一阶低通滤波算法原理与C语言实现-嵌云网-嵌入式AI开发资源站

一阶低通滤波算法原理与C语言实现

姬轩亦

1. 一阶低通滤波算法原理与应用场景

在嵌入式系统和实时控制领域，信号滤波是数据处理的基础环节。一阶低通滤波器（First Order Low Pass Filter）因其计算量小、实现简单的特点，成为硬件资源受限场景下的首选方案。这种滤波器允许低频信号通过，同时衰减高频噪声，特别适合处理传感器采集的带有噪声的信号。

滤波器的工作原理可以类比为水流通过滤网：滤网孔径（截止频率）决定了哪些成分能通过。具体到数学表达上，一阶低通滤波的差分方程为：

code复制y(n) = α * x(n) + (1-α) * y(n-1)

其中α是滤波系数，取值范围0~1，决定了新旧数据的权重比例。这个递推公式意味着当前输出值是当前输入和上一次输出的加权平均，这种结构在数字信号处理中被称为无限脉冲响应（IIR）滤波器。

注意：滤波系数α的选择直接影响滤波效果。α越大，滤波器对输入变化的响应越快，但抑制噪声的能力越弱；α越小，滤波效果越平滑，但会引入更大的相位延迟。

2. 核心参数计算与物理意义

2.1 时间常数与截止频率的关系

时间常数τ（tau）是模拟电路中的概念，表示系统响应速度：

code复制τ = 1/(2πfc)

其中fc是截止频率(-3dB点)。在数字域实现时，我们需要将连续时间系统离散化。采样频率T_s（采样周期的倒数）必须满足奈奎斯特准则，即至少是截止频率的两倍以上。

2.2 数字滤波系数的推导

数字滤波系数α通过以下公式计算：

code复制α = T_s / (T_s + τ) = 1/(1 + 2πfcT_s)

这个转换过程本质上是采用后向欧拉法对模拟滤波器进行离散化。在实际工程中，我们通常直接设置截止频率fc和采样频率T_s，由程序自动计算α值。

2.3 参数选择经验法则

截止频率fc：应设为信号最高有用频率的1.2-1.5倍。例如发动机转速信号通常低于20Hz，可将fc设为20Hz
采样频率T_s：根据香农定理，至少为2倍fc，工程上通常取5-10倍
当需要整数输出时，可在计算结果上加0.5再取整，实现四舍五入

3. C语言实现详解

3.1 数据结构设计

我们使用结构体封装滤波器状态：

c复制typedef struct {
    float alpha;        // 滤波系数 (0~1)
    float prev_output;  // 上一次输出值
} FirstOrderLPF;

这种封装方式具有以下优点：

保持滤波器状态的连续性
支持多个滤波器实例独立运行
提高代码可读性和可维护性

3.2 初始化函数实现

c复制void lpf_first_order_init_by_cutoff(FirstOrderLPF *filter, 
                                   float cutoff_freq, 
                                   float sample_freq) {
    float tau = 1.0f / (2.0f * 3.1415926535f * cutoff_freq);
    filter->alpha = (1.0f / sample_freq) / ((1.0f / sample_freq) + tau);
    filter->prev_output = 0.0f;  // 初始状态归零
}

初始化时需要特别注意：

截止频率和采样频率单位必须一致（通常都用Hz）
初始输出值设为0是常见做法，也可根据应用场景设为预期初始值
圆周率π的精度会影响高频段的滤波特性

3.3 滤波更新函数

c复制float lpf_first_order_update(FirstOrderLPF *filter, float input) {
    filter->prev_output = filter->alpha * input 
                        + (1.0f - filter->alpha) * filter->prev_output;
    return filter->prev_output;
}

这个核心函数每采样周期调用一次，具有以下特点：

仅需一次乘法和两次加法，计算效率极高
保持历史状态自动更新
返回当前滤波后的值

实际应用中发现：在32位浮点处理器上，直接使用上述代码即可；但在8/16位处理器上，可将α预先放大为整数（如Q15格式）来优化性能。

4. 工程应用实例：发动机转速滤波

4.1 参数设置考量

以汽车发动机转速信号为例：

c复制FirstOrderLPF Engine_Speed;
float sample_freq = 100.0f;  // 100Hz采样率
float cutoff_freq = 20.0f;   // 20Hz截止频率
float req_output = 1500;     // 原始转速值(RPM)

