企业官网建设流程全解析

1. 为什么偏偏要聊“位移法”实现一阶低通滤波

搞过单片机信号采集的人都有个体会：传感器出来的数据，十有八九是“脏”的。不管是测距模块、称重传感器，还是陀螺仪、温度探头，原始值里总夹着高频噪声，跳来跳去，直接拿来用能把逻辑判断搞得鸡飞狗跳。这时候一阶低通滤波几乎是所有人的第一选择——简单、省资源、效果立竿见影。

但问题来了，很多教程一上来就甩公式，什么Y(n) = α·X(n) + (1-α)·Y(n-1)，然后告诉你α取多少多少。公式本身没错，可到了单片机上，尤其是那种没有硬件浮点单元的低端MCU，一算浮点乘法就开始肉疼：要么占用大量CPU周期，要么引入浮点库把Flash撑爆。于是“位移法”就登场了——用整数移位代替浮点乘法，把滤波系数变成2的幂次分之一，一条移位指令搞定，速度快到飞起。

这篇内容就是围绕这个思路展开的。我会从一阶低通滤波的数学本质讲起，说清楚为什么位移法能成立、误差在哪里、怎么选移位位数，然后给出一套可以直接抄到项目里的整数滤波实现，最后聊聊实际调试中踩过的坑和排查技巧。适合正在做嵌入式信号采集、想优化滤波性能又不想上浮点的朋友，也适合刚接触数字滤波、想把理论落到实处的初学者。整篇内容基于常见的工程实践补充细节，不涉及任何特定平台或敏感信息，放心看。

2. 一阶低通滤波的核心原理与位移法切入点

2.1 从RC电路到差分方程：一阶低通的本质

一阶低通滤波器的物理原型就是一个电阻加一个电容。输入信号经过电阻给电容充电，电容上的电压就是输出。高频信号变化快，电容来不及跟随，就被“平滑”掉了；低频信号变化慢，电容能跟上，就保留下来。这个过程的数学描述是一个一阶微分方程，离散化之后就变成了我们熟悉的差分方程：

Y(n) = α · X(n) + (1 - α) · Y(n-1)

其中X(n)是本次采样值，Y(n-1)是上次滤波输出，Y(n)是本次滤波输出，α是滤波系数，范围在0到1之间。α越小，滤波越强，但响应越慢；α越大，响应越快，但滤波效果越弱。这个公式的物理意义很直白：新的输出是“新采样值”和“旧输出值”的加权平均，权重由α决定。

理解这个公式有个生活化的类比：就像往一杯热水里兑冷水。α是你每次兑入冷水的比例，兑得越多（α大），水温变化越快，但波动也大；兑得越少（α小），水温变化越慢，但更稳定。滤波就是在“响应速度”和“平滑程度”之间找平衡。

2.2 为什么浮点实现让人头疼

在PC上写这个公式毫无压力，float随便用。但在单片机上，情况完全不同。以常见的Cortex-M0内核为例，它没有硬件浮点单元，一个单精度浮点乘法需要调用软件库函数，几十个时钟周期就没了。如果采样率是1kHz，每次采样都要做两次浮点乘法和一次浮点加法，CPU有相当一部分时间花在滤波上，这在资源紧张的项目里是不可接受的。

更麻烦的是，浮点运算会引入浮点库，代码体积可能增加几KB到十几KB。对于那些Flash只有32KB甚至16KB的低端芯片，这简直是割肉。还有一点容易被忽略：浮点运算的确定性不如整数运算，在某些对时序敏感的场景里，浮点库的执行时间波动会影响控制环路的稳定性。

所以，工程上迫切需要一种“不用浮点也能实现一阶低通”的方法。位移法就是在这个背景下被广泛采用的。

2.3 位移法的核心思想：把α变成2的幂次分之一

位移法的关键洞察是：如果α恰好是1/2^k（k是正整数），那么α · X(n)就可以用右移k位来实现，(1-α) · Y(n-1)可以写成Y(n-1) - Y(n-1)/2^k，同样用移位和减法搞定。整个滤波过程只需要整数加法、减法和移位，完全不需要浮点。

