传感器与检测技术 / 系统课时
判断滤波延迟和采样混叠的来源
判断滤波延迟和采样混叠的来源
工业传感器的读数出现响应迟缓、周期波动或与实际变化不一致时,不能直接认定传感器损坏。本课通过阶跃测试、滤波窗口调整和输入频率扫描,区分传感器自身响应慢、数字滤波引入延迟以及采样混叠,并给出可复现的测量方法和判定标准。
学习目标
- 使用阶跃响应与响应时间指标判断传感器是否存在响应滞后。
- 通过改变滤波窗口,量化数字滤波造成的延迟。
- 根据采样频率和输入频率识别混叠,并选择合理的采样与抗混叠方案。
从异常波形判断排查方向
先区分三种常见现象。虽然最终显示都可能不准确,但它们的物理成因不同。
| 观察现象 | 典型原因 | 优先验证方法 |
|---|---|---|
| 输入突变后缓慢接近最终值 | 传感器响应慢、模拟低通滤波 | 缩短数字滤波窗口,做阶跃测试 |
| 输出平滑,但变化明显落后于输入 | 移动平均或软件低通滤波延迟 | 改变窗口长度,比较时间差 |
| 高频输入被显示为低频波动 | 采样混叠 | 固定采样率,扫描输入频率 |
| 输出幅值变小且变化滞后 | 模拟或数字低通滤波 | 比较不同频率下的幅值和相位 |
测试前应确认接线、量程、时间戳与输入信号本身正常。最好使用信号发生器提供已知频率和幅值的模拟输入,并用示波器或独立采集通道同步测量真实输入。
例如,使用输入范围为 0~10 V 的采集模块时,可先施加 2 V 到 8 V 的阶跃,再测试围绕 5 V、幅值为 1 V 的正弦信号。上述数值是实验条件,不代表所有传感器均能直接接受电压输入;实际操作必须符合设备额定输入和安全要求。

使用阶跃响应区分传感器慢与滤波慢
阶跃测试用于判断系统从一个稳定输入变化到另一个稳定输入需要多久。工业测量中常用的指标是响应时间,而不是仅凭肉眼观察曲线是否平滑。
对于一阶近似系统,输入阶跃后的响应可写为:
其中, 为初始读数, 为最终稳定读数, 为时间常数。在 时,读数完成约 63.2% 的变化;从 10% 到 90% 的上升时间约为 。这个关系仅适用于一阶近似,不应套用于所有传感器。
假设输入由 2 V 突变为 8 V,变化幅度为 6 V,则 10% 和 90% 的判断阈值分别为 2.6 V 与 7.4 V。如果输出在 0.15 s 到达 2.6 V,在 0.81 s 到达 7.4 V,则实测上升时间为 0.66 s。
执行测试时采用以下顺序:
- 关闭可以关闭的软件平滑功能,将数字滤波窗口设为最小,并记录当前模拟输入滤波配置。
- 保持采样周期足够短,例如 5 ms,采样时间戳使用同一个时间基准。
- 施加 2 V 到 8 V 的阶跃,记录输入发生变化的时刻以及输出到达 10%、90% 阈值的时刻。
- 重复测试至少 5 次,比较上升时间的中位数,排除偶然触发误差。
- 再开启原来的滤波参数,重复相同实验。
若关闭软件滤波后,响应仍明显缓慢,需要继续检查传感器手册的响应时间、模拟前端低通滤波、输入模块转换速率及通信刷新周期。不能仅凭这个现象断言传感器元件本体响应慢。
若关闭软件滤波后延迟显著缩短,而输入和硬件条件未变化,则数字滤波是重要的延迟来源。
改变滤波窗口量化延迟
以最常见的滑动平均滤波为例,窗口长度为 、采样频率为 时:
该公式表示当前输出是最近 个采样点的平均值。在稳定采样、窗口已填满的条件下,长度为 的因果滑动平均滤波器,对其未被完全消除的通带正弦分量具有线性相位,群延迟为:
假设采样频率为 100 Hz,则采样周期为 10 ms,不同窗口对应的群延迟如下。
| 窗口长度 | 平均覆盖时间 | 通带群延迟 |
|---|---|---|
| 1 点 | 10 ms | 0 ms |
| 5 点 | 50 ms | 20 ms |
| 11 点 | 110 ms | 50 ms |
| 21 点 | 210 ms | 100 ms |
平均覆盖时间按 计算。对于阶跃输入,输出会在多个采样周期内逐步过渡;表中的群延迟不能直接当作阶跃完全稳定所需的时间。
以下 Python 示例使用 NumPy 生成阶跃信号,并计算不同窗口的滑动平均结果。适用于 Python 3.10 及以上,先执行安装命令:
python -m pip install numpy预期结果:安装成功后,当前 Python 环境可以导入 numpy。安装过程的版本号和日志随环境不同而变化。
保存为 filter_delay.py:
import numpy as np
fs = 100
samples = 200
signal = np.full(samples, 2.0)
signal[50:] = 8.0
for window in (1, 5, 11, 21):
# 使用已填满窗口的位置测量阶跃到达中点的时刻
kernel = np.ones(window) / window
filtered = np.convolve(signal, kernel, mode="full")[:samples]
midpoint = np.flatnonzero(filtered >= 5.0)[0]
delay_ms = (midpoint - 50) * 1000 / fs
print(f"N={window:2d}, midpoint_delay={delay_ms:.0f} ms")预期输出:
N= 1, midpoint_delay=0 ms
N= 5, midpoint_delay=20 ms
N=11, midpoint_delay=50 ms
N=21, midpoint_delay=100 ms这里特意采用奇数窗口,阶跃中点延迟与群延迟在采样网格上相符。示例使用固定采样率和理想阶跃,不包含传感器自身的模拟响应或通信延迟。
如果实际设备从 5 点窗口改为 21 点后,测得的延迟增加约 80 ms,说明观测结果与滑动平均滤波的理论变化一致。若延迟增加远大于这一数值,还需要检查软件是否同时调整了刷新周期、批量缓存或其他滤波级。
通过频率扫描识别采样混叠
混叠发生在采样不足以区分不同频率信号时。采样频率为 时,奈奎斯特频率为:
对于普通均匀采样,若没有合适的采样前抗混叠滤波,高于奈奎斯特频率的信号可能折叠到低频区域。
例如采样频率为 100 Hz,输入正弦频率为 90 Hz,则采样点表现出的混叠频率为 10 Hz。输入频率为 110 Hz,也可能表现为 10 Hz。
对于非负输入频率,可先找到最近的采样频率整数倍,再计算:
其中, 为使差值最小的整数,从而得到 0 到 范围内的混叠频率。这个公式适用于理想均匀采样的单频正弦分析;真实系统的采样抖动、输入滤波及其他频率分量会影响观测结果。

