最近在调一个传感器数据采集的小项目，原始ADC值里总有几组毛刺，试过滑动平均、中值滤波，最后还是觉得一阶低通滤波最顺手。不过能在单片机上落地，关键一步是把系数改成“位移法”——也就是把滤波系数设计成 1/2^N，用右移运算替代浮点乘法。这个方法在单片机这种乘法资源金贵、浮点库又特别奢侈的环境里，性价比高到让人上瘾。这篇文章我会从数学原理、系数推导、C语言实现到调参踩坑，一次性讲清楚，适合正在被ADC噪声折磨、或者想把数字滤波真正落到MCU上的开发者。
1. 先搞明白一阶低通滤波在数学上做了什么
1.1 从RC电路到递推公式，大家都在用同一套东西
一阶低通滤波的“祖师爷”是RC电路：电阻电容串联，输入电压变化时，电容充放电，输出电压永远追着输入走，但追不上。它的连续时间方程很简单：
[ \tau \frac{dy(t)}{dt} + y(t) = x(t) ]
这里 (\tau) 是时间常数，越大，输出跟随越慢，滤波越强。单片机没法处理连续微分，所以第一步是离散化。用一阶向后差分近似微分，能得到下面这个经典递推式：
[ y[k] = y[k-1] + \alpha \cdot (x[k] - y[k-1]) ]
也可以写成：
[ y[k] = (1-\alpha) \cdot y[k-1] + \alpha \cdot x[k] ]
两种写法完全等价。(\alpha) 是一个 0 到 1 之间的系数，代表“新样本挤进输出状态的比例”。(\alpha) 越大，新数据权重越高，输出越激进，噪声抑制能力越差；(\alpha) 越小，输出越平滑，但信号变化被严重延迟。
这个公式所有教科书都会给，但真正做工程时，很多人忽略了一个重点：(\alpha) 不是一个拍脑袋定的数，它由目标截止频率 (f_c) 和采样频率 (f_s) 共同决定。
1.2 截止频率和 (\alpha) 到底怎么换算
假设输入信号频率远低于采样频率，可以推导出近似关系：
[ \alpha \approx \frac{2\pi f_c}{f_s} ]
更精确一点，需要解连续域到离散域的映射，常见的做法是用零阶保持或双线性变换，简化后常用：
[ \alpha = 1 - e^{-2\pi f_c / f_s} ]
两个式子在小 (\alpha) 时结果很接近。工程上如果只是选参数，直接用近似公式完全够用。
举个例子：采样率 (f_s = 1000Hz)，想要截止频率 (f_c = 50Hz)，那么 (\alpha \approx 2\pi \times 50 / 1000 \approx 0.314)。也就是说，每次更新时，把当前采样值和上一次输出差值的 31.4% 加进去。如果要求更平滑，比如 (f_c = 5Hz)，那么 (\alpha \approx 0.0314)。
问题来了：0.0314 这种小数，在 8 位或者低端 MCU 上怎么乘？用浮点库？成本太高。写成定点 Q 格式？可以，但还有更骚的玩法——直接把 (\alpha) 锁死成二进制位移。
2. 为什么非要用位移法：单片机上的成本账实在太难看
2.1 一次浮点乘法在MCU上的真实开销
我最早用某款主频只有 8MHz 的 MCU 做ADC采样，原本滤波代码里写的是float alpha = 0.0314f; y += alpha * (x - y);。代码能跑，但总感觉哪里不对劲。后来一测，一次浮点乘法要调用软件浮点库，几十甚至上百个周期，再算上循环里的加减法，一个采样周期光滤波就吃掉几百个周期。
如果是带硬件浮点单元的 MCU 还好，但没有硬件 FPU 的入门级型号太多了。整数乘法倒是便宜，很多 Cortex-M 内核一个周期能完成，但遇到 0.0314 这种系数，先得把小数转换成整数，然后做乘法再移位，也就是定点运算。虽然可行，但写起来麻烦，且一不小心就会溢出。
相比之下，右移运算在绝大多数 MCU 上都是单周期指令，有些 8 位机可能要多几条指令，但整体开销依然远小于浮点乘法和整数乘法加定标。
2.2 系数取 1/2^N 后，乘法直接变成右移
位移法的核心思想特别简单：把 (\alpha) 固定成 (1 / 2^N)，也就是二进制里 0.000...001 那种小数。比如：
- (N=2)：(\alpha = 1/4 = 0.25)
- (N=4)：(\alpha = 1/16 = 0.0625)
- (N=5)：(\alpha = 1/32 = 0.03125)