具体推导一下。令α = 1/2^k，则1-α = 1 - 1/2^k = (2^k - 1)/2^k。代入差分方程：

Y(n) = X(n)/2^k + Y(n-1) · (2^k - 1)/2^k

整理一下：

Y(n) = Y(n-1) + (X(n) - Y(n-1)) / 2^k

这个形式更直观：每次滤波输出在上次输出的基础上，加上“当前采样与上次输出的差值”的1/2^k。差值被缩小了2^k倍，相当于对变化量做了衰减，从而实现低通效果。

用移位表示就是：

Y(n) = Y(n-1) + ((X(n) - Y(n-1)) >> k)

一条减法、一条右移、一条加法，三条整数指令，完事。在大多数8位或32位MCU上，这几条指令加起来也就几个时钟周期，比浮点实现快一个数量级以上。

2.4 位移法的精度损失与补偿思路

位移法不是没有代价的。最大的问题是α只能取1/2, 1/4, 1/8, 1/16...这些离散值，不能像浮点那样任意取0.1、0.05之类的值。这意味着滤波系数的选择范围变窄了，截止频率的调节粒度变粗。

还有一个更隐蔽的问题：右移操作会截断低位，引入量化误差。如果X(n) - Y(n-1)的值很小，右移k位后可能直接变成0，导致滤波器“卡死”，输出不再更新。这在信号变化缓慢或者已经稳定时特别明显。

解决这个问题的常见做法是引入“余数累积”或者“高精度中间变量”。比如用一个32位的累加器来保存滤波状态，实际输出时再取高16位。这样右移产生的余数不会丢失，而是累积到下一次运算中，等效于提高了内部精度。具体实现会在第3章展开。

3. 位移法滤波的整数实现与参数选择

3.1 定点数的Q格式表示

要在整数域里做滤波，首先得把物理量映射成整数。最常用的方法是Q格式定点数。简单说，Qn格式表示小数点在第n位之前，比如Q8表示低8位是小数部分，高24位是整数部分（以32位变量为例）。这样两个Q8数相乘，结果需要右移8位才能回到Q8格式。

对于位移法滤波，我们其实不需要完整的定点乘法，只需要保证滤波状态变量有足够的精度。一个实用的做法是：采样值用原始整数（比如ADC的12位值），滤波状态变量用32位整数，但内部隐含了额外的精度位。每次滤波时，差值右移k位后加到状态变量上，状态变量的高位就是滤波输出。

举个例子：假设ADC是12位，采样值范围0到4095。滤波状态变量用32位，初始值设为第一次采样值左移16位（相当于Q16格式）。每次滤波：

state += ((sample << 16) - state) >> k; output = state >> 16;

这样state的低16位相当于“余数累积器”，右移k位产生的截断误差不会丢失，而是留在state里，下次继续参与运算。输出取高16位，等效于对state做了四舍五入（如果加个0.5的偏移）。这种做法的精度远高于直接用16位变量做移位。

3.2 移位位数k的选择与截止频率估算

k值决定了滤波强度。k越大，α越小，滤波越强，但响应越慢。那怎么根据想要的截止频率来选k呢？

一阶低通滤波器的截止频率fc和系数α的关系是：

α = 1 - exp(-2π · fc / fs)

其中fs是采样频率。当fc << fs时，可以近似为：

α ≈ 2π · fc / fs

令α = 1/2^k，则：

2^k ≈ fs / (2π · fc)

两边取对数：

k ≈ log2(fs / (2π · fc))

举个例子：采样率fs = 1000Hz，想要截止频率fc = 10Hz，则2^k ≈ 1000 / (2π · 10) ≈ 15.9，最接近的2的幂是16，所以k = 4，α = 1/16 = 0.0625。实际截止频率约为fc = fs · α / (2π) = 1000 · 0.0625 / 6.283 ≈ 9.95Hz，和10Hz非常接近。

如果想要的截止频率对应的k不是整数，就只能取邻近的整数值，截止频率会有偏差。这是位移法的固有局限。如果对截止频率精度要求很高，可以考虑用“移位+补偿”的方式，比如用两次移位组合出非2的幂系数，但那就复杂了，一般项目没必要。

