位移法实现一阶低通滤波：单片机ADC采样降噪实战

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一个共同的痛：传感器出来的数据永远在跳。你明明测的是一个恒定不变的物理量，串口打印出来的数值却像心电图一样上下乱窜，偶尔还蹦出几个离谱的野值。这时候老工程师通常会丢给你一句话——“加个滤波”。于是你打开搜索引擎，搜到的方案五花八门：均值滤波、中值滤波、卡尔曼滤波、一阶低通滤波……代码复制粘贴一通，跑起来好像也能用，但真要问一句“这个系数为什么取0.1而不是0.01”，很多人就答不上来了。

这篇内容要聊的，是一阶低通滤波的一种非常实用的实现方式——位移法。它不依赖浮点运算，不需要调用数学库，在8位单片机上也能跑得飞快，特别适合ADC采样后的实时数据处理。核心关键词就三个：一阶低通滤波、位移法、单片机实战。我会从原理推导开始，把系数计算、整数化处理、移位替代除法、定点数精度控制这些细节全部拆开讲清楚，最后给出一套可以直接移植的C代码实现，以及我在实际项目中踩过的坑和排查经验。

适合谁看？如果你正在做传感器数据采集、电机控制、电源管理、或者任何需要从噪声中提取有效信号的嵌入式项目，这篇内容应该能帮你省下不少调试时间。哪怕你之前没接触过滤波算法，只要会写基本的C语言，跟着思路走也能理解。我不会堆一堆公式吓人，而是尽量用生活化的类比把原理讲透，再落到代码上。

先说一个我自己的经历。早些年做一个温控项目，用的是一款常见的数字温度传感器，分辨率0.0625度，理论上精度够用。但实际读回来的温度值一直在±0.5度范围内跳动，导致继电器频繁启停，用户体验极差。当时第一反应是用均值滤波，攒够10个样本取平均。结果响应变得很慢，温度已经明显变化了，显示值还在慢慢爬。后来换成中值滤波，野值确实被干掉了，但周期性噪声依然存在。最后用一阶低通滤波配合位移法实现，才在响应速度和稳定性之间找到了平衡点。这段经历让我意识到，滤波方案的选择不是“哪个高级用哪个”，而是要看你的信号特征和系统资源。

2. 一阶低通滤波的核心原理拆解

2.1 从模拟RC电路到数字滤波的思维跨越

一阶低通滤波这个概念，最早来自模拟电路里的RC电路。一个电阻和一个电容串联，输入信号经过电阻给电容充电，电容两端的电压就是输出。因为电容的充放电需要时间，高频信号来不及让电容电压跟上变化，就被“滤掉”了；低频信号有足够的时间让电容充放电，所以能顺利通过。这就是低通滤波的物理本质。

用数学语言描述这个电路，得到一个一阶微分方程，解出来就是指数衰减的形式。到了数字域，我们没法用电阻电容，但可以用“本次采样值”和“上次滤波输出值”做加权平均来模拟这个充放电过程。公式非常简洁：

Y(n) = α × X(n) + (1 - α) × Y(n-1)

其中X(n)是本次ADC采样值，Y(n)是本次滤波输出，Y(n-1)是上次滤波输出，α是滤波系数，取值范围0到1。这个公式的含义是：新的输出值由“新采样值”和“旧输出值”共同决定，α越大，越信任新采样值，响应越快但滤波效果越弱；α越小，越信任历史值，输出越平滑但响应越慢。

你可以把它想象成一个水池。新采样值是从进水管流进来的水，旧输出值是池子里已有的水。α就是进水管的阀门开度。阀门开得大，池子里的水更新快，但水位波动也大；阀门开得小，水位稳定，但想让它涨上去或者降下来都需要很长时间。这个类比虽然不严谨，但能帮你快速建立直觉。

2.2 滤波系数α到底怎么选

α的选取是一阶低通滤波最核心的问题，也是最容易拍脑袋决定的地方。很多人直接抄别人的代码，看到α=0.1就跟着用，结果要么响应太慢，要么滤波效果不够。其实α和截止频率之间有明确的数学关系。

在数字滤波中，截止频率fc、采样频率fs和系数α满足：

α = 1 - exp(-2π × fc / fs)

反过来，如果你先确定了α，也可以算出对应的截止频率：

fc = -fs × ln(1 - α) / (2π)

