一、概述
一阶低通滤波算法是一种比较常用的滤波算法，又称一阶惯性滤波，或一阶低通滤波。算法公式如下：
Y(n)=k*X(n)+ (1-k)Y(n-1); ( Y(n)为本次输出，k为滤波系数，Y(n-1)为上次输出)
从公式即可看出结果是对本次输出和上次输出进行加权后输出。
网上对该滤波算法的优缺点总结的优缺点如下：
优点：
-采用数字滤波算法来实现动态的RC滤波，则能很好的克服模拟滤波器的缺点；
-在模拟常数要求较大的场合这种算法显得更为实用；
-其对于周期干扰有良好的抑制作用；
-比较节省RAM空间；
缺点
-不足之处是带来了相位滞后，导致灵敏度低；
-同时它不能滤除频率高于采样频率的二分之一（称为奈奎斯特频率）的干扰（例如采样频率为100Hz，则它不能滤除50Hz以上的干扰信号）对于高于奈奎斯特频率的干扰信号，应该采用模拟滤波器；
-对没有乘、除法运算指令的单片机来说，程序运算工作量较大；
关于滤波系数k的总结如下：
1、滤波系数越小，滤波结果越平稳，但是灵敏度越低；
2、滤波系数越大，灵敏度越高，但是滤波结果越不稳定；
3、当数据快速变化时，滤波结果能及时跟进（灵敏度优先）；
4、当数据趋于稳定，在一个固定的点上下振荡时，滤波结果能趋于平稳（平稳度优先）；
二、模型的搭建
模型的搭建如下图。
引入一个带噪声的正弦波，k=0.5时的滤波效果如图。通过不断调整k系数即可得到较好的滤波效果了。
在模型定点化的时候，经常需要根据上下限以及精度进行取舍，此时还需要注意滤波后的结果与实际结果的误差是否满足需求。
如，本次输入信号为15，上次输入信号为14，滤波系数为0.85，按照公式本次输出信号=15*0.85+14*（1-0.85）=14.85。若此时取整则实际输出为15。