第4章整数倍内插

4. 整数倍内插：内插原理、时域与频域解释、内插器的结构、镜像抑制滤波

好，咱们接着聊多速率系统的另一个核心操作——整数倍内插。

如果说抽取是把采样率降下来，那内插正好反过来，是把采样率升上去。你可能会问：采样率已经够用了，为什么还要升？我当年也有这个疑问。后来在做一个高精度音频DAC的项目时，发现原始信号的采样率太低，DAC后面的模拟滤波器根本做不出来——要么阶数太高，要么过渡带太陡。嗯，这时候内插就派上用场了。

整数倍内插，说白了就是在两个原始采样点之间插入若干个零值点。假设原始序列是 x(n)，我们要做 L 倍内插，那就在每两个点之间插入 L-1 个零。

数学上很简单：

x_I(m) = x(m/L), 当 m 是 L 的整数倍
x_I(m) = 0,       其他情况

举个例子，原始序列是 [a, b, c, d]，做3倍内插后变成：

[a, 0, 0, b, 0, 0, c, 0, 0, d, 0, 0]

你看，数据量一下子变成了原来的3倍。但这里有个问题——这些零值点并不是真正的信号值，它们只是占位符。后面需要通过滤波把这些零变成合理的插值。

核心要点：内插 = 插零 + 滤波。插零是第一步，滤波才是关键。

咱们先看时域。插零之后，信号在时域上被拉伸了。原来两个采样点之间的时间间隔是 T，现在变成了 T/L。但问题是，这些零值点破坏了信号的平滑性。你想想看，一个连续信号突然跳变到零，再跳回来，这显然不是我们想要的。

再看频域，这里就有意思了。

原始信号 x(n) 的频谱是 X(e^jω)，它的周期是 2π。插零之后，新序列 x_I(m) 的频谱会变成什么？我直接告诉你结论：

X_I(e^jω) = X(e^(jωL))

什么意思？原始频谱被压缩了 L 倍！原来在 [0, 2π] 范围内的频谱，现在被压缩到了 [0, 2π/L] 范围内。然后呢？在 [2π/L, 2π] 这个区间内，会出现 L-1 个镜像频谱。

为什么会这样？

我习惯用一个简单的类比来理解：你拿一个弹簧，原始信号是弹簧上的一个波形。插零相当于把弹簧拉长了 L 倍，波形自然就被压缩了。但弹簧拉长后，原来的一段波形会重复出现——这就是镜像。

个人经验：我在做多速率滤波器设计时，经常用这个弹簧类比来跟团队成员解释。大家一听就懂了，比看公式快得多。

内插器的标准结构其实很简单，就两步：

这个滤波器是个低通滤波器，它的截止频率是 π/L。为什么是这个值？因为镜像频谱从 π/L 开始出现，我们要把它们全部干掉。

实际实现时，我们不会真的先插零再滤波——那样太浪费了。你想啊，插零之后大部分数据都是零，跟零相乘的结果也是零，何必算呢？

所以，工程上常用的是多相结构。这个结构把滤波器拆成 L 个分支，每个分支只处理非零的输入数据。计算量直接从 O(NL) 降到了 O(N)，效率提升非常明显。

避坑指南：我曾经在一个项目中直接用了插零+滤波的朴素实现，结果处理速度跟不上实时要求。后来改成多相结构，问题立刻解决了。所以，如果你做实时系统，千万别偷懒，直接用多相结构。

镜像抑制滤波器是内插器的灵魂。它的设计好坏，直接决定了内插后的信号质量。

设计这个滤波器时，有几个关键参数：

滤波器设计可以用 FIR 或者 IIR。我个人更倾向于 FIR，原因很简单：FIR 是线性相位的，不会造成群延迟失真。在音频、通信这些对相位敏感的应用中，这一点特别重要。

我记得有一次做图像缩放的内插，用了 IIR 滤波器，结果图像边缘出现了明显的振铃效应。换成 FIR 之后，效果立竿见影。嗯，从那以后，只要不是对延迟特别敏感的应用，我都用 FIR。

注意：镜像抑制滤波器的阶数不能太低。阶数低了，过渡带太宽，会影响到原始信号的高频分量。但阶数太高，计算量又上去了。这是个 trade-off，需要根据实际需求来平衡。

下面这张图把整数倍内插的核心逻辑串起来了，你可以对照着看：

这张图把内插的流程、时域频域解释、工程实现都串起来了。你对照着看，应该能对整个知识体系有个清晰的把握。

一个小技巧：如果你刚开始接触内插，可以先从 L=2 的情况入手。2倍内插是最简单的，镜像只有一个，滤波器设计也最直观。搞懂了2倍，再推广到任意整数倍就水到渠成了。

好了，整数倍内插的核心内容就这些。记住：插零是手段，滤波是灵魂。搞懂了镜像抑制滤波器，你就掌握了内插的精髓。

公众号:蓝海资料掘金营，微信deep3321