从空调温控到信号降噪：一阶RC低通滤波器在Arduino和STM32上的C语言实现指南

weixin_30565199

472人浏览 · 2026-06-06 09:15:31

weixin_30565199 · 2026-06-06 09:15:31 发布

从空调温控到信号降噪：一阶RC低通滤波器在Arduino和STM32上的C语言实现指南

当你用手指轻轻划过手机屏幕时，触控芯片如何准确识别你的动作而忽略静电干扰？当智能空调自动调节室温时，控制器如何区分真实的温度变化和传感器噪声？这些看似简单的日常场景背后，都隐藏着一个经典的信号处理工具——一阶RC低通滤波器。本文将带你从生活实例出发，深入探讨如何将这个模拟电路原理转化为嵌入式系统中的数字实现。

1. 一阶RC低通滤波器的数字重生

在模拟电路世界中，一阶RC低通滤波器由简单的电阻和电容组成，其核心特性是对高频信号的衰减和对低频信号的保留。但在数字领域，我们需要用数学方程和代码来重现这一物理现象。

1.1 从微分方程到差分方程

模拟RC低通滤波器的行为可以用微分方程描述：

τ·dy(t)/dt + y(t) = x(t)

其中τ=RC是时间常数，x(t)是输入信号，y(t)是输出信号。为了在数字系统中实现，我们需要将其离散化。采用后向欧拉方法，可以得到差分方程：

y[n] = α·x[n] + (1-α)·y[n-1]

这里α=Δt/(τ+Δt)，Δt是采样间隔。这个简单的递归方程就是我们在微控制器上实现低通滤波的基础。

1.2 参数选择的艺术

滤波器性能主要取决于两个参数：

截止频率(fc)：决定哪些频率成分被保留
采样频率(fs)：决定系统处理信号的速度

它们与代码中α系数的关系为：

参数	计算公式	实际意义
α	2πfc/(2πfc + fs)	新旧数据权重比
fc	αfs/(2π(1-α))	滤波器特性频率
τ	RC = 1/(2πfc)	模拟时间常数

提示：实际应用中，采样频率应至少是截止频率的5-10倍，以避免明显的混叠效应。

2. Arduino平台实现详解

Arduino的简单性使其成为验证数字滤波算法的理想平台。下面我们以一个温度传感器滤波为例。

2.1 基础实现代码

#define ALPHA 0.1  // 滤波系数，对应约16Hz截止频率(假设采样率100Hz)

float lowPassFilter(float input, float prevOutput) {
    return ALPHA * input + (1 - ALPHA) * prevOutput;
}

void setup() {
    Serial.begin(9600);
}

void loop() {
    static float filteredValue = 0;
    float rawValue = analogRead(A0) * 0.48828125; // 10位ADC转温度(假设)
    
    filteredValue = lowPassFilter(rawValue, filteredValue);
    
    Serial.print("Raw: ");
    Serial.print(rawValue);
    Serial.print(" Filtered: ");
    Serial.println(filteredValue);
    
    delay(10); // 约100Hz采样率
}

2.2 性能优化技巧

对于资源受限的Arduino，我们可以进行多项优化：

定点数运算 ：用整数代替浮点

#define ALPHA_Q10 102  // 0.1 in Q10 format
int16_t lowPassFilterFixed(int16_t input, int16_t prevOutput) {
    return (ALPHA_Q10 * input + (1024 - ALPHA_Q10) * prevOutput) >> 10;
}

自适应滤波 ：根据信号变化动态调整α

float adaptiveAlpha(float error) {
    const float minAlpha = 0.01;
    const float maxAlpha = 0.3;
    return constrain(abs(error) * 0.1, minAlpha, maxAlpha);
}

抗溢出处理 ：防止长时间运行后的数值问题

3. STM32高级实现策略

STM32系列MCU提供了更强大的计算能力，允许我们实现更复杂的滤波策略。

3.1 基于HAL库的实现

#define FILTER_ORDER 1
#define SAMPLE_FREQ 1000  // 1kHz采样率
#define CUTOFF_FREQ 50    // 50Hz截止频率

typedef struct {
    float alpha;
    float prevOutput;
} LowPassFilter;

void initFilter(LowPassFilter* filter, float cutoffFreq) {
    float rc = 1.0 / (2 * M_PI * cutoffFreq);
    float dt = 1.0 / SAMPLE_FREQ;
    filter->alpha = dt / (rc + dt);
    filter->prevOutput = 0;
}

float updateFilter(LowPassFilter* filter, float input) {
    filter->prevOutput = filter->alpha * input + 
                        (1 - filter->alpha) * filter->prevOutput;
    return filter->prevOutput;
}

