在ESP32开发中，滤波通常分为硬件滤波和软件滤波两种方式，具体方法取决于应用场景和信号类型。以下是常见滤波方案：

一、硬件滤波

1. RC低通滤波

   • 用途：消除高频噪声（如PWM信号、传感器信号中的毛刺）。
   • 电路：在信号线上串联电阻（R）并并联电容（C）到地，截止频率由公式 ( f_c = \frac{1}{2\pi RC} ) 决定。
   • 示例：若信号频率低于1kHz，可用 ( R=1k\Omega )、( C=100nF )，截止频率约1.6kHz。

2. 有源滤波器

   • 用途：对模拟信号（如音频、传感器信号）进行更精确的滤波。
   • 方案：使用运放（如LM358）构建低通、高通或带通滤波器，适合需要高精度放大的场景。

3. 电源滤波

   • 用途：减少电源噪声对ESP32的干扰。
   • 方法：
     • 在电源输入处添加10-100μF电解电容。
     • 在ESP32的3.3V引脚附近并联0.1μF陶瓷电容。

二、软件滤波

1. 移动平均滤波

   • 用途：平滑ADC采样值（如温度、光照传感器）。

   • 代码示例：

     #define SAMPLE_SIZE 10
     int adc_values[SAMPLE_SIZE];
     int index = 0;
     
     int moving_average(int new_value) {
     adc_values[index] = new_value;
     index = (index + 1) % SAMPLE_SIZE;
     int sum = 0;
     for (int i = 0; i < SAMPLE_SIZE; i++) sum += adc_values[i];
     return sum / SAMPLE_SIZE;
     }

2. 中值滤波

   • 用途：消除突发性干扰（如脉冲噪声）。
   • 方法：取多次采样值的中间值，牺牲实时性但抗干扰性强。

3. 卡尔曼滤波

   • 用途：动态系统中实时噪声抑制（如运动传感器数据融合）。
   • 库推荐：使用SimpleKalmanFilter库，适合处理加速度计、陀螺仪数据。

4. IIR/FIR数字滤波

   • 用途：频域信号处理（如音频信号滤波）。
   • 工具：使用MATLAB或Python设计滤波器系数，移植到ESP32实现。

三、ESP32 ADC滤波技巧

ESP32内置ADC可能存在噪声，可通过以下方式优化：

1. 硬件优化：
   • 缩短传感器到ADC引脚的走线。
   • 添加RC低通滤波电路（如R=100Ω，C=0.1μF）。
2. 软件优化：
   • 启用ADC的多次采样平均功能：

     analogReadResolution(12); // 12位精度
     analogSetCycles(8);       // 增加采样周期
     analogSetSamples(16);     // 每次读取16次取平均

   • 结合移动平均或卡尔曼滤波算法。

四、应用场景建议

• 传感器信号：优先硬件RC滤波 + 软件移动平均。
• PWM输出：硬件RC低通滤波（将PWM转换为模拟电压）。
• 通信抗干扰：增加CRC校验、软件去抖（如UART数据）。
• 高精度测量：使用外部ADC芯片（如ADS1115）并配合软件滤波。

根据实际噪声类型和系统需求，可灵活组合软硬件滤波方案。