单片机一阶低通滤波位移法实现：原理、代码与实战优化

1. 为什么偏偏选位移法来实现一阶低通滤波

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。你盯着串口助手里那一串上下翻飞的数字，明明被测对象稳如泰山，采样值却能给你演出心电图的效果。这时候老工程师通常会拍拍你肩膀说，加个滤波吧。于是你翻开教材，一阶低通滤波的公式赫然在目：

Y(n) = α × X(n) + (1 - α) × Y(n-1)

公式简单到令人发指，但真正落到单片机上，问题就来了。α 这个系数通常是个小于 1 的小数，比如 0.1、0.05 甚至 0.01。如果你用的是没有硬件浮点单元的 8 位或低端 32 位芯片，每一次滤波都要做一次浮点乘法和一次浮点加法，中断频率一高，CPU 的算力就被这个小小的滤波吃掉了相当一部分。更别提有些场景下你压根不想引入浮点运算库，代码体积和运行效率都要精打细算。

位移法就是在这种背景下被大量一线工程师采用的一种实现技巧。它的核心思路非常朴素：把 α 取成 1/2 的整数次幂，然后用右移操作代替除法或浮点乘法。比如 α = 1/16，那么 α × X(n) 就等价于 X(n) >> 4。移位指令在几乎所有单片机上都是单周期或极少周期的操作，速度快到可以忽略不计。

这个内容适合谁看？如果你正在做传感器数据采集、电机控制、电源管理、音频预处理这类需要实时滤波的嵌入式项目，并且对代码执行效率有要求，那这套方法你大概率用得上。哪怕你是刚接触单片机的初学者，只要理解二进制和移位的基本概念，也能跟着把整套逻辑跑通。我会从原理推导讲起，把参数怎么选、代码怎么写、定点化怎么处理、实际调试中会遇到什么坑，全部掰开揉碎说清楚。

2. 一阶低通滤波的核心原理拆解

2.1 从模拟RC电路到数字差分方程

一阶低通滤波这个概念最早来自模拟电路里的 RC 低通网络。一个电阻串一个电容，输入信号的高频成分被电容旁路到地，输出就变得平滑。这个电路的传递函数是：

H(s) = 1 / (1 + RC·s)

其中 RC 是时间常数 τ。到了数字域，我们用离散的采样点来近似这个连续过程，就得到了那个经典的差分方程。它的物理意义很直观：新的输出值 = 一部分新的输入 + 剩下部分旧的输出。α 越大，越信任新数据，响应快但滤波效果弱；α 越小，越信任历史数据，输出平滑但滞后严重。

这里有个容易被忽略的点：α 和截止频率的关系。在采样周期为 T 的系统中，截止频率 fc 近似满足：

α ≈ 2π·fc·T / (1 + 2π·fc·T)

反过来，如果你先确定了想要的截止频率，可以据此反推 α。比如采样率 1kHz（T = 1ms），想要 10Hz 的截止频率，那么 2π×10×0.001 ≈ 0.0628，α ≈ 0.059，取个近似值 1/16 = 0.0625 就非常合适。这也是为什么位移法里 α 常取 1/8、1/16、1/32 这些值——它们既接近常用的截止频率需求，又能用移位干净利落地实现。

2.2 位移法为什么能替代浮点运算

关键就在于 α 的取值。当 α = 1/2^n 时，α × X(n) 就是 X(n) 右移 n 位。而 (1 - α) = (2^n - 1)/2^n，这个系数乘以 Y(n-1) 稍微麻烦一点，但可以变形处理。

把原公式展开：

Y(n) = X(n)/2^n + Y(n-1) - Y(n-1)/2^nY(n) = Y(n-1) + (X(n) - Y(n-1)) / 2^n

这个变形后的公式是位移法实现的精髓。它把两次乘法变成了一次减法加一次移位。具体来说：

1. 计算当前输入与上次输出的差值：diff = X(n) - Y(n-1)
2. 把差值右移 n 位：diff >> n
3. 累加到上次输出上：Y(n) = Y(n-1) + (diff >> n)

整个过程只有减法、移位、加法三种操作，全部是整数运算。在 8 位单片机上，如果数据类型选得合适，这几条指令加起来也就十几个机器周期，比浮点运算快一到两个数量级。

注意：右移操作对负数的处理在不同编译器上行为可能不同。diff 完全可能是负数，算术右移和逻辑右移的结果天差地别。这一点后面会专门讲。

2.3 滤波效果与相位的取舍关系

任何低通滤波都不是免费的午餐。α 越小，输出越平滑，但相位滞后越大。在控制系统中，这个滞后可能直接导致环路不稳定。我见过不少人在电机电流环里把滤波加得太狠，结果响应迟钝、震荡加剧，回头还找不到原因。

