罗罗编程学习记录 全栈面试题库
本页导航 展开查看

14.3.5 传感器采样、滤波与标定

所属:全栈开发面试题库 / 14 物联网与嵌入式软件 / 14.3 外设与中断驱动

本节要解决的问题

面试里写"读传感器",多数人只记得 ADC_Read,一到板子上就遇到:数据跳变、漂移、温漂、采样率不对、噪声大、标定系数错。本节解决四个具体问题:一是 ADC 采样率、分辨率、采样时间怎么配,为什么要过采样;二是滑动平均、中值、卡尔曼滤波的适用场景和计算量;三是传感器标定(零偏、增益、非线性、温漂)怎么做;四是传感器卡死/总线错误的检测与恢复。

学习目标

学完本节,你应当能够:

  • 配置 ADC 采样时间、分辨率、过采样,解释为什么要满足建立时间。
  • 在滑动平均、中值、卡尔曼滤波之间选择,并说明各自计算量。
  • 写出传感器标定流程(两点标定、温漂补偿)。
  • 检测传感器卡死(总线 NACK、数据不变)并恢复。

先修与前置

知识地图

ADC 采样链
  模拟信号 → 采样保持(S/H) → 量化 → 数字值
  采样率: 至少 2× 信号最高频率(奈奎斯特)
  采样时间: 满足内部 RC 充电时间
  过采样: 多次采样平均,提高有效分辨率

滤波器选择
  滑动平均: 简单,延迟 = N/2
  中值: 抗脉冲噪声
  卡尔曼: 动态系统,估计状态
  一阶低通: 简单,RC 等效

标定
  零偏: 零点误差
  增益: 斜率误差
  非线性: 多点拟合
  温漂: 温度补偿

核心术语

  • ADC(Analog-to-Digital Converter):模拟信号转数字量。
  • 采样率(Sampling Rate):每秒采样次数,需 ≥ 2× 信号最高频率。
  • 分辨率(Resolution):ADC 位数,12 位 = 4096 级。
  • 过采样(Oversampling):高采样率 + 平均,提高有效分辨率。
  • 滑动平均(Moving Average):最近 N 次采样平均。
  • 中值滤波(Median Filter):取中间值,抗脉冲噪声。
  • 卡尔曼滤波(Kalman Filter):基于状态空间的最优估计。
  • 标定(Calibration):用已知输入校准传感器输出。

覆盖范围

  • ADC 采样时间、分辨率、过采样、DMA 采集
  • 奈奎斯特采样定理与抗混叠
  • 滑动平均、中值、一阶低通、卡尔曼滤波
  • 传感器标定:零偏、增益、非线性、温漂
  • 传感器卡死检测与总线恢复
  • 传感器数据融合(多传感器)
  • 采样率与实时性权衡

高频题速览

编号 题目 难度 频率
14.3.5-001 ADC 采样时间为什么要足够长? 基础 ★★★★
14.3.5-002 过采样怎么提高分辨率? 进阶 ★★★★
14.3.5-003 滑动平均和中值滤波怎么选? 基础 ★★★★
14.3.5-004 卡尔曼滤波适用于什么场景? 进阶 ★★★★
14.3.5-005 传感器标定怎么做?两点标定? 进阶 ★★★★
14.3.5-006 温漂怎么补偿? 进阶 ★★★
14.3.5-007 传感器数据跳变怎么处理? 基础 ★★★★
14.3.5-008 奈奎斯特采样定理是什么?为什么要抗混叠? 基础 ★★★★
14.3.5-009 传感器卡死怎么检测? 进阶 ★★★
14.3.5-010 一阶低通滤波器怎么实现? 基础 ★★★

14.3.5-001 ADC 采样时间为什么要足够长?

