做信号处理的同学应该都有过这种经历：想换个滤波器类型，得去翻半天 help 文档，因为butter、cheby1、cheby2、ellip这套经典函数的语法和参数单位各不相同，今天写.m脚本时还记得通带纹波怎么传，明天一换算法又得重新查一遍。后来我陆续在语音降噪、通信基带整形和传感器数据预处理这几个项目里来回折腾，慢慢发现 MATLAB 早就给了一个更省心的统一入口——fdesign。
fdesign是 MATLAB 里专门用来做滤波器设计的一套接口，它的核心思路是把“滤波器规格”和“设计算法”彻底拆开：你先定义清楚“我要一个什么样的滤波器”，比如通带到哪个频率、阻带从哪开始、通带纹波多少 dB、阻带衰减要压到多少，然后再从等纹波、最小二乘、凯泽窗、巴特沃斯这些算法里随便挑一个去实现。规格写在前面，算法随时可以换。谁用谁知道，这种“先定需求、再选方案”的模式，比在函数签名里来回试错要顺手太多。
这篇文章我打算把fdesign从基本对象、设计方法，到低通滤波器完整实战、任意响应和多速率设计，再到我踩过的坑，一次性讲透。不管是信号处理、通信系统、自动控制，还是图像处理方向的同学，只要你的工作里绕不开数字滤波器，应该都能用得上。
1. 为什么选择fdesign：滤波器设计的统一入口
1.1 传统设计方法的痛点
很多人最早接触滤波器设计，都是从butter这种经典 IIR 函数开始。比如写一个 4 阶巴特沃斯低通：
[b, a] = butter(4, 0.3, 'low');看起来挺简单，但真到项目里就难受了。第一，每种滤波器的函数签名不一样，butter要阶数和截止频率，cheby1还要多传一个通带纹波，ellip又要传阻带衰减，你根本没法用一个统一参数去驱动它们。第二，这些函数返回的是传递函数的分子分母b、a，你要是想换成级联二阶节实现或者转成定点模型，还得手动调tf2sos、realize这些额外步骤。第三，也是最烦人的一点：没法快速对比。我常常需要同一组性能指标下，分别看一下等纹波 FIR 和椭圆 IIR 到底谁阶数更低、时延更小，这时候如果手动改函数、改参数，动不动就半小时过去了。
当你接触fdesign之后，上面这些痛点基本都能绕开。它把你真正关心的指标（频率点、纹波、衰减）统一成一个“规格对象”，设计算法只是这个对象上的一个可选项，想换就换，代码结构几乎不用动。
1.2 规格与算法分离的设计哲学
fdesign最核心的理念，就是我把需求和实现解耦。需求部分叫“滤波器规格对象”，在 MATLAB 里直接用fdesign.lowpass、fdesign.highpass、fdesign.bandpass这些函数创建。实现部分用design方法完成，你可以显式指定算法，也可以让它自动选。
举个最直白的例子。我想设计一个低通滤波器，通带边界归一化频率 0.3，阻带起始 0.4，通带纹波 1 dB，阻带衰减 60 dB。用fdesign写是这样：
d = fdesign.lowpass('Fp,Fst,Ap,Ast', 0.3, 0.4, 1, 60); Hd = design(d, 'equiripple');如果我想换成椭圆 IIR 看看效果，把第二行改成：
Hd = design(d, 'ellip');规格对象d一个字母都不用动。这种解耦模式，简直就是为了“多方案对比”而生的。我后来做通信接收机里的脉冲整形滤波器，同一份规格脚本跑了七八种算法，最后才定下实现方案，整个过程连十分钟都不到。
1.3 与图形化工具的关系
可能有人会问，MATLAB 里不是有fdatool、filterDesigner这种图形界面工具吗，敲命令不会更麻烦吗？我的看法是：图形工具适合临时看一眼效果、适合课堂上演示，但真正做项目、写脚本、做自动化批量设计的时候，命令行接口才是效率神器。而且图形化工具底层调用的其实就是fdesign和design这一套引擎，你在界面上拖出来的滤波器，本质就是在创建规格对象并调用某个设计算法。
