全程纯 C# 实现，无任何第三方库；所有代码与数据均已在 .NET 9 下编译运行实测验证。
基本概念
频域视角
任何信号都可以分解为不同频率的正弦波的叠加（傅里叶分析的基本思想）。频率 ff（单位 Hz）表示信号每秒完成多少次周期变化：
- 低频分量：变化缓慢的成分，如直流偏置、缓慢漂移、温度漂移、趋势项；
- 高频分量：变化剧烈的成分，如快速波动、边沿跳变、高频噪声。
什么是滤波
滤波的本质是按频率对信号的不同分量进行"选择性通过 / 选择性衰减"。它可以发生在模拟域（RC/LC/运放电路），也可以发生在数字域（差分方程、FFT）。
高通滤波的定义
高通滤波是一种让"频率高于 fcfc 的成分通过、频率低于 fcfc 的成分被抑制"的运算，fcfc 称为截止频率（cutoff frequency）。
与之相对：
- 低通滤波（LPF）：让低频通过、抑制高频；
- 带通（BPF）/ 带阻（BSF）：只让某个频带通过 / 抑制。
关键参数
| 参数 | 含义 |
|---|---|
| 截止频率 fcfc | 增益下降到 -3dB（0.707 倍）的频率点 |
| 通带 | f>fcf>fc 的区域，增益 ≈ 1（0dB） |
| 阻带 | f<fcf<fc 的区域，增益趋于 0 |
| 过渡带 | fcfc 附近的渐变区，越窄越接近理想 |
| 滚降斜率 | 阻带内每倍频程（octave）衰减的 dB 数：一阶 ≈ 6dB/oct，二阶 ≈ 12dB/oct |
| 相位 / 群延迟 | 滤波引入的时移，IIR 一般是非线性相位 |
模拟 vs 数字
- 模拟高通：RC 电路、运算放大器，连续时间，受器件精度与温漂影响；
- 数字高通：差分方程或 FFT，离散时间，可编程、精度高、可复现、无温漂，是现代嵌入式的主流选择。
IIR 与 FIR
- IIR（无限冲激响应）：有反馈回路（递归），用低阶就能实现陡峭滚降，计算量小，但相位非线性、需要保证稳定性；
- FIR（有限冲激响应）：无反馈，可严格线性相位，但达到相同滚降需要很高阶数，计算量大。
本文主推 IIR（一阶 / 二阶）与 FFT 两种路径。
采样与奈奎斯特
数字信号能表示的最高频率为奈奎斯特频率。高通截止频率必须满足
，否则无法实现。
历史背景
- 1807 年：傅里叶提出"任意周期信号可分解为不同频率正弦波之和"，为一切滤波理论奠定数学基础；
- 1915 年：贝尔实验室的 George Campbell 与德国的 Karl Wagner 几乎同时提出"滤波器"概念，用于电话多路复用，这是滤波器工程的起点；
- 1930 年：Butterworth 提出"最大平坦"幅频响应滤波器设计；
- 此后 Chebyshev（等波纹响应）、Bessel（最平坦群延迟）等不同逼近准则陆续出现；
- 1965 年：Cooley 与 Tukey 发表快速傅里叶变换（FFT）算法，把 O(N2)O(N2) 的 DFT 降到 O(NlogN)O(NlogN)，频域滤波从理论走向工程；
- 1970 年代起：微处理器与专用 DSP 芯片普及，数字滤波全面取代模拟滤波，成为信号处理的标准方法；
- 现代：在 MEMS 传感器（加速度计/陀螺仪）、生物电信号（心电/脑电）、音频、振动监测、图像处理等嵌入式场景中，高通滤波是"去直流漂移、去趋势项"的标配算法。
核心原理
理想高通滤波器
理想高通滤波器的频率响应为：
它在 fcfc 处发生 0→1 的阶跃。但这样的理想响应在物理上不可实现（需要无限阶、非因果），因此实际工程用有限阶近似，必然存在过渡带与有限滚降。
一阶数字高通（DC 阻塞型）的推导
模拟原型：RC 高通
一阶 RC 高通电路传递函数为：
对应的微分方程（输入 xx、输出 yy）：
差分离散化
用一阶差分近似导数：
其中 Ts=1/fsTs=1/fs 为采样周期。整理：
令 ，得到一阶高通（DC 阻塞）滤波器的标准差分方程：
传递函数与稳定性
对差分方程做 z 变换：
- 零点在 z=1z=1 （对应直流 f=0f=0），故 H(1)=0H(1)=0，直流被完全阻塞；
- 极点在 z=αz=α ，由于 0<α<10<α<1，极点始终位于单位圆内，滤波器无条件稳定。
系数示例
取 fs=1000Hz, fc=5Hzfs=1000Hz, fc=5Hz：
频率响应特性
幅频响应：
- f→0f→0：增益 → 0（直流被滤除）；
- f=fcf=fc：增益 ≈ 0.707（-3dB）；
- f→fs/2f→fs/2：增益 → 1。
一阶高通的阻带滚降约为 6dB/octave（20dB/decade）。
二阶 Butterworth 高通（Biquad）
当需要更陡的滚降时使用二阶。二阶 Butterworth 高通模拟原型：
经双线性变换 离散化后，得到双二阶（Biquad）标准型：
