传递函数的零点落在复数Z平面的单位圆内，此滤波器则有最小相位性质。透过相同的映射性质，可以保证有最小相位性质的连续时间滤波器被转换成离散时间滤波器后也保有最小性质。

例子

以一个简单的低通RC电路当例子，这种连续时间滤波器的传递函数为

${\displaystyle {\begin{aligned}H_{a}(s)&={\frac {1/sC}{R+1/sC))\\&={\frac {1}{1+RCs)).\end{aligned))}$

如果我们想将这种滤波器应用成数字滤波器，我们可以将上式中的${\displaystyle s}$做替换，因此可以得到下列表示式

${\displaystyle H_{d}(z)\ }$	${\displaystyle =H_{a}\left({\frac {2}{T)){\frac {z-1}{z+1))\right)\ }$
	${\displaystyle ={\frac {1}{1+RC\left({\frac {2}{T)){\frac {z-1}{z+1))\right)))\ }$
	${\displaystyle ={\frac {1+z}{(1-2RC/T)+(1+2RC/T)z))\ }$
	${\displaystyle ={\frac {1+z^{-1)){(1+2RC/T)+(1-2RC/T)z^{-1))}.\ }$

在应用在即时数字滤波器时，分母的系数为’反馈系数’而分子的系数为’前馈系数’。

一般的双二阶变换

将连续时间的模拟滤波器的系数对应到由双线性变换展成的相似的离散时间数字滤波器是有可能的，假设有一个传递函数为下式的一般二阶连续时间滤波器

${\displaystyle H_{a}(s)={\frac {b_{0}s^{2}+b_{1}s+b_{2)){a_{0}s^{2}+a_{1}s+a_{2))}={\frac {b_{0}+b_{1}s^{-1}+b_{2}s^{-2)){a_{0}+a_{1}s^{-1}+a_{2}s^{-2))))$

利用下列替换方法做双线性变换

${\displaystyle s\leftarrow K{\frac {1-z^{-1)){1+z^{-1))))$

其中${\displaystyle K\triangleq {\frac {2}{T))}$.

其结果为一个离散时间的数字双二阶滤波器，且由原本连续时间滤波器的系数所组成的表达式如

${\displaystyle H_{d}(z)={\frac {(b_{0}K^{2}+b_{1}K+b_{2})+(2b_{2}-2b_{0}K^{2})z^{-1}+(b_{0}K^{2}-b_{1}K+b_{2})z^{-2)){(a_{0}K^{2}+a_{1}K+a_{2})+(2a_{2}-2a_{0}K^{2})z^{-1}+(a_{0}K^{2}-a_{1}K+a_{2})z^{-2))))$

一般而言，在推导对应的差分方程序前，分母的常数项会被标准化为1

${\displaystyle H_{d}(z)={\frac ((\frac {b_{0}K^{2}+b_{1}K+b_{2)){a_{0}K^{2}+a_{1}K+a_{2))}+{\frac {2b_{2}-2b_{0}K^{2)){a_{0}K^{2}+a_{1}K+a_{2))}z^{-1}+{\frac {b_{0}K^{2}-b_{1}K+b_{2)){a_{0}K^{2}+a_{1}K+a_{2))}z^{-2)){1+{\frac {2a_{2}-2a_{0}K^{2)){a_{0}K^{2}+a_{1}K+a_{2))}z^{-1}+{\frac {a_{0}K^{2}-a_{1}K+a_{2)){a_{0}K^{2}+a_{1}K+a_{2))}z^{-2))}.}$

差分方程序则为

${\displaystyle {\begin{aligned}y[n]={}&{\frac {b_{0}K^{2}+b_{1}K+b_{2)){a_{0}K^{2}+a_{1}K+a_{2))}\cdot x[n]+{\frac {2b_{2}-2b_{0}K^{2)){a_{0}K^{2}+a_{1}K+a_{2))}\cdot x[n-1]\\[8pt]&{}+{\frac {b_{0}K^{2}-b_{1}K+b_{2)){a_{0}K^{2}+a_{1}K+a_{2))}\cdot x[n-2]-{\frac {2a_{2}-2a_{0}K^{2)){a_{0}K^{2}+a_{1}K+a_{2))}\cdot y[n-1]\\[8pt]&{}-{\frac {a_{0}K^{2}-a_{1}K+a_{2)){a_{0}K^{2}+a_{1}K+a_{2))}\cdot y[n-2].\end{aligned))}$

频率扭曲

为了要计算连续时间滤波器的频率响应，会去计算传递函数 ${\displaystyle H_{a}(s)\ }$在${\displaystyle j\omega \ }$轴上的值(${\displaystyle s=j\omega \ }$)。相同地，为了要计算离散时间滤波器的频率响应，会去计算在单位圆上传递函数 ${\displaystyle H_{d}(z)\ }$的值(${\displaystyle z=e^{j\omega T}\ }$，${\displaystyle |z|=1\ }$)。当真正的频率${\displaystyle \omega \ }$被代入由双线性变换产生的离散时间滤波器，可以透过下列式子得到连续时间滤波器的频率${\displaystyle \omega _{a}\ }$