换句话说，学明白fdesign，你不仅掌握了命令行的操作方式，还能反向理解图形界面里那些参数文本框到底对应的是什么字段。以后在filterDesigner里配置滤波器，你再也不会一头雾水，一眼就能看出它在背后干了什么。
2. 核心对象解析：从fdesign到design
2.1 规格字符串：先学会定义需求
fdesign.lowpass的第一个参数是规格字符串，它决定了你后面要传哪些参数。这个设计看似简单，其实是整个流程里最容易出错的地方。不同规格字符串代表不同的设计模式，最常见的几类我给你列一下：
| 规格字符串 | 参数含义 | 典型使用场景 |
|---|---|---|
'N,Fc' | 阶数 N，截止频率 Fc | 窗函数法快速设计 |
'N,Fp,Fst' | 阶数 N，通带边界 Fp，阻带边界 Fst | 最小二乘/等纹波 FIR 设计 |
'Fp,Fst,Ap,Ast' | 通带 Fp，阻带 Fst，通带纹波 Ap，阻带衰减 Ast | 最小阶数设计，最常用 |
'N,Fc,Ap,Ast' | 阶数 N，截止 Fc，通带纹波 Ap，阻带衰减 Ast | 经典 IIR（butter/cheby1 等）设计 |
'N,Fp,Fst,Ap,Ast' | 阶数 N，通带 Fp，阻带 Fst，纹波 Ap，衰减 Ast | 需要严格约束阶数的 FIR 设计 |
这里要特别注意，fdesign里的频率全部是归一化频率，也就是“相对奈奎斯特频率的比值”。如果实际采样率是fs，那么数字频率 $\omega$ 和实际频率f的关系是：
归一化频率 = f / (fs / 2)例如采样率 1000 Hz，实际频率 150 Hz 对应的归一化频率就是150 / 500 = 0.3。这个换算如果搞错了，设计出来的滤波器跟你预想的就完全不是一回事。
我自己的习惯是，只要规格对象用'Fp,Fst,Ap,Ast'这种最小阶数模式，就同时也有了“让 MATLAB 帮我估算最小需要多少阶”的能力。这种模式在实际项目里最常用，因为实际需求通常都是“通带从 0 到 100 Hz，150 Hz 以上要衰减 60 dB”，而不是“给我一个 50 阶的滤波器”。
2.2 design方法：算法怎么选，为什么有的选不了
规格对象创建好之后，design方法是真正干活的那个函数。想看看当前规格下支持哪些算法，直接调用designmethods：
designmethods(d)对于fdesign.lowpass('Fp,Fst,Ap,Ast', ...)，一般会列出equiripple、ifir、iirlpnorm、butter、cheby1、cheby2、ellip、firls（版本不同略有差异）等。如果你直接design(d)，MATLAB 会按照默认规则帮你挑一个，通常是比较稳妥的等纹波 FIR，但我个人更建议显式指定算法，否则你都不知道自己最后拿到的是什么类型的滤波器。
每个算法的细节参数可以用designoptions查看：
designoptions(d, 'equiripple')它会返回一个结构体，里面列出了这个算法支持的所有可调选项，比如MinOrder、StopbandShape、StopbandDecay、FilterStructure、SystemObject等等。用等纹波设计时，MinOrder可以设为'even'或'odd'，这个细节很实用。比如：
Hd = design(d, 'equiripple', 'MinOrder', 'even');如果你想设计 IIR 滤波器，design(d, 'ellip')会返回椭圆滤波器，design(d, 'butter')返回巴特沃斯滤波器。不同算法对规格的要求不完全一样，这就是为什么有些算法在某些规格字符串下不可用，比如凯泽窗设计通常要求你给的是阶数N和截止频率Fc，而不是Fp,Fst。所以如果你看到某个算法不能用，先回头检查一下规格字符串是不是匹配。
2.3 设计结果返回了什么
design默认返回一个dfilt对象，这是一种封装好的滤波器对象，你可以直接对它做各种分析：
