MyFilter - 嵌入式信号处理滤波器库

一个轻量级、高性能的嵌入式信号处理滤波器库，提供四种常用的数字滤波器实现，适用于各种嵌入式系统的信号处理需求。

👇🏻源码下载

📦 功能特性

低通滤波器 (Low Pass Filter) - 一阶 IIR 滤波器，计算简单，实时性好
中值滤波器 (Median Filter) - 有效抑制脉冲噪声，保持信号边缘
均值滤波器 (Moving Average) - 平滑随机噪声，计算效率高
卡尔曼滤波器 (Kalman Filter) - 最优估计算法，自适应调整

🏗️ 文件结构

1
2
3
4


MyFilter/
├── MyFilter.h          # 头文件 - 结构体定义和函数声明
├── MyFilter.c          # 实现文件 - 滤波器算法实现
└── README.md           # 说明文档

🔧 快速开始

1. 包含头文件

1

#include "MyFilter.h"

2. 初始化滤波器

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


// 低通滤波器初始化
lowpass_filter_t lpf;
LowPass_Filter_Init(&lpf, 0.8f);  // 系数0.8，强滤波

// 中值滤波器初始化  
midvalue_filter_t mvf;
MidValue_Filter_Init(&mvf, 5);    // 窗口大小5

// 均值滤波器初始化
average_filter_t avgf;
Avg_Filter_Init(&avgf, 10);       // 10个样本

// 卡尔曼滤波器初始化
kalman_filter_t kf;
Kalman_Filter_Init(&kf, 0.1f, 1.0f, 0.0f);  // Q=0.1, R=1.0, 初始值=0

3. 实时滤波处理

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


float sensor_value = read_sensor();  // 读取传感器原始数据

// 应用各种滤波器
LowPass_Filter(&lpf, sensor_value);
MidValue_Filter(&mvf, sensor_value); 
Avg_Filter(&avgf, sensor_value);
Kalman_Filter(&kf, sensor_value);

// 获取滤波结果
float filtered_value = kf.KF_Res;  // 使用卡尔曼滤波结果

📊 滤波器对比指南

滤波器类型	适用场景	优点	缺点	计算复杂度
低通滤波	一般噪声抑制	计算简单，内存占用少	相位延迟	O(1)
中值滤波	脉冲噪声抑制	有效去除异常值	需要缓冲区	O(n log n)
均值滤波	随机噪声平滑	简单有效	响应较慢	O(n)
卡尔曼滤波	最优估计	自适应，精度高	参数调优复杂	O(1)

⚙️ 参数配置

低通滤波器参数

1
2
3
4


// 滤波系数选择指南：
LowPass_Filter_Init(&filter, 0.1f);  // 轻滤波 - 实时控制
LowPass_Filter_Init(&filter, 0.5f);  // 中等滤波 - 一般应用  
LowPass_Filter_Init(&filter, 0.8f);  // 强滤波 - 传感器去噪

中值滤波器参数

1
2
3
4


// 窗口大小选择：
MidValue_Filter_Init(&filter, 3);   // 快速响应 - 图像处理
MidValue_Filter_Init(&filter, 7);   // 平衡效果 - 一般应用
MidValue_Filter_Init(&filter, 11);  // 强滤波 - 严重噪声

卡尔曼滤波器参数

1
2
3
4


// 噪声协方差调优：
Kalman_Filter_Init(&filter, 0.01f, 0.1f, 0.0f);  // 高精度传感器
Kalman_Filter_Init(&filter, 0.1f, 1.0f, 0.0f);   // 中等精度传感器  
Kalman_Filter_Init(&filter, 1.0f, 10.0f, 0.0f);  // 低精度传感器

🎯 应用示例

传感器数据滤波

1
2
3
4
5
6
7
8
9


// 温度传感器滤波
lowpass_filter_t temp_filter;
LowPass_Filter_Init(&temp_filter, 0.7f);

float read_temperature(void) {
    float raw_temp = read_adc() * 0.1f;  // 原始数据
    LowPass_Filter(&temp_filter, raw_temp);
    return temp_filter.LF_Res;  // 滤波后的温度
}

电机控制信号平滑

1
2
3
4
5
6
7
8


// 电机控制信号处理
average_filter_t motor_filter;
Avg_Filter_Init(&motor_filter, 5);

void set_motor_speed(float speed) {
    Avg_Filter(&motor_filter, speed);
    analog_write(MOTOR_PIN, motor_filter.AF_Res);  // 平滑后的速度
}

IMU 数据融合

1
2
3
4
5
6
7
8


// 陀螺仪数据卡尔曼滤波
kalman_filter_t gyro_filter;
Kalman_Filter_Init(&gyro_filter, 0.001f, 0.1f, 0.0f);

float filter_gyro(float raw_gyro) {
    Kalman_Filter(&gyro_filter, raw_gyro);
    return gyro_filter.KF_Res;  // 优化后的角速度
}

⚠️ 使用注意事项

内存分配：所有滤波器使用静态内存，无需动态分配
实时性：考虑最坏情况下的执行时间（中值滤波耗时最长）
初始化：使用前必须调用初始化函数
参数范围：注意各参数的有效范围，避免异常值
数据类型：使用 float 类型，确保平台支持浮点运算

🔧 性能优化建议

根据需求选择滤波器：不要过度设计，选择最简单的有效滤波器
合理设置参数：根据信号特性调整滤波器参数
缓冲区大小：在效果和内存之间找到平衡点
采样率匹配：滤波器参数应与系统采样率相匹配

📝 API 参考

低通滤波器

LowPass_Filter_Init() - 初始化低通滤波器
LowPass_Filter() - 执行低通滤波

中值滤波器

MidValue_Filter_Init() - 初始化中值滤波器
MidValue_Filter() - 执行中值滤波

均值滤波器

Avg_Filter_Init() - 初始化均值滤波器
Avg_Filter() - 执行均值滤波

卡尔曼滤波器

Kalman_Filter_Init() - 初始化卡尔曼滤波器
Kalman_Filter() - 执行卡尔曼滤波

📊 资源占用

代码大小: ~3KB (取决于启用哪些滤波器)
RAM 占用: 约 100-200 字节（取决于配置）
计算时间: 低通/卡尔曼: O(1), 均值: O(n), 中值: O(n log n)

🐛 故障排除

问题: 滤波效果不明显

解决: 调整滤波器参数，增大滤波强度

问题: 响应速度太慢

解决: 减小窗口大小或滤波系数

问题: 内存占用过大

解决: 减小缓冲区大小，使用更简单的滤波器

📄 许可证

MIT License - 可自由用于个人和商业项目。

👥 作者信息

N1ntyNine99 - 嵌入式系统开发者

💡 提示: 在实际使用前，建议根据具体的应用场景和硬件平台进行参数调优和性能测试。