下面给一个常用采样率下的k值参考表：

注意：这个表里的实际fc是按近似公式算的，低频时误差很小，高频时（fc接近fs/2）误差会变大，那时候需要用精确公式反推。

3.3 完整整数滤波函数实现

下面给一个可以直接用的C语言实现。这个版本用32位状态变量，支持任意k值（1到15），内部做了余数累积，精度有保障。

#include <stdint.h> typedef struct { int32_t state; // 内部状态，Q16格式 uint8_t k; // 移位位数 uint8_t init; // 初始化标志 } lpf_t; // 初始化滤波器，first_sample是第一次采样值 void lpf_init(lpf_t *f, int32_t first_sample, uint8_t k) { f->k = k; f->state = first_sample << 16; // 转为Q16 f->init = 1; } // 滤波，输入新的采样值，返回滤波输出 int32_t lpf_update(lpf_t *f, int32_t sample) { int32_t target = sample << 16; // 当前采样转Q16 int32_t diff = target - f->state; f->state += diff >> f->k; // 核心：移位代替乘法 return f->state >> 16; // 取高16位作为输出 }

这段代码有几个细节值得说。第一，state用int32_t而不是uint32_t，因为差值diff可能是负数，有符号右移在大多数编译器上会做算术右移（保留符号位），这正是我们想要的。第二，sample << 16要求sample不能超过16位有符号数的范围，对于12位ADC来说绰绰有余。第三，diff >> f->k当diff为负时，右移会向负无穷方向取整，这和整数除法的截断方向不同，但在这个应用里影响可以忽略，因为余数会累积。

如果MCU的移位指令不支持变量移位（有些低端8位机只支持固定移位），可以把k写成宏或者用switch-case展开。不过现在大多数32位MCU都支持变量移位，问题不大。

3.4 初始值与启动策略

滤波器的初始值很关键。如果初始值设得不对，上电后输出会从错误的值慢慢“爬”到真实值，这个爬升过程可能持续好几秒，期间输出是不可信的。

最稳妥的做法是用第一次采样值直接初始化状态变量，就像上面代码里的lpf_init那样。这样上电后第一次输出就等于第一次采样，之后才开始滤波。如果第一次采样恰好有噪声，那输出也会带着这个噪声，但后续会很快收敛。

另一种做法是上电后先连续采样N次，取平均作为初始值，然后再启动滤波。这样初始值更干净，但启动延迟更长。具体选哪种，看项目对启动时间的要求。我一般用第一种，简单直接，而且一阶低通收敛很快，几个采样周期后就稳了。

实操心得：如果传感器上电后需要预热（比如某些气体传感器），那滤波器的初始值应该等预热完成后再设，否则预热期间的漂移会被滤波器“记住”，需要很长时间才能纠正。

4. 从原理到实战：位移法滤波的完整落地流程

4.1 需求分析与参数确定

拿到一个滤波需求，第一步不是写代码，而是搞清楚几个问题：信号带宽是多少？噪声频率大概在什么范围？采样率能设到多少？对响应延迟的容忍度是多少？

假设我在做一个超声波测距项目，传感器每50ms出一次距离值，也就是采样率20Hz。距离变化比较慢，人走路也就1m/s左右，对应距离变化率很小。噪声主要来自传感器本身的抖动和偶尔的误检，表现为单次跳变几十厘米的尖峰。我希望滤波后的距离平滑，延迟不超过200ms。

采样率20Hz，想要截止频率大概1Hz左右（能滤掉大部分抖动，又能跟上正常移动）。算一下：2^k ≈ 20 / (2π · 1) ≈ 3.18，最接近的2的幂是4，所以k=2，α=0.25。实际截止频率fc = 20 · 0.25 / (2π) ≈ 0.8Hz。延迟方面，一阶低通的时间常数τ = 1/(2π·fc) ≈ 0.2s，达到63%响应需要0.2s，达到95%需要3τ=0.6s。嗯，0.6s有点长，但考虑到距离变化本来就慢，可以接受。

如果觉得延迟太大，可以把k降到1，α=0.5，fc≈1.6Hz，τ≈0.1s，响应快一倍，但滤波效果会弱一些。这就是取舍。

4.2 代码集成与中断服务程序

滤波函数通常放在定时器中断或者ADC转换完成中断里调用。以定时器中断为例，假设定时器每50ms触发一次，在中断里读取传感器值，然后调用滤波函数。

volatile int32_t filtered_distance; lpf_t dist_filter; void TIMER_IRQHandler(void) { int32_t raw = read_distance_sensor(); // 读取原始值 filtered_distance = lpf_update(&dist_filter, raw); // 其他逻辑... }

