该顺序通常是用于产生每个输出的最大延迟（以样本为单位）（按 JOS 过滤顺序）。对于 FIR 滤波器，长度为“一加阶”：

$$y[n] = x[n]-x[n-1]+x[n-2]$$

将是 3-tap 和 2 阶。如果滤波器是 IIR，它将具有“更多系数”而不是“一加阶”。我不确定是否可以为 IIR 滤波器说“抽头”。这个递归方程是 2 阶的：

$$y[n] = x[n]-x[n-1]+y[n-1]+y[n-2]$$

具有无限脉冲响应 (IIR)的阶可能存在稳定性问题。即使不是这样，“每次敲击随机变化高达 5% 以模拟物理差异”的技术也可能会随机危及稳定性。$32^{\mathrm{nd}}$

另外，之所以将其称为阶数，是因为它是由滤波器的传递函数给出的多项式的阶数——对于 FIR 滤波器来说，它只是的幂次增加的系数：$z^{-1}$

$$H(z) = \sum_{n=0}^{N-1}h_n z^{-n}$$

例如，系数为 [0.5 1.5 0.5] 的三“抽头”FIR 滤波器是二阶的，传递函数为：

$$H(z) = 0.5 + 1.5 z^{-1} + 0.5z^{-2}$$

在将分子和分母乘以得到 z 的正幂后，很明显这是分子中的二阶多项式，与作为二阶滤波器的滤波器一致：$z^2$

$$H(z) = \frac{0.5 z^2+ 1.5z + 0.5 }{z^2}$$

因此，原因顺序比抽头数少一。

根据分母多项式的阶数，IIR 滤波器也通过反馈抽头实现。然而，由于稳定​​性问题，不太可能实现 32 阶 IIR 滤波器，因此参考滤波器几乎可以肯定是 FIR 滤波器。出于稳定性原因，高阶 IIR 滤波器中的极点通常在实现中通过将长多项式分解为单独的滤波器（例如二阶部分（双二次部分或“双二阶”））来隔离。

下图比较了 IIR 和 FIR 结构以及 MATLAB/Octave 和 Python Scipy.Signal 中使用的滤波器传递函数的一般形式。

$$H(z) = \frac{\sum_{k=0}^{M-1}h[k]z^{-k}}{1+\sum_{k=1}^N a[k]z^{-k}}$$