一阶低通滤波解决传感器噪声问题

0.简介

作为常用的滤波器形式，低通滤波是一种适中的滤波处理方式，相较于卡尔曼滤波算法和滑动平均滤波而言。其计算量适中，同时能拿到一个较为合适的结果。低通滤波算法可以解决这种长期可靠，短期噪声大的传感器，并有效地实现噪声的滤除。

1. 相关代码

oldData表示上一次的输出Y(n-1), newData表示新的输入X(n)； deltaT 采样周期, Fcut 截止频率 。

float LopPassFilter_RC_1st(float oldData, float newData, float a)
　　{
　　　　return oldData * (1 - a) + newData * a;
　　}

　　//计算比例系数a:

　　float LopPassFilter_RC_1st_Factor_Cal(float deltaT, float Fcut)
　　{
　　　　return deltaT / (deltaT + 1 / (2 * M_PI * Fcut));
　　}

FFT源频谱

一阶滤波优化后

2. 一阶滤波算法的特性

这里引用了​​一朵胖胖云​​写的相关博客内容。介绍了以节气门控制为例，用simulink进行建模仿真的低通滤波器：

假定期望节气门开度变化：0-30%，调整滤波系数分别为0.05和0.1，低通滤波后得到如下曲线：

由图可知：

1）滤波系数越大，则更快达到目标开度，但曲线平滑性较差

2）同样的滤波系数越小，则更慢达到目标开度，但曲线更加平滑，且稳定

，因此在实际标定过程中，我们需要根据实际情况，平衡灵敏度和稳定性，来确定最终的滤波系数。