4、软件滤波消除抖动：均值滤波、中值滤波、一阶低通滤波的原理与代码实现

启动抖动的本质，说白了就是电流或速度信号在启动瞬间来回跳变。硬件上我们可以加RC滤波，但成本、空间、可调性都不太理想。我个人习惯在软件层面做滤波，灵活、零成本、还能随时调参数。

这一章我们重点聊三种最常用的软件滤波方法：均值滤波、中值滤波、一阶低通滤波。它们各有各的脾气，用对了地方就是神器，用错了反而添乱。

4.1 均值滤波：最简单的平滑方案

均值滤波的思路很直白——连续采N个值，加起来除以N。你想想看，如果信号本身是稳定的，只是叠加了随机噪声，多采几次平均一下，噪声自然就被削弱了。

我在项目中遇到过用均值滤波处理电流采样。电机启动时电流有高频毛刺，用10点均值滤波后，波形干净了很多。但要注意，N不是越大越好。N太大，响应变慢，启动瞬间的真实电流变化会被"抹平"。

// 均值滤波 - 循环队列实现
#define FILTER_N 10

typedef struct {
    int16_t buffer[FILTER_N];
    uint8_t index;
    int32_t sum;
} MeanFilter_t;

int16_t MeanFilter_Process(MeanFilter_t *f, int16_t new_val) {
    // 减去最旧的值，加上新值
    f->sum -= f->buffer[f->index];
    f->sum += new_val;
    f->buffer[f->index] = new_val;
    f->index = (f->index + 1) % FILTER_N;
    
    return (int16_t)(f->sum / FILTER_N);
}

这段代码用了循环队列，每次只需要做一次减法和一次加法，计算量很小。嗯，这里要注意：sum变量要用int32_t，否则N大了容易溢出。我曾经在这个坑里摔过一次，调试了半天才发现是累加和溢出了。

4.2 中值滤波：专治"野点"

均值滤波怕什么？怕脉冲干扰。假如10个数据里突然蹦出一个离谱的跳变，均值会被严重拉偏。这时候中值滤波就派上用场了。

中值滤波的原理更简单：把N个数据排序，取中间那个值。说白了，不管数据怎么跳，只要正常数据占多数，中间值就不会被野点带偏。

我记得有一次做无刷电机启动，霍尔传感器偶尔会冒出一个错误的脉冲。用均值滤波根本压不住，换了中值滤波后，问题立刻解决。为什么？因为错误脉冲只占少数，排序后它要么在最左边要么在最右边，根本影响不到中间值。

// 中值滤波 - 窗口大小为5
#define MEDIAN_WIN 5

int16_t MedianFilter_Process(int16_t *buf, int16_t new_val) {
    int16_t temp[MEDIAN_WIN];
    int16_t i, j, tmp;
    
    // 数据平移：丢掉最旧，加入最新
    for(i = 0; i < MEDIAN_WIN - 1; i++) {
        buf[i] = buf[i + 1];
    }
    buf[MEDIAN_WIN - 1] = new_val;
    
    // 拷贝到临时数组排序
    for(i = 0; i < MEDIAN_WIN; i++) {
        temp[i] = buf[i];
    }
    
    // 冒泡排序（窗口小，够用）
    for(i = 0; i < MEDIAN_WIN - 1; i++) {
        for(j = 0; j < MEDIAN_WIN - 1 - i; j++) {
            if(temp[j] > temp[j + 1]) {
                tmp = temp[j];
                temp[j] = temp[j + 1];
                temp[j + 1] = tmp;
            }
        }
    }
    
    // 取中间值（索引2）
    return temp[2];
}

4.3 一阶低通滤波：实时性最好的选择

前面两种滤波都需要缓存多个数据。如果系统对实时性要求很高，比如电流环控制，等不起那N个采样周期，怎么办？

一阶低通滤波就是为这种场景设计的。它不需要缓存历史数据，只靠一个递推公式就能平滑信号。公式长这样：

y[n] = α · x[n] + (1 - α) · y[n-1]

其中α是滤波系数，范围0~1。α越大，滤波越弱，响应越快；α越小，滤波越强，响应越慢。说白了，这就是在"相信新数据"和"相信历史趋势"之间做权衡。

我个人习惯把α设成0.1~0.3之间。对于1kHz的电流环，α=0.2时既能滤掉大部分高频噪声，又不至于让电流响应滞后太多。

// 一阶低通滤波
typedef struct {
    float alpha;    // 滤波系数 0.0 ~ 1.0
    float last_out; // 上一次输出值
} LPF1st_t;

float LPF1st_Process(LPF1st_t *f, float new_val) {
    float out = f->alpha * new_val + (1.0f - f->alpha) * f->last_out;
    f->last_out = out;
    return out;
}

// 初始化
void LPF1st_Init(LPF1st_t *f, float alpha, float init_val) {
    f->alpha = alpha;
    f->last_out = init_val;
}

4.4 三种滤波的选型指南

说了这么多，到底该用哪一种？我整理了一个对比表，方便你快速决策：

场景	推荐方法	理由
稳态电流/电压采样	均值滤波	噪声随机分布，平均后效果明显
有脉冲干扰的信号	中值滤波	野点不影响中间值
实时控制环路	一阶低通滤波	无延迟累积，计算量最小
启动瞬间的电流检测	一阶低通 + 限幅	既平滑又防止过冲

4.5 实战建议：组合使用效果更佳

实际项目中，我经常把中值滤波和一阶低通组合起来用。先用中值滤波剔除野点，再用一阶低通平滑残余噪声。这样既不怕脉冲干扰，又能保证实时性。

举个具体的例子：在启动抖动消除中，电流采样先过3点中值滤波，再过α=0.15的一阶低通。这个组合我在三个项目里验证过，效果都很稳定。

嗯，滤波算法就聊到这里。记住一句话：没有最好的滤波，只有最合适的滤波。动手试，调参数，看波形，这才是工程师该干的事。