这个公式告诉你一件重要的事：α不是孤立的，它和你的采样率强相关。同样的α=0.1，在1kHz采样率下截止频率大约是16.7Hz，在100Hz采样率下截止频率只有1.67Hz。所以脱离采样率谈α是没有意义的。

实际工程中怎么定？我的经验是分三步走。第一步，明确你需要保留的信号最高频率是多少。比如测温度，温度变化本身很慢，可能1Hz都不到；测振动，可能需要保留几百Hz。第二步，确定你的采样率，通常要满足奈奎斯特采样定理，采样率至少是信号最高频率的2倍以上，工程上一般取5到10倍。第三步，用上面的公式算出α的初始值，然后根据实际效果微调。

举个具体例子。假设你做一个电子秤，采样率100Hz，你需要保留的重量变化信号最高频率大约2Hz（已经很快了，正常称重远低于这个）。那么：

α = 1 - exp(-2π × 2 / 100) = 1 - exp(-0.1257) ≈ 0.118

取α=0.12左右就比较合适。如果你发现响应还是慢，可以适当加大到0.15；如果噪声还是大，可以减小到0.08。这个调整过程需要结合示波器或者串口波形工具来观察。

2.3 位移法为什么能替代浮点运算

上面那个公式里有乘法，如果α是0.12这种浮点数，在低端单片机上跑起来就很吃力。没有FPU（浮点运算单元）的MCU做一次浮点乘法可能要几十个时钟周期，如果采样率是1kHz，每个采样周期都要算一次，CPU占用率会很难看。

位移法的思路很巧妙：把α限制为1/2的整数次幂，这样乘法就可以用右移操作来代替。比如α=1/4，那么：

Y(n) = X(n)/4 + 3×Y(n-1)/4

除以4就是右移2位，乘以3可以写成(Y(n-1)<<1) + Y(n-1)，全是整数移位和加法，速度极快。再比如α=1/8：

Y(n) = X(n)/8 + 7×Y(n-1)/8

除以8就是右移3位。这种实现方式在8位、16位单片机上特别受欢迎，因为移位指令通常只需要1到2个时钟周期。

但这里有一个代价：α的取值被离散化了。你只能选1/2、1/4、1/8、1/16、1/32这些值，对应的α分别是0.5、0.25、0.125、0.0625、0.03125。如果你的目标α是0.12，最接近的是0.125（1/8），误差不大，可以接受。但如果目标α是0.05，最接近的是0.0625（1/16），误差就有点大了。这时候可以考虑用“多次移位组合”来逼近，比如1/16 - 1/64 ≈ 0.0469，但实现复杂度会上升。

我的建议是：优先选1/8、1/16、1/32这三个档位，它们覆盖了大多数常见应用场景。1/8适合需要较快响应的场合，1/16是通用档位，1/32适合对稳定性要求极高的慢变信号。

3. 位移法的整数化实现细节

3.1 定点数表示与精度损失分析

位移法虽然避开了浮点运算，但引入了另一个问题：整数除法的截断误差。假设ADC是12位，采样值范围0到4095，滤波输出也在这个范围。如果直接用整数做右移，每次移位都会丢掉低位信息，多次迭代后误差会累积。

举个例子。假设α=1/8，当前采样值X=1000，上次输出Y=0。第一次计算：

Y = 1000/8 + 7×0/8 = 125 + 0 = 125

看起来没问题。但下一次如果X还是1000：

Y = 1000/8 + 7×125/8 = 125 + 109 = 234

再下一次：

Y = 125 + 7×234/8 = 125 + 204 = 329

你会发现输出在慢慢逼近1000，但每次都有截断误差。最终稳定时，输出会在1000附近的一个小范围内波动，无法完全等于1000。这个波动幅度取决于移位位数，移位越多，截断误差越大。

解决办法是在累加器里保留额外的低位精度。具体做法是：把滤波输出值左移N位存储，计算时用这个放大后的值，最后输出时再右移N位。比如N=4，那么内部变量范围变成0到4095×16=65520，用16位无符号整数刚好能放下。这样截断误差被缩小了16倍，输出波动几乎可以忽略。