采用 RBJ Audio EQ Cookbook 系数公式：
再统一除以 a0a0 归一化。二阶 Butterworth 阻带滚降约 12dB/oct（40dB/decade）。
频域（FFT）高通
另一种"更接近理想"的思路是频域处理：
- 对整段信号做 FFT 得频谱 XkXk；
- 把对应低频
及对称负频区的 bin 置零；
- 做 IFFT 还原时域信号。
由于直接"硬切"频率分量，其幅频特性接近理想阶跃，但存在频谱泄漏 （非整周期截断导致）和块边缘效应（Gibbs 现象） ，实践中常配合窗函数 （如汉宁窗）与重叠相加（overlap-add）使用。
与低通的关系：互补性
一个重要而优美的事实：高通 ≈ 原信号 − 低通。
这正是互补滤波的思想基础，也是传感器融合（如陀螺仪高通 + 加速度计低通融合姿态）的出发点。
执行流程
设计阶段
- 确定采样率 fsfs（满足
- 根据需求选定截止频率
- 选择滤波器类型与阶数（一阶简单 / 二阶陡峭 / FFT 锐截止）。
初始化
- 计算系数：一阶算 αα；二阶算
- 状态变量清零：
流式实时处理（每来一个样本执行一次）
- 读取新样本
- 一阶：
- 更新状态：
- 输出
该流程在单片机 ADC 中断、音频回调中逐样本执行，每样本仅几次乘加运算。
批处理（整段）
对一段完整数据一次性滤波（如离线分析、FFT 法），注意起始瞬态区。
后处理与验证
- 检查输出均值是否≈0（验证直流被滤除）；
- 观察起始段瞬态（滤波器"充放电"过程，约数个 ττ 后进入稳态）；
- 用频率响应扫描验证截止频率。
算法性能分析
时间复杂度
| 实现 | 每样本 | 整段 N 点 |
|---|---|---|
| 一阶 IIR | O(1)（1 乘 2 加） | O(N) |
| 二阶 IIR | O(1)（5 乘 4 加） | O(N) |
| FFT 频域 | O(N) 分摊 | O(N log N) |
空间复杂度
- 一阶 / 二阶 IIR：O(1)，仅需 2~4 个状态变量；
- FFT：O(N)，需整段缓冲。
实时性
一阶高通每样本仅 1 次乘法、2 次加法，可在低端 MCU 的定时器中断 / ADC 回调里逐样本执行，延迟约等于零。
稳定性
- 一阶：极点
- 二阶：RBJ 公式在
- 工程上用定点实现时需留意系数量化后极点是否越出单位圆。
数值精度
- 浮点（double）：精度足够，本文演示采用；
- 定点（嵌入式 Q15/Q31）：需做系数定标，注意乘法溢出与量化噪声。
相位特性（重要代价）
IIR 滤波器相位是非线性的 ，会造成波形畸变；若应用对相位敏感（如 QRS 波检测、高保真音频），需考虑零相位滤波（正反各过一次）或改用 FIR。
实测数据（本文验证，fs=1000Hz，fc=5Hz）
| 频率(Hz) | 一阶增益(dB) | 二阶增益(dB) |
|---|---|---|
| 0.5 | -20.04 | -40.00 |
| 1.0 | -14.15 | -27.97 |
| 2.0 | -8.62 | -16.03 |
| 5.0 | -3.08 | -3.01 ← 截止点 |
| 10.0 | -1.08 | -0.26 |
| 50.0 | -0.22 | -0.09 |
| 100.0 | -0.02 | +0.17 |
验证结论：
- 5Hz 处增益≈-3dB，与理论 -3.01dB 吻合；
- 阻带滚降：一阶 0.5→1Hz 衰减 5.89dB ≈ 6dB/oct ；二阶衰减 12dB ≈ 12dB/oct，与理论完全一致。
完整代码
完整演示程序（Program.cs）
以下为完整可运行程序，包含三种高通实现与验证逻辑。在项目目录执行 dotnet run -c Release 即可运行。
cs
using System;
namespace HighPassFilterDemo
{
/// <summary>
/// 高通滤波算法：完整演示程序
/// 包含三种实现：一阶IIR高通、二阶Butterworth高通、频域(FFT)高通
/// 纯 C# 实现，无任何第三方库
/// </summary>
public static class Program
{
public static void Main()
{
double fs = 1000.0; // 采样率 1000 Hz
double fc = 5.0; // 截止频率 5 Hz
int n = 512; // 样本数（2的幂，供FFT使用）
// ============ 1. 生成测试信号 ============
// 直流偏置 2.5V + 1Hz 低频(幅1.0) + 50Hz 高频(幅0.5) + 白噪声(±0.1)
double[] x = new double[n];
var rnd = new Random(42);
