企业官网建设流程全解析

简介：面向嵌入式与单片机开发者的实用滤波算法资源，系统整理了10种常用数字滤波方法的C代码实现，包括限幅滤波、中位值滤波、算术平均滤波、递推平均滤波、防脉冲干扰平均滤波、限幅平均滤波、一阶滞后滤波、加权递推平均滤波、消抖滤波及限幅消抖滤波。每种算法均附带方法原理、适用场景和优缺点对比，并针对流量、压力、液位、温度等参数给出N值选取参考，便于读者结合具体信号特征进行选型与移植。资源包共3个文件，包含可直接编译使用的C源文件、详细说明10种软件滤波方法的Word文档，以及一篇关于单片机数字滤波算法研究的PDF论文，整体仅198KB，轻量且结构清晰，便于快速查阅与移植。已有3185人学习/下载，适合正在处理传感器数据采集、需抑制脉冲干扰或周期性噪声的开发者参考借鉴。 做嵌入式开发最烦人的事之一，就是传感器读回来的数据不干净。ADC采个电压，波形图跟过山车似的；MPU6050的加速度，静止放着还在乱跳；温湿度传感器明明环境没变，数值却在25度和27度之间来回蹦。那些毛刺、尖峰和随机抖动，让后面的阈值判断、PID控制、状态识别全都跟着遭殃。这时候，滤波算法就派上用场了。

这篇文章整理的是我这些年实际项目中反复用到的10种常用滤波算法，全部给出C代码实现。它们不花哨，不依赖什么数学库，在STM32、51、Arduino这类单片机上都能直接用。无论你是做嵌入式开发、智能硬件，还是习惯先用Python验证再移植到C的朋友，这份清单都值得收藏。

1. 为什么说软件滤波是嵌入式的基本功

1.1 硬件滤波不能解决所有问题

很多人第一反应是在传感器输出端加一个RC低通滤波电路。这确实能滤掉一部分高频噪声，但问题在于：硬件参数一旦定死就不好改了。你算出截止频率10Hz，结果换一个现场环境，干扰变成了5Hz，这时候只能重新算电阻电容、重新焊板子。而且硬件滤波对脉冲型干扰几乎无能为力，一个尖峰直接穿过RC网络，后端该误判还是误判。

软件滤波就没有这些麻烦。它不需要额外的元器件，改一个常量、换一行代码就能调整响应特性。有些算法还能根据工况实时切换，这在硬件上很难实现。我做过的几个工业采集项目里，最后稳定下来的方案基本都是“简单硬件防高频 + 软件滤波处理残余噪声”，软硬结合远比单靠一边靠谱。

1.2 十种算法到底在过滤什么

很多人一听到“滤波”就想到低通、高通、带阻这类频率概念，其实软件滤波处理的是更直观的东西：异常跳变、随机噪声、周期性纹波、信号抖动。这10种算法本质上是三类思路的组合。

第一类是限幅，专门干掉那些明显不合理的突变和尖峰；第二类是平滑，通过平均或者加权的方式把随机噪声摊薄；第三类是状态保持，也就是消抖，让输出不会因为一点小波动就来回切换。理解了这三类思路，后面看代码就会很轻松，很多组合算法其实就是把这几类思路拼在一起。

2. 10种常用滤波算法的C代码实现

下面每个算法我都会给出可以独立使用的C函数。为了保持代码简洁，有的地方用了static变量保存状态，你在工程里用的时候要注意，一个算法实例对应一组static变量，如果多个通道共用同一个函数，需要改成结构体或者加参数区分。

2.1 限幅滤波：先干掉最离谱的毛刺

原理很简单：把当前采样值和上一次的合法值比较，如果差值超过设定阈值，就认为这一次是干扰，直接丢弃，返回上一次的值。这是所有滤波算法里成本最低的一个。

#define LIMIT_MAX 50 int limit_filter(int new_value, int last_value) { if ((new_value - last_value > LIMIT_MAX) || (last_value - new_value > LIMIT_MAX)) { return last_value; } return new_value; }

阈值怎么定？不要拍脑袋。先估算信号物理上的最大变化速度。比如温度传感器采样周期是100ms，系统温度最快每秒变化2度，那么相邻两次采样最多差0.2度，阈值设成0.5度就足够了。设得太大，脉冲干扰滤不干净；设得太小，正常变化都被当成异常，输出会变成一条僵硬的直线。

