嵌入式开发中的算术平均滤波算法实战指南

1. 数据毛刺问题的本质与应对思路

传感器数据采集过程中，那些突然出现的异常跳变值就像音乐会上的杂音，让整个数据流变得刺耳难听。去年我在一个工业温度监控项目里就遇到过这种情况——PID控制算法因为几个突变的温度读数直接失控，差点造成产线停机。这种数据毛刺通常由电磁干扰、传感器瞬态响应或传输链路噪声引起，特点是持续时间短但幅值大。

传统解决思路有两种极端：要么直接忽略（可能丢失真实突变），要么全盘接收（导致系统震荡）。而滤波算法的价值就在于找到平衡点——既平滑噪声又保留真实变化趋势。在嵌入式开发中，算数平均滤波因其实现简单、计算量小，成为应对这类问题的首选方案。

关键认知：滤波不是要消除所有波动，而是区分"信号"与"噪声"的统计特征。温度这类缓变信号适合平均滤波，而振动信号这种高频变化则需要其他方法。

2. 算数平均滤波法的数学本质

2.1 基础算法实现解析

用一个长度为N的队列存储历史数据，新数据入队时，最旧数据出队，始终保持队列最新状态。滤波输出值就是当前队列所有数据的算术平均值：

c复制#define FILTER_WIN_SIZE 5
float filter_buf[FILTER_WIN_SIZE];

float moving_average(float new_val) {
    static int index = 0;
    float sum = 0;
    
    filter_buf[index++] = new_val;
    if(index >= FILTER_WIN_SIZE) index = 0;
    
    for(int i=0; i<FILTER_WIN_SIZE; i++) {
        sum += filter_buf[i];
    }
    return sum / FILTER_WIN_SIZE;
}

这个基础版本在STM32F103上测试，执行时间仅12μs（72MHz主频），内存占用20字节（float为4字节时），非常适合资源受限的MCU。

2.2 窗口大小的选择艺术

窗口大小N的选取需要权衡：

• 太小（N=3）：滤波效果弱，仍有明显毛刺
• 太大（N=20）：响应延迟明显，实测温度变化延迟达8秒
• **经验