for (int i = 0; i < n; i++)
{
double t = (double)i / fs;
x[i] = 2.5 // 直流
+ 1.0 * Math.Sin(2 * Math.PI * 1.0 * t) // 1 Hz 低频
+ 0.5 * Math.Sin(2 * Math.PI * 50.0 * t) // 50 Hz 高频
+ 0.1 * (rnd.NextDouble() * 2 - 1); // 噪声
}
// ============ 2. 一阶 IIR 高通 ============
var hp1 = new OnePoleHighPass(fs, fc);
double[] y1 = new double[n];
for (int i = 0; i < n; i++) y1[i] = hp1.Process(x[i]);
// ============ 3. 二阶 Butterworth 高通 ============
var hp2 = new ButterworthHighPass2(fs, fc);
double[] y2 = new double[n];
for (int i = 0; i < n; i++) y2[i] = hp2.Process(x[i]);
// ============ 4. 频域(FFT)高通 ============
double[] y3 = FrequencyDomainHighPass.Process(x, fs, fc);
// ============ 5. 逐点输出对比 ============
Console.WriteLine("i 输入 x[i] 一阶 y1[i] 二阶 y2[i] FFT y3[i]");
for (int i = 0; i < n; i += 32)
{
Console.WriteLine($"{i,3} {x[i],12:F4} {y1[i],12:F4} {y2[i],12:F4} {y3[i],12:F4}");
}
// ============ 6. 关键指标：直流是否被滤除 ============
Console.WriteLine();
Console.WriteLine($"输入均值 : {Mean(x),12:F6} (含直流，应≈2.5)");
Console.WriteLine($"一阶输出均值: {Mean(y1),12:F6} (应≈0，直流已滤除)");
Console.WriteLine($"二阶输出均值: {Mean(y2),12:F6} (应≈0，直流已滤除)");
Console.WriteLine($"FFT输出均值 : {Mean(y3),12:F6} (应≈0，直流已滤除)");
// ============ 7. 输出能量（高频分量是否保留） ============
Console.WriteLine();
Console.WriteLine($"输入RMS : {Rms(x),12:F4}");
Console.WriteLine($"一阶输出RMS : {Rms(y1),12:F4} (低频/直流被抑制)");
Console.WriteLine($"二阶输出RMS : {Rms(y2),12:F4} (低频/直流被抑制)");
Console.WriteLine($"FFT输出RMS : {Rms(y3),12:F4} (低频/直流被抑制)");
}
static double Mean(double[] a)
{
double s = 0;
for (int i = 0; i < a.Length; i++) s += a[i];
return s / a.Length;
}
static double Rms(double[] a)
{
double s = 0;
for (int i = 0; i < a.Length; i++) s += a[i] * a[i];
return Math.Sqrt(s / a.Length);
}
}
/// <summary>
/// 一阶 IIR 高通滤波器（DC 阻塞型）
/// 差分方程：y[n] = α·(y[n-1] + x[n] − x[n-1])
/// 系数：α = τ/(τ+Ts)，τ = 1/(2π·fc)，Ts = 1/fs
/// 特性：单极点、零点在 z=1（直流处），直流增益为 0
/// </summary>
public class OnePoleHighPass
{
private readonly double _alpha;
private double _xPrev;
private double _yPrev;
public OnePoleHighPass(double sampleRate, double cutoffHz)