代码大概长这样：

#define FILTER_SHIFT 3 // α = 1/8 #define PRECISION_SHIFT 4 // 额外精度位 static uint16_t filter_acc = 0; // 内部累加器，放大16倍 uint16_t lowpass_filter(uint16_t new_sample) { // 将新采样值也放大16倍 uint32_t x = (uint32_t)new_sample << PRECISION_SHIFT; // Y(n) = X(n)/8 + 7*Y(n-1)/8 filter_acc = (x >> FILTER_SHIFT) + filter_acc - (filter_acc >> FILTER_SHIFT); // 返回时缩小16倍 return (uint16_t)(filter_acc >> PRECISION_SHIFT); }

注意这里用了一个小技巧：7*Y/8写成Y - Y/8，避免乘法。filter_acc - (filter_acc >> FILTER_SHIFT)就是Y - Y/8 = 7Y/8。整个计算只有移位、加法和减法，效率极高。

3.2 不同移位位数的性能对比

为了让你直观感受不同α档位的效果，我用同一组模拟数据做了对比测试。模拟信号是叠加了高斯噪声的阶跃信号，采样率100Hz，阶跃从0跳到1000。测试结果如下：

这张表的信息量很大。移位1位时响应极快，40ms就达到90%，但稳态波动有±8个LSB，对于12位ADC来说相当于0.2%的噪声，很多场合不够用。移位3位时响应时间180ms，稳态波动降到±2个LSB，适合大多数工业控制场景。移位5位时响应要0.73秒，但波动只有±0.5个LSB，适合精密测量。

选择哪个档位，本质上是在响应速度和稳态精度之间做权衡。我的经验法则是：先确定你能容忍的最大响应延迟，然后选满足这个延迟的前提下最大的移位位数。比如你的控制系统要求200ms内响应到位，那就选移位3位；如果要求50ms内响应，只能选移位1位或2位。

3.3 初始值处理与启动收敛问题

一阶低通滤波有一个容易被忽视的问题：启动时的收敛过程。如果滤波器的初始输出值Y(0)设为0，而实际信号一开始就是1000，那么输出需要经过一段时间才能爬升到1000附近。这段时间里，滤波输出和真实值偏差很大，如果控制系统直接使用这个输出，可能会导致误动作。

解决办法有两个。第一个是用第一次采样值初始化滤波器：

static uint8_t filter_initialized = 0; uint16_t lowpass_filter(uint16_t new_sample) { if (!filter_initialized) { filter_acc = (uint32_t)new_sample << PRECISION_SHIFT; filter_initialized = 1; return new_sample; } // ... 正常滤波计算 }

这样第一次输出就等于第一次采样值，没有爬升过程。第二个办法是在启动阶段用更快的α，等输出稳定后再切换到正常α。这种方法更复杂，但适合那些启动时信号本身就变化剧烈的场景。

我个人的习惯是第一种，简单可靠。但要注意，如果第一次采样恰好是一个野值，那滤波器就被“带偏”了。所以更稳妥的做法是：先连续采几次，取中值作为初始值，然后再开始滤波。多花几毫秒，换来更稳的启动。

4. 单片机实战：从ADC采样到滤波输出

4.1 硬件平台与ADC配置要点

为了让讨论具体化，我以一个典型的STM32F103项目为例，ADC是12位精度，采样率设为1kHz，通过定时器触发ADC转换，转换完成后DMA搬运数据，主循环里做滤波处理。这套配置在工业控制里非常常见。

ADC配置有几个关键点需要注意。第一，采样时间要足够长。如果传感器输出阻抗较高，采样时间太短会导致采样电容充不满，读数偏低。一般建议采样时间至少设为7.5个ADC时钟周期以上，高阻抗传感器要设到41.5或239.5个周期。第二，参考电压要干净。ADC的参考电压直接决定转换精度，如果参考电压上有噪声，再好的滤波算法也救不回来。建议在参考电压引脚旁边放一个1uF到10uF的陶瓷电容，再并联一个0.1uF的高频电容。第三，模拟地和数字地要分开走线，最后在一点汇合，避免数字噪声串到模拟部分。

DMA搬运的好处是CPU不用干预每次ADC转换，数据自动存到缓冲区。但要注意缓冲区大小和DMA传输完成中断的配合。如果缓冲区设得太小，中断太频繁，CPU开销大；设得太大，数据延迟增加。我的经验是缓冲区设8到16个样本比较合适，中断频率在60到125Hz之间，对大多数应用来说可以接受。

