stm32的软件滤波

### STM32 软件滤波实现方法

对于STM32中的软件滤波，常见的两种有效方式分别是卡尔曼滤波和中位值滤波。这两种方法均能显著提升ADC采样的准确性与可靠性。

#### 卡尔曼滤波算法
卡尔曼滤波器作为一种递归滤波器，在信号处理、控制系统以及导航领域广泛应用。该滤波器能够有效地估计系统的状态，并在有噪声干扰的情况下给出最优的状态估计[^2]。通过卡尔曼滤波对ADC进行自动校准，可以极大程度上改善ADC测量的精确度和稳定性。

下面是一个简单的卡尔曼滤波函数示例：

#include "stm32f1xx_hal.h"

typedef struct {
    float Q;     // 过程噪声协方差矩阵
    float R;     // 测量噪声协方差矩阵
    float P;     // 误差协方差矩阵初始化
    float K;     // 卡尔曼增益
    float X_Est; // 当前时刻预测值
} KalmanFilter;

void kalman_init(KalmanFilter *kf, float q, float r) {
    kf->Q = q;
    kf->R = r;
    kf->P = 1.0;
}

float kalman_update(KalmanFilter *kf, float measurement) {
    // 预测更新
    kf->P += kf->Q;
    
    // 计算卡尔曼增益K
    kf->K = kf->P / (kf->P + kf->R);
    
    // 更新X_Est
    kf- kf->X_Est);
    
    // 更新P
    kf->P *= (1 - kf->K);

    return kf->X_Est;
}

此代码片段展示了如何创建并初始化一个卡尔曼滤波结构体`KalmanFilter`及其成员变量；同时提供了两个主要功能——初始化(`kalman_init`)和更新(`kalman_update`)操作来完成一次完整的卡尔曼滤波过程。

#### 中位数滤波算法
另一种常用的滤波技术是中位数值法，它通过对连续多个样本点求取中间位置处的数据作为最终输出结果，从而达到去除异常波动的目的。这种方法特别适合于抑制脉冲型随机扰动的影响[^1]。

以下是适用于STM32平台上的简单中位数滤波实现方案：

#define FILTER_LENGTH 7      /* 定义窗口大小 */
uint16_t median_filter(uint16_t adc_value[]) {
    uint8_t i,j;
    uint16_t temp[FILTER_LENGTH];
    
    // 复制输入数组到临时缓冲区
    memcpy(temp, adc_value, sizeof(adc_value));
    
    // 排序算法（这里使用冒泡排序）
    for(i=0;i<FILTER_LENGTH-1;i++) {
        for(j=i+1;j<FILTER_LENGTH;j++){
            if(temp[i]>temp[j]){
                int t=temp[i]; 
                temp[i]=temp[j];  
                temp[j]=t;
            }
        }
    }

    // 返回位于中心位置的元素即为所求得的中位数
    return temp[(FILTER_LENGTH-1)/2];
}

上述代码实现了长度固定的滑动窗式中位数过滤机制，其中心思想在于先将当前周期内的所有读数存入缓存区内再执行升序排列最后选取最接近真实值的那个点作为本次转换后的实际输出。