{
double tau = 1.0 / (2.0 * Math.PI * cutoffHz);
double ts = 1.0 / sampleRate;
_alpha = tau / (tau + ts);
}
public double Process(double x)
{
double y = _alpha * (_yPrev + x - _xPrev);
_xPrev = x;
_yPrev = y;
return y;
}
public void Reset() { _xPrev = 0; _yPrev = 0; }
}
/// <summary>
/// 二阶 Butterworth 高通滤波器（双二阶 IIR，Biquad）
/// 采用 RBJ Audio EQ Cookbook 系数公式，Q = 1/√2 保证巴特沃斯最平坦幅频特性
/// 差分方程：y[n] = b0·x[n] + b1·x[n-1] + b2·x[n-2] − a1·y[n-1] − a2·y[n-2]
/// </summary>
public class ButterworthHighPass2
{
private double _b0, _b1, _b2, _a1, _a2;
private double _x1, _x2, _y1, _y2;
public ButterworthHighPass2(double sampleRate, double cutoffHz)
{
double w0 = 2.0 * Math.PI * cutoffHz / sampleRate;
double cosw0 = Math.Cos(w0);
double sinw0 = Math.Sin(w0);
double q = 1.0 / Math.Sqrt(2.0); // Butterworth: Q = 1/√2
double alpha = sinw0 / (2.0 * q);
double a0 = 1.0 + alpha;
_b0 = (1.0 + cosw0) / 2.0 / a0;
_b1 = -(1.0 + cosw0) / a0;
_b2 = (1.0 + cosw0) / 2.0 / a0;
_a1 = -2.0 * cosw0 / a0;
_a2 = (1.0 - alpha) / a0;
}
public double Process(double x)
{
double y = _b0 * x + _b1 * _x1 + _b2 * _x2 - _a1 * _y1 - _a2 * _y2;
_x2 = _x1; _x1 = x;
_y2 = _y1; _y1 = y;
return y;
}
public void Reset() { _x1 = _x2 = _y1 = _y2 = 0; }
}
/// <summary>
/// 频域高通滤波：FFT → 低频 bin 置零 → IFFT
/// 自带基2迭代 FFT 实现（原位运算），无第三方库
/// </summary>
public static class FrequencyDomainHighPass
{
public static double[] Process(double[] x, double sampleRate, double cutoffHz)
{
int n = x.Length;
if ((n & (n - 1)) != 0) throw new ArgumentException("输入长度必须是 2 的幂");
var re = (double[])x.Clone();
var im = new double[n];
Fft(re, im, false); // 正变换
// 计算截止频率对应的 bin 索引
int cutoffBin = (int)Math.Floor(cutoffHz / sampleRate * n);
// 低频区（含直流）置零
for (int k = 0; k <= cutoffBin && k < n; k++) { re[k] = 0; im[k] = 0; }
// 负频率对称区置零
for (int k = n - cutoffBin; k < n; k++) { re[k] = 0; im[k] = 0; }
Fft(re, im, true); // 逆变换
double[] y = new double[n];
for (int i = 0; i < n; i++) y[i] = re[i] / n; // 逆变换归一化
return y;
}
/// <summary>基2迭代 FFT（原位），inverse = true 时做未归一化逆变换</summary>