4.2 完整代码实现与逐行解析

下面是一套可以直接移植的C代码，包含滤波器结构体定义、初始化函数和滤波计算函数。我把它设计成可重入的，每个通道可以独立使用一个滤波器实例。

#include <stdint.h> #include <stdbool.h> typedef struct { uint32_t acc; // 内部累加器，放大2^PRECISION_SHIFT倍 uint8_t shift; // 移位位数，对应α=1/(2^shift) uint8_t precision; // 额外精度位数 bool initialized; // 是否已初始化 } lpf_t; // 初始化滤波器 void lpf_init(lpf_t *f, uint8_t shift, uint8_t precision) { f->acc = 0; f->shift = shift; f->precision = precision; f->initialized = false; } // 滤波计算，输入为原始ADC值，返回滤波后的值 uint16_t lpf_update(lpf_t *f, uint16_t sample) { uint32_t x; // 首次调用，用采样值直接初始化累加器 if (!f->initialized) { f->acc = (uint32_t)sample << f->precision; f->initialized = true; return sample; } // 将新采样值放大到与累加器相同的量级 x = (uint32_t)sample << f->precision; // Y(n) = X(n)/2^shift + Y(n-1) - Y(n-1)/2^shift // 等价于 Y(n) = α*X(n) + (1-α)*Y(n-1)，其中α=1/2^shift f->acc = (x >> f->shift) + f->acc - (f->acc >> f->shift); // 缩小回原始量级并返回 return (uint16_t)(f->acc >> f->precision); }

逐行解析一下关键部分。f->acc是内部累加器，它存储的是放大后的滤波输出值。放大倍数由precision决定，比如precision=4就是放大16倍。为什么要放大？前面讲过，是为了保留低位精度，减少截断误差。

x = (uint32_t)sample << f->precision把新采样值也放大到同一量级，这样加减法才有意义。注意这里用了uint32_t强制转换，防止16位整数左移溢出。如果sample是12位，precision是4，那么x最大是4095×16=65520，用16位无符号整数刚好能放下，但为了安全还是用32位。

核心计算f->acc = (x >> f->shift) + f->acc - (f->acc >> f->shift)这一行，对应公式Y(n) = X(n)/2^shift + Y(n-1) - Y(n-1)/2^shift。展开来看就是Y(n) = X(n)/2^shift + Y(n-1)*(1 - 1/2^shift)，正好是一阶低通滤波的标准形式。整个计算只有移位、加法和减法，没有乘除，在Cortex-M3内核上大约需要6到8个时钟周期，1kHz采样率下CPU占用率不到1%。

返回时f->acc >> f->precision把累加器缩小回原始量级。由于累加器里保留了额外精度，这个右移操作相当于做了四舍五入的近似，输出值比直接整数运算平滑得多。

4.3 多通道管理与内存优化

实际项目里往往不止一路ADC，可能有4路、8路甚至更多。如果每路都用一个独立的lpf_t结构体，内存占用是通道数 × sizeof(lpf_t)。在STM32F103上，lpf_t大约占8个字节，8路就是64字节，对于有20KB RAM的芯片来说完全不是问题。但如果你的芯片只有1KB RAM，就需要考虑优化了。

优化思路有几个。第一，共用移位参数。如果所有通道的滤波需求相同，可以把shift和precision提出来做成全局常量，结构体里只保留acc和initialized，这样每个通道只占5个字节。第二，用位域压缩。shift最大31，用5位就够了；precision最大15，用4位；initialized用1位。加起来10位，可以塞进一个16位变量里。第三，如果通道数很多但不需要同时滤波，可以用一个结构体轮流处理，处理完一路把acc存到数组里，下次处理时再取出来。

我一般推荐第一种方案，简单且不容易出错。代码改动很小，把shift和precision从结构体里去掉，改成宏定义或者全局变量即可。

#define LPF_SHIFT 3 #define LPF_PRECISION 4 typedef struct { uint32_t acc; bool initialized; } lpf_simple_t; uint16_t lpf_simple_update(lpf_simple_t *f, uint16_t sample) { if (!f->initialized) { f->acc = (uint32_t)sample << LPF_PRECISION; f->initialized = true; return sample; } uint32_t x = (uint32_t)sample << LPF_PRECISION; f->acc = (x >> LPF_SHIFT) + f->acc - (f->acc >> LPF_SHIFT); return (uint16_t)(f->acc >> LPF_PRECISION); }