// 在定时器中断中调用
void HAL_TIM_PeriodElapsedCallback(TIM_HandleTypeDef *htim) {
    static LowPassFilter tempFilter;
    static uint8_t initialized = 0;
    
    if(!initialized) {
        initFilter(&tempFilter, CUTOFF_FREQ);
        initialized = 1;
    }
    
    float adcValue = readADC();
    float filtered = updateFilter(&tempFilter, adcValue);
    
    // 使用filtered值...
}

3.2 DMA与滤波器的结合

对于高速数据采集，我们可以利用STM32的DMA功能实现零CPU开销的数据采集：

配置ADC+DMA连续采样
设置环形缓冲区
在DMA半满/全满中断中批量处理数据

#define BUF_SIZE 256
volatile float adcBuffer[BUF_SIZE];
volatile float filteredBuffer[BUF_SIZE];

void processBuffer(uint16_t start, uint16_t end) {
    static LowPassFilter channelFilter;
    
    for(uint16_t i = start; i < end; i++) {
        filteredBuffer[i] = updateFilter(&channelFilter, adcBuffer[i]);
    }
}

// DMA中断服务程序
void DMA1_Channel1_IRQHandler(void) {
    if(DMA1->ISR & DMA_ISR_HTIF1) {
        processBuffer(0, BUF_SIZE/2);
    }
    if(DMA1->ISR & DMA_ISR_TCIF1) {
        processBuffer(BUF_SIZE/2, BUF_SIZE);
    }
    DMA1->IFCR = DMA_IFCR_CTCIF1 | DMA_IFCR_CHTIF1;
}

4. 实战应用案例分析

4.1 传感器噪声抑制

在物联网设备中，传感器数据常受到各种干扰。比较原始数据和滤波后效果：

场景	原始数据波动	滤波后波动	响应延迟
温度监测	±0.5°C	±0.1°C	2秒
振动检测	±5mg	±0.8mg	20ms
电流测量	±10mA	±2mA	50ms

4.2 按键消抖实现

机械按键的抖动问题可以通过低通滤波解决：

#define DEBOUNCE_TIME 50  // 50ms消抖时间
#define SAMPLE_RATE 1000  // 1kHz采样率

uint8_t isKeyPressed(GPIO_TypeDef* port, uint16_t pin) {
    static LowPassFilter keyFilter;
    static uint8_t initialized = 0;
    
    if(!initialized) {
        float cutoff = 1.0 / (2 * M_PI * DEBOUNCE_TIME / 1000.0);
        initFilter(&keyFilter, cutoff);
        initialized = 1;
    }
    
    float raw = HAL_GPIO_ReadPin(port, pin) ? 1.0 : 0.0;
    float filtered = updateFilter(&keyFilter, raw);
    
    return (filtered > 0.5) ? 1 : 0;
}

4.3 电机转速平滑

当处理编码器脉冲计算转速时，低通滤波可以平滑瞬时波动：

float calculateRPMSmoothed(uint32_t pulseCount, uint32_t elapsedMs) {
    static LowPassFilter rpmFilter;
    static uint8_t initialized = 0;
    
    if(!initialized) {
        // 假设我们关心的是1Hz以上的转速变化
        initFilter(&rpmFilter, 1.0); 
        initialized = 1;
    }
    
    float rawRPM = (pulseCount * 60000.0) / (PULSES_PER_REV * elapsedMs);
    return updateFilter(&rpmFilter, rawRPM);
}

5. 进阶话题与陷阱规避

5.1 频率响应验证

如何验证你的数字滤波器是否按预期工作？可以通过频率扫描测试：

生成不同频率的正弦波输入
记录输出幅度
绘制幅度-频率曲线

# 简易验证脚本示例
import numpy as np
import matplotlib.pyplot as plt

def digital_lowpass(x, alpha, prev_y):
    return alpha * x + (1 - alpha) * prev_y

fs = 1000  # 采样率
fc = 50    # 设计截止频率
alpha = 2 * np.pi * fc / (2 * np.pi * fc + fs)

frequencies = np.logspace(0, 3, 50)  # 1Hz到1kHz
gains = []

for freq in frequencies:
    t = np.arange(0, 1, 1/fs)
    x = np.sin(2 * np.pi * freq * t)
    y = 0
    y_vals = []
    
    for sample in x:
        y = digital_lowpass(sample, alpha, y)
        y_vals.append(y)
    
    gain = np.max(y_vals[-100:])  # 稳态幅度
    gains.append(gain)

plt.semilogx(frequencies, 20 * np.log10(gains))
plt.title('数字低通滤波器频率响应')
plt.xlabel('Frequency (Hz)')
plt.ylabel('Gain (dB)')
plt.grid()