freqz(Hd); % 幅频和相频响应 impz(Hd, 100); % 冲激响应 zplane(Hd); % 零极点图 measure(Hd); % 实际实现的性能指标如果要把 FIR 滤波器系数拿出来，可以用Hd.Numerator；对于 IIR 滤波器，可以用Hd.sosMatrix和Hd.ScaleValues拿到级联二阶节的系数。
还有个很常用的选项，是直接让design返回 System object：
Hsys = design(d, 'equiripple', 'SystemObject', true);返回的Hsys是dsp.FIRFilter对象，可以直接丢进循环或者dsp框架里流式处理信号：
y = Hsys(x);这种返回形式在实时处理、代码生成和 Simulink 联合仿真里都更方便，毕竟dfilt对象在早期版本的实时性能并不理想。我个人的习惯是：探索阶段用dfilt看频谱、量指标；到了仿真或者部署阶段，就直接设置'SystemObject', true，一步到位。
2.4 不止低通：fdesign家族一览
fdesign不止能设计低通，整个家族覆盖了一大票常用滤波器类型：
fdesign.highpass：高通fdesign.bandpass：带通fdesign.bandstop：带阻fdesign.arbmag：任意幅值响应fdesign.arbmagnphase：任意幅值+相位响应fdesign.differentiator：数字微分器fdesign.hilbert：希尔伯特变换器fdesign.interpolator：插值滤波器fdesign.decimator：抽取滤波器fdesign.fracdelay：分数延迟
它们的用法和fdesign.lowpass高度一致，核心都是“创建规格对象 +design方法”。学会低通之后，其他类型基本就是换函数名、换规格字符串的事。后面我会挑几个典型类型展开讲讲。
3. 从零开始：低通滤波器完整设计实战
3.1 先定义清楚需求
任何一个滤波器的设计，都是从需求定义开始的。我们做工程不是写论文，指标一定要量化。假设现在有一个传感器采集系统，采样率fs = 1000 Hz，采集信号里有用成分集中在 100 Hz 以下，150 Hz 以上全部是强噪声。我希望保留有用信号、压掉噪声，同时通带里不要有太明显的起伏。
量化成滤波器指标就是：
- 采样率：
fs = 1000 Hz - 通带边界：
fpass = 100 Hz，对应归一化频率0.2 - 阻带起始：
fstop = 150 Hz，对应归一化频率0.3 - 通带最大纹波：
Apass = 1 dB - 阻带最小衰减：
Astop = 60 dB
注意归一化频率的计算：
Fp_norm = 100 / (1000 / 2) = 100 / 500 = 0.2 Fst_norm = 150 / (1000 / 2) = 150 / 500 = 0.3这里为什么是除以fs/2而不是fs？因为数字滤波器分析的最高频率就是奈奎斯特频率，也就是采样率的一半。超过这个频率的模拟信号在采样后会发生混叠，本身就已经不能以正常频率形式存在了。所以fdesign里所有频率参数的取值范围都在(0, 1)之间，1 对应奈奎斯特频率。
3.2 创建规格对象
有了指标，创建规格对象就非常简单：
fs = 1000; Fp = 100 / (fs / 2); % 0.2 Fst = 150 / (fs / 2); % 0.3 Ap = 1; Ast = 60; d = fdesign.lowpass('Fp,Fst,Ap,Ast', Fp, Fst, Ap, Ast);这一步做完，d里已经保存了全部的规格要求。你可以用info(d)查看当前规格对象的汇总信息：
info(d)输出会告诉你：“当前这是一个低通滤波器设计，通带边界 0.2，阻带边界 0.3，通带纹波 1 dB，阻带衰减 60 dB，需要计算最小阶数。”注意在'Fp,Fst,Ap,Ast'模式下，阶数并不是由你指定的，而是由 MATLAB 根据约束自动估算出来的。