这样每个通道只占5个字节（uint32_t加bool，可能有对齐填充），8路也才40字节。

5. 常见问题与排查技巧实录

5.1 滤波后数据仍然跳动怎么办

这是最常见的问题。你按照公式实现了滤波，但输出还是不够稳。排查思路按优先级排列：

第一，检查ADC本身是否稳定。把传感器换成固定的参考电压，看ADC读数是否稳定。如果参考电压下读数都在跳，那问题出在硬件上，滤波算法再厉害也没用。常见原因包括参考电压噪声、模拟地干扰、采样时间不足、传感器供电不稳。

第二，确认滤波系数是否合适。如果你用的是移位3位（α=0.125），理论上稳态波动应该很小。但如果ADC噪声幅度特别大，比如±20个LSB，那滤波后可能还有±2到±3个LSB的波动。这时候要么加大移位位数，要么在滤波前先做一次中值滤波去掉野值。

第三，检查是否有周期性干扰。如果波动呈现明显的周期性，比如50Hz工频干扰，那可能是电源或者空间耦合进来的。这种情况下单纯的低通滤波效果有限，需要从源头解决，比如加屏蔽、改走线、增加电源滤波电容。

第四，确认数据类型没有溢出。uint32_t的累加器在precision=4、shift=3时，最大值大约是65520×8=524160，远小于uint32_t的最大值42亿，不会溢出。但如果你把precision设得很大，比如8，那累加器最大值是4095×256=1048320，仍然安全。但如果ADC是16位，precision=8，最大值就是65535×256=16776960，也没问题。真正会溢出的是uint16_t累加器，所以一定要用uint32_t。

5.2 响应速度太慢怎么调

响应慢和滤波效果好是一对矛盾。如果你发现系统响应跟不上，首先确认是不是移位位数太大了。移位5位（α=0.03125）的响应时间接近0.7秒，对于很多控制系统来说太慢了。可以尝试降到移位4位或3位。

如果降移位位数后噪声又变大了，可以考虑变系数滤波：在信号变化剧烈时用大α，信号平稳时用小α。实现方法是监测相邻两次采样值的差值，如果差值超过阈值，临时把shift减小1到2位，否则保持正常shift。这样既保证了快速响应，又保证了稳态精度。

uint16_t lpf_adaptive_update(lpf_t *f, uint16_t sample) { static uint16_t last_sample = 0; uint16_t diff = (sample > last_sample) ? (sample - last_sample) : (last_sample - sample); uint8_t shift = f->shift; // 如果变化剧烈，临时提高响应速度 if (diff > 50 && shift > 1) { shift -= 1; } // ... 用shift做滤波计算 last_sample = sample; }

阈值50需要根据你的信号幅度和噪声水平来调整。太大起不到作用，太小会导致滤波器频繁切换，反而引入额外波动。

5.3 多路ADC之间的串扰问题

如果你用多个ADC通道轮流采样，可能会发现某一路的滤波输出受到其他路的影响。这通常是因为ADC采样保持电容在通道切换后没有足够时间稳定。解决办法是在通道切换后丢弃第一次采样，或者增加采样时间。

另一个可能的原因是DMA缓冲区管理不当，导致数据错位。比如你配置了4个通道的规则组，DMA缓冲区大小是8，那么前4个数据是通道0到3，后4个又是通道0到3。如果你按顺序取数据但没做通道对齐，就会把通道1的数据当成通道0的。这种问题在调试时表现为“滤波输出偶尔跳一下”，很容易被误认为是噪声。

排查方法是：在DMA传输完成中断里打印缓冲区所有数据，对照通道顺序检查。如果发现错位，调整缓冲区大小或者用DMA的循环模式配合通道计数器。

5.4 常见问题速查表

这张表是我在实际项目中反复验证过的，基本上覆盖了80%以上的常见问题。遇到问题时按表排查，能省不少时间。

6. 进阶话题：从一阶到二阶的平滑过渡

一阶低通滤波的局限性在于：它只有一个极点，过渡带衰减斜率是-20dB/十倍频。如果你需要更陡的衰减，比如-40dB/十倍频，就需要二阶滤波。二阶滤波可以看成两个一阶滤波串联，但直接串联会引入额外的相位延迟，而且两个滤波器的系数需要仔细匹配。

