单片机ADC采样十大滤波算法详解与应用

单片机AD采样常用的十大滤波算法详解

1. 引言

在嵌入式系统开发中，模拟信号采集是一个基础且关键的环节。由于环境干扰、传感器噪声等因素，ADC采样值往往包含各种噪声。本文将详细介绍十种常用的ADC滤波算法，分析其原理、实现方法及适用场景。

2. 滤波算法分类与选择原则

根据处理方式和适用场景，ADC滤波算法可分为以下几类：

• 时域滤波：限幅滤波、中位值滤波、消抖滤波等
• 统计滤波：算术平均滤波、递推平均滤波等
• 复合滤波：限幅平均滤波、中位值平均滤波等
• 预测滤波：一阶滞后滤波、加权递推平均滤波等

选择滤波算法时需考虑以下因素：

• 信号变化速率
• 噪声类型（脉冲干扰、周期性干扰等）
• 系统实时性要求
• 处理器资源限制

3. 十大滤波算法详解

3.1 限幅滤波

3.1.1 算法原理

基于经验设定最大允许偏差值A，当本次采样值与上次有效值之差超过A时，视为无效采样。

#define A 10 char Value; char filter() { char new_Value; new_Value = get_ad(); // 获取采样值 if(abs(new_Value - Value) > A) return Value; return new_Value; }

3.1.2 特点分析

• 优点：有效克服脉冲干扰
• 缺点：无法抑制周期性干扰，平滑度较差
• 适用场景：信号变化缓慢且偶发脉冲干扰的场合

3.2 中位值滤波

3.2.1 算法原理

连续采样N次，排序后取中位值作为有效值。

#define N 11 char filter() { char value_buf[N]; char count,i,j,temp; for(count=0; count<N; count++) { value_buf[count] = get_ad(); delay(); } for(j=0; j<(N-1); j++) for(i=0; i<(N-j); i++) if(value_buf[i]>value_buf[i+1]) { temp = value_buf[i]; value_buf[i] = value_buf[i+1]; value_buf[i+1] = temp; } return value_buf[(N-1)/2]; }

3.2.2 特点分析

• 优点：对缓慢变化的参数（如温度）滤波效果好
• 缺点：不适用于快速变化的信号
• 典型应用：温度、湿度等慢变信号采集

3.3 算术平均滤波

3.3.1 算法原理

连续采样N次取算术平均值。

#define N 12 char filter() { int sum = 0; for(count=0; count<N; count++) sum += get_ad(); return (char)(sum/N); }

3.3.2 特点分析

• 优点：对随机干扰抑制效果好
• 缺点：占用RAM多，速度慢
• 参数选择：N值越大平滑度越高但灵敏度越低

3.4 递推平均滤波

3.4.1 算法原理

维护一个长度为N的采样队列，每次新采样值入队，最旧值出队，取队列均值。

#define N 12 char value_buf[N]; char i=0; char filter() { char new_value, sum=0; new_value=get_ad(); value_buf[i++]=new_value; if(i==N) i=0; for(count=0; count<N; count++) sum+=value_buf[count]; return (char)(sum/N); }

3.4.2 特点分析

• 优点：对周期性干扰抑制效果好
• 缺点：对脉冲干扰敏感
• 优化方向：可结合限幅滤波提高抗脉冲干扰能力

3.5 中位值平均滤波

3.5.1 算法原理

采样N个值，去掉最大最小值后取平均。

#define N 12 char filter() { char count,i,j; char Value_buf[N]; int sum=0; for(count=0; count<N; count++) Value_buf[count]= get_ad(); for(j=0; j<(N-1); j++) for(i=0; i<(N-j); i++) if(Value_buf[i]>Value_buf[i+1]) { temp = Value_buf[i]; Value_buf[i]= Value_buf[i+1]; Value_buf[i+1]=temp; } for(count=1; count<N-1; count++) sum += Value_buf[count]; return (char)(sum/(N-2)); }

3.5.2 特点分析

• 优点：结合中位值和平均值的优势
• 缺点：计算量大，RAM占用高
• 适用场景：对数据可靠性要求高的场合

3.6 限幅平均滤波

3.6.1 算法原理

先对采样值进行限幅处理，再送入递推平均滤波队列。

#define A 10 #define N 12 char value; char value_buf[N]; char i=0; char filter() { char new_value, sum=0; new_value=get_ad(); if(abs(new_value-value)<A) value_buf[i++]=new_value; if(i==N) i=0; for(count=0; count<N; count++) sum+=value_buf[count]; return (char)(sum/N); }

3.6.2 特点分析

• 优点：有效抑制脉冲干扰和随机噪声
• 缺点：实现复杂度较高
• 工程建议：A值需根据信号特性调整

3.7 一阶滞后滤波

3.7.1 算法原理

采用一阶惯性环节实现数字滤波。

#define a 30 char value; char filter() { char new_value; new_value=get_ad(); return ((100-a)*value + a*new_value)/100; }

3.7.2 特点分析

• 优点：计算量小，对周期性干扰抑制效果好
• 缺点：相位滞后，灵敏度低
• 参数调整：a值决定滤波效果，a越小滤波效果越强

3.8 加权递推平均滤波

3.8.1 算法原理

对递推平均滤波的改进，不同时刻数据赋予不同权重。

#define N 12 char code coe[N]={1,2,3,4,5,6,7,8,9,10,11,12}; char code sum_coe=1+2+3+4+5+6+7+8+9+10+11+12; char filter() { char count; char value_buf[N]; int sum=0; for(count=0; count<N; count++) value_buf[count]=get_ad(); for(count=0; count<N; count++) sum+=value_buf[count]*coe[count]; return (char)(sum/sum_coe); }

3.8.2 特点分析

• 优点：新数据权重高，响应速度快
• 缺点：平滑度较低
• 权重设计：可根据实际需求调整权重分布

3.9 消抖滤波

3.9.1 算法原理

通过计数器机制消除信号抖动。

#define N 12 char filter() { char count=0, new_value; new_value=get_ad(); while(value!=new_value) { count++; if(count>=N) return new_value; new_value=get_ad(); } return value; }

3.9.2 特点分析

• 优点：有效消除临界值附近的抖动
• 缺点：对快速变化信号不适用
• 应用场景：按键检测、开关量采集等

3.10 限幅消抖滤波

3.10.1 算法原理

结合限幅和消抖两种滤波方式。

#define A 10 #define N 12 char value; char filter() { char new_value, count=0; new_value=get_ad(); while(value!=new_value) { if(abs(value-new_value)<A) { count++; if(count>=N) return new_value; new_value=get_ad(); } return value; } }

3.10.2 特点分析

• 优点：双重保护，可靠性高
• 缺点：实现复杂度高
• 工程建议：先调限幅参数A，再调消抖计数N

4. 算法性能对比与选型指南

5. 实际应用建议

1. 复合使用：对于复杂噪声环境，可组合使用多种滤波算法
2. 参数调整：所有算法参数需根据实际信号特性调整
3. 资源考量：在资源受限的MCU上慎用高内存占用的算法
4. 实时性平衡：根据系统响应要求选择合适的算法复杂度
5. 动态调整：可考虑根据信号变化率动态调整滤波参数