一句话结论

ADC 内部采样保持电容需要时间充电到输入电压,如果采样时间太短,电容未充满,转换结果偏小;采样时间要满足内部 RC 充电常数,通常几微秒到几十微秒。

概念解释

  • 采样保持电容(S/H Capacitor):ADC 内部电容,采样阶段充电,保持阶段转换。
  • 建立时间(Settling Time):电容充电到目标值所需时间。
  • 源阻抗:信号源内阻越大,充电越慢。
  • 采样时间:ADC 采样阶段持续时间,可配置。

原理流程

  1. 采样阶段:ADC 内部开关闭合,S/H 电容连接到输入引脚。
  2. 电容通过源内阻充电,时间常数 τ = R_source × C_sh。
  3. 充电到 99.9% 需要约 7τ。
  4. 保持阶段:开关断开,电容保持电压,ADC 转换。
  5. 采样时间太短 → 电容未充满 → 结果偏小。

代码或图示

/* STM32 ADC 采样时间配置 */
hadc.Init.SamplingTime = ADC_SAMPLETIME_84CYCLES;  /* 84 个 ADC 时钟周期 */
/* 高阻抗源需要更长采样时间 */
充电曲线:
  V(t) = V_in × (1 - e^(-t/τ))
  τ = R_source × C_sh
  要达到 99.9%:t ≈ 7τ
  若 R_source = 10kΩ, C_sh = 5pF: τ = 50ns, t = 350ns

常见误区

  • 误区:采样时间越短越好;正解:太短导致未充满,结果错。
  • 误区:采样时间与源阻抗无关;正解:源阻抗越大,需要越长采样时间。
  • 误区:ADC 分辨率高就好;正解:高分辨率要求更长建立时间。

追问

  • 高阻抗源怎么处理?答:加运放缓冲(电压跟随器),降低源阻抗,或用更长采样时间。机制上运放输出阻抗低。边界在于:运放引入噪声和偏移。延伸:这就是传感器前端加运放的原因。
  • ADC 时钟越快越好吗?答:不是。ADC 时钟太快可能导致转换不完整,且功耗高。机制上 ADC 有最大时钟限制。边界在于:采样时间 = 采样周期数 × ADC 时钟周期。延伸:这就是 ADC 配置要平衡速度和精度。
  • 多通道扫描怎么配?答:每个通道独立采样时间,按通道阻抗配置。机制上 ADC 扫描每个通道时用对应采样时间。边界在于:高阻抗通道要更长采样时间。延伸:这就是多通道 ADC 的配置要点。

14.3.5-002 过采样怎么提高分辨率?

一句话结论

过采样是远高于奈奎斯特率的采样,多次采样平均,降低噪声,等效提高分辨率;每 4 倍过采样提高 1 位有效分辨率(白噪声假设下)。

概念解释

  • 过采样率(Oversampling Ratio):实际采样率 / 奈奎斯特率。
  • 噪声降低:平均 N 次,噪声降 √N 倍。
  • 有效分辨率:每 4 倍过采样提高 1 位。
  • 噪声整形:Σ-Δ ADC 用过采样 + 噪声整形。

原理流程

  1. 信号带宽 B,奈奎斯特率 = 2B。
  2. 过采样率 = 4^k,采样率 = 2B × 4^k。
  3. 采样 N = 4^k 次,平均。
  4. 噪声降 √N = 2^k 倍,等效分辨率提高 k 位。
  5. 例:12 位 ADC,4 倍过采样 → 13 位有效分辨率。

代码或图示

/* 过采样:12 位 ADC,4 次平均,等效 13 位 */
uint16_t adc_oversample(ADC_HandleTypeDef *h, int n)
{
    uint32_t sum = 0;
    for (int i = 0; i < n; i++) {
        HAL_ADC_Start(h);
        HAL_ADC_PollForConversion(h, 100);
        sum += HAL_ADC_GetValue(h);
    }
    return sum / n;  /* 平均后等效 13 位 */
}
分辨率提升:
  4× 过采样 → 1 位 (12→13)
  16× → 2 位 (12→14)
  64× → 3 位 (12→15)

常见误区

  • 误区:过采样无限提高分辨率;正解:受噪声限制,实际提高有限。
  • 误区:过采样不需要抗混叠;正解:过采样降低带内噪声,但仍需抗混叠。
  • 误区:过采样免费;正解:增加采样次数和计算量。

追问

  • 过采样的前提?答:噪声是白噪声,且信号带宽远小于采样率。机制上平均降低白噪声。边界在于:周期性噪声(如电源纹波)不被平均降低。延伸:这就是为什么过采样对传感器有效,对开关电源噪声无效。
  • Σ-Δ ADC 是什么?答:用过采样 + 噪声整形,把噪声推到高频,数字滤波后得到高分辨率。机制上 Σ-Δ 调制器 + 数字抽取滤波器。边界在于:Σ-Δ ADC 速度慢,适合慢信号(温度、压力)。延伸:这就是 24 位 ADC 的原理。
  • 过采样和滑动平均区别?答:过采样是硬件采样率高于信号带宽,滑动平均是软件 N 次平均;两者结合。机制上硬件过采样 + 软件平均。边界在于:过采样受 ADC 最大采样率限制。延伸:这就是高分辨率测量的标准做法。

14.3.5-003 滑动平均和中值滤波怎么选?

一句话结论

滑动平均平滑连续信号,延迟 = N/2;中值滤波抗脉冲噪声(尖峰),不适合连续变化信号;两者可结合。

概念解释

  • 滑动平均:最近 N 次采样平均,平滑但延迟。
  • 中值滤波:取最近 N 次采样的中间值,抗脉冲。
  • 脉冲噪声:尖峰干扰(如电机噪声)。
  • 延迟:滤波引入的相位滞后。

原理流程

  1. 信号连续变化(温度、电压):用滑动平均。
  2. 信号有尖峰(电机噪声、静电):用中值滤波。
  3. 两者结合:先中值去尖峰,再滑动平均平滑。
  4. 计算量:滑动平均 O(N),中值 O(N log N)(排序)。
  5. N 越大越平滑,但延迟越大。

代码或图示

/* 滑动平均 */
#define N 8
static float buf[N];
static int idx = 0;
float moving_avg(float x)
{
    buf[idx] = x;
    idx = (idx + 1) % N;
    float sum = 0;
    for (int i = 0; i < N; i++) sum += buf[i];
    return sum / N;
}

/* 中值滤波 */
float median_filter(float x)
{
    static float buf[N];
    static int idx = 0;
    buf[idx] = x;
    idx = (idx + 1) % N;
    float sorted[N];
    memcpy(sorted, buf, sizeof(buf));
    /* 排序(简化用冒泡) */
    for (int i = 0; i < N - 1; i++)
        for (int j = i + 1; j < N; j++)
            if (sorted[i] > sorted[j]) {
                float t = sorted[i];
                sorted[i] = sorted[j];
                sorted[j] = t;
            }
    return sorted[N / 2];
}

常见误区

  • 误区:滑动平均能去尖峰;正解:尖峰会污染平均值,应用中值。
  • 误区:中值滤波适合连续信号;正解:中值会丢失小变化,不适合平滑。
  • 误区:N 越大越好;正解:N 大延迟大,实时性差。

追问

  • 怎么平衡平滑和延迟?答:按信号变化速度选 N,温度慢信号 N 大,快速信号 N 小。机制上延迟 = N/2 × 采样周期。边界在于:实时控制环对延迟敏感,N 要小。延伸:这就是滤波参数调优。
  • 递推滑动平均怎么优化?答:用递推公式:新平均 = 旧平均 + (新值 - 旧值) / N,O(1)。机制上避免每次求和。边界在于:递推累积误差,定期重算。延伸:这就是高效滑动平均。
  • 什么是一阶低通?答:y = α×x + (1-α)×y_prev,等效 RC 滤波,计算量 O(1)。机制上 α 越小越平滑。边界在于:一阶低通对阶跃响应慢。延伸:这就是最简单的软件滤波。

14.3.5-004 卡尔曼滤波适用于什么场景?

一句话结论

卡尔曼滤波用于动态系统状态估计(如温度随时间变化、速度估计),基于状态空间模型,融合过程噪声和测量噪声,给出最优估计;计算量比滑动平均大,但能处理动态系统。

概念解释

  • 状态空间:系统状态(如位置、速度)和测量(如传感器读数)。
  • 过程噪声:系统模型不确定性。
  • 测量噪声:传感器噪声。
  • 预测 + 更新:卡尔曼两步:预测下一步状态,用测量更新。

原理流程

  1. 建立状态模型:x_k = A·x_{k-1} + B·u_k + w。
  2. 预测:x_pred = A·x_est,P_pred = A·P·A^T + Q。
  3. 更新:计算卡尔曼增益 K,x_est = x_pred + K·(z - H·x_pred)。
  4. 协方差更新:P = (I - K·H)·P_pred。
  5. 迭代。

代码或图示

/* 一维卡尔曼滤波(温度估计) */
typedef struct {
    float x;    /* 状态估计 */
    float P;    /* 协方差 */
    float Q;    /* 过程噪声 */
    float R;    /* 测量噪声 */
} kalman_t;

float kalman_update(kalman_t *k, float z)
{
    /* 预测 */
    float x_pred = k->x;
    float P_pred = k->P + k->Q;

    /* 更新 */
    float K = P_pred / (P_pred + k->R);  /* 卡尔曼增益 */
    k->x = x_pred + K * (z - x_pred);
    k->P = (1 - K) * P_pred;

    return k->x;
}

常见误区

  • 误区:卡尔曼滤波万能;正解:需要准确的过程模型,模型错则结果差。
  • 误区:卡尔曼滤波比滑动平均好;正解:简单系统滑动平均足够,卡尔曼复杂。
  • 误区:卡尔曼滤波实时性差;正解:一维卡尔曼 O(1),计算量小。

追问

  • 什么场景用卡尔曼?答:动态系统(如 IMU 姿态、GPS 定位、温度变化),需要融合多个传感器。机制上卡尔曼融合过程和测量。边界在于:静态系统(如恒压)用滑动平均足够。延伸:这就是无人机/机器人的传感器融合。
  • Q 和 R 怎么调?答:Q 是过程噪声(模型不确定性),R 是测量噪声(传感器精度)。机制上 Q 大相信测量,R 大相信模型。边界在于:Q/R 需要调试,可由实验估计。延伸:这就是卡尔曼滤波的调参。
  • 扩展卡尔曼(EKF)是什么?答:非线性系统的卡尔曼,线性化状态方程。机制上雅可比矩阵。边界在于:EKF 对强非线性系统可能发散。延伸:这就是视觉 SLAM 用的滤波。

14.3.5-005 传感器标定怎么做?两点标定?

一句话结论

两点标定是用两个已知输入(零点和满量程),校准传感器输出的零偏和增益;多点标定用于非线性传感器。

概念解释

  • 零偏(Offset):零点误差,输出不为零。
  • 增益(Gain):斜率误差,输出比例不对。
  • 非线性:输出与输入不成线性关系。
  • 两点标定:y = (x - offset) × gain。

原理流程

  1. 零点输入:传感器输出 x0,记录零偏 offset = x0。
  2. 满量程输入:传感器输出 x1,计算 gain = (y1 - y0) / (x1 - x0)。
  3. 应用:y = (x - offset) × gain。
  4. 多点标定:多个已知点,拟合曲线(多项式)。
  5. 标定系数存 Flash。

代码或图示

/* 两点标定 */
typedef struct {
    float offset;
    float gain;
} calib_t;

float sensor_apply(calib_t *c, float x)
{
    return (x - c->offset) * c->gain;
}

/* 标定过程 */
void calibrate_two_point(float x0, float y0, float x1, float y1, calib_t *c)
{
    c->offset = x0;
    c->gain = (y1 - y0) / (x1 - x0);
}

常见误区

  • 误区:传感器出厂已标定;正解:温漂、老化需要现场标定。
  • 误区:两点标定够所有传感器;正解:非线性传感器需要多点。
  • 误区:标定系数存 RAM;正解:存 Flash,掉电不丢。

追问

  • 非线性怎么标定?答:多点拟合(如多项式 2-3 次),用最小二乘法。机制上拟合曲线匹配传感器特性。边界在于:多点标定增加工作量。延伸:这就是高精度传感器的标定。
  • 温漂怎么处理?答:温度传感器测温度,用温度补偿系数修正。机制上温度是传感器误差的主要来源。边界在于:温漂模型要实验确定。延伸:这就是工业传感器的温补。
  • 标定怎么验证?答:用第三个已知输入验证误差是否在精度范围内。机制上标定后测试。边界在于:标定环境要与使用环境一致。延伸:这就是标定流程。

14.3.5-006 温漂怎么补偿?

一句话结论

温漂是传感器参数随温度变化,补偿方法是测温度,用温度系数修正输出;通常标定不同温度点的误差,拟合温度补偿曲线。

概念解释

  • 温漂(Temperature Drift):传感器零偏/增益随温度变化。
  • 温度系数:每度变化的误差。
  • 温度补偿:用温度传感器读数修正输出。
  • 多点温补:多个温度点标定,拟合补偿曲线。

原理流程

  1. 测温度:用温度传感器(如 NTC、板上温度传感器)。
  2. 标定:在多个温度点测零偏和增益。
  3. 拟合:温度补偿系数(如 offset(T) = offset0 + k×(T - T0))。
  4. 应用:实时测温度,修正输出。
  5. 温补系数存 Flash。

代码或图示

/* 温度补偿 */
typedef struct {
    float offset0;
    float k_offset;   /* 零偏温度系数 */
    float gain0;
    float k_gain;     /* 增益温度系数 */
    float T0;         /* 标定温度 */
} temp_comp_t;

float sensor_compensate(temp_comp_t *c, float x, float T)
{
    float offset = c->offset0 + c->k_offset * (T - c->T0);
    float gain = c->gain0 + c->k_gain * (T - c->T0);
    return (x - offset) * gain;
}

常见误区

  • 误区:温漂可忽略;正解:工业级传感器温漂可达满量程 0.1%/℃。
  • 误区:温补系数固定;正解:不同传感器个体差异,需逐片标定。
  • 误区:温度传感器精度不重要;正解:温补精度依赖温度测量精度。

追问

  • 怎么标定温漂系数?答:恒温箱里多个温度点测零偏/增益,拟合系数。机制上实验确定温度系数。边界在于:恒温箱成本高。延伸:这就是高精度传感器的标定。
  • 温漂是线性的吗?答:近似线性,高端传感器用多项式(2-3 次)补偿。机制上温漂在小范围近似线性。边界在于:宽温度范围(-40~125℃)非线性。延伸:这就是温补的复杂度。
  • 板上温度传感器够吗?答:够测 MCU 温度,但传感器自身温度要单独测。机制上传感器热源不同。边界在于:传感器靠近发热元件(DC-DC),要单独测温。延伸:这就是温补的工程细节。

14.3.5-007 传感器数据跳变怎么处理?

一句话结论

数据跳变通常是脉冲噪声、总线错误、或传感器卡死;用中值滤波去尖峰、滑动平均平滑、卡死检测恢复。

概念解释

  • 脉冲噪声:尖峰干扰(电机、静电)。
  • 总线错误:I2C NACK、SPI 错误。
  • 传感器卡死:数据不变,传感器未响应。
  • 跳变检测:超出正常范围的数据点。

原理流程

  1. 中值滤波:去尖峰。
  2. 范围检查:超出物理范围的数据丢弃。
  3. 变化率检查:相邻采样变化率超阈值丢弃。
  4. 卡死检测:连续 N 次数据不变,触发恢复。
  5. 总线错误重试:NACK 后重试,多次失败复位传感器。

代码或图示

/* 跳变检测 */
float sensor_read_safe(void)
{
    float x = sensor_read_raw();
    /* 范围检查:温度 -40~125℃ */
    if (x < -40 || x > 125) return g_last_valid;
    /* 变化率检查:每秒变化不超过 10℃ */
    if (fabs(x - g_last_valid) > 10.0) return g_last_valid;
    g_last_valid = x;
    return x;
}

常见误区

  • 误区:数据跳变是传感器坏了;正解:多数是噪声,滤波即可。
  • 误区:跳变数据直接用;正解:跳变会污染控制环。
  • 误区:滤波能解决所有跳变;正解:卡死要检测恢复。

追问

  • 跳变和卡死区别?答:跳变是瞬时尖峰,卡死是数据不变。机制上跳变用中值,卡死用超时检测。边界在于:跳变是偶发,卡死是持续。延伸:这就是传感器可靠性设计。
  • 怎么检测卡死?答:连续 N 次数据不变(或变化小于阈值),判定卡死。机制上数据单调或不变。边界在于:静态信号(恒压)也不变,要区分。延伸:这就是卡死检测的难点。
  • 总线错误怎么恢复?答:NACK 重试 3 次,仍失败则复位传感器(I2C 9 时钟、硬件复位脚)。机制上总线错误恢复。边界在于:频繁错误说明硬件问题。延伸:这就是驱动的错误处理。

14.3.5-008 奈奎斯特采样定理是什么?为什么要抗混叠?

一句话结论

奈奎斯特定理:采样率必须 ≥ 2× 信号最高频率,否则高频信号混叠成低频假信号;抗混叠滤波器(低通)滤除高于奈奎斯特频率的信号。

概念解释

  • 奈奎斯特频率:采样率/2。
  • 混叠(Aliasing):高频信号采样后变成低频假信号。
  • 抗混叠滤波器:低通滤波器,滤除高于奈奎斯特频率的信号。
  • 信号带宽:信号最高频率。

原理流程

  1. 信号最高频率 f_max,采样率 fs ≥ 2×f_max。
  2. 若 fs < 2×f_max,高频信号混叠成低频。
  3. 抗混叠滤波器:截止频率 = fs/2,滤除高频。
  4. 滤波器滚降:实际滤波器有过渡带,fs 要留余量(2.5~3× f_max)。
  5. 传感器采样:温度慢信号,fs 可低;振动快信号,fs 要高。

代码或图示

混叠示例:
  信号频率 100Hz,采样率 150Hz(< 2×100=200Hz)
  采样后看到 50Hz 假信号(100 - 150 = -50)

抗混叠:
  滤波器截止频率 = fs/2 = 75Hz
  滤除 > 75Hz 信号

常见误区

  • 误区:采样率越高越好;正解:高采样率增加计算和存储,按需选。
  • 误区:数字滤波能解决混叠;正解:混叠在采样时已发生,数字滤波无法恢复。
  • 误区:传感器不需要抗混叠;正解:传感器输出有高频噪声,要滤波。

追问

  • 为什么要抗混叠?答:混叠是不可逆的,采样后高频信号已变成假低频,数字滤波无法恢复。机制上混叠在采样时刻发生。边界在于:过采样降低混叠影响,但仍需抗混叠。延伸:这就是 ADC 前端加 RC 滤波的原因。
  • 振动信号怎么采样?答:振动频率高(几百 Hz),采样率要 1kHz 以上。机制上振动分析需要高采样率。边界在于:温度信号慢(0.1Hz),采样率 1Hz 足够。延伸:这就是采样率选择。
  • 抗混叠滤波器怎么设计?答:RC 低通,截止频率 = fs/2,电阻电容值按时间常数选。机制上简单 RC 滤波。边界在于:高阶滤波器(巴特沃斯)效果好但复杂。延伸:这就是模拟前端设计。

14.3.5-009 传感器卡死怎么检测?

一句话结论

传感器卡死表现为数据不变或变化小于阈值,检测方法是连续 N 次采样变化率小于阈值;恢复方法是重试、复位传感器、重新初始化。

概念解释

  • 卡死(Stuck):传感器输出不变,或变化率异常小。
  • 变化率:相邻采样差值。
  • 超时:N 次采样后仍不变,判定卡死。
  • 恢复:重试、复位、重新初始化。

原理流程

  1. 连续 N 次采样,计算变化率。
  2. 若变化率 < 阈值(如连续 10 次变化 < 0.1℃),判定卡死。
  3. 重试:重新读传感器,仍不变。
  4. 复位:硬件复位脚(RST),或 I2C 总线恢复。
  5. 重新初始化:重新配置传感器。

代码或图示

/* 卡死检测 */
static int stuck_count = 0;
static float last_value = 0;

bool sensor_is_stuck(float x)
{
    if (fabs(x - last_value) < 0.01) {  /* 变化小于 0.01 */
        stuck_count++;
    } else {
        stuck_count = 0;
    }
    last_value = x;
    return stuck_count >= 10;  /* 连续 10 次不变 */
}

/* 恢复 */
void sensor_recover(void)
{
    sensor_hw_reset();      /* 硬件复位 */
    sensor_init();          /* 重新初始化 */
    stuck_count = 0;
}

常见误区

  • 误区:卡死是传感器坏了;正解:多数是总线错误或状态机卡死,复位即可。
  • 误区:静态信号也会卡死;正解:要区分静态信号和真卡死(变化率阈值要按信号特性)。
  • 误区:卡死检测越严越好;正解:误报会频繁复位,影响正常使用。

追问

  • 怎么区分静态信号和卡死?答:静态信号(恒压)也不变,但物理上合理;卡死检测要结合信号特性(温度会随环境变化)。机制上变化率阈值要按信号变化范围设。边界在于:恒温箱里温度也不变,难区分。延伸:这就是卡死检测的难点。
  • 复位传感器会不会丢数据?答:复位后要重新初始化,丢失一次采样,但恢复正常更重要。机制上复位是最后手段。边界在于:频繁复位说明硬件问题。延伸:这就是可靠性设计。
  • 怎么上报卡死?答:记录卡死事件,上报云端,标记设备异常。机制上监控传感器健康。边界在于:卡死事件要计入统计。延伸:这就是设备运维。

14.3.5-010 一阶低通滤波器怎么实现?

一句话结论

一阶低通是 y = α·x + (1-α)·y_prev,等效 RC 模拟滤波,α 越小越平滑,计算量 O(1),是最简单的软件滤波。

概念解释

  • 一阶低通(First-Order LPF):y = α·x + (1-α)·y_prev。
  • α:平滑系数,0~1,越小越平滑。
  • 时间常数:τ = dt/α,等效 RC。
  • 截止频率:fc = α/(2π·dt)。

原理流程

  1. 新采样 x,历史输出 y_prev。
  2. 计算 y = α·x + (1-α)·y_prev。
  3. α 小:相信历史,平滑但滞后。
  4. α 大:相信新值,响应快但噪声大。
  5. 选 α 按信号特性:温度慢信号 α 小。

代码或图示

/* 一阶低通 */
float lpf_update(float x, float alpha, float *y_prev)
{
    float y = alpha * x + (1 - alpha) * (*y_prev);
    *y_prev = y;
    return y;
}

/* 时间常数换算:τ = dt/alpha */
/* dt=100ms, τ=1s → alpha = dt/τ = 0.1 */

常见误区

  • 误区:α 越小越好;正解:α 小滞后大,实时性差。
  • 误区:一阶低通能去所有噪声;正解:一阶低通对高频噪声有效,对脉冲噪声要用中值。
  • 误区:α 是常数;正解:α 可按信号动态调整(自适应滤波)。

追问

  • α 和时间常数关系?答:τ = dt/α,α = dt/τ。机制上一阶低通等效 RC 电路。边界在于:α 要按采样周期选。延伸:这就是滤波器参数换算。
  • 一阶低通和滑动平均区别?答:一阶低通是指数加权(新值权重高),滑动平均是等权。机制上一阶低通 O(1),滑动平均 O(N)。边界在于:一阶低通有滞后,滑动平均滞后 N/2。延伸:这就是滤波选择。
  • 自适应滤波怎么做?答:α 按信号变化率调整:变化大时 α 大(响应快),变化小时 α 小(平滑)。机制上自适应权重。边界在于:自适应增加复杂度。延伸:这就是高级滤波。

动手练习

练习 1:实现一个传感器采样滤波链

  • 任务:ADC 采样 → 中值去尖峰 → 一阶低通平滑 → 标定输出,对比原始数据和滤波后数据。
  • 验收标准:
    1. 中值滤波能去尖峰。
    2. 一阶低通平滑噪声。
    3. 标定输出在精度范围内。

练习 2:实现传感器卡死检测与恢复

  • 任务:连续 N 次变化率小于阈值,判定卡死,触发复位恢复。
  • 验收标准:
    1. 卡死检测不误报。
    2. 复位后传感器恢复正常。
    3. 卡死事件有日志。

自检清单

  • [ ] 能否解释 ADC 采样时间为什么要足够长?
  • [ ] 能否说明过采样怎么提高分辨率?
  • [ ] 能否在滑动平均/中值/卡尔曼之间选择?
  • [ ] 能否写出两点标定流程?
  • [ ] 能否说明温漂补偿方法?
  • [ ] 能否解释奈奎斯特采样定理和抗混叠?
  • [ ] 能否实现一阶低通滤波器?
  • [ ] 能否检测传感器卡死并恢复?

延伸阅读

  • STMicroelectronics AN3155:STM32 ADC 应用笔记。
  • Robert N. Braswell:《Kalman Filter for Beginners》。
  • TI:ADC 采样时间与抗混叠应用笔记(SLAa)。
  • Maxim Integrated:传感器标定与温漂应用笔记。
  • 传感器厂商手册:BME280、SHT3x、MPU6050 的标定与补偿。

待整理清单

  • [ ] 补充卡尔曼滤波在 IMU 姿态估计中的应用
  • [ ] 补充多传感器融合(互补滤波、Mahony)
  • [ ] 补充 ADC 差分输入与共模抑制