从经验上看，对于一般的传感器去噪，α 取 1/16 到 1/64 是比较舒服的区间。对于需要快速响应的场合，比如过流保护，α 不要小于 1/8。如果你实在拿不准，可以先在 MATLAB 或者 Python 里把阶跃响应仿真一下，看看上升时间和超调量能不能接受，再决定移位位数。

3. 位移法实现的完整技术细节

3.1 数据类型选择与溢出防范

位移法虽然简单，但数据类型选错了照样翻车。假设你用 8 位无符号数存 ADC 采样值，范围 0 到 255。如果 Y(n-1) 是 200，X(n) 是 50，那么 diff = 50 - 200 = -150。在 8 位无符号运算里，这个 -150 会变成一个巨大的正数（比如 106），右移之后加回去，输出直接飞掉。

所以第一条铁律：中间变量必须用有符号类型。推荐用 int16_t 或 int32_t，具体取决于你的 ADC 位数和精度要求。对于 12 位 ADC（0 到 4095），int16_t 完全够用，diff 的范围在 -4095 到 4095 之间，不会溢出。对于 16 位 ADC，就得用 int32_t 了。

另外，Y(n) 的存储类型也要和中间变量一致。很多人习惯把滤波结果存在 uint16_t 里，然后在计算时临时转成 int，这样容易在类型转换的边界上出问题。统一用有符号类型，省心。

3.2 移位位数的选择与截止频率对照

移位位数 n 直接决定了 α = 1/2^n，也就决定了滤波强度。下面这张表是我在实际项目中总结的常用对照关系，采样率假设为 1kHz：

这张表不是死规矩，但能给你一个快速定位的参考。实际选的时候，先想清楚你的信号带宽是多少，噪声主要分布在哪个频段，然后反推需要的截止频率，再对照选 n。

3.3 定点化处理的精度损失分析

位移法本质上是定点运算，精度损失主要来自两个方面。一是右移操作直接丢弃低位，相当于截断而非四舍五入。二是当 diff 很小时，diff >> n 可能直接变成 0，导致输出停止更新，出现所谓的“死区”。

举个例子，n = 8，diff = 100，100 >> 8 = 0。也就是说，当输入和输出的差值小于 256 时，滤波器就不再响应了。对于 12 位 ADC 来说，256 相当于满量程的 6.25%，这个死区相当可观。

解决办法有两个。一是减小 n，让死区变小。二是采用带舍入的移位，比如：

Y(n) = Y(n-1) + ((diff + (1 << (n-1))) >> n)

这样相当于加了半个步长的偏移，能有效减小死区，代价是多一次加法和一次移位。在算力允许的情况下，我强烈建议加上这个舍入。

4. 单片机实战：从零搭建一个可用的滤波模块

4.1 硬件平台与开发环境说明

为了把内容讲得具体，我这里以一个常见的 32 位 Cortex-M0 内核单片机为例，主频 48MHz，没有硬件浮点单元，ADC 为 12 位、采样率 1kHz。开发环境用常见的嵌入式 C 工具链。这套配置在工业传感器、小家电控制板里非常普遍，参考价值比较高。

代码本身不依赖任何特定厂商的库，纯标准 C，移植到 8 位平台上只需要改一下数据类型即可。

4.2 核心滤波函数的三种写法对比

先看最直观的浮点写法，作为对照：

float alpha = 0.0625f; float y_prev = 0.0f; float lowpass_float(float x) { float y = alpha * x + (1.0f - alpha) * y_prev; y_prev = y; return y; }

这段代码清晰，但每次调用至少两次浮点乘法加一次浮点加法。在没有 FPU 的芯片上，一次浮点乘法可能就要几十个周期。

再看直接移位写法：

int32_t y_prev = 0; #define SHIFT_N 4 int32_t lowpass_shift(int32_t x) { int32_t diff = x - y_prev; y_prev = y_prev + (diff >> SHIFT_N); return y_prev; }

简洁到极致，但存在前面说的截断死区问题。

最后是带舍入的改进版：

int32_t y_prev = 0; #define SHIFT_N 4 #define ROUND_BIAS (1 << (SHIFT_N - 1)) int32_t lowpass_shift_round(int32_t x) { int32_t diff = x - y_prev; y_prev = y_prev + ((diff + ROUND_BIAS) >> SHIFT_N); return y_prev; }