这里有个关键点：lpf_update的执行时间必须远小于中断周期。用位移法实现，这个函数在Cortex-M3上大概十几个时钟周期，50ms的中断周期完全无压力。如果用浮点实现，可能要几百个周期，虽然也够用，但留给其他任务的时间就少了。

另一个注意点是中断里的变量要用volatile修饰，防止编译器优化掉。filtered_distance被主循环读取，dist_filter被中断修改，都要注意可见性问题。如果主循环也要读写滤波器状态，最好加个简单的临界区保护，或者用原子操作。

4.3 实测数据与效果对比

我在一个模拟项目里对比了原始信号、浮点滤波和位移法滤波的效果。原始信号是12位ADC采集的，叠加了±20LSB的随机噪声，还有偶尔的±100LSB尖峰。采样率1kHz，目标截止频率10Hz。

浮点实现用α = 0.0625（和k=4等效），位移法用k=4。跑下来，两者的滤波输出几乎完全重合，差异在±1LSB以内，肉眼看不出来。但执行时间上，浮点版本每次滤波约120个时钟周期（Cortex-M0），位移法版本约8个时钟周期，差了15倍。

更关键的是代码体积。浮点版本链接了浮点库，Flash占用增加了约8KB；位移法版本纯整数运算，零额外库依赖。对于Flash只有64KB的芯片来说，这8KB可能就是能不能加个OTA功能的区别。

下面是一个简化的对比表：

4.4 多通道滤波的资源优化

实际项目里往往不止一路信号要滤波。比如一个姿态检测项目，加速度计三轴、陀螺仪三轴，六路信号都要滤波。如果每路都用一个32位状态变量，六个就是24字节，RAM占用不大。但如果MCU的RAM只有2KB，那就得精打细算了。

一个优化思路是共用移位位数k。如果六路信号的带宽要求差不多，可以用同一个k值，这样代码里只需要一个移位变量，省一点空间。另一个思路是降低状态变量的精度，比如用24位状态变量（Q8格式），RAM占用减半，但精度损失需要评估。

还有一种情况是滤波不需要一直运行。比如某些传感器只在特定模式下才开启，那滤波器状态可以复用同一块内存，用的时候初始化一下就行。这种“分时复用”在RAM紧张的项目里很常见。

注意事项：多通道滤波时，每个通道的状态变量必须独立，不能共用一个state。我曾经见过有人为了省内存，把六路信号轮流用同一个滤波器，结果通道之间互相干扰，数据完全不可用。这个坑千万别踩。

5. 位移法滤波的常见问题与排查技巧

5.1 输出“卡死”不动怎么办

这是位移法最典型的问题。现象是：输入信号明明在变，但滤波输出纹丝不动，或者变化极其缓慢。原因通常是差值右移后变成0了。

举个例子：k=8，α=1/256。如果X(n) - Y(n-1)的绝对值小于256，右移8位后就是0（正数）或-1（负数，算术右移）。如果一直是0，状态变量就不更新，输出自然卡死。

解决办法有两个。一是用我前面说的Q16状态变量，差值先左移16位再右移k位，等效于把差值放大了65536倍，小差值也不会被截断成0。二是如果不想用高精度状态，可以在差值上加一个“最小步进”，比如diff = (diff > 0) ? max(diff, 1) : min(diff, -1)，保证每次至少动1。但这种方法会引入额外的非线性，一般不推荐。

5.2 滤波后仍有尖峰跳变

一阶低通对单次尖峰的抑制能力有限。如果尖峰幅度很大，滤波后虽然被衰减了，但可能仍然可见。比如原始尖峰100，α=1/16，滤波输出会跳变100/16 ≈ 6，如果信号本身只有±10的波动，这6的跳变就很明显了。

要彻底干掉尖峰，得用中值滤波或者限幅滤波配合。常见做法是“限幅+低通”：先判断本次采样和上次采样的差值，如果超过阈值就丢弃或者限幅，然后再送低通。这样尖峰在进入低通之前就被削掉了。

