【漫谈C语言和嵌入式047】滑窗滤波：嵌入式系统中的信号处理瑞士军刀

        在嵌入式系统开发中，我们经常面临各种信号处理的挑战。无论是去除传感器数据中的噪声，还是提取信号中的特定特征，滑窗滤波都是一个强大而灵活的工具。本文将深入探讨滑窗滤波算法，并通过实际的C语言实现来展示其在嵌入式系统中的应用。

什么是滑窗滤波？

滑窗滤波是一种在时间序列或信号处理中广泛使用的技术。其核心思想是：

1. 定义一个固定大小的"窗口"
2. 在这个窗口内对数据进行某种操作（如求平均值、中位数、最大值等）
3. 将窗口沿着数据序列逐点移动，重复这个操作

滑窗滤波的优势

1. 灵活性：可以根据需求选择不同的窗口内处理方法
2. 局部性：只考虑局部数据，适合处理非平稳信号
3. 实时性：可以实时处理流数据
4. 计算效率：许多实现方式都非常高效

C语言实现

下面我们将实现一个通用的滑窗滤波函数，它支持多种窗口内处理方法。

#include <stdio.h>
#include <stdlib.h>
#include <string.h>

#define MAX_WINDOW_SIZE 100

// 定义处理函数的类型
typedef float (*WindowFunction)(float*, int);

// 均值处理函数
float mean_func(float* window, int size) {
    float sum = 0;
    for (int i = 0; i < size; i++) {
        sum += window[i];
    }
    return sum / size;
}

// 中值处理函数
float median_func(float* window, int size) {
    // 为简化实现，这里使用冒泡排序
    float temp[MAX_WINDOW_SIZE];
    memcpy(temp, window, size * sizeof(float));
    for (int i = 0; i < size - 1; i++) {
        for (int j = 0; j < size - i - 1; j++) {
            if (temp[j] > temp[j + 1]) {
                float t = temp[j];
                temp[j] = temp[j + 1];
                temp[j + 1] = t;
            }
        }
    }
    return temp[size / 2];
}

// 滑窗滤波函数
void sliding_window_filter(float* input, float* output, int length, int window_size, WindowFunction func) {
    float window[MAX_WINDOW_SIZE];
    
    for (int i = 0; i < length; i++) {
        int window_start = i - window_size / 2;
        int window_end = i + window_size / 2;
        int valid_size = 0;
        
        // 填充窗口
        for (int j = window_start; j <= window_end; j++) {
            if (j >= 0 && j < length) {
                window[valid_size++] = input[j];
            }
        }
        
        // 应用窗口函数
        output[i] = func(window, valid_size);
    }
}

int main() {
    float input[] = {2.1, 2.5, 2.2, 2.8, 2.3, 2.9, 2.4, 2.7, 2.6, 2.1};
    int length = sizeof(input) / sizeof(input[0]);
    float output_mean[length];
    float output_median[length];
    int window_size = 5;

    // 应用均值滤波
    sliding_window_filter(input, output_mean, length, window_size, mean_func);

    // 应用中值滤波
    sliding_window_filter(input, output_median, length, window_size, median_func);

    // 打印结果
    printf("原始数据:\n");
    for (int i = 0; i < length; i++) {
        printf("%.2f ", input[i]);
    }
    printf("\n\n均值滤波后:\n");
    for (int i = 0; i < length; i++) {
        printf("%.2f ", output_mean[i]);
    }
    printf("\n\n中值滤波后:\n");
    for (int i = 0; i < length; i++) {
        printf("%.2f ", output_median[i]);
    }
    printf("\n");

    return 0;
}

代码解析

1. WindowFunction 定义了一个函数指针类型，使我们能够传入不同的窗口处理函数。
2. mean_func 和 median_func 分别实现了均值和中值处理。
3. sliding_window_filter 是核心函数，它遍历输入数据，对每个点应用窗口函数。
4. 在 main 函数中，我们分别应用了均值滤波和中值滤波。

运行结果

原始数据:
2.10 2.50 2.20 2.80 2.30 2.90 2.40 2.70 2.60 2.10 

均值滤波后:
2.27 2.36 2.38 2.54 2.52 2.62 2.58 2.54 2.50 2.47 

中值滤波后:
2.20 2.30 2.30 2.50 2.40 2.70 2.60 2.60 2.60 2.60

结果分析

1. 均值滤波平滑了数据，减少了波动。例如，2.90的高峰被降低到了2.62。
2. 中值滤波对异常值有更强的抵抗力。注意它是如何处理2.90这个相对较高的值的。

工程应用建议

1. 窗口大小选择：窗口越大，平滑效果越明显，但可能会丢失重要的局部特征。在实际应用中需要权衡。
2. 边界处理：本例中采用了简单的截断方法。在某些应用中，可能需要考虑更复杂的边界处理方法，如镜像或循环。
3. 实时性能优化：对于需要实时处理的系统，可以考虑使用循环缓冲区来存储窗口数据，避免频繁的内存拷贝。
4. 自适应窗口：在某些应用中，可能需要根据信号特性动态调整窗口大小。
5. 多种滤波方法结合：有时候，结合使用多种滤波方法（如先进行中值滤波去除尖峰，再进行均值滤波平滑）可能会得到更好的效果。

结语

        滑窗滤波是一种强大而灵活的信号处理工具。通过选择合适的窗口大小和处理函数，它可以适应各种不同的信号处理需求。在嵌入式系统中，由于其简单高效的特性，滑窗滤波常常是处理传感器数据的首选方法。然而，像所有的工具一样，正确使用滑窗滤波需要对具体应用场景有深入的理解。希望这篇文章能够帮助你在实际项目中更好地应用这个"信号处理瑞士军刀"。