- (N=8)：(\alpha = 1/256 = 0.00390625)
这样递推式里的乘法alpha * (x - y)就变成了(x - y) >> N，整个滤波核心变成：
[ y = y + ((x - y) >> N) ]
一行代码解决。整数运算、无浮点、无乘法，速度飞快。
需要强调的是，这里的“位移法”不是“位移传感器”那种物理位移，而是“二进制移位运算”。标题里的“位移法实现”就是指用右移运算实现一阶低通滤波。第一次看到这个名字的人很容易误会，我先说清楚。
2.3 三种实现方式对比，别只盯着速度
| 实现方式 | 核心操作 | 典型开销 | 代码复杂度 | 缺点 |
|---|---|---|---|---|
| 浮点直接乘 | alpha * diff | 高（软件浮点库） | 低 | MCU资源紧张时扛不住 |
| 定点Q格式 | (diff * factor) >> Q | 中 | 中 | 需要精心定标，易溢出 |
| 位移法 | diff >> N | 极低 | 极低 | 系数只能取2的负幂次，频率分辨率受限 |
速度只是一方面，位移法最大的好处是代码可读性高、无溢出风险（前提是 diff 范围可控）。对于传感器数据这种信号范围明确的应用，用位移法几乎是最省心的选择。
3. 核心参数N怎么选：从目标截止频率反推出来
3.1 一个公式加一张表，搞定90%的场景
已知采样率 (f_s)，想要目标截止频率 (f_c)，先算：
[ \alpha = \frac{2\pi f_c}{f_s} ]
位移法要求 (\alpha = 1/2^N)，所以：
[ N = \log_2\left(\frac{f_s}{2\pi f_c}\right) ]
取最接近的整数。比如 (f_s = 1000Hz)，想要 (f_c \approx 5Hz)，那么：
[ \alpha = \frac{2\pi \times 5}{1000} = 0.0314 ]
离 0.0314 最近的 (1/2^N) 是 (1/32 = 0.03125)，所以 (N=5)。然后实际截止频率变成：
[ f_c' = \frac{f_s \cdot 2^{-N}}{2\pi} = \frac{1000 / 32}{2\pi} \approx 4.97Hz ]
跟目标 5Hz 差不到 1%，完全够用。
下面这张表是我自己常用的参数速查表，采样率按 1kHz 算，直接抄就行：
| N | 等效 (\alpha) | 实际截止频率 | 阶跃响应90%所需采样数 | 适用场景 |
|---|---|---|---|---|
| 2 | 0.25 | 39.8Hz | 约9 | 噪声不大、需要快速跟随 |
| 3 | 0.125 | 19.9Hz | 约18 | 一般传感器信号 |
| 4 | 0.0625 | 9.95Hz | 约37 | 噪声明显、信号变化不快 |
| 5 | 0.03125 | 4.97Hz | 约74 | 慢速温度、液位等 |
| 6 | 0.015625 | 2.49Hz | 约147 | 强平滑，滞后严重 |
“阶跃响应90%所需采样数”是什么意思？就是输入突然跳变时，滤波输出从旧的稳态走到新稳态的 90%，需要多少个采样周期。用近似公式 (n \approx \ln(0.1) / \ln(1-\alpha)) 算出来。这张表能帮你在选参数时直观感受到“N越大，输出越肉”。
3.2 N只能取整数，这个限制到底是好事还是坏事
移位位数 N 只能是正整数，意味着 (\alpha) 不能随意连续变化。这看起来是缺点，但其实大多数应用根本不需要精确的频率响应曲线。
我见过有人为了把截止频率凑到整数，硬上 Q16 定点乘法，结果代码复杂、得时刻防溢出。真没必要。滤波器的本质是“把噪声压下去、把趋势留住”，截止频率差个几赫兹，肉眼根本分辨不出来。先选一个和需求同量级的 N，跑起来看波形再微调，比精算一百遍都管用。
如果非要更精确，可以把两个一阶滤波器串联，得到二阶滤波效果，但那是另一个话题了。
4. 单片机实战：一个干净的整型位移滤波模块
4.1 最简实现，五行代码跑通流程
先写一个最核心的版本。假设 ADC 输出是 12 位，范围 0~4095，滤波状态变量用 int32_t 保存，避免累加时溢出。