这个自动估算非常关键。你在用butter那套函数时，阶数是自己拍脑袋定的，定小了不满足指标，定大了白白浪费计算量。fdesign的最小阶数模式则会根据指标生成一个刚好满足要求的阶数，虽然不完全保证全局最优，但绝大多数情况都比手动试阶数省心。
3.3 选择算法并完成设计
选算法是最有意思的一步。我先用等纹波 FIR：
Hd = design(d, 'equiripple');等纹波法（也叫切比雪夫逼近，底层调用的核心是 Remez 交换算法）设计的滤波器，通带和阻带里误差的幅度是均匀分布的，所以叫“等纹波”。这种滤波器在相同阶数下，过渡带通常比窗函数法更窄，是 FIR 设计里最主流的选择。
然后我想看看椭圆 IIR 能做到什么效果：
Hd_iir = design(d, 'ellip');椭圆滤波器是 IIR 滤波器里阶数效率极高的类型，同样的指标下，它的阶数往往比巴特沃斯、切比雪夫都要低。实际对比一下就能发现，上面的指标用等纹波 FIR 可能需要三四十阶，而椭圆 IIR 可能五六阶就搞定了。当然，IIR 滤波器的相位非线性是否影响你的系统，这是另一个需要权衡的问题。如果做语音、图像这类对相位不敏感的应用，IIR 没问题；但如果是通信系统中的匹配滤波，通常还是会选 FIR。
这里我额外说一句，我在实际项目中经常用designmethods把某个规格对象所有可用算法拉出来，然后写一个for循环把每个算法都试一遍，记录每个算法的阶数、实现成本和频率响应。这样做方案选型很快，有时候还会发现一些一开始没想到的方案。
3.4 性能分析与指标验证
滤波器设计完不能直接用，必须验证。最基础的分析是频率响应：
freqz(Hd, 2048, fs);freqz的第二个参数是计算频响的点数，第三个参数传采样率，这样横轴会以实际频率（Hz）显示，而不是归一化频率，看的时候更直观。你会看到通带 0 到 100 Hz 范围内幅度基本在 0 dB 附近，过了 150 Hz 快速跌落，最后衰减到 -60 dB 以下。
更严谨一点，可以用measure方法直接测量滤波器的实际表现：
measure(Hd)它会输出通带实际纹波、阻带实际衰减、实际阶数、稳定度等一系列指标。你会发现实际设计出来的纹波可能比 1 dB 更小，阻带衰减可能比 60 dB 更深，因为最小阶数设计会保留一定的余量。这就是为什么我反复强调“先定义规格，再看结果”，因为只有规格明确，你才能知道设计结果是不是真正满足需求。
如果还想看滤波器的冲激响应和零极点，可以用：
impz(Hd, 100); zplane(Hd);冲激响应能直观看出 FIR 滤波器的系数排列，零极点图能辅助判断系统稳定性。对于 IIR 滤波器，任何极点如果在单位圆外，系统就是发散的，这种滤波器千万不能用。
3.5 转成可以处理信号的滤波器
设计分析完之后，真正要处理信号，我一般生成一个 System object 版本：
Hsys = design(d, 'equiripple', 'SystemObject', true); x = randn(10000, 1); % 假设有一段含噪信号 y = Hsys(x); % 直接滤波Hsys是dsp.FIRFilter对象，处理流式数据非常稳，而且可以反复调用，内部状态会自动维护。如果你做的是离线批量处理，其实用filter(Hd.Numerator, 1, x)也行，但用 System object 的好处是代码统一，后续换滤波器类型、改参数，都不用改处理链路那部分代码。
还有一个我很常用的小功能，是用realize或dfilt对象导出硬件想要的定点结构。这一步在跑 FPGA 或嵌入式实现时尤其重要，后面章节我详细说。
4. 高阶玩法：响应定制与多速率设计
4.1 任意幅值响应滤波器
很多时候，我们需要的并不是标准的低通、高通，而是一个形状比较特殊的频响曲线。比如你在做音频均衡器，想在某些频段提起来，某些频段压下去，用标准滤波器拼起来很麻烦。这时候直接用fdesign.arbmag：