频率扫描可以按以下实验条件执行:
| 测试项目 | 设置 |
|---|---|
| 输入信号 | 5 V 偏置、1 V 峰值的正弦信号 |
| 采样频率 | 100 Hz |
| 输入频率 | 5、20、40、60、90 Hz |
| 记录时间 | 每个频率至少 5 s |
| 数字滤波 | 关闭或设置为最小 |
在没有采样前低通滤波、且采样过程理想的情况下,预计观察到:
| 实际输入频率 | 可能观察到的频率 |
|---|---|
| 5 Hz | 5 Hz |
| 20 Hz | 20 Hz |
| 40 Hz | 40 Hz |
| 60 Hz | 40 Hz |
| 90 Hz | 10 Hz |
如果输入频率从 40 Hz 增至 60 Hz,显示频率却没有增加,甚至在继续提高输入频率时开始下降,就应优先怀疑混叠,而非传感器反应迟钝。
还可以保持输入频率 60 Hz 不变,把采样频率从 100 Hz 提升到 200 Hz。在理想条件下,原本显示为 40 Hz 的分量将显示为 60 Hz。若设备存在强模拟低通滤波,实际高频幅度可能已衰减,不能保证都能观察到清晰波形。
用分层测试锁定问题并完成修复
现场排查建议将同一信号按输入端、采样端和显示端分层记录,避免同时修改多个参数后无法判断改善来源。

可以使用以下判定流程:
- 先检查输入真实性:用示波器或独立仪表确认实际输入频率、幅值和阶跃时刻;输入本身异常时不要继续调整数字滤波。
- 测原始采样响应:降低数字滤波强度,进行阶跃测试。若响应仍慢,检查传感器、模拟滤波、转换与刷新链路。
- 只调整滤波窗口:保持采样率和输入不变,将窗口从 5 点改为 21 点,比较延迟变化是否接近理论增加的 80 ms。
- 只调整输入频率:固定 100 Hz 采样率,测试 40、60、90 Hz。若观察到 40、40、10 Hz 的折叠特征,说明采样混叠可能存在。
- 提高采样频率复核:在硬件允许时改为 200 Hz,确认原有折叠频率是否随之变化。
- 恢复生产配置并复测:选择采样率、模拟滤波器与数字滤波窗口后,重新测量有效带宽、响应时间和噪声水平。
在工程选型中,采样频率必须高于信号最高有效频率的两倍;实际还应为抗混叠滤波器的过渡带留出余量。例如需要可靠测量最高 20 Hz 的信号,可考虑 200 Hz 采样,并配置适当的采样前低通滤波,而不是只满足理论最低 40 Hz 采样条件。200 Hz 是示例方案,最终仍需依据滤波器幅频响应、模块规格和测量误差预算确定。
对于温度等慢变量,响应时间可能比毫秒级采样更值得关注;对于振动等快速变化信号,采样频率与模拟带宽则常常成为首要限制。修复是否成功,应以相同测试输入下的上升时间、波形频率、幅值误差和噪声数据为依据,而不是仅看显示曲线是否变得平滑。