2021-03-29 一阶滞后滤波算法

#define a   0.01                // 滤波系数a（0-1）  
  
char value;                    //滤波后的值  
char new_value;                 //  新的采样值  
  
char filter()   
{   
char new_value;   
new_value = get_ad();   
return 0.01*value + （1-0.01）*new_value;  
 }  

取a=0~1
本次滤波结果=（1-a）本次采样值+a上次滤波结果
B、优点：
对周期性干扰具有良好的抑制作用
适用于波动频率较高的场合
C、缺点：
相位滞后,灵敏度低
滞后程度取决于a值大小
不能消除滤波频率高于采样频率的1/2的干扰信号

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。

一阶滤波无法完美地兼顾灵敏度和平稳度。有时，我们只能寻找一个平衡，在可接受的灵敏度范围内取得尽可能好的平稳度。而在一些场合，我们希望拥有这样一种接近理想状态的滤波算法。即：

当数据快速变化时，滤波结果能及时跟进（灵敏度优先）；
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）。