典型IIR和参量IIR设计策略得到的结果都是传递函数H（乏）。传递函数仅确定了滤波器的输人-输出行为，而没有描述滤波器内部是如何工作的。滤波器的内部构造由系统结构确定。要对IIR的运行时行为进行完整的定量分析，需要一种能精确反映内部结构细节的滤波器表示法。状态变量正可满足这种需求。状态变量和相应的状态变量模型描述了数字滤 　　波器内部及出人口处信息间的关系。对这些信息的监视可以通过观测滤波器中各寄存器的条件或状态来实现。滤波器的状态空间模型即基于这种方式。一个单输人单输出N阶IIR的状态变量模

FIR主要的优势是其简单性和线性相位。而IIR的长处在于可用低阶的非线性相位设计实现频率选择滤波。为满足相同的幅频响应，FIR和IIR所需的阶数相差悬殊。 　　图1 参量估计的性能：Burg法（顶部左图），协方差法（顶部右图），修正的协方差法（顶部左图），以及Yule-Walker法（顶部右图）（频率轴已按fs/2归一化） 　　阶数的差异等价于复杂度的差异，而复杂度决定了最终设计的最高速度、成本和功耗。 　　欢迎转载，信息来自维库电子市场网（www.dzsc.com）   来源:ks9

要求 用相同的测试信号设计并比较一组可在Matlab中实现的AR建模技术。本例讨论如下几种AR建模技术。 　　①Burg法：Matlab burg函数。 　　②协方差法：Matlab pcov函数。 　　③修正的协方差法：Matlab pmcov函数。 　　④Yule Walker法：Matlab pyulear函数。 　　解 用AR模型定义如下的AR信号生成器： 　　如果输入为随机白噪声，那么输出x[k]被称为随机AR序列。图1给出了输出响应X（ejω）的谱形状。 　　图

IIR的特性也可以用系统输人－输出行为的观测值推导而得。问题是如何在数学上将这些测量值转换为滤波器模型。一种重要的滤波器建模策略是通过构建IIR滤波器模型来解释系统输人输出功率谱，这类策略一般被称为参量谱估计。 　　参量谱估计以某种可接受的数学方法为线性系统生成一个传递函数，使其得到观测到的功率谱的可能性最大。尽管谱估计有非常严谨的理论，而且在很多应用中有重要用途，但是在滤波器设计中，可以简单地把它看作生成传递函数的工具。 　　有3种常用的基本参量估计方案，即自回归（auto-regress