public static void Fft(double[] re, double[] im, bool inverse)
{
int n = re.Length;
// 位反转重排
for (int i = 1, j = 0; i < n; i++)
{
int bit = n >> 1;
for (; (j & bit) != 0; bit >>= 1) j ^= bit;
j ^= bit;
if (i < j)
{
(re[i], re[j]) = (re[j], re[i]);
(im[i], im[j]) = (im[j], im[i]);
}
}
for (int len = 2; len <= n; len <<= 1)
{
double ang = 2.0 * Math.PI / len * (inverse ? 1.0 : -1.0);
double wr = Math.Cos(ang), wi = Math.Sin(ang);
for (int i = 0; i < n; i += len)
{
double curR = 1.0, curI = 0.0;
for (int k = 0; k < len / 2; k++)
{
int a = i + k, b = i + k + len / 2;
double tr = curR * re[b] - curI * im[b];
double ti = curR * im[b] + curI * re[b];
re[b] = re[a] - tr;
im[b] = im[a] - ti;
re[a] += tr;
im[a] += ti;
double nxtR = curR * wr - curI * wi;
curI = curR * wi + curI * wr;
curR = nxtR;
}
}
}
}
}
}实际运行结果（.NET 9，Release）
i 输入 x[i] 一阶 y1[i] 二阶 y2[i] FFT y3[i]
0 2.5336 2.4564 2.4780 -0.0793
32 2.3431 0.6285 -0.2259 -0.3372
64 3.2806 0.9065 -0.0154 0.4420
96 2.4956 -0.2374 -0.9127 -0.5441
128 3.4986 0.4474 0.0390 0.2695
160 3.3563 0.2181 0.0231 -0.0129
192 3.2049 -0.1551 -0.3134 -0.2442
224 3.9318 0.5102 0.4261 0.4509
256 2.9395 -0.5048 -0.5684 -0.5440
288 3.7986 0.2703 0.2286 0.3332
320 3.4998 0.0936 0.1271 0.0810
352 3.0956 -0.3241 -0.2996 -0.2309
384 3.5992 0.3208 0.4184 0.4202
416 2.4672 -0.6726 -0.5655 -0.5224
448 3.0700 0.0283 0.1585 0.2720
480 2.5988 -0.1757 0.0140 -0.0587
输入均值 : 3.126135 (含直流，应≈2.5)
一阶输出均值: 0.165944 (应≈0，直流已滤除)
二阶输出均值: -0.009911 (应≈0，直流已滤除)
FFT输出均值 : 0.000000 (应≈0，直流已滤除)
输入RMS : 3.1619
一阶输出RMS : 0.6013 (低频/直流被抑制)
二阶输出RMS : 0.5208 (低频/直流被抑制)
FFT输出RMS : 0.3557 (低频/直流被抑制)结果解读：
- 输入信号均值 3.13（含 2.5V 直流 + 1Hz 分量在 0.512s 窗口内的残余），滤波后三种实现输出均值都归零附近，直流被干净滤除（FFT 法因直流 bin 被直接置零，均值精确为 0）；
- 输出 RMS 大幅下降：输入 3.16 → 一阶 0.60 / 二阶 0.52 / FFT 0.36；
- FFT 输出 RMS 0.3557 ≈ 0.5/√2 = 0.3536，正好等于 50Hz 分量的理论 RMS 值------说明高频分量被完整保留，低频与直流被滤除，验证算法正确。
频率响应实测代码
cs
using System;
namespace FreqRespTest
{
/// <summary>
/// 频率响应实测：扫描不同频率正弦，测滤波前后稳态幅度比（增益 dB）
/// 验证 5Hz 截止频率处增益 ≈ -3dB（0.707）
/// </summary>
public static class Program
{
public static void Main()
{