typedef struct { int32_t y; /* 当前滤波输出 */ uint8_t n; /* 右移位数 N, 对应 alpha = 1/2^N */ } lpf_shift_t; void lpf_shift_init(lpf_shift_t *f, int32_t x0) { f->y = x0; /* 用第一个采样值作为初始输出 */ f->n = 5; /* 先给一个默认值, 后面按需改 */ } int32_t lpf_shift_update(lpf_shift_t *f, int32_t x) { int32_t diff = x - f->y; f->y += diff >> f->n; /* 需要确认编译器对有符号数使用算术右移 */ return f->y; }调用方式更简单，每采样到新值就塞进去：
lpf_shift_t filt; int32_t raw, smooth; lpf_shift_init(&filt, adc_read()); while (1) { raw = adc_read(); smooth = lpf_shift_update(&filt, raw); /* 用smooth做后续处理 */ }这段代码跑在绝大多数 MCU 上都不会出问题。唯一需要注意diff >> f->n的行为：C语言标准规定，对有符号负数右移是实现定义的，不过主流编译器和 MCU 都做算术右移，也就是符号扩展。为了严格可移植，下面有一个更安全的写法。
4.2 防负数右移的可移植版本
如果你用的是编译器选项默认行为，diff >> n通常没问题。但如果你要把代码移植到行为不明确的工具链上，可以这样:
static int32_t int32_shift_right(int32_t v, int n) { if (v >= 0) { return v >> n; } return -((-(v + 1) >> n) + 1); }这个写法避免了对负数右移行为的依赖，也规避了v = INT32_MIN时取反溢出的问题。不过实现稍绕，解释一下：负数 v 右移 n 位后，在算术右移下结果等于向下取整的除法v / 2^n。上面的表达式用补码性质换算出来，保证和算术右移一致。其实绝大部分场景不需要这么谨慎，但如果你在写跨平台库代码，这是个值得抄的片段。
4.3 固定采样率比代码本身还重要
位移法的 (\alpha) 隐含了采样周期，默认两次调用间隔相等。如果你在主循环里随手读ADC，间隔可能一会儿 10ms、一会儿 20ms，滤波的截止频率就在漂移，看起来就是“有时候平滑、有时候灵敏”。
我自己的做法是放在定时器中断里，比如定时器 1ms 触发一次中断，中断里读ADC并调用一次滤波。或者在 RTOS 里建一个周期任务，固定执行周期。这样滤波响应才和前面算出来的截止频率一致。
如果项目确实没法固定采样周期，也可以每次读一个高精度 tick，根据实际时间差调整 N。但那样就没有“位移法”的速度优势了，不如回到浮点/定点实现。所以还是老老实实固定采样率最舒服。
5. 实测调优：同一组数据，不同N的波形差多少
5.1 给ADC信号喂一个方波，肉眼可见滞后
我在测试平台上用信号发生器给ADC输入一个 1Hz 方波，采样率 1kHz，然后分别用 N=2、N=4、N=6 处理。现象很明显：
- N=2：输出很“毛”，方波边沿基本跟得住，但平顶段噪声也很大。
- N=4：噪声压下去不少，边沿略微圆滑，肉眼还能接受。
- N=6：输出非常平滑，但方波的上升沿被拉成了一个缓慢爬坡，大约要几百个采样才能到新稳态。
这就是滤波的经典取舍：平滑和滞后两端不可兼得。位移法的 N 每增加 1，时间常数翻倍，滞后也翻倍；但高频噪声衰减得更狠。
5.2 最省事的调参方法：先粗选，再试相邻值
不要指望一次算对，我是这样做的：
- 根据目标截止频率，用前面的公式算出一个 N。
- 直接烧录进去，观察原始波形和滤波波形的重叠对比。
- 如果噪声还明显，把 N 加 1；如果信号响应太迟钝，把 N 减 1。
- 最终选一个肉眼最能接受的 N，然后固定下来。
这个“肉眼调参法”看起来不够严谨，但在工程里非常有效。真要量化评估，可以记录一段原始数据和滤波数据，在电脑上离线扫描不同 N 的均方误差或者信噪比，选出理论最优值，再回填到单片机里。
我自己的项目最后选的是 N=5。原因很简单：传感器有效信号的最高频率大概在 2Hz 左右，噪声集中在几十Hz以上，5Hz 截止频率刚好把两者分开。
5.3 位移法滤波不等于移动平均