d = fdesign.arbmag('N,F,B,A', 60, ... [0 0.2 0.3 0.6 0.7 1], ... [0 0.5 0.5 1 0 0]); Hd = design(d, 'equiripple');'N,F,B,A'的含义是：阶数 N，频率向量 F，幅值向量 B（这里我故意用了 B 和 A 帮你对应到变量名），额外参数 A 在这个上下文里其实是幅值向量。第三个参数[0 0.2 0.3 0.6 0.7 1]是关键的频率点，第四个参数[0 0.5 0.5 1 0 0]是对应这些频率点的期望幅值。这种分段指定幅值的方式，特别适合设计多带滤波器，比如同时保留两个频段、压掉中间频段的双带滤波器。
fdesign.arbmagnphase更进一步，还能同时约束相位响应，适合对群延迟有严格要求的系统，比如信道均衡器的设计。
4.2 微分器与希尔伯特变换器
数字微分器听起来抽象，但其实应用非常广，比如图像处理里的边缘检测、振动信号的速度估计等。设计一个微分器：
d = fdesign.differentiator('N', 60); Hd = design(d, 'equiripple');这里'N'指定阶数，微分器的幅频响应在理想情况下应该正比于频率，也就是频率越高增益越大。很多人在图像处理大作业里用 Sobel 算子做边缘检测，本质上就是对图像在某个方向求微分，数字微分器就是更一般化的频域实现。
希尔伯特变换器更特殊，它实现的是对信号所有频率分量做 90 度相移，但幅度不变。这种滤波器是单边带调制（SSB）和某些雷达信号处理方案的核心组件：
d = fdesign.hilbert('N', 80); Hd = design(d, 'equiripple');希尔伯特变换器的设计有个特点：归一化频率 0 和 1 这两个端点没办法定义，因为理想希尔伯特变换在这两个点会有奇异性，实际设计时fdesign会自动处理端点之间的频率范围。
4.3 多速率滤波器与多级实现
做数字下变频或者音频重采样时，多速率滤波器是绕不开的。fdesign.interpolator和fdesign.decimator可以直接设计插值和抽取滤波器。以 3 倍插值为例：
d = fdesign.interpolator(3, 'lowpass', 'Fp,Fst,Ap,Ast', 0.2, 0.25, 0.5, 80); Hd = design(d);这里插值因子是 3，低通规格的通带边界是 0.2，阻带起始 0.25，通带纹波 0.5 dB，阻带衰减 80 dB。设计出来的插值滤波器用在dsp.FIRInterpolator里，就能完成 3 倍过采样。
多级实现是另一个值得展开的点。如果你的插值/抽取倍数很大，比如 32 倍，一次性设计一个高性能低通滤波器，阶数会高得离谱，计算量巨大。合理的做法是分成几级，比如先插值 4 倍，再插值 2 倍，最后插值 4 倍，每一级的过渡带要求放宽一些，总阶数反而更低、计算效率更高。fdesign配合多级结构做起来非常顺手，因为每一级都能独立用fdesign定义规格、独立验证。我做一个 16 倍抽取的接收链路时，从单级改用 4 级抽取后，单位时间乘加运算量降了大概一半，这还是不换算法只换结构的结果。
4.4 批量对比不同算法的效率
用一个循环就能把所有可用算法对比一遍，这是fdesign最爽的地方之一：
designmethods(d) methods_list = {'equiripple', 'firls', 'kaiserwin', 'butter', 'cheby1', 'cheby2', 'ellip'}; figure; hold on; for i = 1:length(methods_list) try Hd = design(d, methods_list{i}); [H, w] = freqz(Hd, 4096, fs); plot(w, 20*log10(abs(H)), 'DisplayName', methods_list{i}); catch ME warning('算法 %s 设计失败: %s', methods_list{i}, ME.message); end end legend; xlabel('频率 (Hz)'); ylabel('幅度 (dB)');有了这张对比图，你能直观看到不同算法的过渡带宽度、阻带衰减水平、通带纹波形态差异。再配合measure方法统计每个滤波器的阶数，选型就变成一件很客观的事，而不是“我觉得哪个好就哪个好”。
