嵌入式数字滤波算法C代码实现：ADC噪声与传感器毛刺处理

简介：一套面向嵌入式开发与单片机应用的实用滤波算法代码包，针对传感器数据采集中的脉冲干扰、周期性波动、快速变化信号等场景，整理了限幅滤波、中位值滤波、算术平均滤波、递推平均、一阶滞后、消抖等10种常用处理方法。每种算法均按方法、优点、缺点给出说明，便于开发者结合流量、压力、液位、温度等被测参数的特点快速选型。压缩包共3个文件，约198KB，含C源程序、Word版算法说明文档及一篇数字滤波方法研究的PDF论文。C代码可直接参考移植到STM32、51等常见MCU工程中，Word文档便于离线查阅完整思路，PDF论文可辅助理解滤波原理与选型依据。资源已有3000余人学习下载，适合刚接触数字滤波的嵌入式初学者，也适合在项目中需要快速对比算法特性的工程师，可节省整理和测试时间。

1. 数字滤波不是套公式：这份C代码包解决的是ADC毛刺和传感器噪声

有一次调一块温控采集板，恒温箱里放着的温度传感器，原始ADC读数却在稳态下上下跳了十几个LSB，输出曲线看起来和心电图差不多。网上找来的滤波算法大多是片段，不是缺数据结构就是没考虑嵌入式环境，抄下来根本没法直接用。这份“10种常用的滤波算法(C代码)”把十种经典数字滤波算法整理成了可直接编译的C函数，不依赖第三方库，扔进工程就能跑。它适合刚接触嵌入式数据采集的开发者照着配参数，也适合老工程师直接借用状态结构体和组合策略。真正值钱的不是那几行公式，而是每种算法对应的数据结构、边界条件和工程参数取舍。

2. 十种滤波算法全景与代码包结构：先看清单再动手

2.1 十种算法的三个家族：去脉冲、压噪声、组合策略

拿到代码包先别急着编译，先把这十种算法分清楚。它们不是十个平级方案，按处理目标可以分成三组：去脉冲、压噪声、组合策略。去脉冲组解决偶发尖峰和触点抖动，压噪声组解决随机噪声和周期性纹波，组合组则把两种需求拼在一起。

代码包的文件结构是典型的嵌入式工程布局，静态数组分配内存，不用malloc。根目录下是算法源文件，test目录里是演示程序和验证数据生成器，README里有每种算法的适用场景和参数表。

filter/ ├── filter.h # 公共接口与状态结构体定义 ├── filter.c # 十种算法实现 ├── test/ │ ├── main.c # 演示程序：生成合成信号并打印滤波前后序列 │ └── gen_data.py # 生成带毛刺和噪声的模拟数据 └── README.md # 每种算法的适用场景与参数表

下载后先在PC上编译验证，再把filter.c和filter.h拷贝到目标工程里。README里已经写好了每种算法对应的场景，但参数必须按你自己的采样周期和信号物理量重新标定，后面第4章会详细说怎么换算。

2.2 接口设计：状态结构体是十个算法的公共骨架

滤波算法和普通函数最大的区别在于“有记忆”。中位值滤波要记住窗口内的历史样本，递推平均要维护累计和，一阶滞后要记住上一次输出。如果用全局变量存这些状态，十路采集通道就得复制十份代码；所以代码包统一用状态结构体承接记忆，每个通道独立实例化一个结构体。

/* 一阶滞后滤波器状态 */ typedef struct { int32_t last_y; /* 上一次滤波输出 */ uint8_t shift; /* 定点精度，取值8~14 */ uint16_t alpha; /* 滤波系数，范围0~(1<<shift) */ } lowpass_t; /* 滑动平均滤波器状态 */ typedef struct { uint16_t ring[64]; /* 环形缓冲，窗口最大64 */ uint8_t head; /* 当前写入位置 */ uint8_t count; /* 已积累的样本数 */ uint32_t sum; /* 窗口内累计值 */ } sliding_avg_t;

以这两个结构体为典型，其余八个算法基本是它们的变体或组合。结构体实例化放在调用方，可以静态分配，也可以放进另外的结构体里。启动时清零结构体，再调用一次初始化函数把首采值填入last_y，避免滤波从0开始爬升。

接口上用函数指针封装统一入口是常见的做法。如果采集循环里同时跑八路传感器，每路用不同的滤波策略，可以定义一个函数指针表，让调度代码不关心具体算法。

typedef uint16_t (*filter_func_t)(void *state, uint16_t x); typedef struct { filter_func_t func; void *state; } filter_chan_t;