2.2 中位值滤波：排序取中间，脉冲干扰的克星

中位值滤波的思路是把最近N次采样放进数组，排序后取中间那个值。因为脉冲干扰通常只持续一拍，排在中间位置的概率极低，所以它能很好地剔除这类噪声。代价是每次滤波都要做一次排序，N越大越费时间。

#define N 5 int middle_filter(int new_value) { static int buf[N]; static int idx = 0; int tmp[N], i, j; buf[idx] = new_value; idx = (idx + 1) % N; for (i = 0; i < N; i++) tmp[i] = buf[i]; for (i = 0; i < N - 1; i++) { for (j = i + 1; j < N; j++) { if (tmp[j] < tmp[i]) { int t = tmp[i]; tmp[i] = tmp[j]; tmp[j] = t; } } } return tmp[N / 2]; }

注意：中位值滤波对真实快速变化的信号有很强的滞后，如果你的信号本身就是快速上升沿，比如电机的电流反馈，慎用。它更适合温度、液位、光照这类变化缓慢的模拟量。

2.3 算术平均滤波：最简单直接的做法

算术平均滤波就是连续采样N次，取平均值作为输出。它对高斯白噪声的抑制效果不错，尤其适合采样周期内信号基本稳定的场景。缺点是每输出一个值就要采N次，实时性差，采样期间的信号波动会被平均掉。

#define N 12 int average_filter(void) { int sum = 0; int i; for (i = 0; i < N; i++) { sum += adc_read(); // 每次调用采集一次 } return sum / N; }

N的选取有个经验：如果信号上叠加了工频干扰，N尽量取工频周期内的整数倍采样数。比如50Hz工频，采样率1kHz，N取20，这样在一个完整工频周期内平均，纹波能压掉很大一截。

2.4 递推平均滤波（滑动平均）：平滑与响应的中庸之道

递推平均也叫滑动平均，它维护一个固定长度的滑动窗口，每来一个新采样值，就丢掉窗口里最旧的那个，然后对窗口内所有值求平均。相比算术平均，它不用每输出一次就重新采样N次，实时性更好，是工程里用得最频繁的平滑算法之一。

#define N 12 int sliding_average_filter(int new_value) { static int buf[N]; static int sum = 0; static int idx = 0; sum -= buf[idx]; // 移除最旧的值 buf[idx] = new_value; // 放入新值 sum += new_value; idx = (idx + 1) % N; // 更新环形索引 return sum / N; }

这段代码有个容易踩的坑：首次调用时，buf数组里的元素都是0，sum - buf[idx]减掉的是0，没问题。但如果buf没有被清零，或者你在init里手动清零不完全，会导致前N次输出偏低。建议在初始化函数里显式把buf清零。

2.5 中位值平均滤波：先排序再均值，防脉冲又平滑

中位值平均滤波，也叫防脉冲干扰平均滤波。它在递推平均的基础上加了排序：先把窗口里的N个值排序，去掉最小和最大的各M个，然后对中间部分求平均。这样既滤掉了脉冲干扰，又保留了平滑能力，对付“随机噪声+偶发尖峰”的混合干扰特别好用。

#define N 12 #define M 2 int middle_average_filter(int new_value) { static int buf[N]; static int idx = 0; int tmp[N], i, j, sum = 0; buf[idx] = new_value; idx = (idx + 1) % N; for (i = 0; i < N; i++) tmp[i] = buf[i]; for (i = 0; i < N - 1; i++) { for (j = i + 1; j < N; j++) { if (tmp[j] < tmp[i]) { int t = tmp[i]; tmp[i] = tmp[j]; tmp[j] = t; } } } for (i = M; i < N - M; i++) sum += tmp[i]; return sum / (N - 2 * M); }

M的取值上限是N/2 - 1，别设成N的一半或更大，否则中间什么都没剩下。一般情况下N取10到20，M取1到3就够用了。这个算法的缺点是排序有一定开销，但在单片机处理温和信号时完全没问题。

2.6 限幅平均滤波：有舍有得，先清理再平滑

限幅平均滤波是把限幅和平均组合起来：先对采样值做限幅判断，抛弃异常突变，再把通过判断的值送入滑动平均窗口。它特别适合现场电磁干扰比较强、但又需要平滑输出的场景。

#define RADAR_MAX 50 #define WINDOW_N 8 int clamp_average_filter(int new_value) { static int buf[WINDOW_N]; static int sum = 0; static int idx = 0; static int last_valid = 0; int val = new_value; if ((val - last_valid > RADAR_MAX) || (last_valid - val > RADAR_MAX)) { val = last_valid; } sum -= buf[idx]; buf[idx] = val; sum += val; idx = (idx + 1) % WINDOW_N; last_valid = val; return sum / WINDOW_N; }