这个版本多了一次加法和一个常量，但死区明显减小，输出更接近浮点版本的效果。我在实际项目里基本都用这个版本。

4.3 初始化与运行时参数调整

滤波器的初始值 y_prev 怎么设？如果设成 0，而实际信号在 2000 左右，那么开机后输出会从 0 慢慢爬升到 2000，这个爬升过程可能持续好几秒。对于某些应用来说，这几秒的过渡是不可接受的。

常见的做法是用第一次采样值直接初始化：

void lowpass_init(int32_t first_sample) { y_prev = first_sample; }

这样开机瞬间输出就等于输入，之后才开始滤波。如果你希望更平滑一点，也可以用前几次采样的平均值来初始化。

运行时调整移位位数也是常见需求。比如系统在快速模式和慢速模式之间切换，滤波强度也要跟着变。这时候可以把 SHIFT_N 改成变量，但要注意移位位数是变量的情况下，编译器可能无法优化成单条移位指令，性能会打折扣。如果对性能敏感，可以用 switch-case 把几种常用位数写死。

4.4 实测数据与效果验证

我在一个温度采集项目里实测过这套滤波。传感器是常见的数字温度芯片，分辨率 0.0625 度，采样率 1Hz。原始数据在 25.0 到 25.5 度之间跳动，峰峰值约 0.5 度。用 n = 4 的位移法滤波后，输出稳定在 25.2 到 25.3 度之间，峰峰值压缩到 0.1 度以内，而且响应时间在可接受范围内。

用示波器观察阶跃响应，从 25 度跳到 30 度时，滤波输出大约经过 15 个采样周期达到最终值的 90%。这个结果和理论计算基本吻合，说明位移法在慢变量场景下完全够用。

5. 常见问题与排查技巧实录

5.1 输出震荡或飞掉的排查思路

这是位移法最容易踩的坑，根源几乎都出在数据类型上。排查顺序建议如下：

1. 检查 diff 的计算是否用了有符号类型。如果 x 和 y_prev 都是无符号，减法结果会回绕。
2. 检查右移操作符作用在什么类型上。对无符号数右移是逻辑移位，对负数会补 0 而不是补 1，结果完全错误。
3. 检查 y_prev 的更新是否在中断和主循环之间共享。如果中断里在写、主循环里在读，没有保护的话可能读到半更新的值。

我遇到过一次典型情况：某开发者在 8 位机上用 uint8_t 存 y_prev，diff 也是 uint8_t，结果输入从 100 降到 50 时，diff 算出来是 206，右移后加回去，输出直接冲到 250 以上，然后系统就失控了。改成 int16_t 之后问题立刻消失。

5.2 滤波滞后过大的参数调整

如果发现输出跟不上输入变化，先确认是不是 n 选大了。把 n 减小 1 或 2，滞后会明显改善。但减小 n 会削弱滤波效果，需要在两者之间找平衡。

另一个容易被忽视的因素是采样率。如果采样率远高于信号带宽，那么即使 α 不小，等效截止频率也会很低，造成不必要的滞后。这时候可以考虑降低采样率，或者改用滑动平均等其他滤波方式。

还有一种情况是信号本身含有较大的直流偏置，而噪声是高频的。这时候可以先减去偏置再做滤波，或者用高通加低通的组合，效果比单纯加大滤波强度好得多。

5.3 多通道滤波的资源优化

实际项目里往往不止一路信号要滤波。如果每路都独立写一套变量和函数，代码会显得很臃肿。更好的做法是把状态封装成结构体：

typedef struct { int32_t y_prev; uint8_t shift_n; } lpf_t; int32_t lpf_update(lpf_t *f, int32_t x) { int32_t diff = x - f->y_prev; int32_t bias = 1 << (f->shift_n - 1); f->y_prev += (diff + bias) >> f->shift_n; return f->y_prev; }

这样每路信号只需要一个 lpf_t 实例，代码复用率高，也方便统一管理。代价是 shift_n 变成变量后，移位不再是编译期常量，性能略有下降。如果通道数不多且算力充裕，这点损失可以接受。

5.4 常见问题速查表

提示：在中断里调用滤波函数时，尽量保证滤波变量只在该中断中被访问。如果主循环也要读滤波结果，建议读完后立即拷贝到另一个变量，避免数据竞争。

6. 位移法的扩展玩法与进阶思路

6.1 变步长滤波：快慢自适应的实现

固定 n 的位移法有个天然矛盾：快和稳不可兼得。一个实用的改进是根据信号变化率动态调整 n。当 diff 很大时，说明信号在快速变化，此时用较小的 n 快速跟踪；当 diff 很小时，说明信号稳定，用较大的 n 强力滤波。