注意到代码里我用了try...catch，这是个很实用的习惯。因为某些算法对规格要求不匹配时会直接报错，比如在为'Fp,Fst,Ap,Ast'规格调用kaiserwin时，很多版本会提示该算法需要阶数规格，不处理会让整个批量脚本中断。
5. 常见问题与排查实录
5.1 报错信息速查表
fdesign用久了，会发现报错翻来覆去就那么几类，我把常见的整理成了一张表：
| 报错/现象 | 原因 | 解决办法 |
|---|---|---|
The specification string is not a valid specification. | 规格字符串拼写错误或参数个数不匹配 | 对照文档检查规格字符串，比如'N,Fc'必须传两个参数 |
The ... design method requires ... specification. | 算法与规格模式不匹配 | 改用designmethods(d)查看当前规格支持的方法 |
| 设计出来的滤器阻带衰减不达标 | 最小阶数模式下某些算法给不出足够性能 | 把MinOrder设为'even'或使用更高阶的固定阶数模式 |
| 频率响应和预期完全不同 | 归一化频率算错 | 检查频率换算，确保除以的是fs/2 |
| IIR 设计结果不稳定 | 出现单位圆外极点 | 改用cheby2或ellip并检查零极点图 |
SystemObject设为 true 后运行报错 | 版本不支持或滤波器结构不是流式友好结构 | 查看designoptions里SystemObject是否为 true，或升级 MATLAB |
最需要警惕的是第一种和第三种。规格字符串这个东西，少写一个字母都可能全程静默地用错误模式工作，最后滤波结果不对又找不到原因。我的检查习惯是，创建完规格对象后一定先info(d)看一眼，确认频率、衰减这些关键参数确实是我要的。
5.2 浮点到定点的坑
很多人设计完滤波器，用double仿真跑得很好，一上硬件就废了，问题大多出在浮点转定点这一步。fdesign设计出来的滤波器默认是双精度浮点系数，直接粗暴四舍五入到整数，频响可能完全变形，尤其是系数动态范围大的 IIR 滤波器，量化误差甚至会导致极点飘到单位圆外。
正确的做法是用 MATLAB 的定点工具链做量化。design返回的dfilt对象可以直接用realize生成定点模型：
Hd = design(d, 'equiripple'); Hfixed = realize(Hd, 'fd');realize会生成一个新的滤波器对象，内部结构变成定点运算，你还需要配置字长、小数位长、舍入模式这些参数，才能真实模拟硬件里的行为。重点检查频响和量化前后的偏差，如果偏差过大，优先增加滤波器系数字长，或者改成级联二阶节结构来减少数值敏感度。
我踩过一次印象很深的坑：某个定点 IIR 滤波器在离线仿真时指标一切正常，一上 DSP 板子就出现低频自激。后来排查发现是系数量化导致一对共轭极点被移到了单位圆上，滤波器名义上稳定，实际在定点舍入误差激励下持续振荡。那次之后，我所有 IIR 滤波器的定点实现一律先检查极点位置，再跑一遍长时间激励测试。
5.3 性能优化经验
用fdesign设计高性能滤波器，有几个经验值得记一下。
第一，能用最小阶数规格模式尽量用最小阶数模式。固定阶数时，你要是不确定阶数是否合适，经常会往大了选，结果滤波器过度设计，计算量白白翻倍。而'Fp,Fst,Ap,Ast'模式会自动估算最低阶数，通常都够用。