这样做的工程价值在于：切换滤波策略不用改采集主循环，只换函数指针。代价是函数指针调用有少量开销，但在几十kHz采样率以下完全无所谓。

2.3 编译与数据类型选型：ADC采样进uint16_t，累加进uint32_t

数据类型直接决定这个代码包在MCU上跑不跑得动。ADC采样值常用12位或16位，原始值放uint16_t；窗口内的累计值上限要按“样本数×满量程”预估。比如窗口64、每个样本最大65535，累计上限约419万，uint32_t足够。但如果做32位ADC或累加256个样本，就要小心边界的累积。一阶滞后的中间乘加用int64_t，防止两个16位数值相乘后累加溢出。

gcc -std=c99 -O2 -Wall -o test_filter test/main.c filter.c

要说明的是这段代码依赖C99标准，因为用到了stdint.h和指定初始化器。老旧的单片机工程如果还停留在C89，需要先检查编译器是否支持C99。编译命令建议加-Wall，让隐式类型转换的警告暴露出来。浮点运算在验证阶段没问题，但放到没有FPU的MCU上会拖慢中断响应，代码包里的核心算法统一采用定点或整数实现。

3. 滑动窗口滤波家族：移动平均、中位值与组合窗口的参数权衡

3.1 算术平均和递推平均：把O(N)降成O(1)的关键是环形缓冲

普通算术平均每次滤波都要把窗口内N个样本重新加一遍，复杂度O(N)。100kHz采样率下，窗口64，每秒钟要额外做640万次加法，中断里根本撑不住。递推平均的优化思路是维护一个滚动累计值：来一个新样本就加进去，同时把最旧样本减掉，计算量与窗口大小无关。

/* 窗口长度必须是2的幂，方便位运算取模 */ #define AVG_WINDOW 32 uint16_t sliding_average(sliding_avg_t *st, uint16_t x) { if (st->count < AVG_WINDOW) { /* 窗口未满：直接累加并记录样本 */ st->sum += x; st->ring[st->head] = x; st->head = (st->head + 1) & (AVG_WINDOW - 1); st->count++; } else { /* 窗口已满：减掉最旧的样本，加入新样本 */ uint8_t old_pos = st->head; st->sum -= st->ring[old_pos]; st->sum += x; st->ring[old_pos] = x; st->head = (old_pos + 1) & (AVG_WINDOW - 1); } return (uint16_t)(st->sum / st->count); }

代码里最关键的两行是& (AVG_WINDOW - 1)。这个位运算只在窗口长度为2的幂时才等价于取模；如果窗口长度改成了50，这里就必须换成if (++head >= 50) head = 0;。sum字段放结构体里而不是局部变量，是为了让多次调用之间保持累计值，这也是O(1)算法能成立的前提。初始化时清零sum和head，第一个样本进来走count < AVG_WINDOW分支，直接累加，不会出现除以0的情况。

递推平均适合采样率稳定、中断频繁的场景。但要注意窗口时间跨度带来的延迟，以一个采样点进入、经过半个窗口后才能影响输出，窗口越大，信号突变看起来越像斜坡。后面第6章会给一个缓解方案。

3.2 中位值滤波：排序窗口的临时区拷贝是防止缓冲区错乱的底线

中位值滤波的思路简单：取窗口内所有样本排序，输出中间值。它对脉冲毛刺的抑制效果比平均滤波好得多，一个极大的离群点不会污染输出，代价是排序需要额外内存和计算时间。窗口小的时候，插入排序比快排更合适，因为几乎有序的数据插入排序接近O(N)。

typedef struct { uint16_t buf[16]; /* 窗口数据，FIFO顺序 */ uint8_t count; /* 当前样本数 */ } median_filter_t; uint16_t median_filter(median_filter_t *st, uint16_t x) { uint16_t temp[16]; /* 先复制，不破坏原FIFO数据 */ memcpy(temp, st->buf, st->count * sizeof(uint16_t)); if (st->count < 16) { temp[st->count++] = x; } else { memmove(temp, temp + 1, 15 * sizeof(uint16_t)); temp[15] = x; } /* 插入排序：16个样本以内排序开销很低 */ for (uint8_t i = 1; i < st->count; i++) { uint16_t key = temp[i]; uint8_t j = i; while (j > 0 && temp[j - 1] > key) { temp[j] = temp[j - 1]; j--; } temp[j] = key; } return temp[st->count / 2]; }

