单片机开发中传感器数据常用算法总结

滑动均值滤波算法

在嵌入式开发过程中会用到各种各样的传感器，比如压力传感器、光敏传感器、加速度传感器、温湿度传感器、角速率传感器等等。在这些传感器数据采集过程中掺杂着噪声，使得传感器测量精度误差过大【传感器数据数据波动很大】，传感器数据输出噪声来源可能是由于震动、温度的变化、电磁干扰等很多因素引起的，常常我们用数字信号处理的方法来消除或者抑制这种噪声。常用的数学方法有FFT滤波算法、DFT滤波算法、kalman算法、中值滤波算法、平均值滤波算法、滑动均值滤波、最小二乘法、排序算法、限幅滤波算法、高通滤波、低通滤波等。每种算法都有各自的特点和的应用场景，用好这些数学工具可以让你的产品或作品更加富有灵魂。

本系列文章主要讲解以上各类算法和应用场景。文本首先介绍滑动均值滤波算法。

以STM32软件项目入门实战中多路电压采集系统这个项目为例，讲述滑动均值滤波。在此之前我们必须清除ADC采集为什么要用到滑动均值滤波，首先采集口的模拟量可能夹杂着不同频段，不同峰值的干扰信号，那么ADC采集的数据量就会偏移原有的真实结果。那么通过硬件与数字滤波两种手段可大大减少采集误差，提高精度。软件方法有算数平均值（是将N个数值作和，之后除以数值个数。）、滑动平均值滤波、卡尔曼、FFT等。

滑动均值滤波算法实现步骤如下：首先是传感器数据的获取，采用的ADC+循环DMA的方式采集电压数据，以5个数据为1组，并将这些数据依次入队，也就是下面数组，最开始进入到队列的数据不停地冲刷，依次能达到数据滑动的目的。

代码实现

图是对5路ADC采样值进行的滑动均值滤波，每五个为一次做依次均值处理，因为ADC_ConvertedValue[]里面的数据由DMA不断进行刷新，因此实现了数据的滑动。

下图是利用matlab将采集的数据用滑动均值滤波做的处理，蓝色为带噪声的原始信号，红色为处理后的信号，可以看出滑动均值滤波可以滤除大量的噪声【毛刺】。

仿真效果图

滑动均值滤波使用时特性如下：对周期性干扰信号有良好的抑制作用，平滑度高，适用于高速率信号采集，算法简单便于计算。因为ADC采集在100KHz以上，所以本算法适合用该应用场景。

N值较大的情况下会导致灵敏度低，对于干扰信号较大的情况下也就是信噪比小的情况不适用该算法。