第二，FIR 滤波器里，如果对相位线性有要求，等纹波法和最小二乘法是主流选择。等纹波法在通带、阻带的最大误差最小，但总误差能量偏高；最小二乘法总误差能量小，但局部峰值可能超标。一句话总结：要求“最差情况不超限”，选等纹波；要求“整体误差尽量小”，选最小二乘。
第三，多速率系统里，多级实现的效率远高于单级。设计多级滤波器时，每一级的规格可以用fdesign单独定义，级联之后用dsp.FIRDecimator、dsp.FIRInterpolator组合处理信号。我第一次把 32 倍抽取从单级改成 4 级，处理耗时肉眼可见地下降，而且对硬件实现的资源占用也友好得多。
第四，designoptions里有个经常被忽略的StopbandShape和StopbandDecay选项，可以控制阻带形状和衰减斜率。某些需求要求阻带内衰减按特定斜率滚降，等纹波法默认是平直阻带，改成'1/f'或'1/f^2'这样的衰减形状，滤波器的实际阶数往往能进一步降低。
5.4 一个容易忽略的细节：归一化频率
这个坑其实前面的章节提过，但我觉得值得单独拿出来再说一遍。fdesign中所有频率参数都是相对奈奎斯特频率的归一化值，而不是实际赫兹数。很多从 Simulink 建模转到写脚本的同学，特别容易在这一点上翻车。
我常用的换算模板是：
fs = 44100; % 采样率 44.1 kHz fpass = 20000; % 通带到 20 kHz fstop = 22050; % 阻带从 22.05 kHz 开始（也就是奈奎斯特频率） Fp = fpass / (fs / 2); Fst = min(fstop / (fs / 2), 0.99); % 避免归一化频率等于1顺便说一句，当阻带起始频率正好等于奈奎斯特频率时，Fst会等于 1.0，有些算法会在端点处报错或表现异常，最好限制到 0.99 或更低。这在很多“我想把阻带一直推到最高频”的需求里特别常见。
5.5 如果我看不到 designmethods 列出的算法
有个比较容易卡住新手的问题：designmethods(d)明明列出了某个算法，但实际调用design(d, 'xxx')却报错。比如老版本的 MATLAB 里firls可能只在固定阶数模式下可用，或者某些工具箱缺失导致算法不可用。遇到这种情况，我建议先升级到较新的 MATLAB 版本，新版把大部分功能都并进了 DSP System Toolbox，缺工具箱导致的“隐身”会少很多。
另外，如果你用的是 R2014a 之前的古董版本，fdesign的design返回对象类型可能和现在不一样，甚至有些方法名都改了。网络热词里总有人搜 “matlab 2026 crack” 这种，其实完全没必要，学校或公司的正版授权已经很完善了，而且老版本缺特性、缺维护，新学 MATLAB 完全不用在旧版上折腾。建议直接把工具箱装全，DSP System Toolbox 和 Signal Processing Toolbox 这两个一定要勾上。
写在最后：关于fdesign我的一点体会
我从很多年前开始用fdesign，一开始只是觉得它比butter、firpm那套函数省事，后来才慢慢体会到它真正的价值在于：它逼着我把滤波器设计里的“需求”和“实现”分开思考。以前我写滤波器代码，脑子里想的是“我该调用哪个函数、传什么参数”，现在变成“我的指标是什么、用什么算法实现”。这个思维转换，让我的滤波器设计质量上了一个台阶。
如果让我给刚开始接触数字滤波器的读者一个建议，那就是：别急着背每个设计函数的签名，先花半天把fdesign的规格字符串、designmethods、designoptions、measure这套组合拳打熟练，后面再遇到任何滤波器设计需求，你都会有一个统一、清晰、可扩展的入口。等这层熟练了，再去深入研究等纹波逼近、最小二乘逼近这些算法背后的数学原理，你会发现一切都能对得上。这套工作流，无论你用 MATLAB 做科研、做工程项目，还是写作业，都能省下大把时间。