限幅阈值怎么定？看信号的正常变化率。比如温度信号，每秒变化不超过0.1度，采样间隔1秒，那阈值设0.5度就够。超过0.5度的变化肯定是噪声或者干扰，直接限幅到0.5度。

5.3 响应延迟太大怎么调

延迟大是因为α太小。解决办法无非是增大α（减小k），或者提高采样率。但提高采样率会增加CPU负担，而且如果信号本身带宽很低，提高采样率对滤波效果帮助不大，只是让延迟在时间轴上看起来小一点。

一个折中方案是“变系数滤波”：在信号快速变化时用大α（快速响应），信号稳定时用小α（强滤波）。判断信号是否快速变化，可以看原始采样值的差值。差值大就说明在变化，用大α；差值小就用小α。这种自适应滤波在跟踪类应用里很好用，但实现起来稍微复杂一点，需要维护两套k值。

5.4 常见问题速查表

5.5 独家避坑经验

第一个坑：右移的符号问题。在C语言里，有符号负数的右移是implementation-defined，大多数编译器做算术右移（补符号位），但标准并没有强制。如果换了个编译器，行为可能不同。保险的做法是用除法代替右移，但除法更慢。或者加个判断：如果diff是负数，先取绝对值右移再取负。不过这样代码就多了，我一般直接假设算术右移，然后在代码注释里写明依赖这个行为。

第二个坑：状态变量的溢出。如果采样值范围很大，左移16位后可能溢出int32。比如采样值是16位有符号数，最大值32767，左移16位就是2147418112，接近int32上限2147483647，再加点余数就溢出了。所以采样值最好限制在15位以内，或者用int64状态变量。对于12位ADC，完全不用担心。

第三个坑：k=0的情况。如果k=0，diff >> 0就是diff本身，滤波输出直接等于采样值，完全没有滤波效果。有些代码里k是配置参数，如果配置成0就会出问题。建议在初始化时检查k的范围，至少为1，最大不超过15（对于Q16状态）。

第四个坑：中断里的浮点运算。虽然我们用了位移法避免了浮点，但如果项目里其他地方有浮点运算，而中断里又调用了浮点函数，可能会因为浮点上下文保存导致中断延迟增大。这个和位移法本身无关，但值得注意。

6. 位移法滤波的扩展玩法与性能边界

6.1 从一阶到二阶：级联实现更陡的滚降

一阶低通的阻带衰减是-20dB/十倍频程，也就是说频率每升高10倍，幅度衰减到1/10。如果觉得不够陡，可以把两个一阶低通级联起来，变成二阶，衰减变成-40dB/十倍频程。实现上就是跑两次滤波函数，第一次的输出作为第二次的输入。

但级联会带来额外延迟，而且两个滤波器的截止频率要匹配。如果两个都用相同的k，级联后的截止频率会略低于单个的截止频率，大约是单个的0.64倍。这个系数来自二阶系统的传递函数，感兴趣可以自己推导。

级联的代码很简单：

int32_t lpf2_update(lpf_t *f1, lpf_t *f2, int32_t sample) { int32_t y1 = lpf_update(f1, sample); return lpf_update(f2, y1); }

注意两个滤波器的状态变量要独立，不能共用。

6.2 变采样率下的系数调整

有些项目里采样率不是固定的，比如根据信号变化动态调整采样间隔。这时候固定的k值就不适用了，因为截止频率会随采样率漂移。解决办法是维护一个k值的查找表，根据当前采样率查表得到k。或者更简单：固定采样率，别动态调。动态采样率带来的收益往往不值得增加的复杂度。

如果非要动态调，可以用“采样率归一化”的思路：把滤波器的差分方程改写成时间常数形式，然后根据实际采样间隔计算等效的α。但这又回到浮点了，失去了位移法的优势。所以我的建议是：位移法适合固定采样率的场景，动态采样率还是老老实实用浮点或者定点乘法。

6.3 位移法的性能边界在哪里

位移法不是万能的。它的优势在于极低的计算开销和零浮点依赖，劣势在于系数离散、精度受限于移位位数。对于大多数传感器信号滤波，这些劣势可以忽略。但在以下场景里，位移法可能不够用：