组合算法的最大优势是各干各的活：限幅负责剔除尖峰，平均负责压制随机噪声。缺陷也很明显，两步都会引入滞后，信号响应会比单一算法更迟钝。

2.7 一阶滞后滤波：软件版RC低通

一阶滞后滤波是RC低通滤波器的离散实现，本质是加权平均：新值的权重为a，旧值的权重为1-a。它有一个特别好的性质：无论a怎么选，都能保证输出不会突变，非常平滑。

#define FACTOR 50 // 0~100之间，整数定点 int first_order_filter(int new_value) { static int last = 0; int result; result = (FACTOR * new_value + (100 - FACTOR) * last) / 100; last = result; return result; }

FACTOR实际是数字滤波的权重：越大代表新值比重越大，跟踪越快，滤波作用越弱；越小代表输出越平滑，但滞后越明显。我做温度采集时喜欢把FACTOR设在20到40之间，做按键防抖则不太用这个算法，滞后太难受。

用这种整数写法要注意溢出。FACTOR * new_value在16位int下很容易超界，建议把中间变量设成long，最后再截断。

2.8 加权递推平均滤波：给新数据更大的话语权

递推平均对所有窗口数据一视同仁，而加权递推平均会按数据新旧分配权重：越新的数据权重越大。这样做的目的是在平滑的同时减少滞后感，让输出能更快跟上信号的真实变化。

#define N 5 static const int weight[N] = {1, 2, 3, 4, 5}; int weighted_average_filter(int new_value) { static int buf[N]; int i, sum = 0, total = 0; for (i = 0; i < N - 1; i++) { buf[i] = buf[i + 1]; sum += buf[i] * weight[i]; total += weight[i]; } buf[N - 1] = new_value; sum += new_value * weight[N - 1]; total += weight[N - 1]; return sum / total; }

权重的设计是关键。常见思路是让权重线性递增，比如{1,2,3,4,5}。也可以按指数递增，让新数据占比更大，但这也意味着滤波强度下降。实际使用时我建议把总和算成固定值，比如total = 15，这样连除法都能优化成移位或乘法，在MCU上更省。

2.9 消抖滤波：把按键防抖的逻辑搬到数值上

消抖滤波的思路很简单：只有连续多次采样值都落在合理范围内，才更新输出，否则保持上一次的值。它非常适合开关量、阈值判断、按键输入这类场景，本质上是防抖动。

#define COUNT_MAX 5 #define THRESHOLD 2 int debounce_filter(int new_value) { static int last = 0; static int count = 0; if ((new_value - last <= THRESHOLD) && (last - new_value <= THRESHOLD)) { count++; if (count >= COUNT_MAX) { count = 0; last = new_value; } } else { count = 0; } return last; }

注意，这个函数返回的是滤波后的输出值，在不满足条件时返回的是上一次的有效值。因此刚上电的时候，last会一直是0，如果你判断的阈值本身就在0附近，需要先把last初始化成第一帧采样值。

2.10 限幅消抖滤波：防抖和限幅双重保险

限幅消抖滤波把限幅和消抖组合在一起，先判断本次采样相对上次是否超限，超限直接丢弃；没超限再进入消抖计数，连续多次稳定后更新输出。它比单纯消抖更能抵抗瞬时大干扰。

#define LIMIT 30 #define DB_COUNT 3 int clamp_debounce_filter(int new_value) { static int last = 0; static int count = 0; int val; if ((new_value - last > LIMIT) || (last - new_value > LIMIT)) { count = 0; return last; } val = new_value; count++; if (count >= DB_COUNT) { count = 0; last = val; } return last; }

组合算法最大的坑是两级判断的参数容易互相打架。限幅设得太小，消抖根本没机会发挥作用；消抖次数设得太多，信号真实变化又被压住。我的习惯是先定限幅，把物理上绝对不可能出现的值档掉，再根据实际抖动周期定消抖次数。

