一阶低通滤波器

转自: https://blog.csdn.net/qq_27334499/article/details/52186336

典型电路

图1 典型RC电路
直流、交流、脉冲信号都可以用它

时域

电容电流：

Ic=dqdt=d(C∙Uo)dt=CdUodt

基尔霍夫电压定律得：

Ui=RCdUodt+Uo

Ui的单位是伏特，RC的单位为秒，τ=RC；
解得:

Uo(t)=Ui(1−e∧(−t/RC))

假设电容初始电压值为0
R=1000Ω
C=4.7uF
Ui=1V
t=0.0001~0.1s
τ=RC
Vc(τ)=0.632

图2 一阶RC系统的阶跃响应曲线

频域

u1=Ui；u2=Uo；
以电容电压作为输出，电路的网络函数为：

H(jω)=U2U1=1jωCR+1jωC=11+jωRC

令ωc=

1RC=1τ

ωc即为截止频率；

幅值和相角函数：

|H(jω)|=11+(ωωc)2−−−−−−−−√

θ(ω)=−arctanωωc

各变量取值：
R=1000Ω
C=4.7uF

j=−1−−−√

ω=1RC

fc=12πRC

A(f)=1j2πfRC+1

|A(fc)|=0.707

θ(f)=180arg(A(f))π

θ(fc)=-45

f=0.001、1、…….100000

幅频和相频特性图：

图3

图4
幅频特性图的对数表示：

图5

-当ω<ωc时，幅值是平行于坐标的直线，基本无衰减；　

-当ω>>ωc时，是斜率与-20dB/十倍频成比例的一条直线；　

-当ω=ωc时，增益衰减至0.707，即-3dB，相位滞后45度，对应低通滤波器，该频率通常被称为截止频率。

缺点：
采用这种模拟滤波器抑制低频干扰时，要求滤波器有较大的时间常数和高精度的RC网络，增大时间常数要求增大R值，其漏电流也随之增大，从而降低了滤波效果；

软件上的一阶低通滤波

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

基本滤波算法：

算法由来：
频率分析中一阶RC低通滤波在S域的传递函数：

VoutVin=1RCs+1,(s=jω)

通过z变换（方法很多，如一阶前向差分、双线性变换等这里用一阶后向差分法）

s=1−z∧(−1)T,T表示采样周期

带入S域传递函数中：

Y(z)X(z)=1RC1−z∧(−1)T+1=TRC(1−z∧(−1))+T

推导转化为差分方程后可得：

Y(n)=TT+RCX(n)+RCT+RCY(n−1)

通过Z变换把S域的传递函数转化成时域的差分方程，分析可得到

一阶RC数字滤波的基本算法

X为输入，Y为滤波后得输出值，则：

Y(n)=a∗X(n)+(1−a)∗Y(n−1)

a为与RC值有关的一个参数，称为滤波系数，其值决定新采样值在本次滤波结果中所占的权重，其值通常远小于1，当采样间隔t足够小的时候，

a=tRC

-滤波系数越小，滤波结果越平稳，但是灵敏度越低；

-滤波系数越大，灵敏度越高，但是滤波结果越不稳定

-本次输出值主要取决于上次滤波输出值，当前采样值对本次输出贡献比较小，起到修正作用；

-截止频率：

fl=a2πt

例如：t=0.5s (f=2Hz), a=1/32
则fl=(1/32)/(2*3.14*0.5)=0.01Hz;

基本程序：

按照一阶滤波的基本原理与公式写程序，如下：

/*程序中整数运算比小数运算快，为加快程序的处理速度，为计算方便，a取一整数，1-a用256-a来代替，a则取0~255,代表新采样值在滤波结果中的权重（也可将1-a的基数改为100-a，计算结果做相应处理，这里不做说明）*/ #define a 128 char value; //上次滤波值 char filter() { char new_value; new_value=get_ad();//本次采样值 return(256-a)*value/256+a*new_value/256； }

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

程序初步优化

减少乘、除的运算次数以提高运算速度。
具体优化办法：
先将新采样值与上次滤波结果进行比较，然后根据比较采用不同的公式计算，这样程序的运算效率提高了一倍；
化解基本公式可得:

当Xn<Y(n−1)时，Yn=Y(n−1)−(Y(n−1)−Xn)×a÷256;

当Xn>Y(n−1)时，Yn=Y(n−1)+(Xn−Y(n−1))×a÷256;

流程图：

程序：

/*入口：NEW_DATA 新采样值
       OLD_DATA 上次滤波结果
       k        滤波系数(0~255)(代表在滤波结果中的权重)
  出口：         本次滤波结果
 */
 char filter_1(char NEW_DATA,char OLD_DATA,char k)
{
    int result;
    if(NEW_DATA<OLD_DATA)
    {
        result=OLD_DATA-NEW_DATA;
        result=result*k;
        result=result+128;//+128是为了四色五入 result=result/256; result=OLD_DATA-result; } else if(NEW_DATA>OLD_DATA) { result=NEW_DATA-OLD_DATA; result=result*k; result=result+128;//+128是为了四色五入 result=result/256; result=OLD_DATA-result; } else result=OLD_DATA; return((char)result); }

