当前位置: 首页 > article >正文

低通滤波算法的数学原理和C语言实现

目录

概述

1 原理介绍

1. 1 基本概念

1.2 一阶RC低通滤波器模型

2 C语言完整实现

2.1 滤波器结构体定义

2.2 初始化函数

2.3 滤波计算函数

3 应用示例

3.1 噪声信号滤波

3.2 输出效果对比

3.3 关键参数选择指南

4 性能优化技巧

4.1 定点数优化

4.2  抗溢出处理

5 多阶滤波器扩展


概述

低通滤波是一种信号处理算法,用于滤除高频成分,只保留低频成分。其原理是将输入信号通过一个滤波器,滤除高于某个截止频率的频率成分,只保留低于该截止频率的成分。

低通滤波器通常使用滤波器的频率响应函数来实现,其中常用的滤波器包括有限脉冲响应(FIR)滤波器和无穷脉冲响应(IIR)滤波器。

FIR滤波器是一种线性相位滤波器,其频率响应函数可以由其系数确定。常见的FIR滤波器设计方法包括窗函数法、频率抽取法和最小最大法等。窗函数法通过选择不同的窗函数,确定滤波器的频率响应;频率抽取法则通过对原始信号进行抽取,得到低频信号;最小最大法则通过对滤波器的幅度响应进行最优化设计。

IIR滤波器是一种非线性相位滤波器,其频率响应函数由滤波器的差分方程确定。常见的IIR滤波器设计方法包括双线性变换法和脉冲响应逼近法等。双线性变换法通过将离散时间滤波器转换为连续时间滤波器设计;脉冲响应逼近法则通过最小化滤波器的幅频响应与目标响应之间的误差。

低通滤波在很多信号处理应用中都有广泛的应用,例如音频信号处理、图像处理和通信系统等。它可以滤除信号中的高频噪声,提高信号的质量和可靠性。

1 原理介绍

1. 1 基本概念

低通滤波器(Low Pass Filter, LPF)允许低于截止频率的信号通过,而衰减高频信号。常用于信号去噪、平滑处理等场景。

1.2 一阶RC低通滤波器模型

模拟域传递函数

  离散化(后向欧拉法)

2 C语言完整实现

2.1 滤波器结构体定义

#include <math.h>

typedef struct {
    float input;        // 当前输入
    float output;       // 当前输出
    float last_output;  // 上次输出
    float a_coef;       // 系数α
    float b_coef;       // 系数(1-α)
    float dt;           // 采样时间(s)
    float fc;           // 截止频率(Hz)
} LowPassFilter;

2.2 初始化函数

void LowPassFilter_Init(LowPassFilter *lpf, float dt, float fc) 
{
    lpf->dt = dt;
    lpf->fc = fc;
    float RC = 1.0 / (2 * M_PI * fc);
    lpf->a_coef = dt / (RC + dt);
    lpf->b_coef = 1.0 - lpf->a_coef;
    lpf->last_output = 0.0;
}

2.3 滤波计算函数

float LowPassFilter_Update(LowPassFilter *lpf, float input) 
{
    lpf->input = input;
    lpf->output = lpf->a_coef * lpf->input + lpf->b_coef * lpf->last_output;
    lpf->last_output = lpf->output; // 更新历史值
    return lpf->output;
}

3 应用示例

3.1 噪声信号滤波

#include <stdio.h>
#include <stdlib.h>
#include <time.h>

int main() {
    LowPassFilter lpf;
    LowPassFilter_Init(&lpf, 0.01, 5); // 10ms采样周期,截止5Hz

    srand(time(NULL));
    
    // 生成含噪声的正弦信号(2Hz信号 + 10Hz噪声)
    for(int i=0; i<500; i++) {
        float t = i * 0.01;
        float signal = sin(2 * M_PI * 2 * t); // 2Hz基波
        float noise = 0.5 * sin(2 * M_PI * 10 * t); // 10Hz噪声
        float raw_data = signal + noise;
        
        // 执行滤波
        float filtered = LowPassFilter_Update(&lpf, raw_data);
        
        printf("%.3f, %.3f, %.3f\n", t, raw_data, filtered);
    }
    
    return 0;
}

3.2 输出效果对比

时间(s)原始信号滤波后信号
0.1000.8910.089
0.2001.2450.231
0.3000.7320.412
.........
2.000-0.843-0.812

3.3 关键参数选择指南

4 性能优化技巧

4.1 定点数优化

对于资源受限的嵌入式系统,可将浮点运算转换为Q格式定点数:

typedef int32_t q31_t;
#define Q_SHIFT 28
q31_t a_coef_q = (q31_t)(lpf->a_coef * (1 << Q_SHIFT));

4.2  抗溢出处理

增加输出限幅保护:

lpf->output = (...);
if(lpf->output > 1e6) lpf->output = 1e6;
else if(lpf->output < -1e6) lpf->output = -1e6;

5 多阶滤波器扩展

实现二阶低通滤波器:

typedef struct {
    float a0, a1, a2, b1, b2;
    float x1, x2, y1, y2;
} BiquadFilter;

不同场景下的参数参考

应用场景推荐截止频率采样率特点
温度采集0.1-1Hz10Hz抑制工频干扰
电机转速检测50-100Hz1kHz保留转速波动特征
心电信号处理100-150Hz500Hz消除肌电噪声
语音信号处理3.4kHz8kHz满足电话语音带宽


http://www.kler.cn/a/532297.html

相关文章:

  • 生成式AI安全最佳实践 - 抵御OWASP Top 10攻击 (下)
  • Chapter 6 -Fine-tuning for classification
  • Maven jar 包下载失败问题处理
  • 在线知识库的构建策略提升组织信息管理效率与决策能力
  • 安卓(android)饭堂广播【Android移动开发基础案例教程(第2版)黑马程序员】
  • nvm的安装和使用
  • vim-plug的自动安装与基本使用介绍
  • 【学术征稿-组织单位 武汉理工大学西安理工大学、西安财经大学】第三届通信网络与机器学习(CNML 2025)
  • Codeforces Round 1002 (Div. 2)(部分题解)
  • 利用Python高效处理大规模词汇数据
  • MongoDB 聚合
  • 简易CPU设计入门:指令单元(三)
  • 【Numpy核心编程攻略:Python数据处理、分析详解与科学计算】2.29 NumPy+Scikit-learn(sklearn):机器学习基石揭秘
  • DeepSeek蒸馏模型:轻量化AI的演进与突破
  • 测试csdn图片发布
  • 为何在Kubernetes容器中以root身份运行存在风险?
  • 机器学习在环境科学中的应用
  • BUU16 [ACTF2020 新生赛]BackupFile1
  • 通信易懂唠唠SOME/IP——SOME/IP 协议规范
  • 分布式微服务系统架构第91集:系统性能指标总结
  • 额外题目汇总1:数组
  • deepseek出现以后国产AI大降价--分析各品牌AI的分效用和价格
  • 华为云kubernetes部署deepseek r1、ollama和open-webui(已踩过坑)
  • Linux进程概念
  • ELF2开发板(飞凌嵌入式)部署yolov5s的自定义模型
  • 出现 Can not find ‘Converter‘ support class Year 解决方法