最稳的 FIR 滤波器实现是用 std::vector 维护延迟线和系数并做点积，系数需预设计导出，延迟线长度等于系数长度，注意预热期和奇偶长度对相位的影响；IIR 必须用双精度状态变量的 biquad 结构实现。
用 std::vector 手写 FIR 滤波器最稳
直接用 C++ 标准库就能跑通 FIR，不需要第三方音频框架。核心是维护一个延迟线（std::vector<float>）和一组系数（std::vector<float>），每次输入新样本就做一次点积。
- 系数得提前设计好——用 Python 的
scipy.signal.firwin或 MATLAB 生成，导出为 float 数组，别手算 - 延迟线长度必须等于系数长度，每次 push 新样本后 pop 最老样本，保持对齐
- 注意边界：首
N-1个输出是“预热期”，值不准，实际音频流里要跳过或补零 - 如果系数长度是奇数，线性相位 FIR 的群延迟刚好是整数采样点，利于对齐；偶数长度会引入半采样偏移，实时系统里容易出相位撕裂
IIR 滤波器必须用双精度状态变量防溢出
用 biquad（二阶节）结构实现 IIR 是唯一靠谱做法。直接套用差分方程的 y[n] = a0*x[n] + a1*x[n-1] + ... 形式，在音频信号动态范围大时极易因中间状态累积误差而爆音。
- 状态变量（
z1,z2）必须声明为double，哪怕输入输出都是float - 每个二阶节单独计算，级联时前一节输出直接喂给下一节输入，别合并成高阶直接计算
- 系数别从模拟原型（如巴特沃斯）手工转数字域——用
scipy.signal.bilinear或design_iir_filter类工具生成，再检查极点模长是否全 - 实测发现：用
float存状态时，48kHz 下 1kHz 高 Q 值陷波器在持续输入后 10 秒内就会出现可闻失真
实时音频流中滤波器不能阻塞，得拆成块处理
音频 API（如 RtAudio、PortAudio、Core Audio）每次回调给你的是一小段样本（比如 64 或 128 点），你得在这段里完成全部滤波，不能等完整一帧再算。
C++ Code Review Master
下载
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
- 延迟线和状态变量必须是类成员变量，跨回调持久存在，不能在每次回调里重建
- FIR：用循环缓冲区（ring buffer）替代 vector push/pop，避免内存重分配；索引用位掩码取模（如
index & (size-1)），前提是 size 是 2 的幂 - IIR：每个二阶节的状态变量数组按通道独立维护，立体声就得两套
z1/z2 - 别在音频线程里 new/delete、printf、文件 IO——这些操作在 macOS 或 Windows 上可能触发调度延迟，导致 xrun
std::complex<float> 不适合做实时滤波的频域实现
虽然 FFT + 乘法 + IFFT 理论上能实现任意 FIR，但实际音频 DSP 中几乎不用——延迟太大、边界效应难处理、CPU 占用不均。
立即学习“C++免费学习笔记（深入）”；
- 重叠保留法（Overlap-Save）需要至少 2× 滤波器长度的块大小，48kHz 下一个 1024 点 FFT 就带来 21ms 固定延迟，无法满足监听场景
- 窗函数引入的时域混叠在音乐信号中表现为“嗡嗡”底噪，尤其在瞬态（鼓点）前后明显
-
std::complex<float>运算本身没毛病，但 FFT 库（如 FFTW、KissFFT）的 plan 创建/销毁开销在实时回调里不可接受 - 真正要用频域滤波，只考虑固定参数、离线批处理场景，比如母带处理插件的预渲染
