轻松掌握一阶低通滤波（理论推导/实际工程应用）

一阶低通滤波

0 前言

嵌入式开发中，我们可能会使用到许多传感器，比如陀螺仪，测距仪等等。但是在使用的时候，数字量往往带有高频干扰，我们要注意如何将其转化接近真实值并为我们所用，这就不得不提到滤波器的使用了。

但是滤波器种类有很多，诸如卡尔曼滤波器，大伙往往会被其高深的数学公式的推导吓退，在这里推荐一款：一阶低通滤波。它的使用易于上手，可以很快地复用到我们的嵌入式软件开发之中。

1 省流版

我们先看一下一阶低通滤波的直观公式表达：

其中c(n)是当前输出，c(n-1)是上一次输出，r(n)是当前输入，α是滤波系数，取值在0与1之间。

• α越小，滤波输出越平稳，但是响应慢

• α越大，滤波输出越不稳定，但是响应快

OK，知道这些其实就已经可以用了，我当初也是只知道这个公式然后就去写代码了，效果还不错，后续才逐步探究的原理，具体代码就不放送了。

但是我也认为理解了原理是很有必要的，因为我们可以在一个范围里自主选择滤波系数，寻找符合当前场景的曲线；同时它的原理结合了模电、自动控制原理、信号与系统、数字信号处理等知识。

2 公式原理

曾几何时，我们在电路理论/模电课程上曾经听过（其实是学过）什么低通滤波高通滤波带通滤波等等，这里的“通”指的是允许某种频率的信号通过，而低通滤波器也就是指允许某些低频率的信号通过，阻止高频率的信号通过，这样也就可以消除高频干扰了。

虽然大家可能看到这个老掉牙的电路图就想睡觉，但是因为他是很经典的一阶低通滤波，所以我们还是有必要讲一讲：

输入输出关系一目了然，系统的传递函数是：

 

（这里涉及了自控原理的最基本的知识——传递函数，如果不理解建议查阅一下，自控原理掌握一些对于机器人控制的工作还是比较有帮助的）

这里的RC是时间常数，它是截止频率的倒数

我们由此可以写出它的幅值和相角：

我们利用Matlab画出它的对数幅频特性曲线：

从幅度曲线上不难发现：当频率大于截止频率时，输出幅度会迅速衰减

从相度曲线上可以发现：当频率大于截止频率时，相位滞后会超过45°（但是输入频率等于截止频率时，相位也会滞后45°，这一点我们要注意）

我们实际上接触的往往是离散的数据，所以我们可以利用z变换进行分析：

做后向差分变换 ，在这里Tc是采样时间

代入前面传递函数，并进行z反变换，整理有：

其中 

即 

OK到这里公式就推到完毕了，但是α怎么选取呢？实际上，我们观察公式发现它只与采样时间与截止频率有关，所以确定了这两个值我们就确定了α

3 滤波系数确定

采样时间Tc是与采样频率的倒数，学过信号与系统的同学都知道奈奎斯特采样定律，我们采样的频率一定要大于等于2倍的原信号频率f，但是实际上我们最好不要选择2倍的f作为采样频率（至于为什么，我相信你随便画一个正弦曲线，以2f的频率取样，他看起来绝对不像一个正弦曲线，尽管通过一些方法可以复原，但是不在我们讨论范围内），可以选择10-20倍信号频率作为采样频率等等

截止频率Wc是保证某种频率以下的信号可以通过的阈值，为了尽可能大的保证基频无损通过，可以令截止频率稍微大于信号基频（当然最好是选择幅值下降了3dB时的频率，可以让Matlab帮你算）

e.g. 比如我们选择10倍信号频率作为采样频率，3倍信号频率作为截止频率，这样算出α就是0.65，实际工程中还需要进一步调试确定最佳滤波系数

顺便说一嘴，别忘了一阶低通滤波之后我们信号的相位是会发生偏移的，如果在意波形相位变化，请进行精确计算后补偿相角。当然，如果你只是想获取信号幅值那就没必要处理。

4 总结

对于实际开发的信号处理时，进行滤波是有必要的，当然还有好多款滤波器，学无止境。虽然某种意义上，能用就行。不过我认为最好还是掌握其中原理，这样二次设计自己的滤波器时才会得心应手。