如果您正在优化工程时间并且在一个支持大型 FFT 的平台上（即不是固定点），那么请采纳 hotpaw2 的建议并使用快速卷积。它将比简单的 FIR 实现好得多，并且应该相对容易实现。

另一方面，如果您有一些时间花在这方面以获得最佳实现或在定点平台上，您应该使用多速率下过滤上减结构。但是把所有事情都做好有点棘手。

我可以访问快速卷积和多速率过滤工具的可信且高度优化的实现。与多速率结构相比，快速卷积需要大约 3 倍的时间才能获得等效的信号性能。此外，这甚至是在浮点平台上。在定点 dsp 上，差距会大大扩大。

笼统：

下转换：

使用 8 级半带、2 倍抽取滤波器将 48kHz 信号转换为 187.5Hz 信号。这种下采样的第一阶段可以有一个非常宽的过渡带，只要它不混叠回到低于 60 Hz 的范围内，就允许能量混叠。随着阶段的进展，抽头的数量需要增加，但它们将以逐渐降低的采样率应用，因此每个阶段的总成本仍然很小。

过滤：

在 60 Hz bw 附近执行严格过滤，以保持最终要减去的能量。以低速率进行紧密过滤有双重优势：

1. 就低速率下的数字频率而言，1Hz 的过渡带宽是原始速率的 256 倍。因此，您的过滤器的每一个水龙头都是 256 倍的强大。
2. 信号本身的速率较低，因此滤波器只需要处理 1/256 的数据。

上转换：

本质上，这与抽取阶段相反。通过估计连续输入样本之间的样本，8 个插值器级中的每一个都将速率加倍。随着采样率变高，过渡带变宽。

减去：

从原始信号中减去全速率低通滤波信号。如果您已正确调整所有群延迟，则整体结构将是一个具有窄过渡带宽的高通滤波器。

尝试使用符合您的延迟和计算性能限制的最长 FFT/IFFT 的重叠添加/保存卷积滤波器。当使用此方法和更长的 FFT 时，您可以设计极长的 FIR 滤波器。

如果您可以在一个非常长的 FFT+IFFT 中对整首歌曲或整个音频信号文件进行 FFT（对于不适合 dcache 或 RAM 的长向量有特殊的 FFT 算法），则无需执行任何操作重叠添加/保存处理，可以得到非常窄的过渡带。

显然有两种选择：FIR 和 IIR。如前所述，FIR 需要非常长的（1000 次抽头）脉冲响应，并且在内存、MIPS 和延迟方面非常昂贵，重叠添加/保存是最有效的选择。但是，延迟可能是一个真正的问题。如果您想将其用作家庭影院低音炮的高通，则延迟将非常高，以至于您将失去与视频的口型同步。

IIR 的成本要低几个数量级，因此经常使用。它确实具有非平坦相位响应，但在许多情况下，这不是问题或可以解决。例如，如果您需要一个高通滤波器来保护低音箱中的驱动器，那么相位响应并不是很重要，因为整个系统的相位响应由驱动器、外壳和房间中的声学控制。过滤器在这里只起次要作用。在许多情况下，您还需要保持“相对”阶段而不是绝对阶段。假设您想在信号 A 上应用高通而不是在信号 B 上应用高通，您可以简单地在信号 B 上放置一个匹配的全通，以便 A 和 B 的相对相位保持不变。这种方法的整体延迟和群延迟仍然比 FIR 方法小很多。