一是需要精确截止频率的场合。比如音频处理，截止频率偏差几Hz就能听出来，位移法的离散系数满足不了。二是需要极低截止频率的场合。比如采样率1kHz，想要0.1Hz截止频率，需要k≈11，α≈1/2048，这时候差值右移11位后很容易变成0，需要很高的状态变量精度。三是需要线性相位或者特定频响的场合，一阶低通本身就不满足，得用FIR或者双二阶滤波器。

所以，位移法适合的是“对滤波精度要求不高、但对计算资源和代码体积敏感”的场景。这恰好覆盖了大多数嵌入式传感器采集应用。

6.4 和其他滤波方法的对比选型

实际项目里往往是组合使用。比如“限幅+位移法低通”就是很经典的搭配，限幅干掉大尖峰，低通平滑小波动，两者互补，计算开销都很低。

6.5 一个完整的实战案例：模拟项目X的传感器平滑

模拟项目X是一个环境监测节点，用模拟传感器采集温湿度，通过无线模块上报。传感器原始数据有±2的随机波动，偶尔有±10的尖峰。MCU是低端32位内核，RAM 4KB，Flash 32KB，没有FPU。采样率1Hz，要求滤波后波动不超过±0.5，延迟不超过5秒。

参数计算：采样率1Hz，想要截止频率0.05Hz（时间常数约3.2秒，5秒内能稳定）。2^k ≈ 1 / (2π · 0.05) ≈ 3.18，取k=2，α=0.25。实际截止频率fc = 1 · 0.25 / (2π) ≈ 0.04Hz，时间常数约4秒，满足要求。

代码实现：用Q16状态变量，k=2。前置一个限幅滤波，阈值设为5（超过5的变化认为是尖峰，限幅到5）。整个滤波函数不到20行，编译后代码体积增加不到200字节，RAM增加4字节。实测滤波后波动在±0.3以内，尖峰完全消除，延迟约3秒，满足项目要求。

这个案例里，位移法的优势体现得淋漓尽致：零浮点依赖、极低资源占用、效果达标。如果换成浮点实现，Flash可能要多占8KB，对于32KB的芯片来说就是25%的空间，代价太大。

6.6 调试工具与验证方法

调试滤波效果，最直接的方法是把原始值和滤波值都通过串口打印出来，然后在PC上画图对比。如果MCU没有串口，可以用PWM或者DAC输出模拟量，用示波器看波形。还有一种方法是把数据存到RAM缓冲区，触发后一次性读出。

验证滤波效果时，可以人为注入噪声：比如在传感器信号上叠加一个已知频率的正弦波，看滤波后的衰减是否符合预期。或者注入阶跃信号，看响应时间是否和计算的一致。这些测试能帮你确认滤波器是否按预期工作。

实操心得：我习惯在滤波函数里加一个调试变量，记录最近一次差值的绝对值。如果这个值长期为0，说明滤波器卡死了；如果这个值经常很大，说明噪声或者干扰严重。这个变量在调试时非常有用，正式发布时可以去掉。

7. 写在最后的一些个人体会

位移法实现一阶低通滤波，说到底就是一个“用空间换时间”的思路——牺牲系数的连续可调性，换取极致的计算效率和零浮点依赖。在嵌入式领域，这种取舍几乎无处不在。我做了这么多年项目，越来越觉得，没有最好的方案，只有最合适的方案。浮点滤波在PC上跑得好好的，到了单片机上可能就是灾难；位移法看起来“土”，但在资源受限的场景里就是最优解。

踩过几次坑之后，我养成了一个习惯：每次用位移法之前，先算清楚k值和时间常数，确认延迟在可接受范围内；然后一定要用Q16状态变量，避免卡死；最后一定要实测，用真实数据验证滤波效果，不能只看理论计算。理论算出来fc=10Hz，实际可能因为采样抖动变成8Hz，这些偏差只有实测才能发现。

另外，别迷信“一阶低通能解决所有噪声问题”。有些噪声的频谱很宽，一阶低通滤不干净；有些尖峰幅度太大，低通之后仍然可见。该上限幅就上限幅，该上中值就上中值，组合拳往往比单一滤波器效果好得多。

这个内容后续还可以这样扩展：把位移法用到PID控制器的微分项上，用移位代替微分增益的乘法；或者把位移法和查表法结合，实现任意系数的定点滤波。这些玩法都很有意思，等有机会再聊。