stm32单片机适用的adc采样滤波算法

ID:13307 · 发表于 2026-7-17 19:16

非常好用的adc滤波算法，滑动窗口滤波+自适应一阶低通，实际效果很好的压制了噪声

#include "bsp.h"
#include <math.h>
/* ˲ */
Kalman kfp;
#define ADC_CHANNEL_NUM 4
static AdaptiveFilterState adc_filter_states[ADC_CHANNEL_NUM] = {
{0, 0.0f}, // 通道0
{0, 0.0f}, // 通道1
{0, 0.0f}, // 通道2
{0, 0.0f} // 通道3
};
// 连续自适应滤波器（沿用原函数名以保持系统兼容）
float adc_kalman_filter(int channel, float ADC_Value) {
// 限制通道有效性，防止越界
if (channel < 0 || channel >= ADC_CHANNEL_NUM) {
return ADC_Value; // 无效通道返回原始值
}
// 获取当前通道状态
AdaptiveFilterState *state = &adc_filter_states[channel];
// 初始化判定：使用标志位，避免传感器真实值为 0 时反复重置
if (!state->initialized) {
state->filtered_old = ADC_Value;
state->initialized = 1;
return ADC_Value;
}
// 1. 计算当前测量值与上一次滤波值的绝对差值
float diff = fabs(ADC_Value - state->filtered_old);
// 2. 使用差值的平方进行自适应计算，以获得更陡峭的过渡曲线
// 突变时极速收敛，静态时超级稳定
float diff2 = diff * diff;
float k2 = ADAPTIVE_K_SENSITIVITY * ADAPTIVE_K_SENSITIVITY;
float alpha = ADAPTIVE_ALPHA_MIN + (ADAPTIVE_ALPHA_MAX - ADAPTIVE_ALPHA_MIN) * (diff2 / (diff2 + k2));
// 3. 一阶低通滤波迭代
float filtered_value = alpha * ADC_Value + (1.0f - alpha) * state->filtered_old;
// 4. 更新历史滤波状态
state->filtered_old = filtered_value;
return filtered_value; // 返回滤波结果
}
/*˲*/
// λͷָ飨ÿάǰдλã
static int window_heads[MAX_SENSOR_NUM] = {0}; // ʼΪ0
// ݲб
int32_t m_dataList[MAX_SENSOR_NUM][MAX_DATA_NUM] = {0};
void InsertionSort(int32_t array[], int len) {
int32_t key;
int i, j;
for (i = 1; i < len; i++) {
key = array[i];
j = i - 1;
while (j >= 0 && array[j] > key) {
array[j + 1] = array[j];
j--;
}
array[j + 1] = key;
}
}
// ھֵ˲ȥֵ
// index - Ӧͬݣdata - ǰ
// ֵ˲Ľֵ
float Filter_SlidingWindowAvg(int index, int32_t data) {
// 静态数组：记录每个通道当前已采集的数据个数，初始为0
static int dataNum[MAX_SENSOR_NUM] = {0};
int i;
int64_t sum = 0; // 累加和，使用int64防止溢出
float out = 0.0f; // 滤波输出
int32_t array[MAX_DATA_NUM] = {0}; // 临时排序数组
int current_head = window_heads[index]; // 获取当前通道的环形缓冲区写指针
// 将新数据写入当前写指针位置
m_dataList[index][current_head] = data; // 写入数据
window_heads[index] = (current_head + 1) % MAX_DATA_NUM; // 写指针前移
// 1. 如果当前数据还未填满滑动窗口
if (dataNum[index] < MAX_DATA_NUM) {
dataNum[index]++;
if (dataNum[index] < 3) {
// 数据点太少（<3），直接简单平均
for (i = 0; i < dataNum[index]; i++) {
int pos = current_head - i;
if (pos < 0) {
pos += MAX_DATA_NUM;
}
sum += m_dataList[index][pos];
}
out = (float)sum / dataNum[index];
} else {
// 数据点 >= 3，拷贝到临时数组排序后去极值
int32_t tmpArr[MAX_DATA_NUM] = {0};
for (i = 0; i < dataNum[index]; i++) {
int pos = current_head - i;
if (pos < 0) {
pos += MAX_DATA_NUM;
}
tmpArr[i] = m_dataList[index][pos];
}
InsertionSort(tmpArr, dataNum[index]);
// 去掉首尾各 1 个极值，对中间部分求平均
for (i = 1; i < dataNum[index] - 1; i++) {
sum += tmpArr[i];
}
out = (float)sum / (dataNum[index] - 2);
}
}
// 2. 滑动窗口已填满
else {
// 按照时间顺序拷贝数据到临时数组（最新写入的数据在 current_head 处）
for (i = 0; i < MAX_DATA_NUM; i++) {
int pos = current_head - i;
if (pos < 0) {
pos += MAX_DATA_NUM;
}
array[i] = m_dataList[index][pos];
}
// 插入排序
InsertionSort(array, MAX_DATA_NUM);
// 去掉两端极值，对中间 WINDOW_DATA_NUM 个点求平均
int start = (MAX_DATA_NUM - WINDOW_DATA_NUM) / 2;
for (i = start; i < start + WINDOW_DATA_NUM; i++) {
sum += array[i];
}
out = (float)sum / WINDOW_DATA_NUM; // 使用浮点数除法保留精度
}
return out;
}

复制代码

帐号		自动登录	找回密码
密码			立即注册

stm32单片机适用的adc采样滤波算法

评分