一个实用的二阶实现方式是：先用一阶滤波得到中间值，再对中间值做一次一阶滤波。两次滤波的α可以相同也可以不同。如果相同，等效于一个二阶巴特沃斯滤波器，但截止频率会偏移。如果不同，可以通过调整两个α来优化响应。

typedef struct { lpf_t stage1; lpf_t stage2; } lpf2_t; uint16_t lpf2_update(lpf2_t *f, uint16_t sample) { uint16_t mid = lpf_update(&f->stage1, sample); return lpf_update(&f->stage2, mid); }

这种实现简单直接，但要注意两次滤波都会引入延迟，总延迟大约是一阶的两倍。如果系统对延迟敏感，需要谨慎使用。

另一个进阶方向是自适应滤波，根据信号的信噪比动态调整α。信噪比高时用大α快速跟踪，信噪比低时用小α强力滤波。信噪比可以用信号方差和噪声方差的比值来估计，但计算量会大一些。在资源有限的单片机上，通常用简化方法，比如前面提到的差值阈值法。

我在一个电机电流采样项目里用过自适应滤波。电机启动时电流变化剧烈，需要快速响应；稳态时电流平稳，需要高精度。用固定α很难同时满足两个需求，自适应方案完美解决了这个问题。实现代码只比固定α多了十几行，效果提升非常明显。

7. 一些掏心窝子的实操心得

滤波算法这东西，理论是一回事，实际调参是另一回事。我见过太多人把公式背得滚瓜烂熟，一到现场就抓瞎。分享几条我踩坑换来的经验。

第一条：先看原始数据，再谈滤波。很多人一上来就调滤波参数，却从来没仔细看过原始ADC数据的波形。你连噪声长什么样都不知道，怎么知道该用什么滤波？我的习惯是先用串口把原始数据传到电脑上，用波形工具画出来，看清楚噪声的频率、幅度、是周期性还是随机性。这一步花十分钟，能省后面几小时的盲目调试。

第二条：滤波不是万能的，硬件问题要硬件解决。如果电源纹波有100mV，你指望用数字滤波把ADC读数滤稳，那是缘木求鱼。先把电源搞干净，把地线走好，把屏蔽做好，然后再上滤波算法。我见过一个项目，工程师花了三天调滤波参数，最后发现是传感器供电引脚虚焊。

第三条：移位位数不要超过5。移位5位对应α=0.03125，响应时间已经接近1秒了。再小的话，除非你的信号变化极慢（比如环境温度监测），否则没有实际意义。而且移位位数越大，截断误差累积越严重，即使加了精度位也救不回来。

第四条：多通道滤波时，每个通道独立初始化。我见过有人用一个全局变量做累加器，结果通道0的数据污染了通道1的滤波输出。这种bug很隐蔽，因为单通道测试时完全正常，只有多通道同时跑才出问题。所以滤波器结构体一定要每个通道一份，初始化也要逐个做。

第五条：保留原始数据接口。调试阶段，一定要能随时切换到“不滤波”模式，直接输出原始ADC值。这样当滤波效果不对时，你可以快速判断是滤波算法的问题还是ADC本身的问题。我的做法是在滤波器结构体里加一个bypass标志，置位时直接返回原始值。

第六条：注意采样率和滤波系数的匹配。如果你改了定时器配置，采样率从1kHz变成2kHz，但滤波系数没改，那等效截止频率就翻倍了，滤波效果会明显变差。所以采样率和滤波系数要一起改，改完重新验证。

最后说一个我最近才想明白的事。一阶低通滤波的本质是“用历史信息平滑当前观测”，它假设信号是缓慢变化的，噪声是快速变化的。但如果信号本身就有快速变化的需求，比如你要检测一个突发的脉冲，那一阶低通滤波就会把脉冲也滤掉。这时候需要考虑其他方案，比如中值滤波加阈值检测，或者用小波变换做多尺度分析。没有一种滤波算法是万能的，关键是理解你的信号特征，选择匹配的工具。

位移法实现一阶低通滤波，在单片机资源受限的场景下是一个非常实用的选择。它用极少的计算资源换来了可接受的滤波效果，特别适合采样率不高、信号变化不快的工业控制和传感器采集应用。把移位位数、精度位数、初始化策略这几个参数调好，基本能覆盖大部分需求。如果哪天你发现一阶不够用了，再考虑二阶或者自适应方案，但那是另一个话题了。