这里最容易翻车的地方是把排序直接作用在st->buf上。buf里的数据代表时间顺序，下一次滤波时窗口要剔除的“最旧样本”是buf[0]；如果排过序，下一次就找不到真正的最旧样本了，输出会出现随机毛刺。所以代码里先用memcpy拷贝到临时数组，排序在临时区完成，buf保持FIFO原序，代价是每次滤波多一次16字节的内存拷贝，在MCU上完全可以接受。

窗口长度的选择要和信号变化率匹配。温度、压力这类缓变信号，窗口15左右能有效削掉脉冲且不产生明显相位滞后；振动信号如果窗口开太大，峰值会被削平，后续特征提取就没意义了。

3.3 中位值平均滤波：先剔除最大最小再平均，工业采集的常青树

中位值平均滤波是中位值和算术平均的组合：先排序，去掉一个最大值和一个最小值，剩下的样本做算术平均。它对“脉冲噪声+高斯噪声”混合的场景非常实用，既不像纯中位值那样丢失信号能量，也不像纯平均那样被一个尖峰带偏。这类组合算法在工业现场用得最多，振动烈度监测、称重变送器里经常能看到它的变体。

uint16_t median_average(median_filter_t *st, uint16_t x) { uint16_t tmp[16]; uint16_t min_v, max_v; uint32_t sum = 0; uint8_t i; memcpy(tmp, st->buf, st->count * sizeof(uint16_t)); if (st->count < 16) { tmp[st->count++] = x; } else { memmove(tmp, tmp + 1, 15 * sizeof(uint16_t)); tmp[15] = x; } min_v = tmp[0]; max_v = tmp[0]; for (i = 0; i < st->count; i++) { if (tmp[i] < min_v) min_v = tmp[i]; if (tmp[i] > max_v) max_v = tmp[i]; sum += tmp[i]; } sum -= min_v + max_v; /* 剔除一个最大一个最小 */ return (uint16_t)(sum / (st->count - 2)); }

注意它和中位值滤波的区别：中位值输出的是排序后正中间那一个点，而中位值平均输出的是剔除极值后的均值，保留了更多信号能量。窗口长度必须是奇数，而且至少要大于5，否则剔除两个极值后剩余样本太少，平均结果波动大。实际使用中窗口取15，即一次滤波要处理15个样本，计算量和内存都可控。对16位ADC数据，sum累加最多15×65535≈98万，uint32_t安全。

4. 一阶滞后与限幅滤波：低通、防突变与组合拳的工程设定

4.1 一阶低通滤波的定点实现：alpha 的物理意义是截止频率

一阶滞后滤波的公式是Y[n] = a·X[n] + (1-a)·Y[n-1]，在所有十种算法里它是最平滑的一种，也是坑最多的一种。浮点实现直接照抄这个公式，MCU没有FPU的时候执行时间可能膨胀五倍以上，中断周期稍紧就会溢出。代码包里的定点版本把这个公式改成了整数运算。

typedef struct { int32_t last_y; /* 上次输出，需初始化为首个采样值 */ uint8_t shift; /* 定点精度，8~14 */ uint16_t alpha; /* 系数，范围[0, 1<<shift) */ } low_pass_t; int16_t low_pass_update(low_pass_t *f, uint16_t x) { int64_t y; y = (int64_t)f->alpha * x; y += (int64_t)((1u << f->shift) - f->alpha) * f->last_y; y >>= f->shift; f->last_y = (int32_t)y; return (int16_t)y; }

alpha的换算是整套代码里最需要耐心调试的地方。浮点a=0.1、定点精度shift=10时，alpha换算成整数取0.1×1024≈102，量化误差会带来一个小幅直流偏置。中间乘法用int64_t是因为alpha×(1<<shift)×last_y在特定组合下会接近百万量级，虽然int32也能装下，但一旦采样值扩到24位就危险了，一律用int64_t最稳妥。

alpha不对应某个直观的“力度”，它对应截止频率。采样频率fs下，一阶低通的截止频率近似为fc ≈ a·fs/(2π)。比如采样率1kHz、a=0.1，截止频率约16Hz；想滤掉50Hz工频纹波，同样采样率下a要压到0.03左右。下面的换算表可以省去反复试参的功夫。

初始化时把last_y设为首采值，而不是0。如果按0启动，前几十个采样点会看到一条从0爬向真实值的斜坡，这在仪表开机阶段很容易被误判为真实跳变。

4.2 限幅滤波：阈值按物理最大变化率换算，不做玄学拍脑袋

限幅滤波的逻辑很直白：当前值跟上一次输出之差超过阈值就丢弃，不超过就接受。它专门对付偶发尖峰，对缓慢漂移和高频噪声无计可施。阈值L是唯一参数，很多人把L当成“噪声幅度”来拍，结果要么滤不住脉冲，要么把真实变化也削成了平头。

typedef struct { uint16_t last; uint16_t threshold; /* 最大允许跳变量，单位是ADC LSB */ } limit_filter_t; uint16_t limit_filter_update(limit_filter_t *f, uint16_t x) { uint16_t delta; if (x >= f->last) delta = x - f->last; else delta = f->last - x; if (delta > f->threshold) return f->last; /* 判定为脉冲，丢弃 */ f->last = x; return x; }

阈值应该从物理量的最大变化率换算。测温度，传感器最大升温速率是1℃/s，采样周期100ms，即一个采样周期最多变0.1℃；12位ADC满量程对应100℃，每个LSB约0.0244℃，阈值取0.1/0.0244≈4 LSB。把这个换成工程写法：

L = ceil(max_slew_rate / ADC_scale * sample_period)

把阈值写死成常数是个常见错误。同一个温度模块，采样率从100Hz改到1kHz，每周期允许变化量缩小十倍，阈值不跟着改，真实升温过程会被限幅切成台阶状。

4.3 限幅+一阶滞后串行组合：先拦脉冲、再压噪声

单独的限幅滤波器输出带有明显的高频噪声，单独的一阶滞后会把脉冲污染拖成持续几个周期的隆起。把两者串起来是工程上最常用的组合策略：先限幅剔除脉冲，再低通压噪声。这个组合覆盖了大多数工业模拟量采集场景。

typedef struct { limit_filter_t lim; low_pass_t lp; } lim_lowpass_t; uint16_t lim_lowpass_update(lim_lowpass_t *f, uint16_t x) { uint16_t x1 = limit_filter_update(&f->lim, x); return (uint16_t)low_pass_update(&f->lp, x1); }

顺序不能反。如果先低通后限幅，脉冲经过一阶滞后会保留能量，限幅看到的是一个被拖宽的“假台阶”，阈值再小也拦不住。串行组合的参数标定方法是：先用纯限幅去掉尖峰，观察静态噪声峰峰值，再将一阶滞后的alpha设到对应该噪声衰减需要的截止频率。整个过程有点像先把大石子捡掉，再筛细沙。

5. 滤波算法避坑与排查：窗口缓冲、整数除法和阶跃滞后的五条现场记录

这一章的内容来自实际调试中反复出现的问题，每一条都是“现象→原因→解决”的结构。代码包能编译能跑只是第一步，真正麻烦的是参数和内存上的这些隐蔽问题。

5.1 现象：中位值滤波输出偶发跳变，窗口越大越严重

现象是滤波输出在稳态下偶尔冒出一个偏离真实值很远的点，而且加大窗口长度后跳变频率反而变高。原因是实现时直接把排序作用在了状态结构体的数据缓冲区上，buf里保存的时间顺序被排序破坏了。下一次滤波把排过序的“中间值”当成最旧样本剔除，窗口内的数据同一时间可能混了几个不同时刻的样本，输出自然乱跳。

解决方法是排序前先拷贝到临时数组，保持缓冲区时间顺序不被破坏。代码包里默认就是这么做的，如果自己重写，务必把memcpy保住，不要为了省那几十个字节的内存去掉。

5.2 现象：滑动平均输出长期为0，只有阶跃瞬间有值

现象出现在窗口较大、输入信号幅度较小的时候，比如12位ADC在低量程段工作，滑动平均结果恒为0。原因是整数除法截断：sum/count中sum小于count时，商直接截成0。稳态信号本身幅度只有几个LSB，窗口64时sum约几百，count=64，算完还能剩几个LSB，如果信号幅度1~2LSB，平均结果就归零了。

解决方法是输出前做四舍五入：(sum + count/2) / count。但对极低幅度信号，更要检查的是窗口长度是不是开得过大。窗口时间跨度超过信号本身的变化周期，平均就是在抹平有效信息，不是噪声。

5.3 现象：一阶滞后放在中断里，中断周期从100us膨胀到200us

现象是系统原本100us的中断周期，在加入一阶滞后滤波后整整翻倍，CPU空闲时间骤降。原因是浮点运算在无FPU的MCU上由软浮点库处理，一个浮点乘加可能消耗几十个甚至上百个周期，中断上下文里反复调用自然拖垮实时性。

解决方法是改用定点实现，同时把滤波从中断搬到主循环。中断里只做采样和置标志位，主循环检测到标志后把新采样值推进滤波器。这样做还有一个额外好处：滤波器的状态结构体不会被中断和主循环同时访问，省去了加锁的麻烦。

5.4 现象：大窗口把真实突变当成噪声，阶跃响应变成斜坡

现象是输入一个阶跃跳变，输出却拉成了一条斜线，达到目标值要等半个窗口长度。原因是递推平均的窗口太长，窗口64意味着每个采样点要经过32个周期才能在平均值里占主导地位，阶跃看起来自然成了斜坡。滤波器对真实变化和脉冲噪声在响应上的区别是，滤波器只认幅度不认语义，大窗口天然把快速变化抑制掉。

解决方法是并联一个快窗口，两个窗口输出差值超过阈值时直接启用快窗口结果。这就是第6章双窗口联动的基础思路，代码包test目录里的演示程序也包含了这组逻辑。参数上，快窗口8，慢窗口64，阈值按静态噪声峰峰值标定。

5.5 现象：多路采集通道串扰，A通道的脉冲跑到B通道输出里

现象是两路传感器共用一个滤波函数，A通道来了一个尖峰，B通道的滤波输出也出现了毛刺。原因是全局只定义了一个状态结构体，A通道的数据把结构体里的历史值更新掉了，B通道下一拍进来时，看到的是A通道的残留数据。

解决方法是给每一路采集通道分配独立状态结构体实例，用数组或直接命名区分。初始化时用首采值填充历史状态，而不是用0初始化后等待爬升。这个错误在代码量大的工程里特别隐蔽，因为滤波函数本身没有任何并发保护。

6. 双窗口联动滤波：现场调参技巧和验证用例

6.1 快速响应和长期平滑的切换逻辑

递推平均窗口越大越平滑，但越平滑越迟钝。要同时保住稳态精度和阶跃响应，可以同时跑快慢两个窗口，正常输出慢窗口，检测到两者差值超过阈值就切入快窗口。

typedef struct { sliding_avg_t fast; /* 快窗口，建议8~16 */ sliding_avg_t slow; /* 慢窗口，建议48~64 */ uint16_t threshold; /* 切换阈值，单位LSB */ } dual_window_t; uint16_t dual_window_update(dual_window_t *f, uint16_t x) { uint16_t fast = sliding_average(&f->fast, x); uint16_t slow = sliding_average(&f->slow, x); if (fast > slow) { if (fast - slow > f->threshold) return fast; } else { if (slow - fast > f->threshold) return slow; } return slow; }

注意两边比较差值时要先判断大小关系再相减，无符号数直接做减法会借位，得到的结果会是一个巨大的假差值。切换阈值建议取静态噪声峰峰值的一半。比如稳定状态下原始噪声是±3LSB，阈值取6；如果阈值取到2，正常噪声就会频繁触发切换，输出反而出现小台阶。

6.2 验证手法：阶跃用例和零漂用例

调完参数先别急着上产线，先跑两组用例。第一组是阶跃测试：给传感器输入端一个物理阶跃，记录滤波输出从开始变化到稳定在最终值63%处的时间，这就是实际延迟。第二组是零漂测试：保持输入恒定，连续记录五分钟滤波输出，看峰峰值有没有压到预期范围内。

资源包test目录里的数据生成脚本大致长这样，可以生成合成信号验证算法行为：

import numpy as np # 生成2000点合成数据：基线5000 + 阶跃 + 脉冲噪声 + 高斯噪声 rng = np.random.default_rng(0) x = np.full(2000, 5000, dtype=np.uint16) x[800:1200] += 200 # 阶跃段 x[400] += 800 # 脉冲噪声 x += rng.normal(0, 15, 2000).astype(np.int16).clip(0, 65535) np.savetxt("sim_signal.csv", x, fmt="%d")

把生成的数据喂进test/main.c里的滤波循环，对比滤波前后的数组：阶跃段看响应时间，稳态段看噪声峰峰值，脉冲点看抑制幅度。这两组用例我每次调完参数都会强制跑一遍，只有两者都达标才敢说这组参数能上线。

以前在某项目上把双窗口的切换阈值调得过小，结果轻微噪声就让两个窗口来回“打架”，输出锯齿状跳动。后来按静态噪声的3倍标准差重新标定阈值，才稳定下来。从那以后我每次调完滤波参数，都强制自己走一遍阶跃和零漂两组用例再发布，省下的返工时间远超写脚本的时间。希望这个习惯和这组代码能帮到你。

本文还有配套的精品资源，点击获取