double fs = 1000.0;
double fc = 5.0;
double[] freqs = { 0.5, 1, 2, 3, 5, 8, 10, 20, 50, 100 };
int n = 8000; // 8 秒，足够长以测稳态增益
Console.WriteLine("频率(Hz) 一阶增益(dB) 二阶增益(dB) 理论-3dB点");
foreach (double f in freqs)
{
double[] x = new double[n];
for (int i = 0; i < n; i++) x[i] = Math.Sin(2 * Math.PI * f * i / fs);
var hp1 = new HighPassFilterDemo.OnePoleHighPass(fs, fc);
double[] y1 = new double[n];
for (int i = 0; i < n; i++) y1[i] = hp1.Process(x[i]);
var hp2 = new HighPassFilterDemo.ButterworthHighPass2(fs, fc);
double[] y2 = new double[n];
for (int i = 0; i < n; i++) y2[i] = hp2.Process(x[i]);
double g1 = 20 * Math.Log10(SteadyAmp(y1) / SteadyAmp(x));
double g2 = 20 * Math.Log10(SteadyAmp(y2) / SteadyAmp(x));
Console.WriteLine($"{f,6:F1} {g1,10:F2} {g2,10:F2} {(f == fc ? "<-- 应≈-3.01" : "")}");
}
}
/// <summary>稳态段幅度估计：取后 1/4 样本的峰峰值一半</summary>
static double SteadyAmp(double[] a)
{
int start = a.Length * 3 / 4;
double max = double.MinValue, min = double.MaxValue;
for (int i = start; i < a.Length; i++)
{
if (a[i] > max) max = a[i];
if (a[i] < min) min = a[i];
}
return (max - min) / 2.0;
}
}
}优缺点
优点
- 有效去除直流 / 趋势项：能彻底阻塞直流分量（零点在 z=1）；
- 实现简单：一阶仅需 1 个系数、1 个状态变量；
- 计算量小、实时性好：每样本 O(1)，适合 MCU 中断级处理；
- 参数少：只需知道采样率 fsfs 和截止频率 fcfc；
- 一阶无条件稳定：极点恒在单位圆内；
- 纯 C# / 原生实现：无第三方依赖，可轻松移植到 C / 嵌入式。
缺点
- 非线性相位（IIR 通病），对相位敏感场景需额外处理；
- 阻带衰减有限：一阶仅 6dB/oct，对很靠近 0Hz 的残留抑制不足，需更高阶；
- 起始瞬态：滤波器需要"预热"，起始几个样本不准；
- 过渡带较宽：非理想锐截止；
- FFT 法存在频谱泄漏、块边缘效应，且需整段缓冲、延迟大；
- 截止频率附近会有幅度 / 相位过渡，选频不当会误伤有用信号。
适用场景
| 场景 | 用途 |
|---|---|
| 惯性传感器（加速度计 / 陀螺仪） | 去除直流偏置、重力分量、温漂 |
| 心电 ECG / 脑电 EEG / 肌电 EMG | 去除基线漂移与接触伪迹 |
| 音频系统 | 去除 ADC 直流偏置、保护喇叭 |
| 振动 / 转速监测 | 提取交流振动分量、剔除静态分量 |
| 图像处理 | 高通 = 边缘 / 纹理提取（拉普拉斯等） |
| 传感器数据预处理 | 去除趋势项（去趋势）后再做后续算法 |
| 姿态融合 | 与低通构成互补滤波 |
| 测速 / 编码器 | 滤除缓慢漂移，稳定速度反馈 |
总结
- 高通滤波是信号处理家族的基础算法，解决"如何提取高频、剔除直流 / 低频"这一普适问题；
- 数字实现有清晰递进的三条路径：一阶 IIR（最简单、最省资源）→ 二阶 Butterworth（更陡滚降）→ FFT 频域（最接近理想）；
- 一阶公式
- 高通与低通互补
- 本文所有 C# 代码已在 .NET 9 下编译运行并实测验证：5Hz 截止点 -3dB、一阶 6dB/oct / 二阶 12dB/oct 滚降、输出均值≈0 直流滤除。
一句话总结：高通滤波 = 用几行代码、O(1) 的计算成本，让信号"去粗存精"，剔除直流漂移、留下动态信息------嵌入式与信号处理工程师的必备基础算法。