📚 课程目录第2章环境光干扰

2. 环境光干扰：环境光噪声来源分析、滤光片选型策略、动态阈值调整算法

环境光干扰，说白了就是光学触控系统最头疼的「背景噪音」。你想想看，一个会议室里，上午阳光从东边窗户照进来，下午西晒，晚上还有各种LED灯、荧光灯。这些光线的变化，都会让触控系统的信噪比忽高忽低。

我个人习惯把环境光干扰分成三类：直流分量（稳定的背景光）、交流分量（50Hz/100Hz的灯光频闪）、瞬态分量（人影走过、窗帘飘动）。这三类噪声的处理方式完全不同，咱们一个一个说。

2.1 环境光噪声来源分析

先看一张我整理的噪声来源分类图，这样你心里有个谱。

我在项目中遇到过最头疼的案例：一个客户把触控屏装在落地窗旁边。上午10点到下午2点，阳光直射，传感器信号直接饱和。后来我们加了遮光罩，但效果有限。最后是靠硬件滤光片+软件动态阈值双管齐下才搞定。

⚠️ 避坑提醒： 我曾经以为软件滤波能搞定一切，结果在荧光灯+LED混光的场景下栽了跟头。两种光源的频闪频率不同，软件滤波器设计复杂，反而引入了延迟。后来我学乖了——硬件能解决的，别全扔给软件。

2.2 滤光片选型策略

滤光片选型，说白了就是给传感器戴一副「墨镜」。但这副墨镜不能随便戴，得看你的光源波长和传感器响应曲线。

我一般按以下步骤来选：

确定光源波长：红外触控常用850nm或940nm。940nm的好处是太阳光中该波段能量较低，抗干扰能力强。
匹配传感器峰值：滤光片的中心波长要跟LED的发射波长对齐，偏差控制在±10nm以内。
看半带宽(FWHM)：带宽越窄，滤除杂光效果越好，但光通量也越低。我一般选30-50nm。
考虑入射角：大角度入射时，滤光片的中心波长会蓝移。这个坑我踩过——选了窄带滤光片，结果边缘区域信号弱了一半。

滤光片类型	中心波长	半带宽	适用场景	注意事项
窄带干涉滤光片	940nm	±15nm	强光环境、户外	入射角敏感，需垂直安装
宽带吸收滤光片	850nm	±50nm	室内、弱光环境	成本低，但滤除效果一般
双带通滤光片	850+940nm	±20nm	多光源系统	价格高，需定制
长波通滤光片	截止800nm	—	可见光干扰严重	会引入部分红外杂光

💡 我的经验： 如果你预算允许，优先选窄带干涉滤光片+940nm光源的组合。940nm在太阳光谱中能量较低，配合窄带滤光片，信噪比能提升3-5倍。我在一个户外广告机项目里试过，效果立竿见影。

2.3 动态阈值调整算法

硬件滤光片搞定了大部分直流干扰，但环境光还会缓慢变化——比如阴天转晴、灯光老化。这时候就需要动态阈值算法上场了。

我常用的算法有三种，各有优劣：

2.3.1 滑动窗口均值法

最简单，也最实用。维护一个长度为N的采样窗口，实时计算背景光均值，然后在这个均值上加一个偏移量作为触控阈值。

// 滑动窗口均值动态阈值
#define WINDOW_SIZE 100
uint16_t buffer[WINDOW_SIZE];
int index = 0;
uint32_t sum = 0;

uint16_t get_dynamic_threshold(uint16_t current_sample) {
    // 移除旧值
    sum -= buffer[index];
    // 加入新值
    buffer[index] = current_sample;
    sum += current_sample;
    index = (index + 1) % WINDOW_SIZE;
    
    uint16_t mean = sum / WINDOW_SIZE;
    // 阈值 = 背景均值 + 固定偏移量
    return mean + OFFSET_VALUE;
}

嗯，这里要注意：窗口长度N的选择很关键。N太小，阈值跟着噪声乱跳；N太大，响应太慢。我一般取50-200，具体看采样率。采样率1kHz的话，N=100对应100ms的响应时间，够用了。

2.3.2 自适应偏移量法

固定偏移量有个问题：背景噪声大时容易误触，噪声小时又不够灵敏。我后来改用基于噪声标准差的自适应偏移量。

// 自适应偏移量动态阈值
uint16_t get_adaptive_threshold(uint16_t* buffer, int len) {
    uint32_t sum = 0;
    for(int i=0; i<len; i++) sum += buffer[i];
    uint16_t mean = sum / len;
    
    // 计算标准差
    uint32_t var = 0;
    for(int i=0; i<len; i++) {
        int32_t diff = buffer[i] - mean;
        var += diff * diff;
    }
    uint16_t stddev = sqrt(var / len);
    
    // 阈值 = 均值 + K * 标准差
    return mean + K_FACTOR * stddev;
}

K值我一般取3-5。K=3时，理论上99.7%的噪声不会触发误报。但如果你对灵敏度要求高，可以降到2.5。这个我在一个教育平板的项目里调过，最终K=3.2效果最好。

2.3.3 双阈值滞回法

这个技巧是我从按键消抖里借鉴过来的。设置两个阈值：高阈值（触控按下）和低阈值（触控释放）。中间有个滞回区，能有效防止临界状态下的抖动。

状态	触发条件	说明
空闲 → 触控	信号 > 高阈值	高阈值 = 背景均值 + 偏移量A
触控 → 空闲	信号 < 低阈值	低阈值 = 背景均值 + 偏移量B（B < A）
滞回区	低阈值 < 信号 < 高阈值	保持当前状态不变

  🔑 核心要点：
  三种算法可以组合使用。我现在的标准方案是：滑动窗口均值 + 自适应偏移量 + 双阈值滞回。先算背景均值，再用标准差算偏移量，最后用滞回区防抖。这套组合拳打下来，误触率能降到0.1%以下。

最后说一句：算法再好，也架不住硬件设计有硬伤。如果你发现动态阈值怎么调都不管用，回头检查一下传感器有没有饱和、滤光片有没有装反、光源有没有衰减。这些基础问题不解决，算法就是空中楼阁。