第四节：一阶低通滤波——原理、截止频率设计、代码实现

各位同学好，今天我们聊一聊传感器融合里最基础、也最常用的一个工具——一阶低通滤波。

说实话，我刚入行那会儿，觉得滤波嘛，不就是把数据平滑一下？后来在项目里吃过亏才明白：截止频率设错了，整个系统都会跟着抖。今天我就把这块掰开揉碎了讲清楚。

4.1 一阶低通滤波的原理

先问大家一个问题：为什么传感器数据需要滤波？

你想想看，一个加速度计放在桌面上不动，读出来的数值是不是一直在跳？±0.01g、±0.02g 来回晃。这就是高频噪声。一阶低通滤波，说白了就是让低频信号通过，把高频噪声挡在外面。

它的数学表达式很简单：

y[n] = α * x[n] + (1 - α) * y[n-1]

其中：

  • y[n] —— 当前滤波后的值
  • x[n] —— 当前原始采样值
  • y[n-1] —— 上一次滤波后的值
  • α —— 滤波系数（0 ~ 1）

这个公式怎么理解？我个人的习惯是把它看作“信任分配”：

  • α 越大，越信任当前测量值，响应快但噪声大
  • α 越小，越信任历史平滑值，响应慢但更平滑

核心思想：一阶低通滤波本质上是一个加权滑动平均，只不过权重是指数衰减的。

4.2 截止频率的设计

这里有个坑，我当年踩过。很多人直接把 α 设成 0.1 或 0.01，觉得“越小越平滑”。结果呢？系统响应慢得像蜗牛，手都挥过去了，滤波后的数据还没跟上。

截止频率才是设计的关键。它决定了“多快的信号算高频，会被滤掉”。

一阶低通滤波的截止频率 fc 与 α 的关系如下：

α = 2π * fc * Δt / (1 + 2π * fc * Δt)

其中 Δt 是采样周期（秒）。反过来，已知 α 求截止频率：

fc = α / (2π * Δt * (1 - α))

嗯，这里要注意：这个公式是近似公式，在 fc 远小于采样频率时成立。实际项目中够用了。

我的经验法则：

  • 人体运动（手势、步态）：截止频率 5~20 Hz
  • 车辆姿态（IMU 融合）：截止频率 2~10 Hz
  • 温度、气压等缓变量：截止频率 0.1~1 Hz

举个例子：采样频率 100 Hz（Δt = 0.01 s），想要截止频率 10 Hz：

α = 2π * 10 * 0.01 / (1 + 2π * 10 * 0.01)
   = 0.628 / 1.628
   ≈ 0.386

你看，α 并不是随便拍脑袋定的，而是有物理含义的。

4.3 代码实现

直接上代码。我习惯用 C 语言写嵌入式滤波库，结构清晰，移植方便。

4.3.1 基础实现

typedef struct {
    float alpha;    // 滤波系数
    float y_prev;   // 上一次滤波值
    uint8_t first;  // 首次运行标志
} LowPassFilter_t;

void LowPass_Init(LowPassFilter_t *filt, float alpha) {
    filt->alpha = alpha;
    filt->y_prev = 0.0f;
    filt->first = 1;
}

float LowPass_Update(LowPassFilter_t *filt, float x) {
    if (filt->first) {
        filt->y_prev = x;   // 首次直接赋值
        filt->first = 0;
        return x;
    }
    float y = filt->alpha * x + (1.0f - filt->alpha) * filt->y_prev;
    filt->y_prev = y;
    return y;
}

注意：首次滤波时，我建议直接输出原始值。否则初始值设为 0，会导致前几个采样点出现跳变。这个细节我曾经在调试无人机姿态时吃过亏，飞控一上电就乱晃，查了半天才发现是滤波器初始值的问题。

4.3.2 带截止频率的初始化

我个人更喜欢直接传截止频率和采样频率，让函数自己算 α：

void LowPass_InitWithFc(LowPassFilter_t *filt, float fc, float fs) {
    float dt = 1.0f / fs;
    float omega_c = 2.0f * 3.14159265f * fc;
    filt->alpha = omega_c * dt / (1.0f + omega_c * dt);
    filt->y_prev = 0.0f;
    filt->first = 1;
}

这样调用起来就直观多了：

LowPassFilter_t accel_filter;
LowPass_InitWithFc(&accel_filter, 10.0f, 100.0f);  // 10Hz 截止，100Hz 采样

// 每次读取传感器后调用
float filtered_accel = LowPass_Update(&accel_filter, raw_accel);

4.4 实际项目中的避坑指南

讲几个我亲身踩过的坑：

  • 坑一：采样频率不稳定 —— 如果系统是事件驱动的，采样间隔不固定，直接用固定 α 会导致截止频率漂移。解决方案：用时间戳动态计算 α。
  • 坑二：α 太小导致滞后 —— 我曾经在平衡车上把 α 设成 0.01，结果车子反应慢半拍，根本站不稳。后来改成 0.3 左右才正常。
  • 坑三：浮点运算性能 —— 在低端 MCU 上，大量浮点乘法可能拖慢主循环。可以用定点数近似，或者用移位运算实现 2 的幂次 α。

一句话总结：一阶低通滤波不是“越小越好”，而是“合适才好”。先算截止频率，再定 α，最后调参微调。

4.5 进阶思考

一阶低通滤波虽然简单，但它是很多高级滤波器的基石。比如：

  • 互补滤波 —— 本质上是两个一阶低通滤波的组合
  • 卡尔曼滤波 —— 预测更新阶段也包含低通特性
  • 滑动窗口滤波 —— 可以看作一阶低通的离散近似

所以，把一阶低通吃透了，后面学其他滤波器会轻松很多。

好，今天就到这里。下一节我们讲滑动平均滤波，看看它和一阶低通有什么区别，各自适合什么场景。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →