在嵌入式系统中，滤波器常用于信号处理、噪声抑制或数据平滑。以下是常见滤波器类型及其应用场景的简要说明，以及嵌入式实现的注意事项：

1. 常用滤波器类型

(1) 移动平均滤波器（Moving Average）

• 原理：取连续N个采样值的平均值作为输出。
• 特点：简单、资源消耗低，适合高频噪声抑制。

• 代码示例（C语言）：

  #define WINDOW_SIZE 5
  float buffer[WINDOW_SIZE];
  int index = 0;
  
  float moving_average(float new_sample) {
    buffer[index] = new_sample;
    index = (index + 1) % WINDOW_SIZE;
    float sum = 0.0;
    for (int i = 0; i < WINDOW_SIZE; i++) {
        sum += buffer[i];
    }
    return sum / WINDOW_SIZE;
  }

(2) 中值滤波器（Median Filter）

• 原理：取N个采样值的中位数作为输出。
• 特点：有效消除脉冲噪声（如传感器突发干扰）。
• 适用场景：传感器数据去噪（如温度、压力传感器）。

(3) 低通滤波器（Low-Pass Filter, LPF）

• 原理：允许低频信号通过，抑制高频噪声。

• 实现方式：

  • 一阶RC低通滤波（适合实时性要求高的系统）：

    
    float alpha = 0.1; // 系数（0 < alpha < 1）
    float lpf_value = 0.0;

  float low_pass_filter(float new_sample) { lpf_value = alpha new_sample + (1 - alpha) lpf_value; return lpf_value; }

(4) 卡尔曼滤波器（Kalman Filter）

• 原理：结合系统模型和测量值，动态估计最优状态。
• 特点：适合处理带噪声的动态系统（如惯性导航、电机控制）。
• 嵌入式注意：需矩阵运算，资源消耗较高，通常需优化计算。

2. 滤波器选择原则

• 资源限制：MCU的RAM、计算能力（如是否支持浮点运算）。
• 实时性要求：滤波算法的时间复杂度。
• 噪声类型：
  • 高频噪声 → 低通滤波器。
  • 脉冲噪声 → 中值滤波器。
  • 周期性噪声 → 陷波滤波器（Notch Filter）。

3. 嵌入式实现技巧

1. 定点数优化：避免浮点运算（如使用Q格式）。
2. 滑动窗口复用：减少重复计算（如移动平均的递推计算）。
3. 查表法：预计算滤波器系数，节省实时计算时间。
4. DSP加速：利用硬件加速模块（如ARM Cortex-M的DSP指令）。

示例场景：传感器数据平滑

// 一阶低通滤波 + 移动平均组合
float filtered_data = moving_average(low_pass_filter(raw_sensor_value));

如果需要更具体的滤波器设计（如FIR/IIR参数计算），可以结合MATLAB或Python工具生成系数，再移植到嵌入式代码中。