Engine_Speed.prev_output = 0;  // 初始化
lpf_first_order_init_by_cutoff(&Engine_Speed, cutoff_freq, sample_freq);
float filtered_rpm = lpf_first_order_update(&Engine_Speed, req_output);

这种配置下计算出的α约为0.24，意味着当前输入占24%权重，历史数据占76%权重。

4.2 动态调整技巧

在某些应用中，可能需要动态调整截止频率：

c复制void lpf_adjust_cutoff(FirstOrderLPF *filter, float new_cutoff, float sample_freq) {
    float tau = 1.0f / (2.0f * 3.1415926535f * new_cutoff);
    filter->alpha = (1.0f / sample_freq) / ((1.0f / sample_freq) + tau);
    // 保持prev_output不变
}

这种技术可用于：

启动阶段使用较高截止频率快速响应
稳态运行时降低截止频率增强滤波效果
根据信号质量动态调整滤波强度

5. 常见问题与优化策略

5.1 初始瞬态问题

滤波器启动时，prev_output=0会导致输出存在瞬态响应。解决方法有：

用首个采样值初始化prev_output
前N个采样使用较大α值，快速收敛
在系统启动阶段不输出滤波结果

5.2 量化误差累积

在长时间运行中，浮点运算可能累积误差。可采取：

c复制// 定期重置滤波器状态
void lpf_reset(FirstOrderLPF *filter, float new_value) {
    filter->prev_output = new_value;
}

5.3 固定点数实现

对于无FPU的MCU，可采用Q格式定点数：

c复制typedef struct {
    int16_t alpha_q15;     // Q15格式(0-32767表示0-1)
    int16_t prev_output;   // 根据应用选择Q格式
} FirstOrderLPF_Q15;

int16_t lpf_update_q15(FirstOrderLPF_Q15 *filter, int16_t input) {
    int32_t temp = (int32_t)filter->alpha_q15 * input 
                 + (32768 - filter->alpha_q15) * filter->prev_output;
    filter->prev_output = (temp + 16384) >> 15;  // 四舍五入
    return filter->prev_output;
}

5.4 多级滤波策略

对于要求严格的场合，可采用两级串联滤波：

c复制float two_stage_filter(FirstOrderLPF *stage1, 
                      FirstOrderLPF *stage2,
                      float input) {
    float intermediate = lpf_first_order_update(stage1, input);
    return lpf_first_order_update(stage2, intermediate);
}

这种配置相当于二阶滤波器，但计算量仍小于标准的二阶实现。

6. 性能评估与测试方法

6.1 频响特性测试

通过输入正弦扫频信号，测量输出幅度衰减：

c复制void frequency_response_test(float start_freq, float end_freq, 
                           int steps, float sample_freq) {
    FirstOrderLPF filter;
    lpf_first_order_init_by_cutoff(&filter, 20.0f, sample_freq);
    
    for(int i=0; i<steps; i++) {
        float freq = start_freq + (end_freq-start_freq)*i/steps;
        float period = 1.0f/freq;
        // ...生成测试信号并测量响应...
    }
}

6.2 阶跃响应分析

评估滤波器对突变的响应速度：

c复制void step_response_test(float step_size, int duration_samples) {
    FirstOrderLPF filter;
    lpf_first_order_init_by_cutoff(&filter, 20.0f, 100.0f);
    
    for(int i=0; i<duration_samples; i++) {
        float input = (i < duration_samples/2) ? 0 : step_size;
        float output = lpf_first_order_update(&filter, input);
        // 记录输出曲线
    }
}

6.3 噪声抑制测试

通过添加高斯白噪声评估滤波效果：

c复制float evaluate_noise_reduction(float noise_level, int test_samples) {
    FirstOrderLPF filter;
    lpf_first_order_init_by_cutoff(&filter, 20.0f, 100.0f);
    
    float noise_sum = 0;
    float signal = 100.0f;  // 测试信号
    
    for(int i=0; i<test_samples; i++) {
        float noisy_input = signal + noise_level*(rand()/(float)RAND_MAX-0.5f);
        float filtered = lpf_first_order_update(&filter, noisy_input);
        noise_sum += fabs(filtered - signal);
    }
    return noise_sum/test_samples;  // 平均绝对误差
}

在实际项目中，我通常会先通过MATLAB或Python仿真确定合适的滤波参数，再将算法移植到嵌入式平台。这种"先仿真后实现"的工作流程可以大幅减少硬件调试时间。另一个实用技巧是在滤波器的输出端添加一个变化率限制器，防止极端情况下的输出突变，这在控制系统中尤为重要。