3. 选型与参数调优：5分钟找到最合适的算法

3.1 按信号特征快速定方向

很多刚接触滤波的人会问，到底选哪个好？我的建议是先看信号特征，再看你对响应速度的要求。

如果信号是温度、湿度、液位这类变化缓慢的量，中位值、递推平均、一阶滞后随便选，滞后一点也无所谓。如果信号变化很快，比如电流采样、编码器读数，优先选限幅和加权平均，能保住响应速度。如果信号上有明显的尖峰脉冲，中位值平均和限幅平均是首选。如果做的是按键、开关、继电器状态判断，消抖滤波就够了。

3.2 参数到底怎么调

调参数是最容易让人烦躁的一步。先说N值的选取。平滑类算法的N越大，输出越平稳，但滞后也越严重。一般从N=4到N=12之间试起，别一上来就N=100。中位值相关的算法建议N取奇数，这样中间位置明确，不容易出现取整歧义。

限幅阈值要用物理意义去算。以ADC采集电压为例，如果系统最大电压变化率为每秒100mV，采样率是1kHz，那么相邻两次采样最大真实差值是0.1mV。阈值设成这个值的3到5倍，既能容错又能挡掉异常跳变。

一阶滞后的系数a是表现力最强的参数。a从0到100，对应滤波从“完全输出旧值”到“完全输出新值”。我通常从30起步，观察输出波形的毛刺幅度，再逐步减小，直到毛刺可以接受、响应滞后也在容忍范围内。

3.3 10种算法优缺点速查表

4. 从代码到产品：C语言实现中的常见坑与排查技巧

4.1 C语言实现的几个暗坑

第一个坑是数据类型溢出。ADC采集结果一般是12位，最大值4095，累加20个就是81900，已经超过16位int的范围了。很多人一滤波发现结果变成负数，十有八九是这个原因。处理办法很简单：求和变量用long，或者采样次数控制在16位范围内。

第二个坑是静态数组的初始化。虽然static变量默认清零，但不同编译器的初始化行为并不完全一致，尤其是在某些低端MCU的启动代码里。我在项目里吃过亏之后，养成了写init函数的习惯，把内部buf和状态变量显式清零。

第三个坑是中位值排序的复制开销。很多参考代码直接对static数组排序，这会把缓存里的顺序打乱，导致窗口数据错乱。正确的做法是先拷贝到临时数组，再对临时数组排序。示例代码里我全部用了拷贝方式，避免这个问题。

4.2 滤波后依然抖动的排查流程

如果滤波后数据还在抖，先别急着加大N或者调小a，按这个顺序排查。

第一步，关掉滤波，直接打印原始数据，确认干扰从哪里来。如果原始数据本身就不稳定，先查硬件：接地、电源纹波、传感器驱动时序都有可能。第二步，确认滤波函数被调用的频率和采样率一致。很多人在中断里采样，在主循环里滤波，频率不匹配会导致滤波效果完全不对。第三步，用串口或者上位机同时打印原始值和滤波值，观察一段时间。如果滤波值只是滞后但不抖，说明算法没问题，是参数太保守；如果滤波值还在剧烈跳动，说明干扰超出了当前算法的处理能力，考虑换组合算法。

我在调试时会用一个小技巧：把滤波前后数据用两个通道输出，一个接原始信号，一个接滤波后信号，同时显示在波形图上。这样一眼就能看出滞后量、残余噪声和响应速度，比自己盯着串口数字猜效率高太多。

4.3 串级滤波与工程化封装

单一算法很难做到面面俱到，实际项目里我更推荐串级组合。比如ADC采集电压数据，我常用“限幅 -> 递推平均 -> 一阶滞后”这样的链路：限幅干掉尖峰，递推平均压住随机噪声，一阶滞后保证最终输出平滑。效果往往比单独调任何一个算法都好。

但串级不是越多越好。每一级都在引入滞后，串三级以后，系统响应慢得像蜗牛。我的原则是能两级解决的事，绝不用三级。

从工程化角度，建议把每个滤波器封装成独立模块，定义成结构体形式，包含状态变量和参数项。这样就能很方便地为多个通道各创建一个实例，互相不干扰，也方便在调试时动态切换算法。等代码稳定以后，再根据MCU的ROM和RAM预算裁剪成静态实现，这样既能享受模块化的清晰，又能保证最终资源的可控。

我在实际使用中发现，滤波算法的选择其实是个性化很强的工程决策。同一个温度数据，做恒温控制的人要陡响应，做数据记录的人要平滑，没有绝对正确的答案，只有相对合适的组合与参数。多试、多对比波形，比记住任何结论都管用。

本文还有配套的精品资源，点击获取