${\displaystyle H_{d}(z)=H_{a}\left({\frac {2}{T)){\frac {z-1}{z+1))\right)\ }$

${\displaystyle H_{d}(e^{j\omega T})\ }$	${\displaystyle =H_{a}\left({\frac {2}{T)){\frac {e^{j\omega T}-1}{e^{j\omega T}+1))\right)\ }$
	${\displaystyle =H_{a}\left({\frac {2}{T))\cdot {\frac {e^{j\omega T/2}\left(e^{j\omega T/2}-e^{-j\omega T/2}\right)}{e^{j\omega T/2}\left(e^{j\omega T/2}+e^{-j\omega T/2}\right)))\right)\ }$
	${\displaystyle =H_{a}\left({\frac {2}{T))\cdot {\frac {\left(e^{j\omega T/2}-e^{-j\omega T/2}\right)}{\left(e^{j\omega T/2}+e^{-j\omega T/2}\right)))\right)\ }$
	${\displaystyle =H_{a}\left(j{\frac {2}{T))\cdot {\frac {\left(e^{j\omega T/2}-e^{-j\omega T/2}\right)/(2j)}{\left(e^{j\omega T/2}+e^{-j\omega T/2}\right)/2))\right)\ }$
	${\displaystyle =H_{a}\left(j{\frac {2}{T))\cdot {\frac {\sin(\omega T/2)}{\cos(\omega T/2)))\right)\ }$
	${\displaystyle =H_{a}\left(j{\frac {2}{T))\cdot \tan \left(\omega T/2\right)\right)\ }$

由此可知，离散时间滤波器在z平面单位圆中的每一点(${\displaystyle z=e^{j\omega T}\ }$)可以被映射到连续时间滤波器在s平面${\displaystyle j\omega \ }$轴上的一点(${\displaystyle s=j\omega _{a}\ }$)。也就是说，双线性变换将离散时间滤波器的频率映射到连续时间滤波器的方法为下式

${\displaystyle \omega _{a}={\frac {2}{T))\tan \left(\omega {\frac {T}{2))\right)}$

反之则为

${\displaystyle \omega ={\frac {2}{T))\arctan \left(\omega _{a}{\frac {T}{2))\right).}$

离散时间滤波器在频率为${\displaystyle \omega \ }$的表现和连续时间滤波器在频率为${\displaystyle (2/T)\tan(\omega T/2)\ }$的表现相同，具体来说，离散时间滤波器在频率为${\displaystyle \omega \ }$的增益和相位平移与连续时间滤波器在频率为${\displaystyle (2/T)\tan(\omega T/2)\ }$的增益和相位平移相同。也就是说，在连续时间滤波器的频率响应所看到的每一个特征，都可以在离散时间滤波器得频率响应中看到，但频率位置可能会不同。对于低频而言(也就是当${\displaystyle \omega \ll 2/T}$ 或 ${\displaystyle \omega _{a}\ll 2/T}$)，${\displaystyle \omega \approx \omega _{a}\ }$。

连续时间滤波器的频率范围是

${\displaystyle -\infty <\omega _{a}<+\infty \ }$

对应到在离散时间滤波器的频率区间是

${\displaystyle -{\frac {\pi }{T))<\omega <+{\frac {\pi }{T)).\ }$

当连续时间滤波器的频率${\displaystyle \omega _{a}=0\ }$，对应到离散时间滤波器的频率${\displaystyle \omega =0\ }$；当连续时间滤波器的频率< ${\displaystyle \omega _{a}=\pm \infty \ }$，对应到离散时间滤波器的频率${\displaystyle \omega =\pm \pi /T.\ }$

可以看到${\displaystyle \omega _{a}\ }$ 和 ${\displaystyle \omega .\ }$之间是非线性的关系，这个由双线性变换产生的影响称为频率扭曲。设计连续时间滤波器时可以透过设定${\displaystyle \omega _{a}={\frac {2}{T))\tan \left(\omega {\frac {T}{2))\right)\ }$来补偿频率扭曲，这在滤波器设计中称作为预先扭曲。

当设计一个数字滤波器去估计连续时间滤波器时，如果将下列转换式代入连续时间滤波器的传递函数中，这个数字滤波器的频率响应(包含幅度跟相位)可以被做成符合连续时间滤波器在${\displaystyle \omega _{0))$的频率响应，这是一种修改过的Tustin变换。然而，当${\displaystyle \omega _{0}\to 0}$时，这种变换方式就会变成上面所说的Tustin变换。也就是说，上面的转换使得数字滤波器的响应在直流分量时会对应到模拟滤波器响应

${\displaystyle s\leftarrow {\frac {\omega _{0)){\tan({\frac {\omega _{0}T}{2))))){\frac {z-1}{z+1)).}$

这种扭曲现象的主要优点是去除频率响应的混叠失真。然而，还需要透过预先扭曲给定的连续时间系统频率能补偿所造成的频率扭曲，这些被预先扭曲的频率用在双线性变换上可以得到想要的离散时间系统。

参见

• Z转换
• S转换

参考资料