有次和同事聊，他说“这不就是数字的滑动平均吗？”还真不是。滑动平均是 FIR 结构，窗口长度决定响应，数据要保存在环形缓冲区里；一阶低通是 IIR 结构，只依赖上一个输出，占用的内存小得多。在内存按字节算的单片机上，尤其看重这个差别。
位移法的一阶低通，状态量只有一个y，最多再加一个内部精度扩展量，内存开销几乎可以忽略。窗口再短的滑动平均，也得一个数组，这是本质区别。
6. 避坑记录：位移法里最容易翻车的三个细节
6.1 负数右移的“咬尾”问题，只能靠约定解决
前面简单提过，有符号右移在 C 标准里是实现定义的。实际上绝大多数编译器对负数采用算术右移，也就是空位补符号位，这样(-1) >> 5仍然是-1，逻辑上等价于向下取整除法。如果你不小心把diff定义成了uint32_t，负数就会被当成很大的正数，右移后滤波结果直接飞出天际。
所以要养成熟练：滤波差值一律用int32_t。如果代码是跨平台 C 库，最稳妥还是写一个可移植的int32_shift_right，或者直接用/ (1 << n)让编译器优化。特别提醒：/ (1 << n)对于负数除法和移位有区别，C 语言规定整数除法向零取整，不是向下取整。所以如果写diff / (1 << n)，负数时行为会跟diff >> n不一致。这一点很多人没注意。
6.2 截断死区：N太大会让输出在输入缓慢变化时“不动”
最经典的坑是：当diff绝对值小于2^N时，diff >> N直接变成 0。比如 N=5，输入变化只有 15 个 LSB，15 >> 5 = 0，滤波输出纹丝不动。传感器缓慢漂移时，输出会变成阶梯状，甚至长时间卡在一个值上，看起来像“失效”。
解决办法是内部状态用更高精度表示，我用的是 QN 格式：把滤波输出 (y) 左移 N 位存放，真正输出时再右移回来。相当于把每次舍弃的小数余量保留下来，累积到下一次。
typedef struct { int32_t z; /* QN格式状态: z = y << N */ uint8_t n; /* N */ } lpf_qn_t; void lpf_qn_init(lpf_qn_t *f, int32_t x0, uint8_t n) { f->z = x0 << n; f->n = n; } int32_t lpf_qn_update(lpf_qn_t *f, int32_t x) { int32_t y = f->z >> f->n; /* 当前输出 */ f->z += x - y; /* 误差以1/2^N的权重进入状态 */ return f->z >> f->n; }这个版本和普通版本的区别在于z不是直接维护输出值，而是维护“输出值和余量”的合体。每次更新时，即使本次误差小于 1 个 LSB，也会被存进z的低 N 位，累积一段时间后输出自然变化。实测下来，N=5 时原始版本在输入缓慢变化时输出死在一个值上，改进版能看到平滑的微小爬坡，效果非常接近浮点实现的滤波。
代价是z需要更大的位宽。如果原始信号范围是 0~4095，N 最大也别超过 12，否则x0 << n可能超出int32_t的可表示范围。计算上 (4095 << 12 = 16773120)，int32 完全装得下；如果信号范围更大，就上int64_t或者换定点库。
6.3 采样周期抖动会改变截止频率，别把锅甩给滤波器本身
有一种“神秘故障”：同一份代码，在开发板上一切正常，放到现场设备上就变得忽快忽慢。最后查出来是系统主循环里还有其他耗时操作，滤波函数的调用间隔在 0.9ms 到 3ms 之间乱跳。位移法本质上假设每次调用间隔相等，间隔抖动会直接映射成截止频率抖动。
解决方式已经说过，用定时器中断或者固定周期任务。如果现场实在没有固定周期条件，可以用一个高精度计数器记录两次调用的实际间隔，然后动态选择不同的 N 来近似补偿，但那样复杂度会上升，并不划算。我更建议把滤波放在中断里，主循环只负责取结果。
最后顺手分享一个小扩展
如果后面要做更强的抑制，可以在位移法基础上串联两个不同 N 的一阶滤波，等效于二阶低通，截止带衰减更快。代码上就是两个结构体实例，依次调用两次lpf_qn_update。注意两个滤波器的 N 不要选成同一个，否则二阶响应会有一个双重极点，相位滞后更大，不如用一个较小 N 和一个较大 N 搭配，通常能兼顾响应和噪声抑制。
我现在所有传感器平滑逻辑都默认用这套 QN 位移滤波，只在初始化时改一下 N。先在电脑上离线模拟几组波形，再烧进 MCU 看实波形，基本一次就能调到位。位移法不是什么高深理论，但在资源有限的单片机上，它是真的省心。
