单片机与物联网 / 系统课时
采样数据滤波
采样数据滤波
ADC 原始数据常会因电源纹波、传感器抖动和瞬时干扰而跳变。本课用一组可运行的 C 程序实现限幅、滑动平均和中值滤波,并通过同一批采样值比较抗尖峰能力、平滑程度与响应速度。
学习目标
- 理解限幅、滑动平均和中值滤波分别解决什么噪声
- 能用 C 语言实现三种适合 MCU 的轻量滤波器
- 能根据噪声类型和响应速度选择滤波方案
先识别采样噪声
稳定输入下,ADC 结果仍可能在几个计数值内波动,这是量化误差与电气噪声共同作用的结果。若数据偶尔突然冲到满量程附近,通常属于尖峰干扰;若连续小幅抖动,则更适合用平均类算法平滑。
滤波并不是越强越好。窗口越大,输出越稳定,但变化被发现得越晚;阈值越小,限幅越严格,也越可能把真实的快速变化误判为异常。
三种算法的取舍
| 算法 | 主要作用 | 响应速度 | 典型代价 |
|---|---|---|---|
| 限幅滤波 | 拦截单次异常跳变 | 快 | 阈值不合适会丢失真实突变 |
| 滑动平均 | 降低连续随机抖动 | 中等 | 窗口越大,延迟越明显 |
| 中值滤波 | 消除孤立尖峰 | 中等 | 需要排序,计算量高于平均值 |

实际项目常先用限幅滤掉极端值,再用滑动平均降低剩余抖动。中值滤波适合脉冲干扰明显、又希望尽量保留阶跃变化的场景。
实现组合滤波器
下面程序把同一采样值依次送入限幅、滑动平均和中值滤波器。它使用定长数组,不进行动态内存分配,便于迁移到 STM32 工程。
c
#include <stdint.h>
#include <stdio.h>
#define WINDOW_SIZE 5U
#define LIMIT_THRESHOLD 100U
static uint16_t limit_filter(uint16_t sample, uint16_t *last)
{
uint16_t diff = sample > *last ? sample - *last : *last - sample;
// 超过阈值时保留上一次可信结果,避免尖峰进入后级滤波
if (diff > LIMIT_THRESHOLD) {
return *last;
}
*last = sample;
return sample;
}
static uint16_t moving_average_filter(
uint16_t sample,
uint16_t buffer[WINDOW_SIZE],
uint8_t *index,
uint8_t *count,
uint32_t *sum)
{
if (*count < WINDOW_SIZE) {
buffer[*index] = sample;
*sum += sample;
(*count)++;
} else {
*sum -= buffer[*index];
buffer[*index] = sample;
*sum += sample;
}
*index = (uint8_t)((*index + 1U) % WINDOW_SIZE);
return (uint16_t)(*sum / *count);
}
static uint16_t median_filter(
uint16_t sample,
uint16_t window[WINDOW_SIZE],
uint8_t *count)
{
uint16_t sorted[WINDOW_SIZE];
if (*count < WINDOW_SIZE) {
window[*count] = sample;
(*count)++;
} else {
for (uint8_t i = 1U; i < WINDOW_SIZE; i++) {
window[i - 1U] = window[i];
}
window[WINDOW_SIZE - 1U] = sample;
}
for (uint8_t i = 0U; i < *count; i++) {
sorted[i] = window[i];
}
// 窗口很小,使用简单排序可减少代码复杂度
for (uint8_t i = 0U; i < *count; i++) {
for (uint8_t j = (uint8_t)(i + 1U); j < *count; j++) {
if (sorted[j] < sorted[i]) {
uint16_t temp = sorted[i];
sorted[i] = sorted[j];
sorted[j] = temp;
}
}
}
return sorted[*count / 2U];
}
int main(void)
{
const uint16_t samples[] = {
2048U, 2052U, 4095U, 2049U, 2051U,
2047U, 1800U, 2048U, 2050U
};
uint16_t last = samples[0];
uint16_t average_buffer[WINDOW_SIZE] = {0U};
uint16_t median_window[WINDOW_SIZE] = {0U};
uint8_t average_index = 0U;
uint8_t average_count = 0U;
uint8_t median_count = 0U;
uint32_t average_sum = 0U;
puts(" raw -> limit -> average -> median");
for (uint8_t i = 0U; i < sizeof(samples) / sizeof(samples[0]); i++) {
uint16_t limited = limit_filter(samples[i], &last);
uint16_t average = moving_average_filter(
limited,
average_buffer,
&average_index,
&average_count,
&average_sum);
uint16_t median = median_filter(
limited,
median_window,
&median_count);
printf("%4u -> %4u -> %4u -> %4u\n",
samples[i], limited, average, median);
}
return 0;
}预期输出:
text
raw -> limit -> average -> median
2048 -> 2048 -> 2048 -> 2048
2052 -> 2052 -> 2050 -> 2052
4095 -> 2052 -> 2050 -> 2052
2049 -> 2049 -> 2050 -> 2052
2051 -> 2051 -> 2050 -> 2051
2047 -> 2047 -> 2050 -> 2051
1800 -> 2047 -> 2049 -> 2049
2048 -> 2048 -> 2048 -> 2048
2050 -> 2050 -> 2048 -> 2048输出表明 4095 和 1800 被限幅器拦截,滑动平均输出最平稳,但对新值的反应较慢;中值滤波能去掉孤立尖峰,同时比平均值更能保留局部变化。
移植与参数选择
在 STM32 中,把 samples[i] 替换为 HAL_ADC_GetValue() 的返回值,或替换为 DMA 缓冲区中的元素即可。滤波状态变量必须长期保存,不能在每次调用前重新清零,否则窗口无法积累历史数据。
阈值可先取满量程的 1%~5%,再根据真实信号最大变化率调整。滑动窗口通常从 4、8 或 16 个样本开始测试;窗口取 2 的幂时,平均除法可进一步优化,但只有确认性能不足时才需要这样做。
Tips:先记录一段未滤波数据,再离线观察噪声幅度和尖峰频率。直接凭感觉设置阈值,容易把真实变化过滤掉。
按自己的节奏,确认真正理解。