5.2 常见问题解决方案

问题1：相位延迟影响控制性能

解决方案 ：

使用前向预测补偿
在非关键路径使用滤波
考虑零相位滤波技术（需要离线处理或延迟输出）

问题2：阶跃响应过慢

调整策略 ：

// 动态调整α的启发式方法
float dynamicAlpha(float error) {
    float baseAlpha = 0.1;
    float sensitivity = 0.5;
    return baseAlpha * (1 + sensitivity * fabs(error));
}

问题3：量化噪声放大

应对措施 ：

增加ADC分辨率
使用dithering技术
合理选择截止频率

5.3 多阶滤波器扩展

当一阶滤波无法满足要求时，可以串联多个一阶滤波器：

typedef struct {
    float alpha;
    float stage1;
    float stage2;
} TwoStageFilter;

float twoStageFilter(TwoStageFilter* f, float input) {
    f->stage1 = f->alpha * input + (1 - f->alpha) * f->stage1;
    f->stage2 = f->alpha * f->stage1 + (1 - f->alpha) * f->stage2;
    return f->stage2;
}

这种级联方式等效于-40dB/dec的衰减斜率，但需要注意：

每个阶段引入额外延迟
总相位滞后增加
截止频率计算更复杂

6. 性能评估与优化

6.1 实时性分析

在不同平台上的执行时间比较：

平台	浮点实现(µs)	定点实现(µs)	适合应用场景
Arduino Uno	112	24	低速传感器
STM32F103	1.2	0.3	通用控制
STM32H743	0.15	0.05	高速信号处理

6.2 内存占用评估

各种实现方式的内存需求：

实现方式	RAM(字节)	Flash(字节)	特点
基本浮点	4	200	精度高
定点Q15	2	150	速度快
结构体封装	8	250	可扩展
多实例管理	4*N	300	多通道

6.3 优化技巧汇编

查表法 ：预计算α系数对应不同截止频率

const float alphaLUT[] = {0.01, 0.02, 0.05, 0.1, 0.2};

SIMD加速 ：在支持SIMD的MCU上并行处理多个通道

// ARM Cortex-M4/M7的SIMD指令示例
filtered = __smlad(alpha_vec, input_vec, one_minus_alpha_prev_output);

定时器触发 ：精确控制采样间隔

// 使用硬件定时器触发ADC和滤波计算
HAL_TIM_Base_Start_IT(&htim3);

状态保存 ：低功耗模式下的数据保持

void saveFilterState(Flash_TypeDef* flash, LowPassFilter* filter) {
    FLASH_ProgramWord((uint32_t)&flash->filterState, *(uint32_t*)&filter->prevOutput);
}

在实际项目中，我发现最容易被忽视的是滤波器的初始化状态。一个未正确初始化的滤波器可能导致系统启动时的瞬态响应问题。例如，在温度控制系统中，如果滤波器初始值为0而实际温度为25°C，系统可能需要几分钟才能达到稳定状态。解决方法是上电时用首次采样值初始化滤波器状态，或者从非易失性存储器中恢复上次的工作状态。

AI硬件创业社区

智能硬件社区聚焦AI智能硬件技术生态，汇聚嵌入式AI、物联网硬件开发者，打造交流分享平台，同步全国赛事资讯、开展 OPC 核心人才招募，助力技术落地与开发者成长。

更多推荐

esp32开发与应用（esp和wch芯片的配合）

AI硬件创业社区

筑城世纪模型燃机电站沙盘动态灯光控制系统：基于STM32与Modbus RTU的实战方案

该沙盘模型总长4.2米、宽2.1米，实现6级全流程动态灯光联动，涵盖LNG气化区、燃气轮机、余热锅炉、蒸汽轮机、发电机、并网六个核心工艺节点。专注燃机电站沙盘模型、电力沙盘模型、工业沙盘模型及全流程动态沙盘定制，动态控制系统自主研发，支持Modbus通讯。技术交流可通过公司官网联系。主控作为从站、中控平板作为主站的设计，将协议解析和逻辑判断分离，扩展性好，新设备加入只需在主站配置寄存器映射，无需修