实现上可以设两个阈值：

int32_t lpf_adaptive(int32_t x) { int32_t diff = x - y_prev; int32_t abs_diff = (diff >= 0) ? diff : -diff; uint8_t n; if (abs_diff > 500) { n = 2; } else if (abs_diff > 100) { n = 4; } else { n = 6; } int32_t bias = 1 << (n - 1); y_prev += (diff + bias) >> n; return y_prev; }

这段代码在信号突变时响应快，稳态时又足够平滑。代价是多了一次绝对值计算和几次比较，但相比浮点运算还是轻量得多。我在一个手持设备项目里用过这个思路，效果比固定系数好不少。

6.2 级联位移滤波实现更陡的滚降

一阶滤波的滚降是 -20dB/十倍频，对某些应用来说不够。把两个一阶位移滤波器级联起来，就能得到接近二阶的效果，滚降变成 -40dB/十倍频。实现上就是连续调用两次滤波函数，每级有自己的状态变量。

需要注意的是，级联后相位滞后会累加，总滞后大约是单级的两倍。所以级联适合对相位不敏感的场景，比如静态测量、显示平滑等。控制环路里要慎用。

6.3 与滑动平均的对比与组合使用

滑动平均是另一种常见的轻量滤波，它把最近 N 个采样值求平均。相比位移法，滑动平均对周期性噪声的抑制更好，但需要存储 N 个历史值，内存开销大，而且每次都要做 N 次加法。

两者可以组合：先用滑动平均去掉明显的周期性干扰，再用位移法做最后的平滑。或者反过来，先用位移法快速压制高频噪声，再用滑动平均进一步稳定输出。具体怎么组合，取决于你的噪声特性和资源预算。

我个人在大多数场景下更倾向位移法，因为它内存占用极小，代码简单，调试直观。只有在噪声频谱比较特殊、位移法效果不理想时，才会考虑引入滑动平均。

6.4 在中断服务函数中的部署要点

滤波函数经常放在 ADC 中断里调用。这时候有几个细节要注意。第一，滤波函数本身要尽量短，避免在中断里做复杂判断。第二，如果用了自适应变步长，阈值比较和分支会增加执行时间，要评估中断频率和 CPU 负载。第三，滤波变量如果也要在主循环里用，记得加 volatile 或者用临界区保护。

我一般的做法是：中断里只做滤波和存结果，主循环里读结果做后续处理。滤波变量用结构体封装，中断和主循环各操作各的副本，通过一个标志位或者队列来传递数据。这样既保证了实时性，又避免了竞争。

7. 一些实操心得与踩坑记录

位移法看起来简单，但真正在项目里用好，还是有一些只可意会的东西。我把自己这些年踩过的坑和总结的经验列几条，供你参考。

第一条，移位位数不要超过数据有效位数的一半。比如 12 位 ADC，有效数据 12 位，n 最好不要超过 6。超过之后死区会大到影响正常测量，滤波输出会显得“迟钝”甚至“卡死”。这个界限不是绝对的，但可以作为快速判断的依据。

第二条，调试时先把滤波关掉，确认原始数据正常再开滤波。我见过有人花半天调滤波参数，最后发现是传感器接线松动导致数据本身就在乱跳。滤波只能处理噪声，不能修复错误的数据源。

第三条，用串口或者调试器把滤波前后的数据同时输出，画成曲线对比。光看数字很难判断滤波效果，画成波形一目了然。我通常会用简单的上位机工具把两组数据实时绘制出来，调参效率高很多。

第四条，不同信号不要共用一套滤波参数。温度、压力、电流的变化速率差异很大，用同一个 n 必然有一路效果不好。多花几行代码给每路独立配置，后期维护会轻松很多。

第五条，记得处理滤波器的复位。系统重启、传感器重新初始化、量程切换时，滤波器的历史状态应该清零或者用新数据重新初始化，否则会有一段莫名其妙的过渡过程。

最后再分享一个小技巧：如果你不确定 n 取多少合适，可以先用浮点版本在 PC 上仿真，把不同 α 对应的阶跃响应和噪声抑制效果都跑一遍，找到满意的 α 之后，再换算成最接近的 1/2^n。这样比在单片机上反复烧录试参数快得多。换算的时候记住，α = 1/2^n，n 取整数，所以实际 α 和仿真值会有偏差，选最接近的那个就行。