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27

滤波分析：
当滤波系数为30的时候：

当滤波系数为128的时候：

当滤波系数为200的时候：

可见滤波系数越小，滤波结果越平稳，但是灵敏度越低；滤波系数越大，灵敏度越高，但滤波结果也越不稳定；

不足

-灵敏度和平稳度间的矛盾

-小数舍弃带来的误差
比如：本次采样值=25，上次滤波结果=24，滤波系数=10；
根据算法得本次结果=24.0390625
在单片机中，很少采用浮点数，小数部分要么舍弃，要么进行四色五入。这样结果就变成24；假如采样值一直为25那么，结果永远是24；滤波结果和实际数据一直存在无法消除的误差。
严重时会导致，在数据采样数据稳定在某一数值上时，滤波结果曲线偏离实际值（即滤波结果在稳定时与实际结果存在较大误差）；

改善办法

改变滤波系数，增大会导致平稳度降低，滤波系数太大滤波也就丧失意义；
将小数位参与计算，会给CPU带来沉重运算压力；

优化方法 —– 动态调整滤波系数

1、实现功能：
-当数据快速变化时，滤波结果能及时跟进，并且数据的变化越快，灵敏度应该越高（灵敏度优先原则）
-当数据趋于稳定，并在一个范围内振荡时，滤波结果能趋于平稳（平稳度优先原则）
-当数据稳定后，滤波结果能逼近并最终等于采样数据（消除因计算中小数带来的误差）
2、调整前判断：
-数据变化方向是否为同一个方向（如当连续两次的采样值都比其上次滤波结果大时，视为变化方向一致，否则视为不一致）
-数据变化是否较快（主要是判断采样值和上一次滤波结果之间的差值）
3、调整原则：
-当两次数据变化不一致时，说明有抖动，将滤波系数清零，忽略本次新采样值
-当数据持续向一个方向变化时，逐渐提高滤波系数，提供本次采样值得权；
-当数据变化较快（差值>消抖计数加速反应阈值）时，要加速提高滤波系数

调整滤波系数的程序流程:

几个常量参数及其取值范围：
（不同的取值会影响滤波的灵敏度和稳定度）
1、消抖计数加速反应阈值，取值根据数据情况确定
2、消抖计数最大值，一般取值10；
3、滤波系数增量，一般取值范围为10~30
4、滤波系数最大值，一般取值255；

在调用一阶滤波程序前，先调用调整滤波系数程序，对系数进行即时调整

滤波效果

1、当采样数据偶然受到干扰，滤波结果中的干扰完全被滤除
2、当数据在一个范围内振荡时，滤波结果曲线非常平滑，几乎是一根直线
3、当采样数据发生真实的变化时，滤波结果也能比较及时地跟进
4、当采样数据趋于稳定时，滤波结果逐渐逼近并最终等于采样数据

-最终改进算法，兼顾了灵敏度和平稳度的要求；同时又不太消耗系统的RAM；
-只要合理调整几个常量，以使得算法更合适实际应用；

应用

下面是一个使用了动态调整滤波的例子：

程序：

//用MPU6050测得数据；对x轴滤波处理

#define Threshold_1     8       //阈值1用于一阶带参滤波器，变化角度大于此值时，计数增加
#define Threshold_2     30      //阈值2用于一阶带参滤波器，计数值大于此值时，增大参数，增强滤波跟随

float K_x=0; //滤波系数
u8 new_flag_x=0;//本次数据变化方向
u8 num_x=0;//滤波计数器 /*****带系数修改的一阶滤波函数 入口： NEW_DATA 新采样的角度值 OLD_DATA 上次滤波获得的角度结果 k 滤波系数(代表在滤波结果中的权重) flag 上次数据变化方向 出口： result 本次滤波角度结果 */ float filter_1_x(float NEW_DATA,float OLD_DATA,float k,u8 flag) { //角度变化方向，new_flag=1表示角度增加，=0表示角度正在减小 if((NEW_DATA-OLD_DATA)>0) new_flag_x=1; else if((NEW_DATA-OLD_DATA)<0) new_flag_x=0; if(new_flag_x==flag) //此次变化与前一次变化方向是否一致，相等表示角度变化方向一致 { num_x++; if(fabs((NEW_DATA-OLD_DATA))>Threshold_1) //当变化角度大于Threshold_1度的时候，进行计数器num快速增加，以达到快速增大K值，提高跟随性 num_x+=5; if(num_x>Threshold_2) //计数阈值设置，当角度递增或递减速度达到一定速率时，增大K值 { K_x=k+0.2; //0.2为K_x的增长值，看实际需要修改 num_x=0; } } else { num_x=0; K_x=0.01; //角度变化稳定时K_x值，看实际修改 } OLD_DATA=(1-K_x)*OLD_DATA+K_x*NEW_DATA; return OLD_DATA; } 

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52

上几张图片：

-

-

修改程序中的阈值1和阈值2，可获得不同的滤波效果